Raakadatan muuttaminen käyttäjäprofiiliksi: dataputken suunnittelu personoitua tekoälypalvelua varten
Year: 2026
Type: dissertation
Abstract: Tämän opinnäytetyön tavoitteena oli kehittää AINIQ-järjestelmän upload pipelinea eli käyttäjäaineiston jalostusputkea käyttäjäprofiilin muodostamisen tueksi. Työn lähtökohtana oli havainto siitä, että käyttäjäprofiilin muodostaminen edellyttää raakamuotoisen aineiston hallittua vastaanottoa, tarkistamista, esikäsittelyä, jäsentämistä ja tallennusta. Ilman selkeästi määriteltyä jalostusputkea prosessi ei ole riittävän yhteneväinen, ja siitä tulee vaikeasti ylläpidettävä sekä tietosuojan kannalta vaikeasti arvioitava. Työ toteutettiin kehittämistyönä. Aineistona käytettiin tutkimuskirjallisuutta, sääntely- ja ohjeistuslähteitä sekä AINIQiin liittyvää sisäistä dokumentaatiota. Kirjallisuudesta rajattiin mukaan vain jalostusputken kannalta olennaiset käsitteet: jäsentymätön data, datan käsittelyketju, käyttäjäprofiili, profilointi, digitaalinen kaksonen, embeddingit eli tekstin tai muun sisällön numeeriset esitykset, suuret kielimallit, retrieval-augmented generation, tietosuoja ja tietoturva. Sisäistä dokumentaatiota käytettiin nykytilan, suunnittelun ja toteutuksen kuvaamiseen. Työ osoittaa, että jalostusputki on käyttäjäprofiilin muodostamisen kannalta keskeinen tekninen ja toiminnallinen rakenne. Sen kehittämisessä korostuvat erityisesti turvallinen aineiston vastaanotto, jäljitettävyys, virhetilanteiden hallinta, johdetun tiedon erottaminen alkuperäisestä aineistosta sekä rekisteröidyn oikeuksien huomioiminen. Työn tuloksena muodostettiin yhtenäinen käsikirjoitus AINIQin jalostusputkesta, sen nykytilasta, kehitystarpeista, vaatimuksista sekä tavoitellusta ratkaisusta. Käsikirjoitus erottaa toisistaan dokumentoidun nykytilan, suunnitellun ratkaisun ja sellaiset toteutuksen osat, joista aineistossa on näyttöä. Tulosten ja arvioinnin kohdalla raportti rajattiin vain dokumentoituun aineistoon.
Source: Theseus (Ammattikorkeakoulujen)
Author: Kuusisto, Sanni
Language: Finnish
Topic: Data Quality and Management
Subfield: Information Systems
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7163291616