Ennustamisesta puhutaan paljon, ja syystä: onnistunut ennakointi ja suunnittelu on yksi menestyksekkään liiketoiminnan tukipilareista. Mikäli ennuste menee pieleen, sen vaikutukset voivat heijastua liiketoiminnan eri osa-alueille rajustikin – logistiikkakulut räjähtävät, hävikki lisääntyy tai joudutaan myymään ei-oota, reklamaatioiden määrä kasvaa tai laitteet hajoavat odottamatta aiheuttaen katkoja tuotantoon.
Ennustaminen ja ennakoiminen ovat tärkeä osa liiketoiminnan ohjausta, eikä sitä olisi varaa jättää heitteille.
Ennustaminen on epätarkkaa, epävarmaa ja se vie tolkuttomasti aikaa ja resursseja – Onko siinä mitään järkeä?
Tämä saattaa pitää joskus paikkaansa, mutta näin sen ei onneksi tarvitse olla.
Parhaimmillaan ennustaminen on tarkkaa ja objektiivista, integroituu hyvin liiketoiminnan suunnitteluun ja ennusteita sovelletaan ketterästi käytännön toimiin ja päätöksentekoon. Käytännössä tähän liittyy kuitenkin useita haasteita.
Ennustamisen idea vesittyy, jos ennusteen taustalla ei ole faktoja, ennustetta ei voi muuttaa nopeasti muuttuvan liiketoimintaympäristön mukaan tai tietoa ei aidosti hyödynnetä johtamisen välineenä. Ennustamisesta esimerkiksi puhutaan, vaikka ennuste olisi käytännössä kopioitu budjettiversio höystettynä parilla hihasta vedetyllä muutoksella. Myös ennusteen osumatarkkuuden seuraaminen jää usein puolitiehen, eikä välttämättä pysähdytä miettimään, mikä meni pieleen ja kuinka ennusteesta voisi jatkossa saada luotettavamman.
Kuinka ennusteen objektiivisuutta ja tarkkuutta sitten parannetaan?
Ennakoivan analytiikan avulla. Myös faktoihin ja dataan perustuva ennuste pohjautuu menneeseen, mutta sen sijaan, että otettaisiin ennusteen pohjalle esimerkiksi edellisen vuoden toteuma sellaisenaan, tilastolliset algoritmit tunnistavat sellaisiakin historiadatan säännönmukaisuuksia, joita ihminen ei havaitse. Lisäämällä analyysiin muita ennusteeseen vaikuttavia tekijöitä, voidaan ennustetarkkuutta parantaa entisestään.
Laadukas, datalähtöinen ennuste voikin nähdä lähitulevaisuuden hyvinkin tarkasti, riippuen ennustettavan asian vakaudesta. Pienikin ennustetarkkuuden parantuminen ja siihen reagoiminen voi tuoda suuria hyötyjä, etenkin volyymien ollessa suuria.
Älyn lisääminen ennusteeseen tilastollisia menetelmiä ymmärtävälle henkilölle ei sinänsä ole valtava haaste, mutta kehittynytkin ennustemalli on melko hyödytön, ellei sitä liitetä liiketoimintaan.
Hienostakaan mallista ei ole iloa, ellei se integroidu käytännössä liiketoiminnan suunnitteluun ja ellei tieto ole oikea-aikaisesti saatavilla päätöksenteon tueksi.
Ennusteprosessia voi myös yksinkertaistaa ja nopeuttaa huomattavasti prosessin vaiheita automatisoimalla. Kun ennakointia tehdään vielä oikeilla ja toimivilla välineillä, maksimoidaan siitä saatavan hyödyn määrä. Hyvät ennustetyökalut yhdistyvät yrityksen muihin järjestelmiin ja ratkaisuihin saumattomasti, ja mahdollistavat näin uuden tiedon hyödyntämisen.
Kyselimme lokakuun 14. päivä IBM BusinessConnectin vierailta, mitä mieltä he ovat oman organisaationsa tämänhetkisestä liiketoiminnan suunnittelun ja ennustamisen tilasta. Hieman yli puolet vastanneista koki yrityksensä suunnittelun olevan liiketoimintalähtöistä ja katsoivat suunnitteluratkaisujen ohjaavan operatiivista toimintaa, antaen näin ollen toivottua lisäarvoa liiketoimintaan.
Kuitenkin yli 40 prosenttia koki, että liiketoiminnan suunnittelussa ja ennustamisessa olisi enemmän tai vähemmän parantamisen varaa. Näiden vastaajien joukossa koettiin esimerkiksi, että tällä hetkellä suunnitteluratkaisut palvelevat vain osaa organisaatiosta, tai ne eivät tuota haluttua lisäarvoa liiketoimintaan. Osa vastaajista (15%) näki, ettei suunnittelulla ollut lainkaan yhteyttä jokapäiväiseen toimintaan. Useat löysivät myös puutteita liiketoiminnan suunnittelun tavoitteiden selkeydessä.
Myös useimmat suunnittelu- ja ennustamisratkaisuihin tyytyväiset vastaajat näkivät parannuskohteita. Kysyttäessä yleisarvosanaa yrityksen liiketoiminnan ennustamisen ja suunnittelun tasosta, vain 2 prosenttia koki oman organisaationsa ratkaisujen olevan erinomaisella tasolla. Vastaavasti kolmannes vastaajista koki suunnittelun ja ennustamisen olevan heikolla tai erittäin heikolla tasolla.
Yhdeksi nykyisten suunnitteluratkaisujen suurimmista haasteista koettiin suunnitteluprosessin ja tavoitteiden jalkauttaminen osaksi arkea.
Myös organisaation sisäinen yhteisymmärrys suunnittelun tavoitteista sekä läpinäkyvyyden lisääminen koettiin haastavaksi.
Joidenkin vastaajien organisaatioissa oli jo yhdistetty ennakoivaa analytiikkaa suunnitteluun, ja nämä vastaajat vaikuttivat olevan keskimääräistä tyytyväisempiä yrityksensä suunnittelun ja ennustamisen tilaan.
Mitä tämän perusteella voitaisiin siis tulkita? Vaikka reilu sata BusinessConnectin vierailijaa ei olekaan kattava otos suomalaisesta yrityskentästä, näyttäisi kuitenkin siltä, että ennakoivan analytiikan hyödyntämisessä yritysten suunnitteluratkaisuissa on vielä paljon työsarkaa.
Datalähtöisen ennustamisen lisääminen suunnitteluun olisi verrattain pieni investointi etenkin suunnittelu- tai järjestelmäprojektien kokoon nähden, mutta sitä hyödynnetään vielä nykyään valitettavan harvoin. Miksi? Tilastollisesta mallintamisesta ja matemaattisista algoritmeista puhuttaessa moni nostaa kädet pystyyn, ja näiden liiketoimintasovelluksista puhuminen kuulostaa monen korvaan utopistiselta mölinältä. Kuitenkin ennakoivan analytiikan hyödyntäminen on jo arkipäivää useissa yrityksissä. Verrattain pienellä vaivalla voidaan saavuttaa toimiva ja aidosti lisäarvoa tuova ratkaisu.
