Analyysi ei pyri antamaan vastausta mihinkään yksittäiseen ongelmaan. Tämä johtuu asiantuntijaresurssien puuttumisesta johtopäätösten teon osalta. Kyseessä on esitukimus: esitetään ideoita ja työkaluja, joita voitaisiin käyttää paremmin resurssein tutkimuksen ja suunnittelun tukena. Lisäksi pohditaan, mitkä ovat ongelmia, joiden ratkaisemiseen tarvitaan muita työkaluja kuin itseorganisoituvaa karttaa -- tai neuroverkkomenetelmiä yleensä.
Analyysiosuudessa on opetettu useita karttoja. Kartan rakenne- ja opetusparametrit ovat kaikissa tapauksissa (lähes) SOM Toolboxin antamat oletusarvot. Kaikki kartat ovat suorakulmaisia ja kuusikulmionaapurustoisia. Opetuksessa on käytetty gaussista naapurustofunktiota. Naapuruston alkusäde on -- kartan koosta riippuen -- suuruusluokkaa 3-5. Datan komponentit on skaalattu varianssin normalisoinnilla, mikä on yleinen työoletus data-analyysin alkuvaiheessa.
Karttoja opetettiin toki enemmän kuin tässä luvussa esitetyt. Esitettävien karttojen valinta on tehty kartan antaman kuvauksen mielekkyyden ja topografisen virheen pienuuden perusteella. Kiviluodon topografinen virhe on kaikissa kartoissa n. 5-1 prosentin luokkaa. Kvantisointivirhettä en tarkastellut, sillä se on kartta- ja datakohtaisena virhemittana huono erilaisten karttojen vertailuun.
SOM Toolboxista saisi yksityiskohtaisen kuvauksen kunkin kartan opetusparametreista ja virhemitoista, mutta ne ovat ajankohtaisia vasta lopullisia tuloksia haettaessa, joten niitä ei luvussa juuri esitellä. Alkuvaiheessa voidaan hyvin tyytyä järkeviin oletusarvoihin, ja luottaa kartan vankkuuteen parametrivalintojen suhteen.