Kan maskinlæring brukes til å predikere fremtidige besøkstall?

Det spørsmålet stilte vi oss da vitensenteret VilVite i Bergen ønsket mer innsikt i hva som påvirker besøkstallene. Løsningen ble en prediksjonsmodell som blant annet kan forutsi besøkstallene, og som dermed gjør det enklere å sette opp vaktplaner. Les hvordan dette kan gjøres her.

Trykk på taggene for å lese mer om hvor og hvordan vi benytter samme fag og teknologi

Kunstig intelligens & Maskinlæring

Teknologi

Da VilVite ønsket mer innsikt i besøkstallene sine var kontoret vårt i Bergen så heldig å ha to studenter fra sivilingeniørstudiet innen informasjonsteknologi og økonomi fra Universitetet i Bergen på praksis som kunne bryne seg på oppgaven. Forespørselen var midt i blinken for Markus Andersland og Mathias Lillejord, og de begynte tidlig i prosjektet å snuse på maskinlæring.

Stort potensiale i teknologien

I prosjektet har en stor del av arbeidet handlet om å analysere besøkstallene til VilVite. Følgende problemstillinger ble sett på spesifikt:

Besøkstallene har en høy variasjon. Hva forklarer denne variasjonen?

Hvilke aktiviteter og markedsføringskampanjer har vært mest suksessfulle, og hvilke har vært mindre suksessfulle?

For å svare på dette ble det gjennomført analyse av VilVites egne data der problemstillingene ovenfor ble forsøkt besvart. Disse dataene ble deretter matet inn i en maskinlæringsmodell som har blitt trent opp til å predikere besøkstall basert på faktiske besøk.

Det mest spennende med prosjektet har vært å benytte maskinlæring til å løse en reell problemstilling på faktiske kundedata. Slike prosjekter tydeliggjør hvilket potensial denne teknologien har i å spare kostnader og hjelpe ulike aktører til forbedring av deres produkter og tjenester.

Mathias og Markus, praksisstudenter hos Bouvet.

Allokere ressurser mer effektivt og øke besøkstallene

Modellen er ikke tatt i bruk enda, men er testet slik at man vet den vil fungere. Når den blir tatt i bruk vil VilVite kontinuerlig ha innsikt i hva som påvirker besøkstallene. En prediksjonsmodell vil også bidra til å allokere ressurser bedre, da flere kunder vil kreve flere ansatte. Det ble dog gjort noen funn i løpet av arbeidet, og de viktigste faktorene for å estimere fremtidig besøk var funnet til å være følgende:

Vær

Overskyet vær og nedbør virket å være en sterkt påvirkende faktor. Dersom det ikke er "utevær", så drar man gjerne inn hos VilVite.

Faktisk vær på dagen hadde ikke like høy korrelasjon som meldt vær noen dager i forveien. Dette kan være grunnet at flere planlegger å dra på VilVite i forveien fremfor spontanbesøk.

Skolefri/Ferie

Den største og sikreste faktoren var at skolefri ga betydelig høyere besøkstall

Ukedag hadde også noe å si da det var færre besøkende mandag og flere i helgen.

Tallene viste også at flere velger å dra på VilVite på feriedager.

Konkurrerende fritidstilbud

Her er datagrunnlaget noe svakt, men det ser ut til at populære begivenheter for barn (eks. kinopremiere på barnefilmer) påvirket besøkstallet noe negativt.

Markus Andersland, 25 år

Hvorfor praksisplass hos Bouvet?

Jeg ser nok for meg at jeg kommer til å jobbe mye med teknologi etter studiet, og jeg tenkte derfor at det hadde vært fint å få prøvd seg litt i en teknologitung bedrift, som jo Bouvet er. Slik verden er nå beveger teknologien seg raskt, og da er det viktig at man ikke faller av toget!

Hva synes du om tiden som praksisstudent i Bouvet? Hva er det viktigste du har lært?

Jeg synes at tiden i Bouvet har vært svært innholdsrik, og jeg har nok lært mer av å være her enn mange av emnene på universitetet. Det er også veldig mye bra folk i Bouvet som det har vært kjekt å bli kjent med! Det viktigste jeg har lært er den avgjørende rollen kvaliteten på data har. Dersom man samler inn mye data, som kategoriseres korrekt, så kan man komme frem til svært gode teknologiske løsninger.

Mathias Lillejord, 23 år

Hvorfor praksisplass hos Bouvet?

For min del handlet det om å jobbe med teknologi i en annen setting enn på skolebenken, og bli enda bedre til å programmere. Bouvet har skilt seg ut på tidligere bedriftspresentasjoner som et fremoverlent konsulenthus, med et godt sosialt miljø. Dermed ble valget om å ha praksis i Bouvet enkelt.

Hva synes du om tiden som praksisstudent i Bouvet? Hva er det viktigste du har lært?

Tiden jeg har vært i Bouvet har vært full av nye inntrykk og full fart fra første dag. Vi ble godt tatt imot av de ansatte, og hver gang jeg har stått fast har det vært lavterskel for å spørre om hjelp. Noe av det viktigste jeg har lært, har vært arbeidsmetoden og tankeprosessen bak et slikt prosjekt. Å få en reell kunde og problemstilling skiller seg mye fra oppgavene på universitetet med tanke på kompleksitet og sluttprodukt. Å jobbe uten en fasit krever mer kreativitet og du må være mer løsningsorientert.