Vielä 2000-luvun alkupuolella elettiin yritysten tiedonhallinnan kannalta aivan eri maailmassa kuin nykyään. Järjestelmällinen datan kerääminen eri tietolähteistä vaati isoja investointeja, joihin vain isoimmilla yrityksillä oli varaa. Itsekin lukuisat illat ja viikonloput erilaisia tietopalveluja koodanneena voin sanoa, että ei ole ikävä niitä aikoja. Myös erillispalvelinten elinkaari oli suhteellisen lyhyt ja palvelinten vaihtoprosessi kaiken kaikkiaan melkoisen työläs. Resurssit eivät skaalautuneet, vaan niitä todella piti skaalata, usein sitten aamuyön tunteinakin. Analysointityökalut olivat vaatimattomia ja epävakaita. Listaa voisi jatkaa loputtomiin.
Tilanne on kuitenkin muuttunut valtavasti. Vaikka datan määrä kasvaa valtavan nopeasti, sen hankinta, tallentaminen ja analysointi ei ole ollut koskaan näin helppoa. Erityisesti analysointityökalujen ominaisuudet ovat kehittyneet ja hinnat ovat tulleet todella alas. Samoin palvelut ja palvelimet skaalautuvat toiminnan mukaan. Nyt ollaan tilanteessa, jossa jokainen yritys voi halutessaan hyödyntää analytiikkaa. Välttämättä kysymyksessä ei ole edes todellinen vaihtoehto, sillä data-analytiikka mahdollistaa toiminnan tehostamista alasta riippumatta ja siitä on tullut kilpailutekijä, jota ilman voi olla vaikea menestyä.
Analytiikka on nyt jokaisen yrityksen saatavissa
Monissa yrityksissä digitalisaatio on ymmärretty hiukan kapeasti. Siitä on tullut projekti, jossa nykyiset prosessit pyritään tekemään digitaalisesti. Tämä on tietysti tärkeää, mutta silloin uuden kehittämisen mahdollisuus saattaa unohtua. Digitalisaation avulla on mahdollisuus tehdä asiat entistä paremmin. Se saattaa joillekin olla iso riski, mutta suurimmalle osalle se on valtava mahdollisuus olla luomassa uudenlaista liiketoimintaa tai tehdä isoja hyppyjä nykyisen liiketoiminnan kehittämisessä. Viime vuosien muutokset ovat saaneet analytiikan ammattilaisenkin haukkomaan henkeä. Se mikä oli ennen isojen organisaatioiden yksinoikeutta, on nyt skaalautunut myös PK-sektorille. Ei ole olemassakaan niin pientä yritystä, ettei analytiikkaa voisi hyödyntää. Kustannustehokkaita ratkaisuja on saatavilla myös PK-yrityksen tarpeisiin. Mutta mistä lähteä liikenteeseen? Olen kuvannut seuraavassa analytiikan portaita, joita pitkin on hyvä lähteä kiipeämään.
Kuvaileva analytiikka
Kuvailevalla analytiikalla tarkoitetaan sitä, että mitä on tapahtunut. Sen on yksinkertaisin ja helpoin analytiikan taso. Se on kuitenkin välttämätön porras, josta on syytä lähteä liikkeelle. Kuvailevalla analytiikalla pystytään kuvamaan esim. liikevaihdon, tuoton, reklamaatioiden, työtapaturmien määriä. Kuvailevassa analysoinnissa on tyypillistä myös erilaiset kategorisoinnit sekä luokittelut. Dataa joudutaan yleensä muokkaamaan ja käsittelemään ennen esittämistä. Ei ole poissuljettua käyttää myös muita tilastollisia menetelmiä. Kuvailevasta analytiikasta on hyvä lähteä liikenteeseen. Se nimittäin pakottaa myös tärkeimmän prosessin liikenteeseen, nimittäin datan keräämisen.
Diagnosoiva analytiikka
Kun ensimmäinen porras on hallussa ja dataa on kerätty jo merkittäviä määriä, on vuorossa diagnosoiva analytiikka. Analytiikan tehtävänä on kertoa tällöin mitä on tapahtunut. Tähän analytiikka pyrkii vastaamaan yhdistämällä erilaisia tietolähteitä ja löytämällä sieltä merkkejä keskinäisestä vaikutuksesta. Huomio diagnosoivassa analytiikassa on tapahtumissa lopputuloksen sijaan. Esimerkkinä voisi olla vaikkapa pörssiyhtiö, joka arvioi diagnosoivalla analytiikalla mistä johtuu tuloksen huomattava heikkeneminen. Analytiikassa voi olla mukana esimerkiksi raaka-aine hinnat, erilaista markkinadataa, yhtiön sisäistä materiaalia ja niin edelleen.
Ennakoiva analytiikka
Ennakoiva analytiikka pyrkii kertomaan mitä seuraavaksi saattaa tulla tapahtumaan. Ennusteet pohjautuvat aiempiin arvioihin lopputulemasta sekä niiden todennäköisyyksiin. Tyypillinen ennakoivan analytiikan esimerkki on kunnossapitotyöt. Ennakoivan analytiikan avulla pyritään varmistaman esim. laitteen tärinästä, että laakerit vaihdetaan ennen kuin ne menevät rikki. Muita hyviä esimerkkejä voisivat olla esimerkiksi prosessien, hankintojen tai mainonnan optimointi.
Ohjaileva Analytiikka
Ohjailevan analytiikan tehtävänä on ehdotella ja suositella asioita, mitä pitäisi tehdä. Sen sisäänrakennettu kysymys on, että kuinka saadaan haluttu tulos. Tämä on ehdottomasti analytiikan vaikein taso. Tietoa pitää pystyä käsittelemään jatkuvasti ja analytiikan pitää tarjota parasta toimenpidettä suositeltavaksi.
Saatat ehkä kysyä, kun tekstimme otsikko oli ”IoT rengiksi jokaiseen yritykseen”, että miten IoT ja analytiikka liittyvät toisiinsa. IoT eli esineiden internetillä tarkoitetaan internet verkon laajentumista erilaisiin laitteisiin ja koneisiin. IoT tuleekin englanninkielisistä sanoista Internet of Things. Salaisuus on siinä, että IoT on analytiikan paras lähde. Sen avulla on helppoa ja kivaa kerätä liiketoiminnan kannalta oleellista dataa analysoinnin tueksi. Ja IoT on analytiikan lailla jokaisen yrityksen saatavilla. Ilman Analytiikkaa IoT:llä ei tee mitään, mutta analytiikan avulla siitä saa parhaat hyödyt irti. Tiedämme, että liiketoiminnassa on tehtävä päätöksiä. Usein huonokin päätös on parempi kuin ei päätöstä lainkaan. IoT:n ja analytiikka yhdessä auttavat tekemään parempia päätöksiä. Se on nyt myös sinun ulottuvillasi. Ole rohkeasti yhteydessä.
Rakkaudesta analytiikkaan!
Ari Huusko