Ennustukset, horoskoopit, kuun asennot tai jopa mustekalan liikkeet voivat olla joidenkin silmissä merkityksellisiä asioita, jollekin tulevalle. Nostradamus ja monet muut ovat tehneet ennustuksi tuleville vuosisadoille, mutta entä kun kyse on vain seuraavan kotiottelun oikeasta voittajasta ja sen ennustamisesta?
Mikään malli ei näe tulevaisuutta. Ennustukset ovat matematiikkaa. Malli voi antaa tulokseksi kotivoitolle 75 % mahdollisuuden, mutta se on vain todennäköisyyttä ei tulevaisuutta, vielä.
Malli käsittelee vanhaa dataa, etsii siitä toistuvia yhteyksiä ja arvioi niiden perusteella, kuinka todennäköinen jokin seuraava tapahtuma on. Vanhat tapahtumat kuuluvat historiaan – niillä ei välttämättä ole paljonkaan yhteistä tulevien tapahtumien kanssa.
Matematiikka muuttaa vanhat havainnot numeroiksi, painotuksiksi ja todennäköisyysjakaumiksi, mutta lopputulos pysyy silti arviona eikä varmana tietona. Siksi vedonlyönti on ollut ihmisten vapaa-ajassa mukana jo tuhansia vuosia. Olemme pelanneet sotilaista, hevosista, sadosta, sodasta yms. jo ennen urheilulajien kohteita.
Tämä todennäköisyyslaskelma esille vedonlyönnissä pelaajille kertoimina, joita esimerkiksi Mobilebet tarjoilee päivittäin satoja eri lajeissa.
Todennäköisyys on perusteltu arvaus
Historiallinen data muodostaa ennustamisen raaka-aineen, mutta pelkkä suuri tietomäärä ei vielä tee mallista hyvää. Malli tarvitsee havaintoja, joissa ennustettavan lopputuloksen ja käytettävien muuttujien väliltä löytyy riittävästi säännönmukaisuutta.
Malli huomaa usein asioita, joita ihmissilmä ei helposti yhdistä samaan kokonaisuuteen. Algoritmi ei kuitenkaan ymmärrä tapahtumien sisältöä ihmisen tavoin, vaan se käsittelee muuttujien ja lopputulosten välisiä numeerisia suhteita. Siksi algoritmi voi välillä ymmärtää väärin pelaajien suhteen toisiinsa eri pelitilanteissa ja otteluissa.
Todennäköisyysmalli käsittelee epävarmuutta osana laskentaa. Arvio 80 prosenttia ei tarkoita, että yksittäinen tapahtuma toteutuisi neljä kertaa viidestä juuri kyseisen henkilön tai tilanteen kohdalla. Hyvin kalibroidussa mallissa noin 80 prosentin todennäköisyyden saaneiden tapausten pitäisi kuitenkin pitkällä aikavälillä toteutua suunnilleen vastaavalla suhteella.
Todennäköisyyslaskenta tekee mallin vastauksesta samalla hieman rehellisemmän. Malli voi ilmaista epävarmuuden sen sijaan, että se pakottaisi jokaisen tapauksen yksiselitteisesti oikeaan tai väärään koriin.
Bayesilainen lähestymistapa vie ajatuksen vielä pidemmälle. Malli voi yhdistää aiemman käsityksen uusiin havaintoihin ja muodostaa niiden perusteella päivitetyn posteriorijakauman, josta voidaan tuottaa ennusteita uusille havainnoille. Stanin dokumentaatio kuvaa posteriorisen ennustejakauman tapana yhdistää havaittu data ja mallin parametrien epävarmuus tulevien arvojen arviointiin.
Historia antaa suunnan
Menneen ajan tieto kertoo mallille, millainen maailma oli silloin, kun havainnot kerättiin. Malli oppii esimerkiksi sen, kuinka usein pelaaja teki jotain eri tilanteissa ja millaisella onnistumisella. Oppimisvaihe tiivistää nämä havainnot matemaattisiin parametreihin, sääntöihin tai painotuksiin. Ennuste syntyy myöhemmin, kun uusi havainto kulkee saman laskennallisen rakenteen läpi.
Data tarvitsee silti enemmän huomiota kuin pelkän syöttämisen algoritmille. Puuttuvat arvot, poikkeavat havainnot, väärät luokitukset ja muuttunut mittaustapa voivat siirtää mallin oppimaan asioita, joita todellisessa ilmiössä ei ole.
Mallin koulutus kuulostaa usein monimutkaisemmalta kuin sen perusidea on. Algoritmi tekee ennusteen opetusdatasta, vertaa sitä oikeaan vastaukseen ja muuttaa parametrejaan niin, että virhe pienenee. Prosessi toistuu lukuisia kertoja, ja eri menetelmät käyttävät tähän erilaisia optimointitapoja.
Logistinen regressio tarjoaa tästä selkeän esimerkin. Malli voi ottaa useita ominaisuuksia, kertoa ne opituilla kertoimilla ja muuttaa muodostuneen pistemäärän sigmoidifunktion avulla nollan ja yhden välille.
Päätöspuut ja neuroverkot kulkevat eri reittiä. Puumallit jakavat havaintoavaruutta peräkkäisillä ehdoilla, kun taas neuroverkot rakentavat kerroksittain yhä monimutkaisempia esityksiä datasta. Molemmat voivat tuottaa vaikuttavia ennusteita, mutta niiden antama korkea luottamus ei automaattisesti tarkoita hyvin arvioitua todennäköisyyttä.
Aika voi rikkoa vanhan kaavan
Historiallisen datan suurin heikkous löytyy lopulta sen nimestä. Data kuvaa historiaa, eikä mikään matemaattinen menetelmä voi taata, että samat suhteet jatkuvat tulevaisuudessa muuttumattomina. Asiakaskäyttäytyminen voi vaihtua, tuotantolinja voidaan uusia, markkinatilanne voi kääntyä tai mittausjärjestelmä voi muuttua. Malli alkaa tällaisessa tilanteessa soveltaa eilisen sääntöjä ympäristöön, joka ei enää käyttäydy samalla tavalla.
Jakaumamuutos kuuluu tämän vuoksi ennustavien mallien keskeisiin käytännön haasteisiin. Vuonna 2026 julkaistu tutkimus käsittelee nimenomaan tilannetta, jossa opetusdatan ja uuden kohdedatan jakaumat eroavat toisistaan, eikä korkea suorituskyky lähdeaineistossa yksin takaa vastaavaa tarkkuutta uudessa ympäristössä. Mallin seuranta jatkuu siksi myös koulutuksen jälkeen, jos ennusteella on käytännön merkitystä.
Aikasarjat tekevät ongelman helposti näkyväksi. Tavallinen satunnainen jako opetus- ja testidataan voi sekoittaa tulevaisuuden havaintoja menneisyyden kanssa ja antaa mallista liian optimistisen kuvan. Aikajärjestyksen säilyttävä validointi kouluttaa mallin vanhemmilla havainnoilla ja testaa sitä myöhemmillä havainnoilla, jolloin koe muistuttaa paremmin todellista ennustamistilannetta.
Yksi prosentti syntyy monesta vaiheesta
Yksinkertainen esimerkki tekee prosessista vähemmän mystisen. Verkkokauppa voi haluta arvioida, ostaako kävijä tuotteen seuraavan vierailun aikana, ja historiallisesta datasta löytyvät esimerkiksi aikaisempien tilausten määrä, viime vierailusta kulunut aika, ostoskorin arvo ja asiakkuuden pituus. Malli oppii vanhoista tapauksista, miten nämä muuttujat liittyivät toteutuneisiin ostoksiin. Uusi käyttäjä saa lopuksi esimerkiksi 0,68 suuruisen arvion eli 68 prosentin ennustetun ostotodennäköisyyden.
Yritys voi käyttää samaa lukua usealla tavalla. Markkinointijärjestelmä voi näyttää tarjouksen vain tietyn rajan ylittäville käyttäjille, analyytikko voi tarkastella koko asiakaskunnan ostotodennäköisyyden muutosta ja varastonhallinta voi yhdistää tuhansia yksittäisiä ennusteita kysyntäarvioon. Todennäköisyys toimii tällöin päätöksenteon raaka-aineena eikä automaattisena päätöksenä.
Suurempi datamäärä ei korjaa automaattisesti ongelmaa, jos suuri osa aineistosta edustaa vääränlaista maailmaa.
Hyvä ennuste kestää kysymyksiä
Ennustavan mallin arviointi kannattaa ulottaa yhtä tarkkuuslukua laajemmalle. Malli voi näyttää vakuuttavalta keskiarvoissa ja toimia heikommin tietyissä ajanjaksoissa, ryhmissä tai harvinaisissa tilanteissa. Todennäköisyysarvioita kannattaa tarkastella myös kalibroinnin, epävarmuuden ja datan muutosten kautta. Mallin käyttöympäristö ratkaisee lopulta sen, millainen virhe on kallis ja millainen epävarmuus hyväksyttävä.
Toiset meistä uskovat nimenomaan ennuksiin, horoskooppeihin kaikissa arkisissa päätöksissään.
Käytännössä ainakin nämä asiat ansaitsevat tarkistuksen:
- Datan edustavuus: kuvaako historiallinen aineisto samaa ympäristöä, jossa mallia käytetään?
- Testauksen erillisyys: pysyykö testidata aidosti mallin koulutuksen ulkopuolella?
- Todennäköisyyksien kalibrointi: vastaavatko esimerkiksi 70 prosentin ennusteet toteutumia suunnilleen samalla tasolla?
- Ajallinen muutos: heikkeneekö mallin suorituskyky uusimmassa datassa?
- Epävarmuuden merkitys: onko päätös järkevää tehdä yhden pisteluvun perusteella vai tarvitaanko myös vaihteluväliä ja riskirajaa?
Ennustavan mallin matematiikka ei lopulta yritä poistaa sattumaa maailmasta.
Vedonlyönti, horoskoopit, todennäköisyyslaskenta – mitä tapaa kukin käyttääkään arkisiin ja viihteellisiin päätöksiinsä, kukaan ei koskaan voi tietää, mitä huomenna oikeasti tapahtuu. Jokainen urheilutapahtuma, jokainen vetokohde on tapahtuma tulevaisuudessa. Voimme opettaa järjestelmiä oppimaan vanhoista tapahtumista, mutta tulevaisuuden ennustaminen on yksittäisten tapahtumien kohdalla mahdotonta – sen sijaan isojen massojen, kuten kansojen liikkeet ja tulevaisuus ovat ”helpommin” analysoitavissa, sillä silloin ei tarvitse miettiä yksilöitä.
Horoskoopit kuten vedonlyönti on suurimmilla osalle niitä lukevia ja vetoja asettavia, viihdettä, joten tiede asioiden takana ei kiinnosta. Mikä sinua kiinnostaa horoskoopeissa?