”Analytiikka ei ole yhden koon sukkahousut”, totesi Mikko Kutvonen blogissaan. Naulan kantaan! Varsinkin kun analytiikan määritelmä on häilyvä; toisille se on raportointia, joillekin visualisointia ja kolmannelle tiedon louhintaa ja tilastollisia menetelmiä.

Kaikille on paikkansa ja tarpeensa, mutta ennen kuin valitsee sukkahousujen koon, kannattaa miettiä, aikooko vetää ne päähän vai jalkaan.

Kun tavoitteita asetetaan ja mahdollisuuksia punnitaan, on hyvä tarkastella asiaa laajemmin kuin vain työn alla olevan projektin näkökulmasta.

Välinevalintoja ja -hankintoja tehdessä voi pohtia esimerkiksi, missä haluaisimme olla muutaman vuoden kuluttua? Ja mahdollistaako valitsemamme alusta helpon laajentamisen tai uusien asioiden kokeilemisen? Laajentamistarvehan tarve voi tulla uusista tai kasvavista datalähteistä, muuttuvasta liiketoimintaympäristöstä tai vaikka analytiikan mahdollistamasta muutoksesta.

Rima

Monesti asioita lähestytään raportoinnin kautta. Se on luonnollista, koska raportointia tarvitaan aina. Mitä tapahtui viime kuussa, mistä rahat tulivat ja minne ne menivät? Kuinka monta kontaktia, tapahtumaa tai palvelupyyntöä saimme, kuinka paljon laitetta on käytetty?

Päälle laitetaan kymmeniä kategorioita ja hierarkioita sekä muutama tunnusluku ja raportointiympäristö alkaa hyrrätä. Luvut esitetään tietysti siistillä raportilla, jossa asiaan voi porautua useista suunnista – intuitiivisesti ja helposti. On selvää, että raportin tai dashboardin luomisen pitää olla yhtä helppoa - ja niin se onkin, nykyaikaisilla välineillä.

Liikun työssäni paljon teollisuusyritysten parissa ja kuumin aihe on tietysti teollinen internet ja internet of things (Iot). Lähes kaikki alan toimijat ovat ymmärtäneet, että datassa on huomattavaa arvoa ja monet ovatkin saaneet tiedon liikkumaan laitteista aina asiakkaille tarjottaviin dashboardeihin saakka.

Toisaalta yritykset pohtivat, kuka tiedon tulevaisuudessa omistaa ja kuka tarjoaa sen jalostamiseen liittyvät palvelut. Onko se laitteen valmistaja, teleoperaattori IoT-alustan toimittajana, sensorivalmistaja vai joku muu?

Kaikki uskovat, että juuri he ovat parhaassa asemassa markkinoiden valloittamiseen. Minä uskon, että kaikki voivat tehdä omalta osaltaan järkevää liiketoimintaa IoT-tiedon jalostamisessa, mutta jollekin tasolle tulee muodostumaan muutama alan jättiläinen. Eturiviin pääsevät yritykset, jotka pystyvät tuottamaan datasta eniten arvoa, kun asiakkaille tarjottavat raportointi- ja dashboard-portaalit alkavat olla jo pystyssä.

Riman nosto

Kun luot hienon dashboardin sisään tulevista palvelupyynnöistä, voisitko jatkaa suoraan ennustamiseen? Jos voit ennustaa tikettien määrän ja sisällön, tiedät kuinka paljon tarvitaan työvoimaa ja millaisella osaamisella.

Jos taas laitevalmistajana pystyt näyttämään, kuinka paljon laitetta on käytetty, voisitko myös mallintaa, paljonko kriittisillä komponenteilla on elinikää jäljellä? Tiedäthän datan avulla laitteen käytöstä paljon muutakin, kuin vain käyttötunnit. Jos asiakkaan laitteet tapaavat toistuvasti mennä rikki, voisitko esittää asiakkaalle tilastollisen mallin avulla listan tekijöistä, jotka ovat vaikuttaneet rikkoutumisiin? Kun listan kärjessä komeilee virheellistä käyttöä kuvaavia tekijöitä, ei ehkä ensimmäisenä tule mieleen moittia laitevalmistajaa, vaan kenties tilata käyttökoulutusta.

Kun tilastollisesta mallintamisesta ja tiedon louhinnasta tehdään lähes yhtä helppoa kuin dashboardin pystyttämisestä, voidaan ennustavaan mallintamiseen ryhtyä nopeasti. Rimaa kannattaakin korottaa heti, kun dashboard on valmis, sillä muut toimijat eivät odota.

Analytiikka vie uusiin ennätyksiin

Vedettiinpä sukkahousut lopulta päähän tai jalkaan, tärkeintä on että ne ovat tarkoitukseen sopivat. Silloin on helpointa päästä komeasti riman yli ja osua turvallisesti patjalle.

Olitpa aloittamassa omaa projektiasi perusraportoinnilla tai tekemässä vaativampaa optimointia ennusteiden päälle, suosittelen kokeilemaan tiedon visualisointia. Ja jos sen lisäksi tarvitset vaativampaa analytiikkaa, voit helposti laajentaa välineistöä tilastollisin menetelmin – visuaalisuudesta silloinkaan tinkimättä. Kokeilun jälkeen ymmärrät varmasti, miten analytiikasta tehdään helppoa riippumatta datan määrästä.