Nämä sudenkuopat tiedolla johtamisessa kannattaa välttää

Datasta, tiedolla johtamisesta ja sen mahdollisuuksista on puhuttu jo vuosia, eikä vauhti siinä näytä hidastuvan. Päätöksenteko perustuu yhä enemmän tiedolla johtamiseen.

Tiedolla johtaminen onkin Bernerin strategian keskiössä – strategisesta tärkeydestä ja matalista hierarkiarajoista Bernerillä kertoo tiedolla johtamiseen liittyvä ajatustenvaihto toimitusjohtajan ja hallituksen jäsenten kanssa.

Pääsen työssäni miettimään, millaisiin kysymyksiin datan avulla voimme löytää vastauksia. Olen päässyt ratkomaan muun muassa myynnin ennustamiseen, markkinoinnin mittaamiseen, optimaaliseen tuoteportfolioon ja myymäläluokitukseen liittyviä ongelmia.

Strategisen suunnittelun lisäksi vastaan päivittäisessä työssäni sellaisten konkreettisten ratkaisujen löytämisestä, joilla ymmärrämme kuluttajakäyttäytymistä paremmin, tuotamme ainutlaatuisen asiakaskokemuksen, optimoimme Heinäveden tuotantoamme ja varmistamme tuotteiden saatavuuden.

Näin voimme varmistaa, että teemme parempia päätöksiä saatavilla olevaan tietoon perustuen, luomme asiakkaille parempia tuotteita ja varmistamme, että tuotteet ovat oikeassa paikassa oikeaan aikaan.

Tästä hyvänä esimerkkinä on Bernerille luotu data-arkkitehtuurisuunnitelma ja suunnitelman käyttöönotto, jonka seurauksena tiedot tallennetaan pilveen. Data on helposti hyödynnettävissä koneoppimismalleihin, joita on lähdetty pilotoimaan Bernerillä tämän vuoden aikana.

Datan keräämisen ongelmat

Monissa yrityksissä dataa kerätään, mutta sitä ei osata täysin hyödyntää tai tiedot ovat hajautetusti eri järjestelmissä. Dataa kertyy jatkuvasti enemmän, kun asioita tehdään digitaalisesti. Tallennuskapasiteetin hinta on laskenut ja tehokkaammat tietokoneet pystyvät louhimaan tietoa entistä nopeammin.

Noin 90 % kaikesta maailman datasta on tuotettu viimeisen kahden vuoden aikana ja päivittäinen uuden tiedon määrä on noin 2,5 triljoonaa tavua tai kotitietokoneiden mittayksiköissä tuttavallisemmin 2,5 miljardia gigatavua eli pilkun jälkeen on 18 nollaa. Määrät ovat niin absurdeja, että havainnollistetaan hieman, mitä tällä määrällä saa. Googlen kautta tehdään 3,5 miljardia hakua joka päivä, Instagramiin lisätään päivittäin 95 miljoonaa kuvaa, Facebookiin 350 miljoonaa kuvaa ja Youtubeen sisältöä yli 80 vuoden katselun edestä. Lisäksi lähetämme 306,4 miljardia sähköpostia ja 500 miljoonaa twiittiä – ja tässä vasta pintaraapaisu kokonaisuudesta.

Mihin datalla haetaan vastauksia?

Dataa kertyy paljon ja sen säilöminen on helpottunut ja halventunut ajan myötä, mutta useimmissa yrityksissä ei ole mittavaa analytiikkatiimiä, joka analysoi jokaisen datasta saavan asian irti. Yritykselle saattaa kertyä paljon dataa esimerkiksi verkkosivuliikenteestä, mutta kun halutaan arvioida myymälämarkkinoinnin vaikuttavuutta, niin tähän tarvitaan tietoa markkinointitoimenpiteistä ja myymälämyynneistä.

Datan hyödyntämisessä pitää muistaa panos-tuottosuhde. Jos vaikka A/B-testauksella saadaan tulokseksi, että vihreä painike verkkosivulla on parempi kuin punainen, niin mikäli verkkosivuilla ei ole liikennettä juuri ollenkaan tai kyseinen toiminnallisuus ei ole yrityksen liiketoiminnan kannalta kovin merkittävä, kyseiseen painikkeen testaukseen ja optimointiin ei kannata käyttää kovin paljoa aikaa.

Erilaiset pyynnöt tuleekin priorisoida tarkasti liiketoiminnan kokonaishyödyt huomioiden. Tärkein asia on miettiä heti aluksi, millaisiin kysymyksiin datalla haetaan vastauksia, ja sen jälkeen on huomattavasti helpompi pohtia sopivaa ratkaisua tähän ongelmaan.

Ratkaisuna hyvä datasuunnitelma

Useimmiten yhtenä ongelmana on se, että dataa kertyy moniin järjestelmiin ja raportteja sähköposteihin, mutta kokonaisuus on sirpaloitunut ja data on siiloissa, jolloin näkyvyys kokonaisuuteen sumenee ja analyysin tekeminen vaatii massiivisen jumpan datan keräämiseksi ja yhdistämiseksi.

Ratkaisuna tähän on hyvä datasuunnitelma, ja yhtenä hyvänä vaihtoehtona on kaiken datan kerääminen pilveen data lakeen. Hyvän suunnitelman ja sen käyttöönoton seurauksena tiedon analysointi helpottuu ja aikaisemmin manuaalisesti tehtyjä analyyseja voidaan automatisoida ja ajastaa tiettyyn ajankohtaan, esimerkiksi yöajoon. Nykyaikaisilla menetelmillä on mahdollista hyödyntää myös reaaliaikaista dataa, mutta käyttötarkoitus määrittää datan päivitysfrekvenssin tarpeen. Yhtenä ongelmana voi olla myös oleellisen datan puuttuminen, jolloin kannattaa lähteä liikkeelle siitä, että miettii, mikä on analyysin kannalta tärkeä, mutta puuttuva data ja mistä sen voisi saada.

Lopuksi

Kun yrityksessä otetaan harppaus kohti tiedolla johtamista, on tärkeää ymmärtää liiketoiminnan kannalta kriittisimmät ongelmakohdat ja löytää niihin ratkaisu. Tiedolla johtaminen yhdistää teknologian ja liiketoimintatarpeet, joten ongelmanratkaisun pitäisi aina lähteä liiketoimintatarpeista ja IT-järjestelmät tulisi valita tukemaan näitä tarpeita. Esimerkiksi tekoälyhanke ei voi olla vain IT-osaston harjoitus, koska monesti ongelmanratkaisussa keskitytään liiketoiminnan kannalta vääriin tai epärelevantteihin kysymyksiin, ja harjoitus jää todennäköisesti testauksen tasolle, eikä aitoa liiketoimintahyötyä saavuteta. Hyvin suunniteltuna ja toteutettuna tiedolla johtamiseen liittyvä hanke ­– esimerkiksi koneoppimismallin käyttöönotto tuottaa liiketoimintahyötyä ja helpottaa työntekijöiden päivittäistä arkea.

Toimin itse monesti Bernerillä liiketoiminnan, IT:n, analytiikan ja markkinoinnin välisenä tulkkina ja ratkaisen ongelmia, joihin ei ole valmiita vastauksia. Saan kokeilla erilaisia ideoita, joista kaikista ei aina tule menestystarinoita. Yrittämällä ja uusien asioiden rohkealla kokeilemisella kehitetään kuitenkin toimintaa eteenpäin ja rakennetaan parempaa huomista.

Joona Honka, Data Analyst Manager, Berner Oy

 

Me berneriläiset olemme huomisen puolustajia. Toimimme niin, että meillä kaikilla on vielä 100 vuodenkin päästä hyvä olla ja elää. Blogisarjassamme kerromme, mistä innostumme työssämme ja miten Bernerin strategia ja olemassaolomme tarkoitus eli huomisen puolustaminen näkyvät työssämme.