Liiketoiminnan analytiikan arkea – kaksi kuukautta takana

/ Tommi Vilkamo

ennakoiva analytiikka

 

Energiaa ja innostusta. Aplodit. Olin kyllä itsekin innostunut asiasta, mutta viime maanantainen asiakkaan reaktio pääsi silti yllättämään. Eihän tämän näin helppoa pitänyt olla?

 

Meillä on nyt kaksi kuukautta takana liiketoiminnan analytiikan kenttätyössä, ja potentiaali on ylittänyt odotukseni. Mahdollisuudet luoda aitoa hyötyä ovat mittavat. Sanotaan että rakas Suomen maamme on voittava joukkue tekoälyn murroksessa, mutta tämä on mielestäni vain osittain totta. Enemmistö tähtipelaajistamme on innostuneita, mutta vasta vetämässä pelihousuja päälle. Liian moni ajattelee että tekoälyn, koneoppimisen ja liiketoiminnan analytiikan soveltaminen on tulevaisuutta, jotain mistä on mielenkiintoista piirrellä tulevaisuuden visioita strategiapäivillä. Tämä on virhe.

Tekoälyn hyödyntämisestä liiketoiminnan ongelmien ratkomiseen on tullut nykypäivää. Arkista, käytännöllistä ja kustannustehokasta. Voit ennakoida yrityksesi asiakaspoistuman, myyntisi kehityksen, ja optimaalisen hinnoittelun.

Voit ennakoida työkyvyttömyysriskit tai mahdollisuutesi onnistua asuntokaupassa. Voit tunnistaa virheet ja poikkeamat datassasi, tai opettaa koneen toistamaan tarkasti arkisia toimenpiteitä kuten tilitapahtumien luokittelua – tai oikeastaan kaikkia niitä tehtäviä joita länsimaissa ihmisen ei enää kannata tehdä, ja joita ihminen ei useimmiten enää halua tehdä.

Kaikkia edellä mainittuja haasteita olemme päässeet iloksemme työstämään viimeisten kahden kuukauden aikana. Useimmiten tulokset ovat ylittäneet odotukset iloisesti. Onnistuminen ei ole kuitenkaan varmaa, vaan tyypillisesti huomattava osa analytiikkaprojekteista maailmassa epäonnistuu. Siksi olemmekin myös päättäneet asiakkaiden kanssa jättää mielenkiintoisia projekteja tekemättä, aina kun emme ole onnistuneet tunnistamaan aitoa liiketoimintahyötyä mitä hankitulla tiedolla voisi saavuttaa. Näin käy yllättävän usein. Asiakaspoistuman ennakoinnista ei ole hyötyä jos ei ole hyviä keinoja sitä estää, ja asiakkaan konkurssiriskin ennakoinnilla ei ole hyötyä jos sääntely kieltää perustamasta päätöksiä oppiviin algoritmeihin ja todennäköisyyslaskentaan.

Dataa suomalaisilla yrityksillä on kyllä riittävästi, ja usein se on hyvälaatuista. Älä siis lähde datajärvien kalastusretkille naaraamaan satunnaisia huomioita, äläkä hukkaa aikaasi kiva tietää -kysymyksiin, vaan mieti mistä saavuttaisit eniten hyötyä. Mitä tekisit tänään toisin jos voisit ennakoida tulevaisuuden? Mikä rutiini toistuu yrityksessäsi ydintoiminnassa päivästä toiseen, minkä koneet voisivat oppia tekemään halvemmalla ja paremmin? Mikä on sinun shakkisi, missä koneen avustama peluri voisi voittaa vanhan mestarin? Vasta kun tiedät vastauksen johonkin näistä kysymyksistä, analytiikka osuu maaliin ja liiketoimintahyötyjen saavuttaminen on helppoa.

 

Mitä tekisit tänään toisin jos voisit ennakoida tulevaisuuden? Mikä rutiini toistuu yrityksessäsi ydintoiminnassa päivästä toiseen, minkä koneet voisivat oppia tekemään halvemmalla ja paremmin?