Neuroverkkoihin, koneoppimiseen ja Deep Learningiin vihkiytynyt Data Scientist Mikael Karppinen oivalsi, että finanssialalla hän voi tekoälyn avulla turvata jopa miljoonien ihmisten taloutta. Valtavat datamassat, ammattitaitoinen Data Scientistien yhteisö ja modernit työkalut saivat analytiikkakonsultin valitsemaan OP Ryhmän työpaikakseen.

 

Data Scientist Mikael Karppisen työn yksityiskohdat OP:lla talousrikollisuuden torjunnassa ovat niin tarkoin varjeltuja, että niistä ei tiedä edes moni Mikaelin kollegoista. Hän on yksi OP:n Finanssiäly-osaamiskeskuksen noin kolmestakymmenestä Data Scientistista. Vaikka Mikaelin tehtävään liittyy luonnollisesti suhteellisen kattava salassapitosopimus, voimme silti raottaa yleisellä tasolla, kuinka hän päätyi mystiseen tehtäväänsä OP:lla.

Analytiikkauransa Mikael aloitti konsultointiyrityksissä, jossa pyöritettiin siihen aikaan perinteisempää raportointiin tähtäävää datatiedettä. Myöhemmin hän hakeutui pienempään analytiikkakonsultoinnin yritykseen, jossa pääpaino oli “edge-analytiikassa” eli päätelaitteissa toimivassa koneoppimisessa.

“95 % työajastani koodasin algoritmeja päätelaitteeseen. Se oli kyllä mielenkiintoista ja kasvatti osaamista, mutta pidemmän päälle niin insinöörimäinen työ ei sopinut minulle”, Mikael sanoo.

Samalla useampien konsulttivuosien jälkeen Mikael alkoi kaivata sitä, että hän pääsisi mukaan kehittämään pitkäaikaisempia tekoälyn, ennustavan analytiikan ja koneoppimisen ratkaisuja. Vähitellen ajatus vaihtamisesta inhouse-rooliin houkutteli niin paljon, että hän päätti toteuttaa siirron.

“Nykypäivän tekoäly- ja koneoppimisratkaisujen kehitysjaksot ovat pitkiä. Konsulttina on haastavaa päästä kehittämään sellaisia pitkäaikaisia ratkaisuja, joita pääsisi jalkauttamaan bisnekseen vielä pilotin jälkeenkin”, Mikael kertoo.

Modernit teknologiat ja valtava tietopääoma tekevät OP:sta kutkuttavan peliareenan Data Scientistille

Viime syksynä Mikaelille tuli LinkedIn:ssä sattumalta vastaan OP:n työpaikkailmoitus, jossa haettiin Data Scientistia Helsinkiin. Mikaelilla oli OP:sta vahva mielikuva teknologiayrityksenä, joka käy parhaillaan läpi suurta digitaalista murrosta.

“Finanssiala on kiinnostanut minua aina ja ajattelin, että näin isossa talossa pääsisin todella vaikuttamaan tekoälyn ja koneoppimisen avulla monien suomalaisten elämään. Suomessa on vain harvoja yrityksiä, joissa on OP:n kaltainen tietopääoma”, Mikael kertoo pohdinnoistaan.

Hän päätti ottaa osaa Data Scientist -hakuun ja pääsi tutustumaan OP:n Finanssiäly-osaamiskeskuksen ihmisiin. Keskusteluista välittyi oitis viesti, että Mikaelia kiinnostavat analytiikkaan liittyvät projektit eivät ole jääneet OP:lla vain puheen tasolle, vaan niitä kehitetään kovalla sykkeellä jatkuvasti.

“OP:lla on käytössä viimeisimmät teknologiat, jotka mahdollistavat vaikkapa neuroverkkoratkaisut. Konsulttiprojektissa sen sijaan voi joskus käydä ilmi, ettei datatyökaluja ole valmiina, ja siinä joutuu dataputkimiehen hommiin. Kaikki se oli täällä jo järjestetty”, Mikael kertoo.

Tulevassa työporukassa olisi myös Suomen mittapuulla harvinaisen laaja kattaus datatieteen syväosaamista ja kollegoita, joiden kanssa voisi pallotella kehittämisen haasteita sekä toki saada itse, mutta myös jakaa omaa osaamistaan muille. Tämä kokonaispaketti sai Mikaelin vakuuttumaan päätöksestään ja lopulta liittymään OP:n riveihin.

Konsultista inhouse-rooliin – “Työni Data Scientistina OP:lla on ollut uniikki mahdollisuus”

Ensimmäisen puolen vuoden aikana OP:lla Mikael on päässyt kehittämään tekoälyyn liittyvää ratkaisua talousrikollisuuden torjunnan alueella. Työ on nyt muutakin kuin koodaamista, matemaattista mallintamista tai hyperparametrien optimointia. Se myös kytkeytyy suoraan bisnekseen ja arvon tuottamiseen loppukäyttäjälle pidemmällä aikajänteellä.

“Työ Data Scientistina OP:lla on ollut hieno kokemus ja uniikki mahdollisuus. Konsulttityössä olin tottunut siihen, että kehittämisprojektit jäävät toisinaan isoissa organisaatioissa junnaamaan byrokratian rattaisiin. Olen yllättynyt, että täällä sellaista ei ole tullut vastaan”, Mikael sanoo.

Jos Mikaelin tie ei olisi päätynyt OP:lle, hän olisi saattanut harkita Data Scientistin inhouse-roolia myös jossain pienemmässä yrityksessä. Se ei kuitenkaan olisi ollut Mikaelille mieluisin vaihtoehto.

“Olisi tosi ikävää olla firman ainoa Data Scientist, joka olisi tullut palkatuksi vain siksi, että Data Science on hypessä. Silloin työajasta suurin osa kuluisi siihen, että joutuisi perustelemaan, miksi dataan pitäisi satsata ja laittamaan infrastruktuuria ja datan saatavuutta kuntoon”, Mikael sanoo.

Inhouse-roolissa myös kattavasta Data Scientistien yhteisöstä on tullut Mikaelille tärkeä. Yhteiset keskustelut ja ideoiden jalostaminen ovat tempaisseet tämän datatieteilijän toden teolla mukaansa.

“Sen lisäksi, että kollegoiden avuliaisuudesta ja osaamisesta tulee hyvä fiilis, koko yhteisön osaaminen kasvaa”, Mikael kertoo.

Paraikaa Mikael pohtii, kuinka koneoppimissovelluskehityksen keskiöön noussutta “MLOpsia” saadaan edistettyä OP:lla. MLOps eli “Machine Learning Ops” viittaa DevOpsista tuttujen toimintatapojen hyödyntämiseen koneoppimisessa. Käytännössä tämä tarkoittaa OP:lla mallien sujuvaa tuotantoon viemistä poistamalla kehitysprosessista teknistä kitkaa ja mallien suorituskyvyn jatkuvaa seuraamista.

“Uskon, että meillä on kaikki ainekset siihen, että voimme tehdä ratkaisuja, jotka kestävät vertailun maailmanlaajuisesti”, Mikael kiteyttää.