Liiketoiminnan analytiikka – Mikä onkaan ongelma?

/ Jari Laakkonen

liiketoiminnan analytiikka

 

Liiketoiminnan analytiikka ei ole vaikeaa. Mieti ensin, mitä päätöksiä sinun tarvitsee tehdä ja sitten, mitä tietoa niiden tekemiseen tarvitset. Loppu on tekniikkaa.

Jatkan siitä, mihin kursori jäi edellisessä tiedolla johtamisen blogissani. 

Olen jo pidempään miettinyt, mikä analytiikkahankkeissa mättää. Loistava asia on pilattu tutkimuksilla ja konsulttien jargonilla.  

Olemme kuulleet, että muut ovat jo vauhdissa, ja että kohta jäämme jälkeen. Tai että olemmehan ottaneet huomioon IOT:n ja digitalisoinnin. Niin ja liittyvätkö analytiikka ja koneoppiminen toisiinsa, mikä on ensin ja mikä sen jälkeen. Ääh.

Kyse on pelkistyimmillään siitä, mitä tietoa, apua tai suuntaa-antavaa vihjettä data voi antaa päätöksentekijälle. 

Liiketoiminnan analytiikkaa on lähestytty yleensä teknologioiden ja laskentamallien kautta: regressiomalli sitä ja klusterointi tätä. Meillä taas on ollut kova halu ymmärtää, mistä liiketoiminnan analytiikassa on kysymys ja miten siitä saadaan hyöty liiketoimintaan. 

Koska kipuilumme eri teknologioiden ja ismien kanssa eivät johtaneet mihinkään eivätkä ratkaisseet mitään, palasimme peruskysymyksiin: 

  1. Mitä päätöksiä ollaan tekemässä? 
  2. Mitä tietoa päätöksentekijä tarvitsee?

Ihan aito ja raaka liiketoimintaongelma

Haastoimme ensin oman osaamisemme. Ymmärsimme pian, että tarvitsemme apuun matemaatikkoa ja tilastotieteilijää. Pidemmälle menevät analysointimallit (selittävä, ennakoiva ja ohjaava analytiikka) eivät onnistu ilman syvempää aitoa ymmärrystä. 

Suureksi yllätykseksi huomasimme, että  hankkeissa ei ollutkaan keskeistä se, mitä työkalua, ohjelmaa ja menetelmää käytetään. Olennaisinta on  mahdollisimman selkeä liiketoimintaongelman kuvaaminen. 

Kollegani hämmästeli erään asiakaskeskustelun jälkeen, että suurin ongelma ei olekaan data, sen puhdistaminen ja myllääminen laskennan läpi vaan ihan aito ja raaka liiketoimintaongelma. Olimme nimittäin valmistelleet hienon esityksen siitä, miten ammattitaitoisesti voimme toteuttaa erilaisilla malleilla tilastollisesti tarkkoja analyyseja. 

Asiakkaamme palautti meidän hellästi maan pinnalle: ”kyllä, kyllä, mutta ei toi ole meidän ongelma, itse asiassa meillä ei ole tietoa … ja meidän pitäisi ymmärtää miksi…”.

Niin kuin konsultille usein käy, asiakas opettaa ja palauttaa perimmäisten kysymysten äärelle: ”Mitä hyötyä tästä on minulle?”. Emme puhu enää ismeistä ja menetelmistä vaan haemme kysymyksiä, joihin ei ole saatu vastausta. 

Vastaanotto on ollut häkellyttävä. Jokainen asiakas on löytänyt tarvetta ja käyttökohteita tarkentavalle, trendiä kuvaavalle, ennakoivalle ja luokittelevalle tiedolle. 

Ennakkoluulot jarruttavat liiketoiminnan analytiikan jalkautumista

Ajattelemme helposti, että analytiikka on jotain erittäin hienoa, kallista ja erillistä sekä vaatii erityisosaamista. 

Kannattaa mieluummin ajatella ongelmaa ja lopputulosta. Se vapauttaa ennakkokäsityksistä, joita meillä on eri järjestelmien tai tekijöiden rooleista. 

Erinomainen esimerkki tästä on Elon ja Tiedon järjestelmä Elo Data Sience Hack, jonka voittajatiimi keskittyi datan murskaamisen, käsittelyn ja esittämisen lisäksi myös palvelun muotoiluun. Tiimi osasi etsiä ratkaisua ongelmaan.

Toinen liiketoiminnan analytiikan jalkauttamista hidastava tekijä on kuvitelma, että analytiikka on joukko erillisiä hankkeita. Hankkeiden johtopäätöksiä sitten analysoidaan asiantuntijoiden kesken ja yhteenvedon perusteella tehdään ryhmittelyjä ja toimenpide-ehdotuksia. 

Me ajattelemme eri tavalla

Liiketoiminnan analytiikka kuuluu kaikille, jotka tekevät päätöksiä – rooliin tai titteliin katsomatta. Analytiikan tulee myös olla käytettävissä koko ajan osana päivittäistä seurantaa ja päätöksentekoa. 

Haluamme haastaa omaa työtämme jatkuvasti: ovatko oletukset olleet oikeat, mittaammeko oikeita asioita. Tehtyä ennustemallia pitää kehittää jatkuvasti. Sitä pitää testata uudella tiedolla ja vaihtoehtoisilla malleilla. 

Ennen kaikkea saavutettuja liiketoimintahyötyjä tulee arvioida aktiivisesti ja kriittisesti.