Internet-talouden iso kuva

Lähestymme eduskuntavaaleja, joten myös taloudesta keskustellaan Suomessa tavanomaista vilkkaammin. Yleinen keskustelu toistaa kaikuja menneistä ajoista ja sen päähuomio on työvoiman lisäämisessä. Lisäkeinona ja uusimpana teemana on nostettu esiin työaikavaihtoehtojen lisääminen. Työvoiman ja -ajan lisääjät haluavat lisääntyvän tarjonnan laskevan työvoiman hintaa, mikä aikanaan johtaa kasvavaan kysyntään ja siis kasvuun. Logiikka on ymmärrettävää, mutta vaikuttavuus tulee hitaasti.

Toinen vallitseva ajatusmalli löytyy teknologisesta keskustelusta. Puhutaan paljon Internet of Things (IoT) -teknologiasta ja sen avaamista mahdollisuuksista. Tästä sitten muotoutuu kuva teollisesta internetistä. Teknologiaan panostamalla pysytään kiinni kehityksessä ja voidaan nostaa tuottavuutta erilaisissa prosesseissa joitakin prosentteja. Jälleen parantunut kilpailukyky johtaa aikanaan kasvavaan kysyntään ja kasvuun. Jälleen logiikka on ymmärrettävää, mutta vaikuttavuus tulee hitaasti.

Tätä taustaa vasten on huomattava se, että keskustelijat eivät odota nopeaa parannusta. Sen sijaan puhutaan vuosikausia, jopa kymmenen vuotta, kestävästä korjauksesta. Siksi kaikkien on syytä ymmärtää tämä pitkä kuiva jakso. Noilla hitaan vaikuttavuuden keinojen valinnoilla tämä onkin totta.

Yllä olevat ajattelumallit lähtevät siitä yksipuolisesta ajattelusta, että ei ole uusia kasvumarkkinoita. Siksi täytyy vain sinnitellä ja nostaa kilpailukykyä ja tuottavuutta jo olevassa liiketoiminnassa tai toiminnoissa. Aiemmin kilpailukyvyn korjaus hoidettiin devalvaatiolla, historian saatossa joskus jopa 30 % kerralla. Nyt sama korjaus täytyy hoitaa muista talouspoliittisista keinoista kootulla ”korvikedevalvaatiolla”.

Eikö todellakaan ole muita vaihtoehtoja ja nopeampia lääkkeitä? Kyllä on! Vastaus löytyy internet-taloudesta, joka kasvaa nopeammin kuin teollinen tuotanto tai julkinen talous – jopa nopeammin kuin Aasia. Internet-talous on jo maailman suurin kasvun markkina. Suomen pitäisi suunnata voimavaransa sinne ja opetella internet-talouden liiketoimintamallit ja kulttuuri; vastaavasti, mutta nopeammin, kuin Aasian talouskasvun hyödyntämiseen liittyvä osaaminen on hankittu.

Internet-talouteen liittyy kuitenkin yksi ennennäkemätön tekijä ja se on nopeus. Aasian nousu oli nopea teollisessa historiassa, mutta internet-talouden nousu on huomattavasti nopeampaa. Vertailun vuoksi: me kaikki tiedämme, että väritelevision kasvu oli nopeampaa kuin mustavalkoisen, CD-levyn kasvu oli nopeampaa kuin magneettinauhojen ja älypuhelimen murros on nopeampi ja massiivisesti laajempi kuin väistyvän perinteisen matkapuhelimen. Nyt sama nopeuskehitys ilmenee talousmurroksessa.

Strategisen johtamisen kannalta voimme nyt valita kahdesta vaihtoehdosta: 1) korvikedevalvaatio ja hitaan kasvun innovointi tai 2) internet-talous ja nopean kasvun innovointi. Minä itse ja DIGILE painottaa tätä vaihtoehtoa kaksi.

Tällä jo mainitulla nopeudella on yllättävä lisävaikutus. Internet-talous aiheuttaa rakenteellisia muutoksia ja tuottavuuden parannuksia vanhoissa liiketoiminnoissa ja hallinnossa nopeammin kuin vaihtoehtoiset tuottavuutta primääristi nostavat ratkaisut. Verkkokauppa ei syntynyt kaupan tuottavuutta parantamalla vaan radikaalilla ja uudella lähestymistavalla. Ilmiönä tämä johtaa siihen, että korvikedevalvaatiolla ei koskaan ehditä korjata Suomen kansantaloutta. Helposti nostetaan tuottavuutta sellaisessa toiminnossa, jota ei kehitystoimien jälkeen enää tarvita. Niinpä yksin siihen suunnattu innovaatiopanostus menee hukkaan tai sen vaikuttavuus jää heikoksi.

Korvikedevalvaatiokin tuo hyötyä ymmärrettävällä logiikallaan Suomelle vain, jos Suomi pärjää internet-taloudessa ja korvikedevalvaatiolla tuetaan tätä.  Kasvun internet-taloudessa on siis oltava innovaatio- ja elinkeinopolitiikan strategisessa keskiössä ja sitä on hyödyllistä tukea korvikedevalvaatiolla. Totta kai tarvitsemme myös parempaa tuottavuutta.

Digitalisaatio on jo arkipäivää yleisessä keskustelussa. Tähän on päästy vuosien työn tuloksena. Nyt seuraavaksi täytyy saada kehityspanokset osumaan tulevaisuuden maaliin ja näin Suomi saadaan nousuun. Isoihin ohilaukauksiin ei ole varaa. Ja aika on rahaa!

DIGIpuhetta: Digitaalinen asenneilmapiiri ja teollinen internet

DIGIpuhetta-ohjelma jatkaa viime viikolla julkistetun Digibarometri 2015:n jäljillä. Luvassa on asiaa Suomen digitaalisesta asenneilmapiiristä sekä teollisesta internetistä.

Haastateltavina ovat Digibarometrin julkistustilaisuudessa esiintyneet Future Works Oy:n perustajaosakas Petri Rajaniemi ja Enevo Oy:n teknologiajohtaja Pirkka Palomäki. Heidän esitystallenteensa pääsee katsomaan digibarometri.fi-sivustolta.

 

DIGILEn tuloksia: Kun uutuudenviehätys loppuu – Uusilla menetelmillä tietoa asiakasuskollisuudesta

Tutkimusryhmä PREAGO Aalto-yliopistosta ja IT-yhtiö Reaktor etsivät N4S-ohjelmassa yhteistyömahdollisuuksia syvällisen asiakastiedon käsittelyyn datatieteen ja laadullisen tutkimuksen keinoin. Aalto-yliopistossa on tutkittu 15 vuotta asiakaskäyttäytymistä, jotka liittyvät tuotteisiin ja palvelujen käytettävyyteen. Ryhmä on tutkinut ensimmäisten joukossa mm. tunteiden osuutta osana asiakasuskollisuutta. Tutkimuksen mukaan tunteilla, muistoilla ja pitkäaikaisella käyttökokemuksella on suuri merkitys asiakasuskollisuuteen tuotteen hyödyllisyyden ja käytettävyyden rinnalla.
 

Aalto-yliopiston PREAGO-tutkimusryhmä osallistuu N4S-ohjelmaan tukeakseen tutkimuksen avulla yrityksiä uudessa digitaalisessa taloudessa. Yliopistolla ja ohjelmaan osallistuvilla yrityksillä on useita yhteistyöprojekteja, joissa mallinnetaan arvoa, kerätään palautetta asiakkailta ja tuetaan yritysten toimintatapoja ohjelmistoekosysteemeissä.

IT-yhtiö Reaktorin kanssa tehtävän yhteistyön tavoitteena on yhdistää laadullisen käyttäytymistutkimuksen ja datatieteen menetelmät syvällisen asiakastiedon keräämiseen ja käsittelyyn. Suurten tietovarantojen käsittelyyn ja analysointiin perustuvat palvelut ovat kuuluneet Reaktorin tarjontaan big data -ilmiön alkuhetkistä lähtien, ja tällä hetkellä yrityksessä on kokonainen datatieteen asiantuntijaosasto.

Tutkijatohtori Sari Kujala PREAGO-tutkimusryhmästä uskoo laadullisen käyttäjätutkimuksen syventävän datatieteen tuloksia siitä, miksi asiakkaat käyttävät jotain tuotetta tai palvelua ja mitä hyvää ja säilyttämisen arvoista siinä on.

”Laadullinen käyttäjätutkimus antaa vastauksia kysymyksiin miksi ja miten. Kun tiedetään, että ihmiset käyttäytyvät data-analyysin perusteella ristiriitaisesti ja kun tunnistetaan, missä kohdassa käyttöprosessia on ongelmia, voidaan laadullisin menetelmin tutkia tarkemmin syitä tähän. Data-analyysin avulla voidaan myös tunnistaa kriittisiä hetkiä, jolloin asiakas esimerkiksi menettää mielenkiintonsa palveluun. Tästä tiedetään, että laadullista palautetta kannattaa kerätä. Menetelmät tuovat yhdistettyinä kokonaisvaltaista, syvällistä tietoa asiakaskäyttäytymisestä”, Kujala sanoo.

Tietoa numeroiden takana on alettu tutkia laadullisten menetelmien tukemina vasta viime aikoina. Yritykset ovat tähän saakka panostaneet pääasiassa hyödyllisiin, arvoa tuottaviin tuotteisiin ja palveluihin, joita on tarkasteltu perinteisesti taloudellisesta näkökulmasta. Tutkimusten mukaan arvo ei kuitenkaan synny tuotekehityksessä, vaan tuotetta tai palvelua käytettäessä.

”Valtaosalla yrityksistä ei ole tietoa asiakkaiden kokonaisvaltaisesta käyttäytymisestä. Asiakkaan käyttäytymistä on todettu ohjaavan paitsi hyödyllisyys ja käytettävyys, myös nautittavuus. Koska nautittavuustekijät voivat muodostua käytännöllisyyttä tärkeämmiksi pitkällä aikavälillä, olemme kohdistaneet tukimustamme pitkäaikaiseen käyttökokemukseen sekä tuotteen nautittavuutta aiheuttaviin tekijöihin, kuten palkitsevuus, viehätys ja huvi”, Kujala jatkaa.

Käyränpiirtomenetelmä huomioi tunteet ja muistot

Tuotteiden ja palvelujen suunnittelua ihmisläheisestä näkökulmasta tarkasteleva Kujala tutkii projekteissaan, miltä tuote tai palvelu tuntuu asiakkaiden mielestä ja miten tuotekehittelijät tekevät tuotteita, jotka pysyvät pitkään palkitsevina. Kujalan ryhmä on kehittänyt käyränpiirtomenetelmän (UX Curve), joka huomioi käyttäjän muistot, tunteet ja pitkäaikaisen käyttökokemuksen tuotteesta tai palvelusta.

”Menetelmä perustuu käyttäjän itsensä tärkeiksi nostamiin asioihin. Käyttäjä muistelee tuntemuksiaan siitä, miltä tuotteen käyttöön ottaminen tuntui ja miten hänen suhteensa tuotteeseen on muuttunut ajan myötä. Hän arvioi kokemuksiaan eri näkökulmista, kuten vetovoimaisuus, helppokäyttöisyys, käytettävyys, käyttöaste. Lopuksi käyttäjä piirtää käyrän kokemuksen muuttumisesta. Muutokset käyrässä tuovat esille ne merkitykselliset asiat, joita kannattaa tutkia ja huomioida tuotesuunnittelussa.”

Alun perin psykologia- ja kognitiotiedetaustainen Kujala kertoo menetelmän perustuvan käyttäjän erityisen positiivisiin tai negatiivisiin kokemuksiin.

”Pitkäaikaisessa käytössä vain huippukokemukset jäävät mieleen. Nämä muistot vastaavat kokonaisvaltaista kokemusta tuotteen käytöstä, ja tämä arvio saa käyttäjän jatkamaan tuotteen käyttöä ja suosittelemaan tuotetta muille.”

Tarve itseilmaisuun

Kujalan tutkimus osoittaa, että pitkäaikaisessa käytössä käyttäjän innostusta ylläpitävät uudet ominaisuudet ja sovellukset, joiden käyttöönotto ja oppiminen tuovat uusia mahdollisuuksia itseilmaisuun ja sosiaaliseen toimintaan. Tutkija uskoo, että tuotesuunnittelussa tulisikin keskittyä kehittämään asiakasuskollisuutta uusien mielenkiintoisten lisäominaisuuksien avulla.

”Tuote tai palvelu, jonka vetovoimaisuus kasvaa ajan myötä, lisää käyttäjän halukkuutta suositella tuotetta ystävilleen. Erityisesti kuluttajille suunnatuissa palveluissa pelkästään käytännölliset ja hyödylliset ominaisuudet eivät usein riitä tunnesidoksen muodostumiseen”, Kujala toteaa.

Hänen mukaansa tuotteella pitäisi olla positiivinen vaikutus käyttäjän elämään ja tarpeisiin.

”Tuotesuunnittelijoiden tulisi auttaa ihmisiä saavuttamaan tavoitteensa ja tukea myönteistä minäkuvaa. Jos tuote tai palvelu saa käyttäjänsä nolostumaan tai tuntemaan itsensä typeräksi, alkuinnostus muuttuu pettymykseksi, eikä käyttäjä ole välttämättä kovin kiinnostunut jatkamaan käyttöä”, Kujala lisää.

”N4S -projektissa tavoitteemme on kehittää asiakaspalautteen keräyksen mittareita, joilla voidaan ennustaa kuinka uskollisia asiakkaat ovat uutuudenviehätyksen kadottua. Samalla kerätään palautetta siitä, miten uskollisuutta voidaan tukea paremmin.”

 

Read the whole story in English: http://www.n4s.fi/2014magazine/article8/

Lisätietoa:
– Kujala, S., et al. UX Curve: A method for evaluating long-term user experience. Interact. Comput. (2011), doi:10.1016/ j.intcom.2011.06.005

DIGIpuhetta: Digibarometri 2015 – mikä muuttui viime vuodesta?

Digibarometri 2015 julkaistiin tiistaina. Suomi on petrannut kokonaissijoituksessa – hopeaa tuli – mutta syitä henkseleiden paukutteluun ei ole. Miksi? DIGIpuhetta-studiossa keskustelemassa DIGILEn oma Jaakko Talvitie sekä Verkkoteollisuus ry:n hallituksen puheenjohtaja Tuomo Luoma.

 

P.S. Digibarometrin julkistustilaisuus järjestettiin Musiikkitalossa 17.3. Esitykset on katsottavissa Digibarometrin omalta nettisivulta. Vahva suositus etenkin Pirkka Palomäen ja Petri Rajaniemen keynote-puheille!

Investoidaan! Mutta mihin?

Ei kulu päivääkään ettei joku peräänkuuluta investointeja. Talousviisas toisensa jälkeen todistaa, ettei maamme nouse laman alhosta ennen kuin yritykset alkavat investoida.

Kuulostaa hienolta ja jopa ymmärrettävältä, mutta mistä tässä oikein on puhe? Kukaan ei tätä selvästi ääneen sano, mutta luulen että tässä ajatellaan tehtaita, tuotantolinjoja ja uutta kalustoa. Nämä sitten vaativat uusia ihmisiä ja siten syntyy uusia työpaikkoja. Valtion sosiaalimenot pienenevät ja verotulot kasvavat. Hieno homma.

On siis pelättävissä, että taustalla on vanha ja ymmärrettävä ajatusmalli: työpaikka = tehdas.

Tässä on vain se pieni mutta että tehtaita rakentavat Suomeen enää vain harvat yritykset, ja vielä harvemmat pystyvät tekemään niillä kannattavaa liiketoimintaa. Eivätkä nekään harvat tehtaat enää työllistä samaan malliin kuin ennen.

Kaikki kansantaloudet kehittyvät samalla kaavalla. Maatalous korvautuu ensin teollisuudella, ja teollisuus ja tavaratuotanto taas korvautuvat pikku hiljaa palveluilla. Kun puhumme kehittyneistä teollisuusmaista, pitäisi itse asiassa puhua kehittyneistä palvelumaista – palveluiden osuus kansantuotteesta on näissä maissa jo luokkaa 70% tai yli. Kiinassakin se lähentelee jo 50% osuutta. Ja teollisuuden – eli tavaratuotannon – osuus laskee koko ajan.

Toki monet yritykset – myös tavaratuotannossa olevat – kehittävät uusia palveluita osaksi tarjoomaansa, mutta pelättävissä on etteivät nämä satsaukset rekisteröidy mihinkään T&K- tai muinakaan investointeina. Kuten eräs asiantuntija karrikoi: jollei työtä tehdä valkoinen takki tai haalarit päällä, se ei ole T&K:ta.

Kaikki yritykset ymmärtävät että kasvun ja kilpailukyvyn kannalta investoinnit ja T&K ovat kriittisen tärkeitä – vaikka niistä joskus joudutaankin tinkimään. Lisäksi kaikki yritykset pitäisi saada ymmärtämään että jatkossa kasvun ja kilpailukyvyn kannalta vielä kriittisempiä ovat uudet palvelut. Ja nämä palvelut ovat enenevässä määrin digitaalisia.

Tavaratuotantoon investoiminen tarkoittaa siis panostamista painoarvoltaan laskevaan kansantalouden osaan. Uusiin palveluihin kohdistuvat investoinnit ovat panostamista kasvavaan talouteen.

Lakataan siis itkemästä investointilamaa ja aletaan vaatia yrityksiltä ja julkiselta vallalta satsauksia uusiin palveluihin ja uuteen liiketoimintaosaamiseen. Tämä koskee myös teollisuusyrityksiä, jos ne aikovat selvitä jatkoon globaalissa kilpailussa. Aivan kuten vaahto oluen pinnalle, parhaat voitot kertyvät aina lopulta arvoketjun huipulle. Ja siellä ovat palvelut.

Ihmisen varaosat, digitaalisuus ja 3D-tulostus

Eduskunnan tulevaisuusvaliokunnan raportti Suomen sata uutta mahdollisuutta esittelee suuren määrän asioita, jotka tulevat vaikuttamaan terveydenhoitoon virtualisoitumisen, datan käsittelyn ja lähivalmistuksen muodossa. Näitä ovat mm.:

• avoin data, big data ja itseorganisoituva data
• kappaleiden helppo kuvantaminen ja laskennallisesti muodostetut kuvat
• Vapaasti organisoituva etätyö ja netissä muodostuvat organisaatiot, sekä
• 3D-tulostus.

Tässä blogauksessa pohditaan, miten tämänkaltaiset kehityspolut saattavat vaikuttaa terveydenhoidon näkymiin.

1. Tietoa lisää – lisää tuskaa?

Verkossa toimivat tietopankit, automatisoitu tiedonkeruu ja tiedon analysointi mahdollistavat sovelluksia, jotka eivät ole koskaan ennen olleet mahdollisia. Dataa kerätään automatisoidusti joka hetki ja periaatteessa jokainen tiedonmurunen liitetään suurempaan kokonaisuuteen. Dataa voidaan sen jälkeen hyödyntää luovasti esimerkiksi ennakointiin, monimutkaisten prosessien ymmärtämiseen ja vaihtoehtojen tarjoamiseen.

Erityisesti Google on hämmästyttänyt meitä tavoilla kuinka dataa voidaan kerätä, analysoida ja hyödyntää yllättävin tavoin. Esimerkkinä tästä on Googlen hakutietojen analysointi globaalien influenssaepidemioiden leviämisen ennakoimiseksi. Sen lisäksi, että datasta voidaan tehdä globaaleja ennusteita, samaa big dataa voidaan hyödyntää täsmäkäyttöön, esimerkiksi käyttäjäkohtaiseen mainontaan ja personoitujen ratkaisujen löytämiseen. Ehkäpä lähitulevaisuudessa tietokone osaa varoittaa, että sairastut ensi viikolla flunssaan. Samalla sinulle tarjotaan edullisesti nenäliinoja, täsmälääkkeitä ja suositellaan tulevan lomamatkan siirtämistä.

2. Hymyile – sinua kuvataan!

Ihmistä kuvannetaan elämän aikana lukuisissa vaiheissa. Ensimmäiset kuvat saadaan jo raskausaikana äitiysneuvolassa. Lapsuusaikana ja onnettomuuksissa röntgenkuvilla kartoitetaan mm. luustoa ja hampaita. Lentokenttien turvatarkastuksissa läpivalaistaan vartaloita. Erilaisten hoitotoimenpiteiden aikana, kuten tietokonetomografian yhteydessä, luodaan tarkkoja malleja sisäelimistä. Jo nyt jokaisesta meistä on olemassa pieni kuvakirjasto.

Ihmisen kuvakirjasto on puutteellinen ja sirpaloituneena eri tietojärjestelmissä, mutta jokaisen kuvan yhteydessä on tarkat tunnistetiedot kyseisestä henkilöstä. Jos paleontologit kykenevät päättelemään dinosauruksen muut osat reisiluun perusteella, kuinka paljon ihmisen tarkasta rakenteesta voidaan päätellä olemassaolevien kuvien ja muun tiedon pohjalta?

Olisiko mahdollista lähteä rakentamaan jokaisen ihmisen henkilökohtaista tietopankkia systemaattisesti ja voisiko tästä olla hyötyä? Kuka tällaista pankkia voisi hallinnoida ja hyödyntää? Esimerkiksi sotilaat voidaan kuvantaa ja tallentaa tietopankkiin siltä varalta, että taistelussa menetetyt raajat ja luut pystytään tarvittaessa rakentamaan uudelleen.

3. Biopankit & crowdsourcing

Suomessa neljällä biopankilla on toimilupa. Biopankkeihin kerätään näytteitä ja tietoja tulevaisuudessa käynnistyviä tutkimus- ja kehittämishankkeita varten. Yhtälailla samaan tietovarastoon voidaan kerätä mitä tahansa ihmisen dataa, kuten röntgenkuvia, sairaushistoriaa ja geenitietoja.

Biopankki, siis tietovarasto, ei luo ihmisestä täydellistä kuvaa. Kuinka tästä epätäydellisestä tiedosta voitaisiin saada hyötyä esimerkiksi akuutissa hoitotilanteessa? Vastaus löytyy mahdollisesti big datasta. Henkilön omasta biopankista saadaan osa tarvittavasta tiedosta. Puuttuva tieto voidaan tuottaa analysoimalla samankaltaisia tilanteita ja henkilöitä globaalista aineistosta, sekä luonnollisesti lähisukulaisten tiedoista.

Biopankin aineistoa olisi hyvä kerätä ihmisen koko elinaaren ajan. Pitkittäisdatan avulla saadaan tutkimuksellista ymmärrystä vaikkapa luiden kasvamisesta. Tietoa voidaan hyödyntää esimerkiksi siihen, että kätensä menettäneelle kasvuiässä olevalle teinille saadaan aina oikeanlainen 3D-tulostettu proteesi säännöllisin välein hänen kasvaessaan. Vastaavalla idealla valmistetaan jo kehon ulkopuolisia tukirakenteita.

Oikein kehitettyinä biopankit ovat tulevaisuuden valuuttaa. Niiden sisältämää dataa hyödyntämällä avulla voidaan säästää terveydenhoitokuluissa, ennakoida hoitotarpeita ja kehittää uusia palveluita.

4. Biodata on 3D-tulostuksen raaka-ainetta

3D-tulostus perustuu 3D-malleihin. Mallit tuotetaan tietokoneavusteisesti mm. käsin, kuvantamalla olemassaolevia asioita, muokkaamalla olemassaolevia malleja, tai generoimalla malli automaattisesti annettujen kriteerien perusteella.

Automaattinen suunnittelu, kuvien tulkitseminen ja laskennallisesti muodostetut kuvat ovat jo käytössä mm. elokuvissa ja peleissä. Nykyiset tekoälyohjelmat pystyvät luomaan itsenäisesti algoritmeja, musiikkia ja kuvia. Todennäköisesti tämäntyyppinen ohjelma voi mallintaa koko ihmisen, kun lähtötiedoksi annetaan se reisiluu.

Useissa CAD-mallinnusohjelmissa on jo sisäänrakennettuna toimintoja, jotka optimoivat kolmiulotteisen mallin 3D-tulostusta varten. Ohjelmistot kykenevät myös itsenäisesti tuottamaan optimoituja muotoja, jotka noudattavat annettuja suunnittelukriteereitä, esimerkiksi materiaalin määrän, tiheyden tai kestävyyden suhteen. Biopankit sisältävät digitaalista dataa, joka voidaan ylläkuvatuin ideoin muuttaa mm. 3D-malleiksi. Biopankit voivat siis liittyä tulostukseen varsin suoraviivaisesti.

Tutkijat selvittävät parhaillaan kiivaasti, mitä ihmisen elimiä voidaan valmistaa 3D-tulostamalla. Biotulostuksella on tuotettu jo mm. sydämen läppiä, maksakudosta, luuta, munuaiset, lihassoluja ja ihoa. Tulevaisuudessa biopankit käytännössä mahdollistavat ihmisten varaosien valmistamisen.

5. Yhteenveto

Lääketieteelliset sovellukset ovat yksi 3D-tulostukseen liittyvän liiketoiminnan suurimmista potentiaaleista. Luu- ja hammasimplantteja tuotetaan jo rutiininomaisesti mm. titaanin ja keramiikan 3D-tulostuksella. Biotulostus siirtyy vähitellen ja vääjäämättä tutkijoiden kammioista käytäntöön ja yhä syvemälle ihon alle!

Olisi järkevää ryhtyä systemaattiseen ja kansalliseen biodatan keräämiseen hyödyntäen olemassaolevia menetelmiä, yhdistäen eri lähteistä tulevaa tietoa ja rakentamalla arkkitehtuuria, joka mahdollistaa ihmisen lääketieteellisen varaosatoiminnan tulevaisuudessa.

Teknologiana ihmisen lihasten ja elinten tulostus rutiininomaisesti on vielä vuosien päässä oleva haave, mutta voimme alkaa jo valmistautua siihen keräämällä ainutlaatuisen aineiston kansastamme. Geenitietojen ja muiden biopankkitietojen yhdistäminen tässä kuvattuun pankkiin luo valtavan määrän uusia mahdollisuuksia. Tarvittavaa osaamista, oli se sitten datan käsittelyä, kuvantamista tai ihmisen varaosatutkimusta, meiltä kyllä löytyy.

Suomella on hyvät mahdollisuudet nousta biopankkien ja biotulostuksen kärkimaaksi.

 

Blogaus on kirjoitettu yhdessä Pekka Ketolan kanssa.

This blog post is available also in English!

Human spare parts, digitality and 3D printing

The report of the Future Committee of the Finnish Parliament, “A Hundred New Opportunities for Finland“, introduces a large number of things that will affect health care in the form of virtualization, data processing and local manufacturing. These include:

• open data, big data and self-organizing data
• easy imaging of objects and computationally created images
• freely organized remote work and organizations formed online, as well as
• 3D printing.

This blog post will take a look at how development paths like these may affect the future of health care.

1. More knowledge – more suffering?

Online data banks, automatized data collection and data analysis enable applications that have never been possible before. Data is collected automatically every minute, and theoretically every little piece of data is connected to a larger whole. Data may then be utilized creatively for prediction, understanding complex processes and offering alternatives, for example.

Google in particular has amazed us with the multitude of ways in which data can be collected, analyzed and utilized in surprising ways. An example of this is analyzing Google search data to predict global influenza epidemics. In addition to being able to make global predictions based on the data, the same big data can be used for targeted purposes, such as user-specific advertising and finding personalized solutions. Perhaps in the future, the computer can warn you that you’re going to catch a flu next week. At the same time, you receive cheap offers for tissues and targeted drugs and a recommendation to postpone your holiday trip.

2. Smile – you’re on camera!

A human gets imaged at several stages during their life. The first pictures are taken during pregnancy at a maternity clinic. During childhood and after accidents, x-rays are used to map things like bones and teeth. Bodies are x-rayed at airport security checks. Detailed models of internal organs are created during various treatment procedures, such as computer tomography. There is already a small image library of each one of us.

The human image library is incomplete and fragmented into different data systems, but each image includes exact identification data about the person. If paleontologists are able to figure out the remaining parts of a dinosaur based on a femur, how much can we make out of a human’s exact structure based on the existing images and other data?

Would it be possible to start building a personal data bank of each person systematically, and could this be useful? Who could manage and utilize such a bank? Soldiers, for example, could be imaged and the images stored in a data bank so that limbs and bones lost in battle can be reconstructed, if necessary.

3. Biobanks & crowdsourcing

There are four licensed biobanks in Finland. Biobanks collect samples and data for future research and development projects. Any human data, such as x-rays, medical histories and genetic data may be stored in the same database.

A biobank, i.e. a database, will not create a complete image of a person. How can this incomplete data be utilized in an acute treatment situation, for example? The answer may lie in big data. A person’s own biobank will provide some of the required data. The missing data may be produced by analyzing similar situations and persons based on global data, and obviously data about close relatives.

It would be good to collect biobank data throughout a human’s lifespan. Long-term data produces scientific understanding of things like the growth of bones. The data may also be utilized, for instance, by being able to produce the right kind of 3D-printed prosthesis for a teenager who has lost their arm at regular intervals as they grow up. A similar concept is already being used to produce extracorporeal supporting structures.

If developed correctly, biobanks are the currency of the future. By utilizing data stored in them, we can save money in health care costs, predict treatment needs and develop new services.

4. Biodata is raw material for 3D printing

3D printing is based on 3D models. Models are created with computer assistance by hand, by imaging existing things, by customizing existing models or by automatically generating a model based on given criteria.

Automated design, image interpretation and computationally created images are already used in movies and video games, for example. Current artificial intelligence software is able to independently create algorithms, music and images. This type of software will probably be able to model an entire human, if given the femur as a starting point.

Several CAD modeling software already have built-in features that optimize a three-dimensional model for 3D printing. These software are also able to independently produce optimized shapes that conform to given design criteria regarding things like the amount, density or durability of the material. Biobanks contain digital data that can be converted into things like 3D models using the ideas described above. In other words, biobanks may be connected to printing quite directly.

Researchers are currently busy trying to find out what human organs can be produced by 3D printing. Bioprinting has already been used to produce heart valves, liver tissue, bone, kidneys, muscle cells and skin. In the future, biobanks will practically allow the production of human spare parts.

5. Conclusion

Medical applications are one of the greatest potentials for business related to 3D printing. Bone and tooth implants are already routinely produced by the 3D printing of titanium and ceramics. Gradually and inevitably, bioprinting will move from research labs to practice and ever deeper under the skin!

It would make sense to start a systematic and national collection of biodata by using existing methods, combining data from different sources and building an architecture that allows medical production of human spare parts in the future.
As a technology, the routine printing of human muscles and organs is still a dream that is many years away, but we can start preparing for it already by collecting a unique database about our people. Combining genetic and other biobank data to the bank described here will create an enormous amount of new possibilities. The necessary know-how, whether it’s data processing, imaging or research into human spare parts, is something we have already.

Finland has great opportunities to become a leading country in biobanks and bioprinting.

This blog post has been written together with Pekka Ketola.

DIGIpuhetta: #digitalisaatio-terveiset hallitusohjelmaan!

DIGIpuhetta-ohjelmassa jatketaan ICT 2015 -työryhmän asialla. Edellisessä ohjelmassa kerrattiin tähän saakka tapahtunutta ja esiteltiin 21 kehityspolkua. Mutta mitä sitten? Mitä tapahtuu seuraavaksi, ja millaisia terveisiä lähetetään uuden hallitusohjelman tekijöille?

Keskustelemassa ovat ICT 2015 -työryhmän puheenjohtaja Pekka Ala-Pietilä ja työryhmän jäsen Antti Kivelä.

Watsons and Watdaughters – plus Watfathers and Watmothers

Co-Creative Intelligence is the strategic choice of DIGILE as the covering theme of our next phase research activities. This theme is a very broad one and we use this blog as a channel to describe out multifaceted vision of it and to get immediate feedback.

A new study from the IBM Institute for Business Value, “Your Cognitive Future,”  identified three types of capabilities (not mutually exclusive) for cognitive computing systems. Disclaimer: They naturally had Watson as the main model for a cognitive computing system. These capabilities well explain the roles of human and machine intelligence in Co-Creative Intelligence.

 

 

discovery - decision - engagement1. Engagement:These systems change the way humans and systems interact and significantly extend the capabilities of humans by taking advantage of peoples’ two-way ability to provide expert assistance and to utilize expert assistance to understand complex issues. These systems provide expert assistance by developing insights and presenting the information in a timely, natural and usable way. Here, cognitive computing systems play the role of an assistant. But in comparison with human assistants, the systems are tireless, can learn amazing amounts of structured and unstructured information, and can learn. The study claims that systems can also reconcile ambiguous and even self-contradictory data, but I believe that this is specifically an area where humans can provide expert assistance to the systems. All in all, humans and cognitive computing systems working together are more effective than either one alone.

2. Decision:These cognitive systems have decision-making capabilities. Decisions made by cognitive computing systems are evidence-based and evolving based on new information. Currently, systems perform more as advisors or recommenders helping users to make the choice by suggesting a set of options with justifications to human users, who ultimately make the final decisions.

3. Discovery:These systems can discover insights that perhaps could not be discovered by human beings. Discovery involves finding insights and connections and understanding the vast amounts of information, including nonstructural data, available around the world. With ever-increasing volumes of data, there is a clear need for systems that help exploit information more effectively than humans could on their own. For example, a typical researcher reads about 23 scientific papers per month, while a cognitive system can “read” all papers ever produced during the same month. Human intelligence can then test, validate, and develop further the insights.

Clearly in all of the above-mentioned capabilities, the intelligences of both the machine and the human are needed to obtain the desired outcome.

How should we call the humans utilizing the power of cognitive computing systems? The name of IBM’s Watson can be used directly: Watsons and Watdaughters. When I presented this idea in Twitter, my ex-colleague Matti Vuori commented: “Shouldn’t humans be #watfather or #watmother? Sons need adults to watch what they are doing & keep them straight.” Perhaps before singularity, Matti’s proposal is the correct one and then my idea rules.

What do you think? And what could be the general, non-Watson-dependent name?

 

DIGIpuhetta: Hyviä uutisia, #digitalisaatio etenee sittenkin

DIGIpuhetta-ohjelmassa ryhdytään tosi toimiin digitalisaation vauhdittamiseksi Suomessa. Aiheena on ICT 2015 -työryhmän toiminta ja tavoitteet. Työ- ja elinkeinoministeriön vuonna 2012 asettama ryhmä laati vuonna 2013 julkistetun raportin, jossa määriteltiin 21 kehityspolkua “kitkattomaan Suomeen”. DIGIpuhetta otti selvää, mitä sittemmin on tapahtunut ja millaisia tuloksia on saatu aikaiseksi.

Vieraina ovat ICT 2015 -työryhmän puheenjohtaja Pekka Ala-Pietilä ja työryhmän jäsen Antti Kivelä.