Analytiikkaa purkista

Lisää vain vesi ja öljy. Nappaan purkin valmista pannukakkusekoitusta kaupan hyllyltä. Kotona taikina on hetkessä sekoitettu ja pannukakut paistinpannulla tirisemässä. Vielä hilloa ja vaniljakastiketta ja ystävän lapset – ja me aikuiset – istumme tyytyväisinä syömään. On myönnettävä, että lopputulos ei ihan vastaa yleensä alusta asti tekemiäni versioita, mutta aika lähelle osuu.

Lisää vain data ja liiketoiminnan asettamat lainalaisuudet. Nappia painamalla koneellesi ilmestyy valmiiksi pureskeltu vastaus käsillä olevaan liiketoimintakysymykseesi. Olipa kyse optimaalisesta hinnoittelusta, hankintasuunnitelmasta tai vaikkapa valikoimasuosituksesta, et enää tarvitse analyytikoita datan ja vastauksen väliin tulkiksi. Siis ikäänkuin analytiikkaa purkista – miksi ei?

Monessa suhteessa tässä ollaan jo pitkällä. Valmiita ohjelmistoratkaisuja löytyy niin hinnoittelun tueksi kuin markkinoinnin kohdentamiseenkin. Samaan aikaan kun seuraan analytiikkaohjelmistoratkaisujen huimaa kehitystä, kiinnitän huomiota myös toiseen trendiin. Datan ammattilaisia etsitään enemmän kuin koskaan. ’Data scientist’ nimike on rantautunut Suomen asiantuntijamarkkinoille nopeasti ja yritys jos toinenkin rakentaa analytiikkaosaamistaan.

Jokin tässä tuntuu erikoiselta. Eihän pannukakkusekoituksen käyttöönkään enää kokkia tarvita. Epäilemättä tuotekehitysvaiheessa ammattilaisilla on ollut suuri rooli – mutta ei sentään enää siinä vaiheessa kun sekoitus on päätynyt minun keittiööni.

Miksi siis samaan aikaa etsitään analytiikan syväosaajia enemmän kuin koskaan ja toisaalta pyritään kehittämään ratkaisuja, jotka tuovat analytiikan suoraan liikkeenjohdon hyppysille?

Ensimmäinen syy liittyy monistettavien kohteiden rajallisuuteen. En ole vielä onnistunut löytämään pannukakkusekoitukseen verrattavaa ratkaisua kaikkeen leivontaan. En ainakaan tinkimättä samalla lopputuloksesta. Vastaavasti analytiikan saralla (tarpeeksi) hyvää ei aina saa suoraan purkista. Yleensä syy löytyy datan laadusta tai muodosta, liiketoiminnan monitahoisesta luonteesta tai muutostilasta.

On epäilemättä rahan arvoista tunnistaa ne kysymykset joihin analytiikka ’suoraan purkista’ sopii. Toisaalta on ainakin yhtä tärkeää erottaa ne liiketoimintakysymykset joiden selvittämiseen valmis ratkaisu ei sovellu. Tämän tunnistamiseen tarvitaan erittäin kovaa analyyttista osaamista – yhdistettynä liiketoiminnan ymmärtämiseen. Toisaalta ne kysymykset joihin valmiit ratkaisut eivät sovellu, ovat juuri niitä vaikeimpia. Ja näihin tarttumiseen vaaditaan yleensä enemmän osaamista kuin suoraan koulunpenkiltä löytyy.

Toinen syy palautuu kykyyn sekoittaa ja paistaa. Jopa valmiin pannukakkusekoituksen kanssa voi tyriä jos laittaa levyn liian kuumalle tai lisää liikaa vettä. Monet valmiit ratkaisut vaativat käyttäjiltään vähintäänkin tulkintaa, joskus myös aktiivista ratkaisun ’huoltamista’, jotta ympärillä tapahtuvat muutokset saadaan saumattomasti liitettyä mukaan analytiikkaratkaisuun.

Liiketoiminnan näkökulmasta kenties tärkeimmäksi käyttäjän taidoksi nousee tulosten epävarmuuden arviointi. Olipa malli kuinka hyvin tahansa rakennetty, sen tulokset ovat nimittäin aina lähtökohtaisesti jonkin verran todellisuudesta poikkeavia. On kriittistä tietää, kuinka suureen virheeseen on syytä varautua esimerkiksi käytettäessä ennustavaa mallia varastotasojen ohjauksessa tai asiakaspoistuman ehkäisemisessä.

Esimerkiksi kysynnän ennuste on aina vain juuri sitä – ennuste. Tämä ei kuitenkaan tarkoita etteikö ennustetta voisi hyvin käyttää, on vain ymmärrettävä kuinka tarkka se on ja otettava tämä epävarmuus tietoisesti huomioon päätöksenteossa.

Aina on toki vaihtoehto tilata pannukakut muualta – tai vaikkapa hankkia kokki paikan päälle niitä valmistamaan. Kuten ruuanlaitonkin suhteen, analytiikan ulkoistus vaatii osaavan toimittajan sekä joustavan yhteispelin. Kylmiä pannukakkuja on aika ikävä syödä – vaikka ne olisi valmistanut kuinka hyvä kokki.

Avainsanat: analytiikka, big data

Kommentit