Informaatio on välttämätöntä liiketoiminnassa, valmistus ei

Kyky hyödyntää tuotteisiin, asiakkaisiin ja toimittajiin liittyvää informaatiota ratkaisee organisaation menestymisen. Informaation määrän ja monimuotoisuuden kasvaessa tarvitaan uusia toimintamalleja. Big Datassa ei ole kyse vain suuruudesta vaan kyvystä kootun ja analysoidun tiedon pohjalta parempaan asiakaspalveluun ja tehokkaampaan ylläpitoon.

Agraariyhteiskunnassa maan omistaminen määritti vaurauden ja teollisessa yhteiskunnassa tuotantokapasiteetti. Jälkiteollisessa maailmassa menestyminen perustuu kykyyn hyödyntää informaatiota: Laitteissa ohjelmoitava logiikka on korvannut muut puolijohteet ja koneiden internet liittää nämä muuhun maailmaan. Inhimillisessä toiminnassa fyysinen asiointi on muuttunut sähköiseksi –  ethän saanut tätäkään kommenttia postitse?

Olemme joutuneet keskelle paradoksia: tuotetun tiedon määrä kasvaa kiihtyvällä vauhdilla, ja vaikka hyödyntäisimme informaatiota aikaisempaa tehokkaammin ulottumattomiimme jäävän informaatio määrä kasvaa vielä nopeammin. Perinteinen suunnitellaan, mallinnetaan, integroidaan, transformoidaan, tallennetaan ja raportoidaan -malli ei skaalaudu nykyisiin tarpeisiimme. Toinen pulma on tiedon monimuotoisuus. Kun tuskailemme kasvavien tapahtumamäärien ja relaatiokantakokojen kanssa suhteellisesti yhä suurempi tieto on muissa formaateissa: dokumentteja, lokitiedostoja, koneiden välisiä sanomia ja vaikkapa akustista signaalia.

Perinteinen vesiputous-kehitysmalli joudutaan kääntämään kokonaan toiseen asentoon: ryömitään ja kerätään kaikki mahdollisesti hyödyllinen tieto, tallennetaan se sellaisenaan, analysoidaan ja vasta käyttövaiheessa päätetään missä ja kuinka sitä muokataan.

Esimerkki: Meille tuli tarve ymmärtää, kuinka paljon yksityishenkilöt tekevät autokauppaa Suomessa ja mikä on sen rakenne. Ryömimme muutamana yönä läpi verkkokaupat (Keltainen Pörssi ja Autotalli.com), tallensimme kaikki kaupat sellaisenaan hiekkalaatikkoon, josta sitten tunnistimme puhelinnumerot, automerkit ja hinnat ja tallensimme nämä analyysiä varten. Analyysissä postimme tuplat ja kokosimme yhteenvedon puhelinnumeroittain yhteenlaskettujen hintojen mukaisessa järjestyksessä… Tulokset olivat mielenkiintoisia.

Oliko tämä sitä Big Dataa? Puitteiltaan ei: analyysi tehtiin muutamassa päivässä kannettavalla tietokoneella, mutta ajatukseltaan kyllä: monimuotoisen tiedon haku, tallennus ja analysointi hiekkalaatikossa. Hadoop teknologiana sopii tähän oivallisesti, mutta lisänä on hyvä olla työkaluja ryömintään, tiedon visualisointiin ja  tekstianalyysiin. Vaativampaan analyysiin isoilla tietomäärillä tarvitaan hiekkalaatikkovaiheen jälkeen tehokasta analyyttiseen käyttöön optimoitua tietokantaa sekä tiedon louhimiseen ja analytiikkaan siihen erikoistunutta tilastotiedettä. Tässä on pohjaa myös teollisen internetin hyödyntämiselle. Yksinkertainen resepti on: Kootaan systemaattisesti sensoreilta ja työmääräyksistä saatava tieto, siivotaan ja strukturoidaan se, rakennetaan analyyttisiä tilastollisia malleja ennakoimaan ongelmaa (tai toivottua tilannetta) käyttäen vaikka vuoden 9 ensimmäisen kuukauden dataa ja testataan malleja viimeistä neljännestä vastaan. Sitten piloitoidaan mallia vaiheittain ja tarvittaessa suoritetaan antureilta tulevaa tietovirtaa reaaliajassa mallin lopputulosta vastaan.

Lähestymistapa mahdollistaa paremman käytettävyyden pienemmin kustannuksin: iso polttoaineen jakelija saavutti 27% vähennyksen vikailmoituksiin, 7% vähennyksen korjaustöihin, 83% parannuksen bensapumppujen käytettävyyteen.

Lopetetaan valitus. Otetaan käyttöön se tieto joka meillä on. Tehdään sillä parempaa asiakaspalvelua ja tehokkaampaa ylläpitoa. Aloitetaan pienestä, edetään nopeasti ja valloitetaan maailma.

Avainsanat: analytiikka, big data, BusinessConnect

Kommentit