Liiketoimintaan kasvua (avoimen) datan analysoinnilla

Datalla on suuri potentiaali tarjota kilpailuetua yrityksille ja tulevaisuudessa markkinointi ja myynti ovatkin hyviä kehityskohteita datan hyödyntämiselle. Vaikka osa yrityksiä jo toimiikin digitaalisessa ympäristössä, niin vähintään yhtä iso osa yrityksiä on vasta siirtymässä digitaaliseen toimintaan. Digitalisoitumiseen on herätty yrityskentässä ja siirtymistä tuetaan esimerkiksi erilaisilla digibusiness –hankkeilla. Digitaalisuuteen siirtymistä vastustetaan ja siirretään myöhemmäksi epäilyillä sen hyödyistä. Se kuitenkin avaa yrityksille monia uusia mahdollisuuksia sekä avoimen datan, että data-analytiikan myötä.

Data-analytiikan roolin merkitys liiketoiminnassa kasvaa. Digitaalisessa maailmassa eri toimintojen tai tapahtumien ja niihin liittyvän tiedon määrä kasvaa hurjaa vauhtia ja tiedon käsittely perinteisillä tavoilla ei ole tehokasta tai kohta edes mahdollista. Yrityksen raporttien lukutietojen esittäminen visuaalisilla kuvaajilla on data-analytiikan tasoissa ensimmäinen kehitysaskel (kuvaileva analytiikka). Kuvaajat osataan mieltää mittareiksi ja siinä olevat asteikot tavoitteiksi. Kun opitaan löytämään syy-yhteys tavoitetta hidastaneen asian kanssa, päästään toiselle, diagnosoivan analytiikan tasolle. Luotettavan syy-yhteyden määrittäminen vaatii tuekseen laskentaa ja korrelaatioita, joiden käsittely suurien datamäärien kanssa ei ole käytännöllistä ilman tietotekniikkaa ja algoritmeja. Toisaalta analytiikan algoritmia pitää kouluttaa löytämään järkeviä yhteyksiä ja jättämään tarpeettomat löydökset pois.

Yrityksen sisäisen datan lisäksi syy-yhteyksiä voidaan etsiä myös ulkopuolista (avoimen datan) tietolähteistä ja etsiä sieltä sellaisia tekijöitä ja asioita, joilla on vaikutusta, mutta jotka eivät ole yrityksensä itsensä hallittavissa. Esimerkiksi sää ja vuodenajat eivät kysy yrityksen kantaa muutoksistaan. Niihin mukaudutaan. Viive muutoksiin reagoimisessa heikentää tulosta. Lähes reaaliajassa tapahtuva tietojen ja syy-yhteyksien löytäminen ja niiden merkitysarvon päivitys lyhentävät myös muutosten reagointiaikaa. Laskennallisen syy-yhteyden määritys mahdollistaa myös luotettavan toiminnan ennakoivalle analytiikalle ja siten myös yrityksen ennakoiville toimille. Ennakoivasta toiminnasta voidaan edelleen jatkaa neljännelle tasolle (ohjaileva analytiikka) luomalla päätöksentekijän tueksi erilaisia päätösvaihtoehtoja vertaileva tarjotin. Analytiikan tasoissa kehitys voi jatkua esimerkiksi niin, että autonomisessa toiminnassa päätökset perustuvat esimerkiksi vaihtoehdoista laskennallisesti parhaaksi valitun toimen aktivointiin.

Ennakointia voidaan jo nyt toteuttaa esimerkiksi säätietoon perustuvassa ja tekemisen vaihtoehtoja tarjoavassa markkinoinnissa, jossa markkinoidaan oikeaa tuotetta oikeaan hetkeen. Vastaavasti ennakointia voidaan käyttää laitteen mekaanisesta toiminnasta tehdyn mittauksen digitaaliarvojen vertailusta syntyneen huoltotyön tarvetta ja laajuutta optimoitaessa (huolletaan oikeita asioita oikealla hetkellä). Myös kaupungeissa ja yleensä yhteiskunnassa tapahtuvat asiat ja muutokset vaikuttavat yritysten ja organisaatioiden toimintaan. Jos kaupunki esimerkiksi muuttaa liikennereittejään tai eri liikennemuotojen käytettävyyttä, heijastuu se (välillisesti) reittien ja liikennemuotojen yhteydessä toimiviin yrityksiinkin. Yrityksille olisi tärkeää voida reagoida päätöstä edeltäviin valmisteluvaiheisiin ja tuoda omat näkökulmansa ajoissa esiin. Kaupunkien osalta tukea yhteistyöhön tarvitaan valmistelu- ja päätöstietojen tuottamiseen digitaalisessa ja analytiikalle sopivassa (avoimen datan) muodossa.

Datan ja data-analytiikan kyvykkyyden tarpeet vaihtelevat organisaatiokohtaisesti. Organisaatioiden olisikin hyvä tunnistaa omat yksilölliset dataan liittyvät hyödyntämistarpeensa ja tutustua analytiikan kyvykkyyden tasoja määrittäviin ja mittaaviin malleihin. Kyvykkyystasoa mittaavia sovelluksia on tuotettu verkkoon, mutta niiden käyttäminen vaatii melkoisesti perehtymistä aiheeseen. Toisaalta perehtyminen ja sen tarve voidaan nähdä osana oman kyvykkyyden tunnistamista.

Janne Harjamäki

Projektitutkija

Harjamäki työskentelee Tampereen teknillisessä yliopistossa, Porissa, data-analytiikan osaamiskeskittymää perustavassa tutkimusryhmässä.