Data-analytiikka on yritysten nopeimmin kasvava IT-investointikohde Gartnerin* mukaan ja esimerkiksi koneoppimiseen perustuvan ennakoivan analytiikan hyödyntämiseen panostetaan huomattavasti aiempaa enemmän. Tämän ansiosta yritysten BI- ja analytiikkatyö alkaa onneksi saavuttaa kypsyystason, jossa keskeisenä keskustelunaiheena ei enää ole vanhan olemassa olevan numeroraportin korvaaminen uudella tai kaiken mahdollisen datan kasaaminen yhteen kaikenkattavaan tietovarastoon ihan vain varmuuden vuoksi. Näiden usein turhauttavien keskustelujen sijaan pääsemme yhä useammin auttamaan asiakkaitamme aidosti haastavissa dataprojekteissa.

Yritykset ovat digipaineissaan ymmärtäneet, että oikeastaan kaikki liiketoiminnan parantaminen lähtee datasta. Se, joka pystyy parhaiten jalostamaan ykköset ja nollat näkemykseksi ja tarkoiksi toimenpiteiksi, voittaa. Höttöinen ”digitransformaatio” konkretisoituu, kun se pilkotaan dataprojekteiksi jotka tuottavat käsinkosketeltavia liiketoimintaa parantavia työkaluja, parannuksia yrityksen toimintamalleihin tai kokonaan uutta liiketoimintaa.

Kohtaamme suomalaisyrityksissä jatkuvasti useammin liiketoimintajohtajia, joilla on selkeä ja kunnianhimoinen visio datan avulla saavutettavista läpimurroista omassa liiketoiminnassa. Tiivis yhteistyö tällaisten visionääristen asiakkaiden kanssa on kirkastanut minulle seuraavat asiat:

1. Kunnianhimoisten dataratkaisujen toteutus lähtee aina liiketoimintaongelman ja käyttäjien ymmärtämisestä.

Oma kokemukseni on, että dataprojekteissa käyttäjäkokemuksen (UX) suunnitteluun käytetään keskimäärin aivan liian vähän aikaa ja jokainen siihen suunnattu euro tuottaa moninkerroin takaisin. Hälytyskellojen täytyy soida välittömästi, jos toteuttajakumppani aloittaa keskustelun teknologialähtöisesti miettimällä mitä kaikkea hienoa tarjolla olevilla teknologioilla voitaisiin toteuttaa. Ensimmäisten päivien ja viikkojen ajan huomion tulee olla täysin käsillä olevan liiketoimintaongelman ja -tarpeiden kirkastamisessa.

2. Analytiikkaratkaisun hyödyllisyys mitataan täysin sillä, miten laajasti sitä hyödynnetään ja miten vaikuttaviin toimenpiteisiin sen avulla päästään.

Edistyksellinen, monimutkaisiin algoritmeihin perustuva analytiikkaratkaisu, jota kukaan ei hyödynnä on surkein mahdollinen lopputulos dataprojektille. Jos kohta 1 on tehty huolellisesti ja käyttäjänäkökulma pidetään keskeisesti mukana koko projektin ajan, pienenevät riskit liiketoiminnalle hyödyttömään lopputulokseen päätymisestä merkittävästi. Kokemukseni mukaan hyödyllisimmät analytiikkaratkaisut ovat usein hyvin yksinkertaisia ja intuitiivisia. Sellaisia, joita käyttäjät haluavat hyödyntää ilman että kenenkään tarvitsee käskeä. Tärkein mittari dataprojektin onnistumiselle on sen lopputulosten avulla tehtävien toimenpiteiden määrä ja vaikuttavuus.

3. Monimutkaisuuden piilottaminen on analytiikkakonsulttien tärkein tehtävä.

Kunnianhimoinen dataprojekti sisältää hyvin todennäköisesti erittäin vaativia teknisiä toteutusvaiheita ja toimivan ratkaisun löytäminen tapahtuu yritysten ja erehdysten kautta. Hyvä analytiikkakumppani tietää ja kommunikoi tämän asiakkaalle etukäteen ja osaa varautua siihen järkevästi. Mikäli tekniset yksityiskohdat aiheuttavat harmaita hiuksia, kuuluvat ne konsulteille eikä asiakkaalle. Mahdollisimman yksinkertaisen, ymmärrettävän liiketoimintaratkaisun toteutus vaatii konsultilta vahvaa data- ja analytiikkaosaamista mutta ennen kaikkea liiketoimintaymmärrystä ja uskallusta haastaa oman kokemuksen perusteella asiakasta voimakkaastikin.

4. Onnistuneeseen lopputulokseen pääseminen vaatii omistautumista asiakkaalta ja analytiikkakumppanilta.

Yksikään datanero ei pysty yksin toteuttamaan vaikuttavaa dataratkaisua, mikäli projektitiimistä ei löydy tarvittavaa omistautumista ja intohimoa. Kunnianhimoisen dataratkaisun kehittäminen on käytännössä digitaalista tuotekehitystä, jossa liiketoiminnan tuoteomistajan, IT-puolen vastuuhenkilöiden ja toimittajan vastuukonsulttien on pystyttävä notkeaan ja kiihkeätempoiseen päätöksentekoon ja haasteiden ratkaisemiseen aiempaa korkeammalla kellotaajuudella. Onnistuneita dataprojekteja yhdistää toimiva ja rohkea yhteispeli kaikkien osapuolten toimesta.

Näiden oppien pohjalta olemme Cubiqilla päättäneet kutsua omaa tarjontaamme ja toimintatapaamme termillä Data Experience (DX). Siinä yhdistyy raudanluja data- ja analytiikkaosaaminen (Data), ihmislähtöinen palvelukehitys (UX, User Experience) ja erittäin vahva kokemus liiketoimintalähtöisten analytiikkaratkaisujen toteuttamisesta (Experience).

Lopputuloksena pystymme tarjoamaan asiakkaillemme dataelämyksiä synnyttäviä kunnianhimoisia analytiikkaratkaisuja.

 

*Gartner 2019 CIO Agenda: Secure the Foundation for Digital Business