Data ja analytiikka antavat vankempaa pohjaa päätöksentekoon

Yritystoiminnassa syntyy ajan kuluessa dataa eri lähteistä, kuten talousluvuista, tilastoista, kyselyistä ja asiakaspalautteista. Tätä yrityksen liiketoimintaan ja sen ympäristöön liittyvää dataa tulkitaan, analysoidaan, arvioidaan sekä käytetään päätöksenteon tukena. Datan analysointia onkin tehty aina osana liiketoimintatiedon hallintaa.  

Digitalisaatio on mahdollistanut uudenlaiset ja tehokkaammat tavat kerätä, lajitella ja analysoida dataa sekä hyödyntää tietoa eri liiketoiminnan prosesseissa. Tämän seurauksena jokaisessa yrityksessä tulisikin viimeistään nyt arvioida, millaisia mahdollisuuksia data-analytiikan käyttö voisi tuoda oman toiminnan tehostamiseen ja kasvattamiseen.

Data-analytiikan hyödyntäminen edellyttää, että on olemassa aihealueesta kerättyä dataa ja ymmärrys siitä, mihin ja miten sitä halutaan käyttää. Vanhan sanonnan mukaan ’if you can’t measure it, you can’t manage it’.  Keskiössä ovat kysymykset kuten:

  • mitä dataa yrityksellä on
  • mistä sitä tulee
  • kuka sen omistaa
  • miten sitä kerätään ja säilytetään
  • missä muodossa se on sekä
  • miten ja kuka sitä käsittelee ja hyödyntää.

Data – Tulkinta – Ymmärrys – Soveltaminen

Data muodostuu yksittäisistä, irrallisista merkeistä tai merkkijonoista, joilla ei ole mitään semanttista merkitystä. Ne ovat vain olemassa. Data voi esiintyä missä muodossa tahansa ja olla enemmän tai vähemmän käytettävässä muodossa. Kun dataa tarkastellaan suhteessa johonkin muuhun, datasta tehdään tulkinta ja sille luodaan merkitys. Tällöin datasta tulee informaatiota, joka voi olla hyödyllistä tai hyödytöntä. Kun informaatio yhdistyy osaksi omaa, aiempaa tietämystä ja kokemusta, voidaan puhua tiedosta ja ymmärryksestä. Viisaudesta on kysymys silloin, kun tietoa kyetään käyttämään ja soveltamaan omassa toiminnassa. Voidaan puhua myös osaamisesta ja taitotiedosta.

Asiaa voidaan havainnollistaa käytännön esimerkillä:

  1. Data muodostuu merkkijonosta: -21.
  2. Dataa tarkastellaan suhteessa ympäristöönsä. Merkkijono esiintyy ulkotilan lämpöä mittaavan lämpömittarin näytöllä. Tällöin datasta tehdään tulkinta ja sille luodaan merkitys.  Datasta muodostuu informaatio, joka kertoo meille ulkotilan lämpötilan. Kyseinen informaatio on meille hyödyllistä, jos olemme menossa ulos.
  3. Aiemman kokemuksen pohjalta tiedämme (meillä on tieto), että informaatio -21 tarkoittaa sitä, että ulkona on kylmä eikä sinne kannata lähteä sisävaatteissa.
  4.  Osaamme soveltaa tietoa toimintaamme, joten ulos lähtiessä puemme lämpimät vaatteet päällemme.

Data-analytiikka auttaa siis tutkimaan dataa kontekstissaan ja luomaan datasta tulkintoja, informaatiota ja siten tukee (uuden) tiedon tuottamista datan sisältämistä merkityksistä ja niiden välisistä suhteista.

Datan tulkinta ja soveltaminenOikeat analyysimenetelmät parantavat tuloksen laatua

Edellä mainitussa tapauksessa datan hyöty jäisi vajaaksi, mikäli lämpötilaa mittaava laite olisi rikki ja tuottaisi väärän lukeman. Muutaman asteen heitto ei tässä tapauksessa saa meitä lämpöhalvauksen tai paleltumisen partaalle, mutta jossain muussa soveltamiskohteessa virhe saattaa johtaa päätöksenteon harhaan. Itse datan lisäksi on ymmärrettävä käytettyjen mittareiden laatu sekä ne mekanismit eli algoritmit, joilla mittatietoa käsitellään. Algoritmi voi olla oikein valittu ja toimia loogisesti mutta jos mittadata ei ole laadukasta, se johtaa väärään tulokseen. Vastaavasti laadukas data johtaa väärää algoritmia käytettäessä harhaiseen tulokseen ja todennäköinen arvo päätöksenteon kannalta jää toteutumatta. Pahimmillaan analyysin tulos näyttää järkevältä, mutta on kaukana siitä.

Datalle on olemassa useitakin laadun mittareita, kuten johdonmukaisuus, ainutlaatuisuus, tarkkuus ja ajantasaisuus. Datalla ei oikeastaan ole arvoa, ellei sitä kerätä tarkoitukseen sopivilla mittareilla ja analysoida oikeilla menetelmillä. Analytiikka on se monitieteinen ala, jonka avulla datasta saadaan tuotettua arvoa matemaattisten ja tilastotieteen menetelmien sekä ennustavan mallintamisen ja koneoppimisen avulla. Datan optimaaliseen soveltamiseen ja hyötyjen saavuttamiseen päästään, kun käsissä on laadukasta dataa ja soveltuvat analyysimenetelmät, joita analytiikan asiantuntija tarkasti harkiten käyttää.

Data-analytiikka johtamisen välineenä

Yritystoiminnassa data-analytiikka on – tai sen tulisi olla – johtamisen väline, jota käytetään tavoitteiden määrittelyn ja saavuttamisen sekä liiketoiminnallisten haasteiden ratkaisemisen tukena. Perinteisiä yritystoiminnan haasteita ovat mm. tarve tehostaa tuotantoa ja toiminnan prosesseja, parantaa laatua, kasvattaa myyntiä, parantaa työntekijä- ja asiakaskokemusta, uudistaa liiketoimintamalleja sekä kehittää uusia tuotteita ja palveluja. Analytiikan menetelmiä ja työkaluja käyttäen pystytään laajentamaan ja syventämään ymmärrystä näistä haasteista sekä tekemään perustellumpia päätöksiä.  

Tärkeää on myös ymmärtää, mitä datan käsittelyn suhteen osataan ja ei osata. Datan käsittely on organisoitava, ja sille on oltava selkeä omistajuus. On tärkeää ymmärtää, mitä arvoa olemassa olevalla datalla on jo saavutettu ja mitä arvoa sillä olisi mahdollista saavuttaa verrattuna kustannuksiin, joita sen keräämiseen, käsittelyyn ja analyysiin käytetään. Datalle on voitava kehittää mittareita sekä oppia käyttämään dataa johtamisen välineenä.

Seuraavassa blogitekstissä perehdymme data-analytiikkaan liiketoiminnan kehittämisen näkökulmasta.

Business Designer

Service Designer