Datasta ja analytiikasta kohistaan kyllä paljon, mutta harva ymmärtää oikeasti, miten datasta saa jalostettua liiketoiminnallista arvoa. Ei hätää – datan piileviin mahdollisuuksiin pääsee helposti käsiksi datan arvoketjumallin avulla, kunhan pohjatyön vain tekee kunnolla.
Kaikki haluavat jalostaa dataa – mutta harva osaa
Tehdään alkuun selväksi yksi asia: talokaupoillakaan ei ole ensimmäisenä mielessä se, minkälaisella tehtaalla talopaketti valmistetaan vaan se, miten hyvin itse lopputulos vastaa tarpeisiin. Ihan samoin on myös datan kanssa: teknologia on ainoastaan väline tavoitteen saavuttamiseksi.
Datakeskustelu lähtee kuitenkin usein turhan helposti väärille raiteille ja muuttuu pelkäksi teknologiakeskusteluksi, vaikka todellisuudessa tärkeintä olisi keskittyä ensin siihen, miksi dataa oikeastaan halutaan jalostaa.
Jos yrityksen liiketoimintatavoitteet siintävät kirkkaana mielessä, datan hyödyntäminen voi auttaa saavuttamaan ne paljon aiempaa tehokkaammin. Todellista liiketoiminta-arvoa on kuitenkin mahdollista saada vasta, kun yritys hahmottaa asiakkaidensa monimuotoiset tarpeet, tavoitteet ja tietenkin niiden saavuttamisen esteet.
Arvoketjumalli avuksi datan jalostamiseen
Paras tapa jalostaa dataa on arvoketjumallin mukaisella prosessilla. Siltä varalta, että markkinoinnin luennolla tuli nukuttua: arvoketju kuvaa jonkin hyödykkeen vaiheittaista jalostumista raaka-aineesta valmiiksi tuotteeksi. Jokainen arvoketjun vaihe ja yksittäinen prosessi nostaa tuotteen arvoa, ja arvoketjumallin tarkoitus on maksimoida ketjun tehokkuutta pienentämällä kustannuksia.
Datan jalostaminen alkaa näkemyksestä ja suunnittelusta
Alussa on kaikkein kriittisintä, että yrityksesi hahmottaa tarpeet ja tavoitteet, joita datan jalostamisella haetaan. Liikkeelle kannattaa lähteä suunnitteluharjoituksista, joissa yrityksesi tekee sisäistä taustatyöstä ja tunnistaa niin omat tarpeensa kuin maturiteettitasonsa datan suhteen. Tärkeää on luoda puitteet dataohjautuvalle kulttuurille, joka perustuu systemaattiseen tiedon keruuseen ja faktoihin pohjaavaan toimintaan.
Asiakkaidemme yleisin haaste on, että oikeaa suuntaa ja todellisia tarpeita on hankala hahmottaa, sillä mahdollisuuksia on niin paljon. Mitä enemmän heti alussa hyödynnetään palvelumuotoilua ja käyttäjäkokemussuunnittelua, sitä varmemmin lopputulos auttaa arjen päätöksenteossa ja synnyttää lisäarvoa yritykselle.
Alkuun pääsee kuitenkin varsin kevyesti esimerkiksi asiantuntijamme Olli Lindroosin ohjeistuksella.
Perustusten rakentaminen – kerää ja varastoi dataa älykkäästi
Suunnitteluharjoitusten jälkeen yrityksesi on jo helpompi edetä miettimään varsinaista datan jalostamista ja teknologiavalintoja sekä priorisoida seuraavia askeleita.
Datan määrä kasvaa jatkuvasti, ja siksi myös sen säilöminen ja hävittäminen ovat kasvavia kustannuksia. Tiedonhallinnassa kannattaakin hyödyntää mahdollisimman skaalautuvia ja joustavia menetelmiä. Ilman jalostamista data muuttuu nimittäin tuoton sijaan ongelmajätteeksi, eli pahimmillaan yrityksestäsi tulee pelkkä datan hamstraaja!
Kaikkea dataa ei myöskään kannata replikoida samaan fyysiseen kantaan, koska datan syntypaikat hajaantuvat tulevaisuudessa entisestään. Datan integroimiseksi täytyy löytää ketterämpiä mahdollisuuksia.
Datan keruussa ja hallinnassa kannattaa minimoida kaikki turha työ. Perinteinen manuaalinen ja henkilöriippuvainen ETL-työ voidaan korvata esimerkiksi mallipohjaisten menetelmien tai automatisointityökalujen avulla. Agile Data on malliesimerkki ratkaisusta, jonka avulla nopeutat ja automatisoit datan keräämistä, varastointia ja analysointia.
Ydintietojen hallinnan (masterdata) ja datan hallinnan pelisääntöjen (data governance) puuttellisuus ovat datan keräämiseen ja varastointiin liittyviä haasteita, joihin yhä useampi organisaatio törmää. Puutteet johtavat siihen, että datasta on vaikea saada irti koko organisaatiota hyödyttävää ja oikeisiin päätöksiin johtavaa hyötyä. Kun masterdata on kunnossa, data on tehokkaammin hyödynnettävissä läpi organisaation. Datan oikeaoppinen hallinta taas takaa sen että tiedon käsittely on hallittua ja lainsäädännön mukaista.
Datan jalostaminen ja kehittyneen analytiikan hyödyntäminen
Kun saatavilla on luotettavaa ja muokkauskelpoista dataa, on aika alkaa hyödyntämään sitä. Seuraava tehtävä on löytää datan pohjalta oikeat kysymykset, ongelmat ja näkökulmat, joita voit käyttää nopeasti liiketoimintasi kehittämisessä.
Parhaiten pääset liikkeelle ketterän moniosaajatiimin avulla. Kun osaamista löytyy niin liiketoiminnasta, palvelumuotoilusta kuin teknologioistakin, on helppo miettiä liiketoimintalähtöinen hypoteesi, jonka totuudenmukaisuutta sitten analysoidaan kehittyneen analytiikan keinoin. Prosessi on iteratiivinen, eli ensin todennetaan ongelman ratkaistavuus hypoteestitestauksella, sen jälkeen tehdään halutun toiminnallisuuden koestus (minimum viable product) ja lopulta edetään tuotantovaiheeseen.
Paras ratkaisu on usein yhdistelmä omia ja ulkoisia datalähteitä. Sisäisiä tietolähteitä voivat olla muun muassa lähdejärjestelmät, ostohistoria, asiakaspalautteet, luottoluokitus ja tuotetiedot. Ulkoisia lähteitä taas ovat esimerkiksi selailuhistoria, sosiaalinen media ja rikastettu ulkoa ostettu tieto. Yhdistämällä nämä tiedot saadaan jo suhteellisen hyvä kokonaiskatsaus peräpeiliin, mutta se ei vielä välttämättä takaa parasta mahdollista lopputulosta.
Raportointiratkaisut on tärkeää rakentaa helppokäyttöisiksi, visuaalisesti ymmärrettäviksi ja reaaliaikaisiksi. Näin varmistetaan, että tietoa on miellyttävä käyttää ja se tukee aidosti päätöksentekoa ja analyyseja.
Tekoälyn avulla datan jalostaminen viedään seuraavalle tasolle. Ennakoiva analytiikka on aito kilpailuetu, sillä se mahdollistaa sellaisia luovia oivalluksia, jotka eivät näy perinteisissä raporteissa. Analytiikan malleja voidaan hyödyntää esimerkiksi ennustamaan todennäköisyyksiä asiakkaan tarpeille ja toiminnoille, teollisen prosessin eri vaiheiden tehostamiseksi tai riskien tunnistamiseksi.
Lisää tekoälystä ja sen hyödyntämisestä voit lukea Antti Virtasen blogista. Jos taas haluat ymmärtää asiakasnäkökulmasta, millaisia bisneshyötyjä tekoäly mahdollistaa, tutustu DNA:n unelmien tekoälyalustaan!
Lisäarvoa loppukäyttäjälle – julkaise ja kehitä
Arvonmuodostusta ei kannata jättää puolitiehen, vaan datasta johdetun ymmärryksen pitää palvella loppukäyttäjiä aidosti. Palvelumuotoilun ja UX-suunnittelun tulee olla mukana alusta asti kun palvelua tai tuotetta lähdetään sähköistämään – ainoastaan näin voidaan toteuttaa käyttäjälähtöinen palvelu, joka hyödyntää dataa ja tuo aitoa lisäarvoa loppukäyttäjälle.
Hyvä esimerkki dataohjautuvasta palvelusta on Solitan kansainväliselle teollisuusasiakkaalle rakentama myynnin työkalu, joka perustuu yrityksen asiakkailta kerättyyn avoimeen dataan. B2B-laitosmyyntiin suunniteltu työkalu auttaa myyjiä käyttämään aikaansa paremmin, käymään oikeat keskustelut oikeiden ihmisten kanssa ja esittämään asiakkailleen dataan perustuvia ehdotuksia tuotekokonaisuuksista. Myyntityökalun avulla laitokset saavuttavat paremman asiakaskokemuksen ja pystyvät samalla tehostamaan toimintaansa. Ajattele isosti, lähde liikkeelle pienesti!
Seuraamalla datan arvonketjumallia organisaatiossa voidaan siis todella mahdollistaa fiksumpi arki ja mahdollisuudet parempaan päätöksentekoon. Jos kuitenkin epäröit, mistä lähteä liikenteeseen, tutustu datapalveluiden ostajan oppaaseemme.
Viisas kollegani on lausunut osuvasti: Jos kysyt data scientistilta: ”haluatko kaiken datan halutusta ilmiöstä”, on vastaus todennäköisesti kyllä. Jos taas kysyt: ”tarvitsetko kaiken datan osoittaaksesi, että ratkaisun soveltuvuutta voi testata”, vastaus on todennäköisesti ei. Jos et voi näyttää jotain arvoa pienellä osalla datasta, tuskin isokaan data ratkaisee ongelmiasi. Hyvin usein lisäarvoa kuitenkin saa jo ennen kuin maailma on täydellinen.”
