Data & analytiikka yrityksen tiedolla johtamisessa

Moi!

Olen työskennellyt noin neljä vuotta datan ja analytiikan parissa erilaisissa projekteissa finanssialalla. Tähän blogikirjoitukseen olen tehnyt muutamia huomioita työhöni liittyen. Toivottavasti kirjoitus antaa hieman ajatuksia siihen, mitä tietojohtaminen vaatii teknisesti nykypäivän työelämässä.

Tietojohtaminen / tiedolla johtaminen on noussut suosituksi aiheeksi yritysten etsiessä uusia kehityskohteita ja kasvunmahdollistajia. Usein toistetaan: ”Data is the new oil.” tai joitain muuta dataa ylistävää mantraa. Tietojohtamisen mahdollisuudet ovat valtavat. Jalostetulla tiedolla pystytään esimerkiksi kehittämään prosesseja, palvelemaan asiakasta paremmin ja lisäämään myyntiä. Tiedolla johtaminen tulee kuitenkin aina sovittaa yrityksen omia tarpeita palvelevaksi.

Dataa syntyy nykypäivänä todella paljon ja erilaisia suosittuja tilastomalleja ja koneoppimisalgoritmeja löytyy varmasti kymmenittäin. Onkin hyvä ymmärtää, ettei kaikkiin analyyseihin tarvita hienoja tilastollisia malleja ja koneoppimisalgoritmeja, eikä kaikkea saatavilla olevaa dataa tarvitse analysoida. Usein analyysiksi riittää data, joka on visualisoitu helposti ymmärrettävään muotoon. Datan tulee vain olla tarpeeksi monesta kulmasta visualisoitu, jotta analysointi on helppoa ja kivaa. Suosittelenkin tietojohtamista aloittelevan keskittymään perusraporttien ja analyysien parantamiseen sen sijasta, että pyrittäisiin tilastollisen mallin avulla löytämään liiketoiminnan viisasten kivi. Perusidea tietojohtamisen teknisessä totutuksessa on mielestäni se, että tehdään se yksinkertaisesti ja hyvin!

Data- ja analytiikkaratkaisuun tarvitaan yleensä seuraavia konkreettisia peruselementtejä:

  1. Infrastruktuuri (=rauta, tietokone) johon data tallennetaan. Käytännössä tällä tarkoitetaan usein palvelinta ja nykypäivänä vieläpä nimenomaan pilvipalvelinta (pilvipalvelu).
  2. Lähdejärjestelmä data syöttämiseen (input data). Tällainen voi olla esim. yrityksen CRM-järjestellä.
  3. ETL-työkalu, jonka avulla dataa siirretään, muokataan ja ladataan haluttuun muotoon ja paikkaan.
  4. Yrityksen tietovarasto, johon dataa kerätään ja jossa sitä prosessoidaan.
  5. Tietokantahallintajärjestelmä.
  6. Raportointi- ja analytiikka työkalu, jonka avulla data esitetään käyttäjälle, eli ”asiakkaalle”.

Näin onnistut data ja analytiikka -projektissa:

  1. Mieti mitä asioita tietojohtamisen avulla halutaan kehittää.
    1. Esim. välttää asiakkaiden menettäminen tai vaikkapa tarkkailla myytyjen tuotteiden määrä per kuukausi.
  2. Määrittele data ja analytiikka projektin tavoitteet mahdollisimman tarkasti.
  3. Rajaa mitä dataa tietojohtamisessa halutaan käyttää.  
    1. Mieti datatarpeen osalta myös tulevaisuutta. Mille kaikelle datalle voisi olla tarvetta seuraavan viiden vuoden aikana.
  4. Mieti miten data tullaan saamaan tietojohtajan käyttöön.
    1. Esim. alustavat päätökset käytettävistä teknologioista.
  5. Laadi raportit ja analyysit tietotarpeiden pohjalta.
  6. Pohdi käyttövaltuudet ja kirjautumisasiat kuntoon.
  7. Keskustele jatkuvasti käyttäjien kanssa raporttien kehittämisestä.
    1. Käy läpi mikä raporteilla ja analyyseilla toimii ja mikä ei.

Alle olen listannut omasta mielestäni hyviä teknologioita BI-projekteihin liittyen.

Parhaat raportointityökalut:

  1. Microsoft Power BI
  2. Thoughtspot
  3. Qlik
  4. Cognos Analytics

Parhaat analytiikka (tilastotieteeseen) työkalut:

  1. Matlab
  2. SAS
  3. SPSS
  4. R
  5. Python kirjastot

Parhaat tietovarastointi (dw) ohjelmat:

  1. Snowflake
  2. Big query

Parhaat ETL-työkalut:

  1. Mattilion
  2. Informatica

Paras pilvipalvelu tietokannalle:

  1. AWS
  2. Google Cloud Platform (GCP)

Yllä kuvattu yksinkertaiseesti mitä business inteligence (BI) tarkoittaa, ja mitä elementtejä siihen liittyy.

Soita tai laita viestiä, jos tarvitsette tukea datan ja analytiikan kanssa. Laitetaan hommat kuntoon!

Tommi Laine

p. 0403702622

etunimi.sukunimi@softstack.fi

Hiomotie 46 A 12, 00380

Y-tunnus: 2935267-5

+358 40 3702622