REFRRER:path /

Maasta se pienikin ponnistaa – neljä askelta datan hyödyntämiseen

Näkökulma

Tekoäly, data-analytiikka ja big data ovat sanoja, joilta ei ole voinut välttyä viime vuosina. Niiden ympärillä riittää puhetta ja pöhinää, mutta välillä tuntuu, että korkealentoisen tarinan yhteys maanpäällisen arjen asioihin jää ohueksi. Voikin kysyä, että mitäpä pieni tai keskisuuri paikallinen yritys hyötyy data-analytiikasta? Onko järkeä lähteä mukaan kisaamaan, kun näyttävät sankaritarinat lähtevät Googlen ja Facebookin jättimäisiltä tuotekehitysosastoilta tai maailman suurimpien yliopistojen laboratorioista?

Data-analytiikan käyttö ei kuitenkaan ole rakettitiedettä tai vaadi maailmanluokan panostuksia. Tärkeintä on käyttää arkijärkeä sekä tuntea oma toimialansa. Neljä askelta ottamalla yritys on jo pitkälle datan käytössä ja ymmärtämisessä.

1. Tunnista kiinnostava ilmiö

Ensimmäinen askel on tunnistaa ne ilmiöt, jotka ovat yritykselle tärkeitä ja joihin halutaan vaikuttaa. Mihin asioihin yrityksessä menee liian paljon aikaa hyötyyn nähden? Minkä ilmiön syvällisempi ymmärtäminen auttaisi liiketoiminnan kehittämisessä?

Data-analytiikkaa voidaan käyttää ilmiön kuvaamiseen, ennustamiseen tai luokitteluun. Tyypillisiä käyttötapauksia ovat esimerkiksi rakenteiden vikaantumisen ennakointi, sähkön- ja vedenkulutuksen ennustaminen, liikkuvien koneiden reititys, lumen auraus, vesijohtoverkon kunto, tai asiakkaiden luokittelu ostokäyttäytymisen perusteella.

Yrityksille kertyy paljon dataa esimerkiksi teknisistä prosesseista, antureista, tietojärjestelmistä ja asiakasrajapinnasta. Tämän datan analysointi auttaa ymmärtämään ja ennakoimaan taustalla olevia ilmiöitä sekä riippuvuuksia.

2. Hanki kiinnostavasta ilmiöstä dataa

Dataa voidaan saada yrityksen talousjärjestelmistä esimerkiksi myyntitietoina, kanta-asiakasjärjestelmien, ostokäyttäytymisen kautta ja tuotekorteista. Henkilöstö voi tuottaa dataa valokuvaamalla tai lomakkeita täyttämällä. Jossain tapauksissa dataa voidaan saada julkisista avoimen datan palveluista tai ostaa ulkopuoliselta toimijalta.

Analyysin kannalta on tärkeää, että data on koneluettavassa muodossa – yleensä helpointa on taulukkomuotoinen data. Perinteinen arvio on, että 80 % data-analytiikasta on datan esikäsittelyä ja siivoamista. Tämä voi tarkoittaa esimerkiksi selvästi virheellisten havaintojen poistamista tai useampien aineistojen yhdistämistä.

3. Visualisoi ja analysoi dataa

Toisinaan pelkästään datan visualisointi voi auttaa ymmärtämään kiinnostavaa ilmiöitä, eikä muuta analytiikkaa edes tarvita. Esimerkiksi lumimäärän visualisointi kartalle auttaa sellaisenaan ymmärtämään alueellista lumikuormaa sähkölinjoilla tai talojen katoilla.

Myös graafiset kuvaajat sähkönkulutuksesta tai ruokakaupan kävijämääristä ovat sellaisenaan hyödynnettäviä visualisointeja, joita voi käyttää esimerkiksi laitteiden tuottaman kapasiteetin ja palveluiden hinnoittelun suunnittelussa.

Aina pelkkä visualisointi ei kuitenkaan riitä vaan tarvitaan kehittyneempää analytiikkaa (tekoälyä eli koneoppimista). Koneoppimisen avulla voidaan esimerkiksi ennustaa sähkönkulutusta ja arvioida missä vaiheessa on tarpeellista käynnistää varavoimaloita tai ennakoida yrityksen resurssien tarvetta esimerkiksi tulevan sään tai asiakkaiden käyttäytymisestä kerätyn datan perusteella.

4. Tee muutos

Data-analytiikkaa ei tule tehdä vain tekemisen ilosta vaan sitä tulee hyödyntää päätöksenteon tukena ja osana yrityksen liiketoiminnan kehittämistä. Data-analytiikka on liian kallista pienten viilausten tekemiseen, joten on tärkeä tehdä tuntuva muutos liiketoimintaan. Vain sillä tavoin analytiikan hyödyt pystytään lunastamaan ja toisaalta näkemään, onko analyysi osunut oikeaan.

Muutoksen toteuttamisen jälkeen seuraava tavoite on muutoksen saaminen pysyväksi. Esimerkiksi ylimääräinen tiedonkeruu jää helposti pois ensi-innostuksen haihduttua.

Tähänkin auttaa se, että tehty muutos on riittävä: iso parannus jää varmasti pysyväksi osaksi liiketoimintaa, kun taas nippelitiedon tilastointi on helppo unohtaa seuraavan kiiresesongin koittaessa.

Datan hyödyntämisessä tärkeää on muistaa, että paras ymmärrys omasta liiketoiminnan alueesta löytyy itseltä – ja samalla hakea asiantuntija-apua uusien menetelmien ja tekniikoiden käyttöön. CSC – Tieteen tietotekniikan keskus Oy ja Kajaanin ammattikorkeakoulu KAMK ovat tänä vuonna käynnistäneet kaksivuotisen Data-analytiikan kiihdyttämö -hankkeen, joka tarjoaa kainuulaisille yrityksille apua data-analytiikkaan tutustumisessa sekä tukea analytiikan menetelmien käyttöönotossa. Hankkeen aikana järjestetään muun muassa data-analytiikkatyöpajoja, jotka ovat avoimia alueen kaikille yrityksille. Toiminta rahoitetaan pääosin Euroopan aluekehitysrahaston varoilla ja rahoittajaviranomaisena toimii Kainuun liitto. Muita rahoittajia ovat Loiste Oy, Kaisanet Oy, Herman IT Oy ja Kajaanin kaupunki.

Aino Ropponen
Aleksi Kallio
Esa Niiranen

Yrityksille kertyy paljon dataa esimerkiksi teknisistä prosesseista, antureista, tietojärjestelmistä ja asiakasrajapinnasta.

Jätä kommentti