Miten R-ohjelmalla luodaan assosiaatiotulkkeja toimitusketjussa ja miten niitä voidaan käyttää riskien hallinnassa?

R-ohjelmistossa voidaan määrittää tukitasot (support) ja luottamustasot (confidence) sekä säännön pituuden minimiraja. Nämä asetukset ovat keskeisiä assosiaatiosääntöjen luomisessa, mutta ohjelmalla on myös muita vaihtoehtoja, jotka voivat vaikuttaa tuloksiin. Yksi näistä vaihtoehdoista on lift, joka toimii apuna tulosten lajittelemisessa. Ennen sääntöjen luomista data on muunnettava R:n luettavaksi muotoon. Rattle, R-ohjelmointikielen datakaivantojen käyttöliittymällä varustettu paketti, vaatii, että syötettävä data on kategorista, ei numeerista. Tällöin generoidut säännöt kuvaavat vain positiivisia tapauksia, kuten "jos ostat vaipat, olet todennäköisesti ostamassa myös vauvatautia", ja negatiiviset tapaukset jäävät huomiotta. Mikäli negatiiviset tapaukset halutaan sisällyttää analyysiin, tyhjät kentät täytetään ei (No) arvoilla. Tässä esittelemme kuitenkin vain positiiviset tapaukset.

Analyysi paljasti muun muassa haasteita "Same Day" -lähetyksissä, mahdollisuuden keskitettyihin varastoihin sekä tuotteiden kannattavuusmahdollisuuksia. Datassa on yhteensä 180 519 havaintoa, 117 tuotetietoa 50 tuoteryhmässä ja 164 maata.

Käytettävän datan muuttujat ovat:

• Tilauksen tila (9 kategoriaa)

• Tuotetyypit (4 kategoriaa)

• Toimitustila (4 kategoriaa)

• Markkina (5 kategoriaa)

• Tilausmaa (164 maata)

• Tilausvaltio (1 089 osavaltiota)

• Tuotteen nimi (118 tuotetta)

• Toimitustapa (4 kategoriaa)

Yksityiskohtaisemmin tutkitaan tilauksen tilan muuttujia, jotka voidaan valita tarkasteltavaksi analyysissä. Analyysissä valitaan tärkeimmät tekijät, jotka vaikuttavat toimitusketjun riskeihin ja optimoidaan tarvittavat säännöt.

Seuraavaksi käydään läpi assosiaatiosääntöjen luominen käytännössä R-kielen avulla. Ensin on asennettava R:n arules-paketti, joka mahdollistaa assosiaatiosääntöjen luomisen ja käsittelyn:

R
Copy code
install.packages("arules", repos = "http://cran.us.r-project.org")
library(arules)

Seuraavaksi ladataan tarvittavat datat ja tarkistetaan niiden eheys:

R
Copy code
setwd("C:/Users/oaraz2/Desktop")

SCData = as.data.frame(read.csv("DataCoSupplyChainAssociation.csv"))

sum(is.na(SCData))

Data on kategorista, joten se joudutaan diskretoimaan:

R
Copy code
SC_trans = as(SCData, "transactions")

Tämän jälkeen voidaan määrittää apriori-algoritmi, jonka avulla luodaan sääntöjä. Tämän algoritmin avulla määritetään tuen (support) ja luottamuksen (confidence) rajoitukset, kuten tässä:

R
Copy code
rules = apriori(SCData, parameter = list(supp = 0.1, conf = 0.01, target = "rules", minlen = 2))

Tulokset voidaan tarkastella ja lajittaa eri kriteerien mukaan, kuten lift, tukitaso, luottamus ja kattavuus. Esimerkiksi ensimmäinen sääntö saattaa olla seuraava:

"Jos tilauksen tila on suljettu, maksutapa on todennäköisesti käteinen". Tämä havainto oli totta 10,9 %:ssa tutkimusaineistosta ja siinä tapauksessa, että tilaus oli suljettu, kaikki maksut olivat käteisiä (luottamus oli 1.0).

Toinen sääntö voi olla samanlaista dataa, mutta käänteinen, jossa maksutapa on käteinen, ja tilauksen tila oli suljettu. Näiden sääntöjen avulla voidaan tehdä ennusteita ja optimoida toimitusketjun toimintaa, vähentää riskejä ja parantaa asiakaskokemusta.

Sääntöjen määrää voidaan ohjata muuttamalla tukitasoja ja luottamustasoja. Esimerkiksi, kun tukitaso lasketaan 0,01:een ja luottamustaso 0,01:een, voidaan saada jopa yli 6 000 sääntöä.

Tämä prosessi on erittäin hyödyllinen toimitusketjun hallinnassa, sillä se auttaa ennakoimaan ja optimoimaan toimitusketjun prosesseja ja vähentämään siihen liittyviä riskejä. Samalla voidaan tunnistaa mahdollisia pullonkauloja ja parantaa logistiikan suorituskykyä.

Tärkeää on ymmärtää, että assosiaatiosääntöjen analyysi on erittäin kontekstisidonnaista. Tietyn toimialan, kuten toimitusketjun, analysointi voi vaatia erityisiä sääntöjä ja kriteerejä, jotka eivät ole yleispäteviä. Toisaalta, assosiaatioiden avulla voidaan tunnistaa syy-seuraussuhteita, jotka voivat vaikuttaa toimitusketjun kokonaisprosessiin.

Miten arvioida regressiomallin virheiden jakautumista ja luottamusvälejä

Virheiden arvioitu keskihajonta, joka tunnetaan myös nimellä arvioinnin keskivirhe (standard error of the estimate, SYX), lasketaan noudattamalla seuraavaa kaavaa:

$SYX = \sqrt{\frac{SSE}{n-2}}$

Esimerkiksi 95 %:n luottamusväli regressoidulle arvon ennusteelle $Ŷ_i$ on:

Tässä $t_{\alpha/2, n-2}$ on t-arvo, joka määräytyy luottamusvälin tason ja havaintojen määrän mukaan, ja $h_i$ on jokaisen havaintopisteen suhteellinen etäisyys keskiarvosta. Tämän kaavan mukaan voidaan havaita, että $h_i$ kasvaa, kun $X$ poikkeaa enemmän keskiarvostaan. Tämä tarkoittaa sitä, että luottamusväli on laajempi kauempana olevan $X$-arvon kohdalla, jolloin ennusteeseen liittyy enemmän epävarmuutta.

Kun tarkastellaan S&P 500 -aikajana- tai hintadataa, kuten kuvassa 6.1, voidaan huomata, että yksinkertainen lineaarinen malli ei aina ole paras valinta, sillä se ei välttämättä huomioi kaikkia datan piirteitä. Esimerkiksi, vaikka regressiomalli voi hyvin selittää suuren osan varianssista, se ei voi ottaa huomioon mahdollisesti ei-lineaarisia trendejä, kuten eksponentiaalista kasvua, joka saattaa ilmetä datassa pitkällä aikavälillä.

Miksi useita itsenäisiä muuttujia voivat parantaa ennustetta regressiomalleissa?

Regressiomallit ovat tehokkaita työkaluja, joiden avulla voidaan tutkia ja ymmärtää itsenäisten ja riippuvaisten muuttujien välisiä suhteita. Usein regressioita sovelletaan sekä aikasarjatietoihin että poikkileikkaustietoihin. Aikasarjat voivat kuitenkin sisältää ei-lineaarisia piirteitä, jolloin ARIMA-mallinnus voi joissakin tapauksissa olla tehokkaampi kuin tavallinen OLS (Ordinary Least Squares) -regressio. Yksinkertainen lineaarinen regressio ottaa huomioon vain yhden itsenäisen muuttujan, kun taas moninkertaisessa regressiomallissa otetaan huomioon useita itsenäisiä muuttujia.

Kun otetaan huomioon useita itsenäisiä muuttujia, kuten ikä, painoindeksi (BMI), lasten määrä ja tupakointi, voimme luoda tehokkaamman mallin, joka kuvaa riippuvaisten muuttujien, kuten terveyskustannusten, vaihtelua. Tämä ei kuitenkaan tarkoita, että kaikki nämä muuttujat olisivat aina merkityksellisiä. Esimerkiksi sukupuolen (gender) vaikutus saattaa olla vähäinen, kuten aiemmassa mallissa on havaittu, jolloin voidaan perustellusti poistaa sukupuoli muuttujista ilman, että mallin ennustettavuus heikkenee merkittävästi.

Yksi tärkeä tekijä regressiomalleissa on korjattu R^2 (Adjusted R-squared), joka tarjoaa tavan arvioida mallin sovituksen laatua ottaen huomioon sekä itsenäisten muuttujien että otoskannan koon. R^2 arvo kasvaa aina, kun malliin lisätään uusi muuttuja, vaikka tämä muuttuja ei liittyisikään merkittävästi riippuvaan muuttujaan. Sen sijaan korjattu R^2 ottaa huomioon myös mallin yksinkertaisuuden, ja se saattaa laskea, jos lisätyllä muuttujalla ei ole käytännössä vaikutusta riippuvaan muuttujaan. Tämän vuoksi korjattu R^2 on hyödyllinen väline mallin parantamisen tai yksinkertaistamisen arvioimiseksi.

Esimerkiksi, kun tarkastellaan mallia, jossa on vain ikä itsenäisenä muuttujana, korjattu R^2-arvo on vain 0.089. Tämä osoittaa, että pelkkä ikä ei selitä kovin paljon terveysmenoista, mutta lisättäessä malliin muita muuttujia, kuten BMI, lasten määrä ja tupakointi, korjattu R^2 nousee huomattavasti. Tämä osoittaa, kuinka tärkeää on valita itsenäisiä muuttujia, jotka vaikuttavat riippuvaan muuttujaan ja joilla on merkityksellinen rooli analyysissä.

Moneen muuttujaan perustuvien regressiomallien haasteena on kuitenkin multikollineaarisuus. Tämä ilmiö syntyy, kun kaksi tai useampi itsenäinen muuttuja on vahvasti korreloitunut keskenään, jolloin ne selittävät samanlaista vaihtelua riippuvassa muuttujassa. Multikollineaarisuus voi tehdä regressointianalyysistä hankalaa, koska se vaikeuttaa erottamaan, minkä muuttujan vaikutus on todellinen ja minkä vaikutus on vain muiden muuttujien kanssa yhteydessä oleva. Tällöin regressiokertoimien (β) arviointi voi olla epävakaa, ja jopa niiden merkit voivat vaihtua riippuen siitä, mitkä muuttujat sisällytetään malliin. Lisäksi p-arvot voivat vääristyä, mikä johtaa vääriin päätelmiin siitä, että muuttuja ei ole tilastollisesti merkitsevä, vaikka se itse asiassa olisi.

Kun tarkastellaan mallin sovitusta, on tärkeää muistaa, että vaikka hyvä sovitus voi osoittaa, että malli ennustaa riippuvan muuttujan hyvin, se ei vielä tarkoita, että muuttujat todella aiheuttavat toistensa muutoksia. Regressiomallit voivat löytää tilastollisia yhteyksiä, mutta tämä ei takaa, että yhteydet ovat syy-seuraussuhteita. Tietyn muuttujan vaikutus saattaa olla vain sattumaa tai tilastollinen ilmiö ilman todellista yhteyttä.

Mallin valinnan käytännön näkökulmasta on tärkeää, että valitut itsenäiset muuttujat ovat järkeviä ja perustuvat teoriaan siitä, että ne voivat vaikuttaa riippuvaan muuttujaan. On kuitenkin tärkeää muistaa, että mallien yksinkertaistaminen on tärkeää, mutta nykypäivän tietotekniikka mahdollistaa suurten tietomassojen käsittelyn ja datan louhintatekniikat voivat paljastaa yhteyksiä, joita analyytikot eivät ehkä itse havaitse. Näiden työkalujen käyttö edellyttää kuitenkin vahvaa ymmärrystä regressiomenetelmistä ja siitä, miten tietokonelaskenta tulisi tulkita oikealla tavalla.

Kuinka luoda luottoriskimalli ja arvioida sen suorituskykyä?

Luottoriskin ennustaminen on keskeinen osa taloudellista analyysiä ja päätöksentekoa. Käyttämällä kehittyneitä koneoppimismenetelmiä, kuten logistista regressiota ja tukivektorikoneita (SVM), voidaan luoda malleja, jotka arvioivat luottoriskin todennäköisyyksiä ja auttavat taloudellisessa päätöksenteossa. Tämä luku keskittyy luottoriskimallin luomiseen R-ohjelmointikielellä sekä mallin suorituskyvyn arviointiin.

Logistinen regressio ja sen suorituskyvyn arviointi

Logistinen regressio on yksi yleisimmistä ennustemalleista, joita käytetään binääristen luokkien, kuten luottosuhteen (hyvä/paha asiakas), ennustamiseen. Tämän mallin avulla voidaan arvioida, kuinka todennäköisesti asiakas maksaa lainan takaisin. Mallin rakentaminen R-ohjelmalla voi alkaa yksinkertaisista ennustetekijöistä, kuten asiakkaan iästä, tuloista ja lainan määristä, ja päätyä malliin, joka ennustaa lainan maksamisen todennäköisyyksiä.

Suorituskyvyn arviointi on tässä vaiheessa elintärkeää. Yksi tärkeimmistä mittareista on tarkkuus, joka voidaan laskea vertaamalla ennustettuja arvoja todellisiin arvoihin. Esimerkiksi, jos malli ennustaa oikein 693 tapausta, jotka todellisuudessa maksavat lainan takaisin, ja väärin 749 tapausta, se osoittaa mihin tarkkuus riittää. Tällaisissa tapauksissa erityisesti herkkyys ja spesifisyys ovat tärkeitä: herkkyys kertoo, kuinka hyvin malli tunnistaa riskilliset tapaukset, ja spesifisyys taas, kuinka hyvin se tunnistaa riskittömät asiakkaat.

Tukivektorikoneet (SVM)

Tukivektorikoneet (SVM) ovat monivaiheinen koneoppimismenetelmä, joka voidaan käyttää luokittelemaan dataa, kuten luottoriskejä, eri luokkiin. SVM-menetelmän taustalla on ajatus, että on olemassa hyperpinta (tai monidimensionaalinen raja), joka erottaa luokat toisistaan. SVM rakentaa hyperpinnan, joka maksimoinee etäisyyden lähimpiin datapisteisiin kummankin luokan osalta, mikä auttaa parantamaan mallin yleistettävyyttä ja tarkkuutta.

SVM:n käyttämisessä yksi tärkeimmistä elementeistä on kernelin valinta, joka määrittää kuinka data muutetaan korkeampaan ulottuvuuteen. Tämä mahdollistaa ei-lineaaristen suhteiden käsittelyn, mikä on erityisen tärkeää monimutkaisissa ongelmissa, kuten luottoriskin ennustamisessa, jossa muuttujat voivat olla monimutkaisessa ja ei-lineaarisessa suhteessa.

R-ohjelmassa SVM-mallin rakentaminen alkaa datan jakamisella koulutus- ja testausosioihin, minkä jälkeen malli koulutetaan ja ennustetaan testidatan avulla. Tässä prosessissa käytetään esimerkiksi lineaarista ydinfunktiota, joka on suosittu valinta, kun halutaan rakentaa yksinkertaisempi malli, mutta silti hyödyntää SVM:n etuja. SVM:n suorituskyvyn arviointiin voidaan käyttää samoja mittareita, kuten tarkkuutta, herkkyyttä, spesifisyyttä ja AUC-arvoa, kuin logistisen regressioinkin arviointiin.

Yhteenveto suorituskyvyn mittareista

Kun arvioidaan luottoriskimallin suorituskykyä, on tärkeää huomioida useita mittareita, kuten:

• Tarkkuus: Mittaa ennustetun luokan oikeellisuutta.

• Herkkyys: Mittaa, kuinka hyvin malli tunnistaa riskilliset asiakkaat.

• Spesifisyys: Mittaa, kuinka hyvin malli tunnistaa riskittömät asiakkaat.

• AUC ja ROC-käyrä: AUC-arvo osoittaa, kuinka hyvin malli kykenee erottamaan eri luokat toisistaan.

Kun suorituskykyä mitataan useilla mittareilla, voidaan saada kattava kuva siitä, kuinka hyvin malli toimii käytännössä ja kuinka se voisi parantaa ennustepäätöksiä.

Lisämateriaali ja huomioitavaa

Malleja rakennettaessa on tärkeää muistaa, että hyvien ennusteiden tekeminen vaatii huolellista datan esikäsittelyä ja valintaa. On myös tärkeää huomioida, että vaikka SVM ja logistinen regressio voivat tuottaa hyviä ennusteita, ne eivät ole ainoat mahdollisuudet. Mallin rakennusprosessissa kannattaa tutkia myös muita tekniikoita, kuten satunnaismetsiä ja neuroverkkoja, jotka voivat toimia erinomaisesti erityisesti hyvin monimutkaisessa datassa.

Miten mitata ja hallita luonnonriskiä ja systeemisiä uhkia?

Luonto tarjoaa monia etuja, mutta se voi myös olla toisinaan armoton. Tulivuorenpurkaukset, kuten 13. maaliskuuta 2023 tapahtunut Merapi-tulivuoren purkaus Keski-Javassa, ja luonnonkatastrofit kuten Taifuuni Doksuri, joka tulvitti yli 16 kaupunkia Kiinan koillisosassa 29. heinäkuuta 2023, muistuttavat siitä, kuinka tärkeää on valmistautua luonnon katastrofeihin. Luonnonmullistuksiin varautuminen edellyttää sekä ennakointia että valmiuksia hallita niiden vaikutuksia. Luonnontieteellinen näkökulma tarjoaa ennakkoaavistuksia katastrofeista keskittyen ympäristön, talouden ja teknisten järjestelmien haavoittuvuuksiin.

Riskin mittaaminen on keskeinen osa katastrofivalmiutta. Euroopan unionin yhteinen tutkimuskeskus on kehittänyt INFORM-indeksin, joka arvioi eri maiden riskialttiutta ilmastonmuutoksen ja luonnonmullistusten suhteen. Tämä indeksi mittaa keskeisiä ulottuvuuksia, kuten vaaran, altistumisen, haavoittuvuuden ja sopeutumiskyvyn. Maailman Riski-indeksi puolestaan yhdistää fyysisen altistumisen luonnonmullistuksille yhteiskunnallisiin haavoittuvuuksiin ja sisältää 28 indikaattoria, jotka käsittävät herkkyyden, sopeutumiskyvyn ja sopeutumiskyvyn hallinnan. Globaalin ilmastonriskin indeksi taas mittaa vuosittain sään ja ilmaston aiheuttamien menetyksien vaikutuksia eri maissa ja alueilla.

Kansainvälinen Notre Damen ilmastonmuutoksen sopeutumisen indeksi arvioi maiden valmiuksia sopeutua ilmastonmuutokseen ja niiden haavoittuvuutta siihen liittyen. Se tarjoaa päättäjille hyödyllistä tietoa, joka auttaa priorisoimaan investointeja ja parantamaan resilienssiä. Näiden mittareiden avulla pyritään luomaan tietoa, joka voi tukea päätöksentekijöitä luonnonriskejä käsittelevissä toimenpiteissä, erityisesti ilmastonmuutoksen vaikutusten suhteen.

Yksi konkreettinen esimerkki resilienssin mittaamisesta on ollut Yhdysvalloissa tehty pilottitutkimus tulvasuojelun parantamiseksi Charlestonsissa ja Cedar Rapidsissa. Tavoitteena oli tunnistaa yhteisön voimavaroja, kuten inhimillisiä, sosiaalisia, fyysisiä, luonnonvaroja ja taloudellisia resursseja, ja kehittää toimenpiteitä, jotka vahvistavat näitä alueita tulvavarautumisessa. Tämä tutkimus auttoi tunnistamaan yhteisiä haasteita, joita molemmissa kaupungeissa oli, ja määrittämään toimenpiteitä, jotka auttavat parantamaan valmiuksia ja varautumista tulviin.

Erityisesti luonnonkatastrofeja koskevassa riskienhallinnassa on tärkeää ymmärtää, että vain ennakoimalla ja valmistautumalla voidaan vähentää katastrofien vaikutuksia. Valmius ei ole pelkästään infrastruktuurien vahvistamista, vaan myös yhteisöjen ja yksilöiden kouluttamista, tiedottamista ja yhteistyön edistämistä.

Luonnonriskien lisäksi on olemassa myös muita uhkia, joita ei voida ennustaa yhtä helposti, kuten ihmisperäisiä vahinkoja. Esimerkiksi terrorismi, kyberhyökkäykset ja informaatioverkkovarkaudet ovat yhä kasvavassa määrin osa riskikenttää, johon tulee varautua. Tässä kontekstissa myös yritykset joutuvat investoimaan enenevässä määrin kyberturvallisuuteen estääkseen hyökkäyksiä ja suojaamaan liiketoimintaa. Tällaiset uhkat, kuten kyberterrorismi ja tietomurrot, luovat tarpeen kehittää entistä tiukempia suojatoimia ja varautumissuunnitelmia.

Systeeminen riski on kolmas tärkeä alue, jota käsitellään riskienhallinnan kentällä. Systeeminen riski liittyy yhteyksien ja vaikutusten leviämiseen eri toimijoiden välillä, mikä voi johtaa laajoihin ja arvaamattomiin seurauksiin. Rahoitussektorilla tämä käsite on hyvin tuttu, koska yhden pankin kaatuminen voi laukaista ketjureaktion, joka johtaa muiden pankkien kaatumiseen. Samalla tavoin tuotantoketjut voivat olla alttiita häiriöille, kun yhden osan toiminta häiriintyy. Systeemisen riskin hallinta edellyttää, että tämä riskin leviämisprosessi ymmärretään ja siihen varaudutaan.

Systeemisen riskin hallinta edellyttää, että riskit mitataan tarkasti ja mallinnetaan oikein, jotta voidaan ymmärtää, miten verkostot ja järjestelmät voivat reagoida. Esimerkiksi taloudelliset verkostot ja toimitusketjut ovat monimutkaisia ja dynaamisia, ja niiden käyttäytymistä on vaikea ennustaa. Siksi tarvitaan edistyneitä mallinnusmenetelmiä, kuten agenttipohjaista mallintamista ja peliteoriaa, jotka voivat auttaa ymmärtämään, miten nämä järjestelmät toimivat ja miten niihin voidaan puuttua.

Systeemisten riskien hallinta perustuu osittain vakuutuksiin, jotka tarjoavat suojan yleisille tapahtumille kuten liikenneonnettomuuksille. Kuitenkin monet systeemiset riskit vaativat ennakoivampaa lähestymistapaa, joka keskittyy ennaltaehkäisyyn ja vahinkojen rajoittamiseen. Tällöin yhteiskunnan ja yritysten on panostettava sekä riskien tunnistamiseen että järjestelmien kehittämiseen, jotka pystyvät kestämään ja toipumaan suurista häiriöistä.