Hippos Suomen Hippos valjasti tekoälyn kilpailukalenterin suunnitteluun
Tekoäly auttaa Suomen Hipposta kisakalenterin optimoinnissa ja ravipäivien valtakunnallisessa sijoittelussa. Valtavaa tietomassaa hyödyntämällä työkalu suitsii kisalogistiikan hiilidioksidipäästöjä ja tukee samalla hevosten, omistajien ja koko raviurheilun hyvinvointia.
Suomen Hippos johtaa ja valvoo Suomen raviurheilua ja siihen liittyvää toimintaa harrastetasolta ammattilaisiin asti. Organisaation vastuulla on hallinnoida ja hyödyntää jopa viime vuosituhannelle ulottuvaa hevosiin ja kilpailuihin liittyvää tietomassaa.
Nyt koko valtava datamäärä on valjastettu palvelemaan kilpailutoimintaa: HiQ kehitti Hippokselle tekoälypohjaisen kilpailukalenterin, joka käyttää muun muassa hevosista, tallien sijainneista, yleisömääristä ja kilpailuiden pelivaihdoista kertynyttä tietoa.
“Raveihin liittyvät tunteet, mielikuvat ja perinteet ohjaavat osaltaan kilpailutoimintaa, mutta kisoja on myös järjestettävä yhä kestävämmin ja kustannustehokkaammin. Tekoälytyökalu tuo päätöksentekoon ja ravipäivien valtakunnalliseen sijoitteluun entistä vahvemman faktapohjan ja tukee paitsi hevosten, myös niiden omistajien ja koko alan hyvinvointia”, kertoo Arto Hytönen, Hippoksen raviurheilujohtaja.
Tekoälytyökalu tuo päätöksentekoon vahvemman faktapohjan, parantaa hevosten hyvinvointia ja tuo kustannustehokkuutta omistajille ja valmentajille.
Arto Hytönen
Raviurheilujohtaja, Hippos
Tavoite: Automatisoitu kilpailukalenteri vähentää ravien hiilijalanjälkeä, parantaa täyttöastetta ja tukee hevosten hyvinvointia
Hippoksen kalenteri tehtiin ennen käsityönä, neuvotellen paikallisten raviratojen kanssa kisojen sijainnista, ajankohdasta ja lukumäärästä. Malli oli toimiva, mutta työläs. Siksi uusi tavoite oli automatisoida suunnitteluprosessi dataperusteisesti.
”Kilpailevien hevosten määrä on laskussa, joten meidän on varmistettava, että kilpailujen määrä vastaa alueellista kysyntää. Lisäksi haluamme lyhentää matkustusetäisyyksiä kilpailuihin, mikä vähentää hiilijalanjälkeä, parantaa hevosten hyvinvointia ja tuo kustannustehokkuutta omistajille ja valmentajille”, Hytönen kuvaa Hippoksen tavoitteita.
Tehtävä ei ollut suoraviivainen. Kalenteri vaikuttaa koko raviurheilun ekosysteemiin, ja suunnittelussa huomioitavia tekijöitä sekä kisoista kertynyttä dataa on valtava määrä.
“Keskeistä oli selvittää, voiko datasta johtaa kalenterin suunnittelua ohjaavat lainalaisuudet vai onko se aina puhtaasti asiantuntijan arvioon perustuva tehtävä. Sen selvittämiseksi analysoimme datan laatua, rikastamisen tarvetta sekä mahdollisia tilastollisia ilmiöitä ja kausaliteetteja”, Jonas Pomoell, HiQ:n johtava tekoälykonsultti.
Ratkaisu: Sukellus raviurheilun kultakaivokseen! Vuosikymmenten data analysoituna ja siivottuna
Hippoksen tietokanta on varsinainen raviurheilun kultakaivos: se sisältää dataa 700 000 hevosesta ja täydelliset kilpailutiedot vuodesta 1984 alkaen, kattaen miljoonia startteja. Tekoälyhanke alkoikin Hippoksen asiantuntijoiden haastattelulla ja tietovarannon syvällisellä arvioinnilla.
”Usein dataa on tallessa enemmän kuin oletetaan, ja se kaikki kannattaa kaivaa esiin. Se ei kuitenkaan ole määrämittaista, joten datan pakottaminen sellaiseksi voi vaatia paljonkin työtä. Esimerkiksi ajallisten poikkeamien, kuten koronavuosien vaikutuksien, analysointi oli tärkeää. Datassa oli myös monia ennalta tuntemattomia, mutta tilastollisesti merkittäviä luokkia, joiden löytäminen ja käsittely erikseen oli laadukkaan ratkaisun edellytys.”
Analyysin perusteella muodostui alustava algoritmi, ja varsinainen tekoälyratkaisu rakennettiin XGBoost-regressiomallin pohjalle. Monivaiheinen algoritmi rakentaa parhaan mahdollisen kilpailukalenterin pisteyttämällä ravipäivät ja suosimalla kiinnostavia lähialueen hevosia, jotka eivät ole kisanneet liian hiljattain.
Ratkaisu: Mikä tekee kisakalenterista ‘hyvän’? Oikea data valjastettiin perehtymällä alan tarpeisiin
Jotta lopputulos vastaisi mahdollisimman tarkkaan Hippoksen tarpeita, projektissa panostettiin algoritmin parametrien hienosäätöön.
“Matemaattisesti täydellinen kalenteri ei ole käytännössä ihmisille paras mahdollinen. Siksi tavoite oli kehittää Hippokselle toiminnallisesti paras ratkaisu, joka vastaa myös manuaalisesti kehitetyn kalenterin laatukriteerejä”, Jonas Pomoell toteaa.
Meille ei tyrkytetty teknologiaa teknologian vuoksi. Saimme työkalun, joka ratkoo oletettujen haasteiden sijaan todellisia ongelmia.
Jukka Niskanen
Tietohallintopäällikkö, Hippos
Mikä sitten käytännössä tekee ravikilpailusta ‘hyvän’, ja mitkä ovat sen laadun mittarit? Pomoell kertoo, että perusteellisen analyysin ja keskusteluiden ansiosta satojen mahdollisten tietokenttien joukosta tärkeimmiksi nousivat lähtöjen täyttöaste, yleisömäärä ja hevospelien vaihto. Niihin vaikuttavat lukuisat tekijät, kuten kisojen sijainti, tuhansien hevosten sijainti, ikä, voittosumma sekä lepo- ja palautumisajat.
”Oikeiden rajausten tekeminen vaati kumppania, jolla on kyky kuunnella asiakasta, perehtyä toimintaympäristöön ja ymmärtää siihen liittyvät erityistarpeet. Siinä HiQ onnistui. Meille ei tyrkytetty teknologiaa teknologian vuoksi, vaan saimme työkalun, joka oikeasti auttaa arjessamme ja ratkoo oletettujen haasteiden sijaan todellisia ongelmia”, toteaa Hippoksen tietohallintopäällikkö Jukka Niskanen.
Tulos: Algoritmi optimoi kisapäivät ja tukee päätöksenteon lisäksi koko alan elinvoimaisuutta
Tekoäly rikastaa Hippoksen päätöksentekoa datalla ja koostaa parhaan mahdollisen kilpailukalenterin selkeästi määritellyissä raameissa. Päätöksen lopullisesta kisakalenterista tekee kuitenkin edelleen Hippoksen hallitus ja kilpailuvaliokunta.
”Saamme datasta arvokkaan faktapohjan päätöksentekoon esimerkiksi ravipäivien kokonaismääristä. Algoritmi jakaa kisapäivät tasaisesti ja joustavasti ympäri Suomen, ja huomioi samalla ratojen sekä alan ammattilaisten ja harrastajien toiveet ja kriteerit”, Jukka Niskanen kertoo.
”Manuaalisen työn vähentämisen lisäksi voimme mahdollisissa ristiriitatilanteissa perustella valintoja kisoista ja hevosista kertyneellä analysoidulla tiedolla mielipiteiden ja intuition sijaan. Uusi kisakalenteri tekee tiedolla johtamisesta arkipäivää.”
Uusi kisakalenteri tekee tiedolla johtamisesta arkipäivää.
Jukka Niskanen
Tietohallintopäällikkö, Hippos
Tekoälyavusteinen kalenteri toi myös merkittäviä muutoksia ratojen sisäisten kilpailupäivien jakamiseen. Ratakohtainen rakenne vastaa nyt paremmin hevosten todellista jakaumaa ja sijaintia Suomessa.
Lisäksi ravipäivien optimointi parantaa lähtöjen täyttöastetta, mikä puolestaan vaikuttaa suoraan pelivaihtoon ja ylläpitää kiinnostusta raviurheiluun.
”Seurauksena voimme antaa suurempia palkintoja, jotka tukevat hevosten omistajia ja esimerkiksi lisäävät kiinnostusta hevosten omistamiseen ja kasvattamiseen. Loppupeleissä kilpailukalenteri siis tukee koko alan elinvoimaisuutta”, Arto Hytönen toteaa.
Tulos: Uusi sijaintidata ja jatkuva yhteistyö auttavat raviurheilun alueellisessa kehittämisessä
Projektin arvokkaana sivutuotteena syntyi uutta dataa kilpahevosten kotitallien tarkasta sijainnista. Vastaavaa tietoa Hippoksella ei aiemmin ollut, ja Jukka Niskasen mukaan uusi data on jo osoittautunut hyödylliseksi raviurheilun alueellisessa kehittämisessä.
Hippoksen ja HiQ:n yhteistyö on jatkunut vuodesta 2006 saakka, ja seuraavat askeleet ovat jo selvillä: verkkopalvelu, jossa käyttäjä voi muokata algoritmin tuottamaa peruskalenteria ja simuloida erilaisia skenaarioita. Kalenteri saa myös objektiivisen pisteytyksen, joka minimoi huonojen kisapäivien riskin. Kokonaisuus toimii vakaana perustana Hippoksen tuleville dataa hyödyntäville ratkaisuille raviurheilun kehittämisessä.
Työ vaati kumppania, jolla on kyky kuunnella asiakasta, perehtyä toimintaympäristöön ja ymmärtää siihen liittyvät erityistarpeet. Siinä HiQ onnistui.
Jukka Niskanen
Tietohallintopäällikkö, Hippos
Yhteistyö pähkinänkuoressa:
- Lopputuote: Tekoälypohjainen kilpailukalenteri ravipäivien optimointiin ja valtakunnalliseen sijoitteluun
- Hippoksen tietokannan analysointi (sis. dataa 700 000 hevosesta ja miljoonista kilpailustarteista vuodesta 1984 alkaen)
- Tietovarannon arviointi, datan rikastaminen ja mahdollisten tilastollisten ilmiöiden tunnistaminen
- XGBoost-regressiomalliin pohjautuva tekoälymalli, jonka ympärillä vahva algoritminen prosessi
- Sivutuotteena täysin uutta sijaintidataa ja muuta dataa tiedolla johtamisen tueksi
- Parametrien hienosäätö varmistamaan, että algoritmi tuottaa toiminnallisesti parhaan kilpailukalenterin
- Jatkuva, avoin kommunikaatio ja keskustelu läpi projektin oikeiden parametrien varmistamiseksi
