The amount of information available has increased due to the development of our modern digital society. This has caused an information overflow, meaning that there is lot of data available but the meaningful information or knowledge is hidden inside the overwhelming data smog. Nevertheless, the large amount of data together with the increased capabilities of computers provides a great opportunity to learn the behaviour of different kinds of phenomena at a more detailed level. The quality of life, well-being and a healthy living environment, for example, are fields where new information services can assist the creation of proactive decisions to avoid environmental problems caused by industrial activity, traffic, or extraordinary weather conditions. The combination of data coming from different sources such as public registers, companies’ operational information systems, online sensors and process monitoring systems provides a fruitful basis for creating new valuable information for citizens, decision makers or other end users. The aim of this thesis is to present the concept of intelligent information services and a methodological background in order to add intelligence using computational methods for the enrichment of multidimensional data. Moreover, novel examples are presented where new significant information is created and then provided for end users. The data refining process used is called data mining and contains methods for data collection, pre-processing, modelling, visualizing and interpreting the results and sharing the new information thus created. Information systems are a base for the creation of information services, meaning that stakeholder groups have access only to information but they do not own the whole information system that contains measurement systems, data collecting, and a technological platform. Intelligence in information services comes from the use of computational intelligent methods in data processing, modelling and visualization. In this thesis the general concept of such services is presented and concretized using five cases that focus on environmental and industrial examples. The results of these case studies show that the combination of different data sources provides fertile ground for developing new information services. The data mining methods used such as clustering and predictive modelling together with effective pre-processing methods have great potential to handle the large amount of multivariate data in this environmental context also. A self-organizing map combined with k-means clustering is useful for creating more detailed information about personal energy use. Predictive modelling using a multilayer perceptron (MLP) is well suited for estimating the number of tourists visiting a leisure centre and to find the correspondence between pulp process characteristics and the chemicals used. These results have many indirect effects on reducing negative concerns regarding our surroundings and maintaining a healthy living environment. The innovative use of stored data is one of the main elements in the creation of future information services. Thus, more emphasis should be placed on the development of data integration and effective data processing methods. Furthermore, it is noted that final end users, such as citizens or decision makers, should be involved in the data refining process at the very first stage. In this way, the approach is truly customer-oriented and the results fulfil the concrete need of specific end users. Tiivistelmä Informaation määrä on kasvanut merkittävästi tietoyhteiskunnan kehittymisen myötä. Käytössämme onkin huomattava määrä erimuotoista tietoa, josta voimme hyödyntää kuitenkin vain osan. Jatkuvasti mitattavan datan suuri määrä ja sijoittuminen hajalleen asettavat osaltaan haasteita tiedon hyödyntämiselle. Tietoyhteiskunnassa hyvinvointi ja terveellisen elinympäristön säilyminen koetaan aiempaa tärkeämmäksi. Toisaalta yritysten toiminnan tehostaminen ja kestävän kehityksen edistäminen vaativat jatkuvaa parantamista. Informaatioteknologian avulla moniulotteista mittaus- ja rekisteritietoa voidaan hyödyntää esimerkiksi ennakoivaan päätöksentekoon jolla voidaan edistää edellä mainittuja tavoitteita. Tässä työssä on esitetty ympäristöalan älykkäiden informaatiopalveluiden konsepti, jossa oleellista on loppukäyttäjien tarpeiden tunnistaminen ja ongelmien ratkaiseminen jalostetun informaation avulla. Älykkäiden informaatiopalvelujen taustalla on yhtenäinen tiedonlouhintaan perustuva tiedonjalostusprosessi, jossa raakatieto jalostetaan loppukäyttäjille soveltuvaan muotoon. Tiedonjalostusprosessi koostuu datan keräämisestä ja esikäsittelystä, mallintamisesta, tiedon visualisoinnista, tulosten tulkitsemisesta sekä oleellisen tiedon jakamisesta loppukäyttäjäryhmille. Datan käsittelyyn ja analysointiin on käytetty laskennallisesti älykkäitä menetelmiä, josta juontuu työn otsikko; älykkäät informaatiopalvelut. Väitöskirja pohjautuu viiteen artikkeliin, joissa osoitetaan tiedonjalostusprosessin toimivuus erilaisissa tapauksissa ja esitetään esimerkkejä kuhunkin prosessin vaiheeseen soveltuvista laskennallisista menetelmistä. Artikkeleissa on kuvattu matkailualueen kävijämäärien ennakointiin ja kotitalouksien sähköenergian kulutuksen pienentämiseen liittyvät informaatiopalvelut sekä analyysi selluprosessissa käytettävien kemikaalien määrän pienentämiseksi. Näistä saadut kokemukset ja tulokset on yleistetty älykkään informaatiopalvelun konseptiksi. Väitöskirjan toisena tavoitteena on rohkaista organisaatioita hyödyntämään tietovarantoja aiempaa tehokkaammin ja monipuolisemmin sekä rohkaista tarkastelemaan myös oman organisaation ulkopuolelta saatavien tietolähteiden käyttämistä. Toisaalta, uudenlaisten informaatiopalvelujen ja liiketoimintojen kehittämistä tukisi julkisilla varoilla kerättyjen, ja osin yritysten hallussa olevien, tietovarantojen julkaiseminen avoimiksi.