Dataohjautuva kulttuuri, vaihe 1: Tunnista analytiikan maturiteettitasosi

Ensimmäisessä osassa kerroin mitä dataohjautuva kulttuuri tarkoittaa, miksi se on tärkeää ja millaisten kuuden vaiheen kautta muutat organisaatiosi dataohjautuvaksi. Tämä toinen kirjoitus käsittelee tämän kuuden vaiheen ensimmäistä askelta, eli analytiikan maturiteettitasosi tunnistamista.

Kuinka paljon hyödynnätte jo analytiikkaa toiminnassanne?

Analytiikan maturiteettitaso, eli arkisemmin kypsyysaste, kuvaa organisaation kykyä hyödyntää analytiikkaa toiminnassaan. Aloittelevan analytiikan ensi askeleet ovat kaikille tuttuja tukitoimintoja: esim. Excel-raporttikokeluita ja satunnaisia asiakassegmenttien rakentamista, joiden perusteella kokeillaan erilaisia uusia kampanjoita ja toimintoja.

Kypsimmillään analytiikka on siirtynyt satunnaisista kokeiluista liiketoimintaa ohjaavaksi kyvykkyydeksi. Tällöin yritys voi pystyä tarjoamaan asiakkaillensa nopeampaa ja henkilökohtaisempaa palvelua reaaliaikaisen analytiikan ja asiakastarpeisiin räätälöityjen tuotteiden avulla.

Voit lukea lisää korkean analytiikkamaturiteetin hyödyistä myös kollegoideni kirjoituksista. Essi Raunamaa on blogannut siitä kuinka dataa voidaan käyttää suunnittelutyön apuna, Jonne Heikkinen kertoo kuinka datalla voidaan rakentaa parempia asiakaskokemuksia ja Teemu Kaipiainen avaa blogissaan kuinka tiedollajohtaminen toimii nopean, läpinäkyvän ja näyttävän johtamisen apuna.

Hyödynnä valmiita analytiikan maturiteettimalleja

Kartoittaessa analytiikan nykytilaa, on helpointa lähteä liikenteeseen nojaamalla johonkin olemassa olevaan malliin. Peilaamalla mallia omaan toimintaan saa työkalun, joka avulla on helppo lähteä liikenteeseen. Kun harjoitetta on toistettu useamman kerran, mallia voi muokata tai vaihtaa kokonaan toiseen.

Analytiikan maturiteettimalleja on useita erilaisia. Yksinkertaisimmilaan maturiteettitason voi tiivistää yhteen numeroon (Kuten Forbesin esimerkissä vuodelta 2012 peliyhtiö Zynga ja automaattiyhtiö Redbox ovat tehneet), mutta tässä harjoitteessa haluamme lokeroida palveluitamme hieman hienojakoisemmin.

Gartner on jakanut analytiikan maturiteetin neljään eri luokkaan – kevyimmästä kypsimpään:

1. Kuvaileva (Descriptive): Mitä juuri tapahtui?
   Historian tapahtumia kuvaileva raportti. Monesti numeerinen raportti. vrt. perinteinen Business Intelligence.
2. Diagnosoiva (Diagnostic): Miksi jokin tapahtui?
   Miksi jokin tapahtuma tapahtui? Tulkitsee ja selittää jo tapahtuneita asioita ja ilmiöitä
3. Ennustava (Predictive): Mitä tulee tapahtumaan?
   Ennustaa tulevaisuuden tapahtumia joko asiantuntemukseen ja/tai historiadataan perustuen.
4. Preskriptiivinen (Prescriptive): Mitä tehdä että niin tapahtuu?
   Pyrkii vaikuttamaan tulevaisuuteen muokkaamalla siitä halutunlaisen.

Kuva: Analytiikan maturiteettimalli, Gartner 2015

Mitä kypsempi analytiikan taso on, sitä lähemmäksi päätöstä ja sen toteuttamista päästään ilman ihmisen tekemää työtä.

Kypsimmillään analytiikka on automatisointia – kun päätöksentekoon tarvittava tieto ja päätösprosessi tunnetaan läpikotaisin, ihminen voidaan jättää kokonaan pois.

Vinkkejä maturiteettitason tunnistamiseen

1. Aloita pienestä ja pudota itsekritiikki. Älä anna tyhjää lyövän pään häiritä. Analytiikkaa on jokaisessa yrityksessä vähintään lakisääteisen talous- ja työtuntiraportoinnin verran.
2. Analytiikan tekijän ei aina tarvitse olla kone. Perinteisesti talousraportit on tehty talousosastolla käsin liikkeenjohtoa varten.
3. Pilko analysointi osiin mikäli se tuntuu vaikealta. Jos et meinaa päästä liikkeelle, listaa palveluita joiden parissa sinä työskentelet ja mieti millä tasolla niiden toimintaa mitataan.
4. Ei haittaa vaikka et löytäisi oikeaa kategoriaa. Kaikki toiminnot eivät uppoa yksiselitteisesti yhteen analytiikka-kategoriaan, kuten ylläolevasta esimerkistä huomattiin.
5. Mikään yritys tai palvelu ei ole yksiselitteisesti yhdellä analytiikan maturiteettitasolla. Mikäli listasi tuntuu olevan liian korkealla tasolla maturiteettitason luokitteluun, jaa se hienojakoisempiin ydintoimintoihin. Se auttaa eteenpäin.

Maturiteettitason kartoittaminen – esimerkkicase: ÄlyVakuutus

Vakuutusyhtiö ÄlyVakuutus on uusi (kuvitteellinen) vakuutusyhtiö. Se tarjoaa älykkäitä skaalautuvan hinnoittelun vakuutuksia perustuen vakuutetun laitteen käyttöaikaan ja -paikkaan. ÄlyVakuutus on päättänyt kartoittaa oman analytiikan maturiteettitasonsa ja listasi harjoituksen vuoksi muutaman keskeisen analytiikkaperusteisen toimintonsa.

Analytiikkapalveluiden listaus ja maturiteettitason määrittäminen:

Tilinpäätös

• Taso: Kuvaileva
• Lakisääteisen tilinpäätöksen numerot lasketaan talousyksikössä käsin. Kyseessä on siis historiaa peilaava perinteinen raportti, jonka kehitystä liikkeenjohto seuraa.

Asiakaspoistumaennuste

• Taso: Diagnosoiva
• Asiakaspoistumaa seurataan liittämällä lähtevän asiakkaan kyselyn täydentäväksi tiedoksi hänen viimeisimmät toimenpiteet. Tämän tiedon perusteella tehdään automaattinen arvio asiakassuhteen päättymisestä.

Uusien vakuutuksien myyntiennuste

• Taso: Ennustava
• ÄlyVakuutuksella on algoritmi, joka ennustaa sisäisten ja ulkoisten datalähteiden perusteella uusien myytyjen vakuutusten määrää. Luvun hyödyntäminen jää yhtiön johdon vastuulle.

Korvaushakemusten käsittely

• Taso: Ennalta kuvaava
• Selvät tapaukset
  • Taso: Päätöksen automatisointi
  • Korvauspäätös annetaan automattisesti, kun hakemus sisältää luokitteluun vaaditut asiat, eikä sisällä automaattisen luokittelun riskeiksi merkittyjä tekijöitä.
• Epäselvät tapaukset
  • Taso: Päätöksen tuki
  • Algoritmi antaa korvaushakemukselle ratkaisusuosituksen, jonka henkilö voi joko hyväksyä tai hylätä perehdyttyään hakemukseen ja automaatin nostamiin automaattisen luokittelun riskitekijöihin.
• Automaattinen vakuutuksen veloittaminen
  • Taso: Kuvaileva & Päätöksen automatisointi – Ei istu yksiselitteisesti yhteen luokkaan
  • Vakuutuksen hinta muodostetaan automaattisesti laitteen sijainti- ja aikahistoriaan perustuen. Vaikka vakuutuksen hinnoittelu hyödyntääkin sinänsä edistynyttä analytiikkaa, tämän maturiteettimallin luokittelussa se ei istu yksiselitteisesti mihinkään lokeroon.

Kun maturitettitaso on tunnistettu, on seuraava vaihe, että tunnistat jo olemassa olevat onnistumiset, heikkoudet ja tulevaisuuden mahdollisuudet. Tulen käsittelemään näitä seuraavassa blogikirjoituksessani konkreettisten vinkkien avulla. Aloita jo miettimään organisaatiosi analytiikan kypsyysastetta ja ota yhteyttä, mikäli haluat päästä nopeasti liikkeelle kehittämisessä.

Olli Lindroos työskentelee Solitalla Agile Data-tiimissä. Hän on intohimoinen oppija ja datakulttuurin puolestapuhuja, jota innostaa teknologia kaikissa muodoissaan niin käyttökokemuksena, teknisinä toteutuksena ja liikejohdon strategiamahdollisuutena. Olli kuvailee itseään myös isäksi, nörtiksi ja ruoka- ja juomahifistelijäksi. Vapaa-ajallaan Olli koeponnistaa kaikkea uusimpia trendejä kuluttajan roolissa ja tarvittaessa rakentaa tarvitsemansa IoT-mittauslaitteiston itse. Seuraa Ollia Twitteristä @ollilind-käyttäjätunnuksella.