noun_Email_707352 noun_917542_cc Map point Play Untitled Retweet Group 3 Fill 1

Kilpailuetua analytiikkastrategian pehmeillä puolilla

Ilman muutosta yrityskulttuurissa analytiikka jää yksittäisten projektien varaan.

Mirva Toivonen / 29. tammikuuta, 2021

Analytiikkastrategiaa tarvitaan, jotta datalla saadaan luotua sitä kaikkien metsästämää kilpailuetua. Analytiikkastrategian tuominen arkeen vaatii kuitenkin kulttuurimuutosta.

Karkeasti jaoteltuna analytiikkastrategiassa on viisi suurehkoa koria, joista jokainen vaatii huomiota:

  • datainfrastruktuuri
  • datastrategia
  • data governance ja datan laatu eli data on saatavilla kaikille ja helposti hyödynnettävässä muodossa
  • ihmisten ja osaamisten haaliminen
  • yksittäisten analytiikan työkalujen ja ratkaisujen rakentaminen.

Datan ja analytiikan hyödyntämiselle on yleensä johdon tuki, sillä kukapa ei haluaisi kasvattaa liikevaihtoa tai optimoida prosesseja?

Vaikeuksia voi kuitenkin aiheuttaa yrityksen sisäinen muutos, jota analytiikkastrategian läpivieminen vaatii. Siksi ottaisin strategiaan mukaan ylläolevien asioiden lisäksi myös pehmeämpiä, vaikeammin toteutettavia ja mitattavia asioita kuten merkittävän muutosprosessin läpiviemisen sekä analytiikalle suotuisan yrityskulttuurin rakentamisen.

Kutsun näitä analytiikkastrategian pehmeiksi puoliksi ja ne ovat keskeinen osa onnistunutta ja loppuun asti vietyä analytiikkastrategiaa.

Analytiikkastrategia vaatii kulttuurimuutosta

Ilman muutosta yrityskulttuurissa analytiikka jää yksittäisten projektien varaan ja kestävä kilpailuetu jää saavuttamatta. Analytiikalle suotuisan yrityskulttuurin tarkoitus on muuttaa yrityksessä työskentelevien ihmisten ajattelua ja tapaa toimia, mikä tuo kestävää kilpailuetua.

Usein kuitenkin kestävän muutoksen tiellä on muutamia yleisiä ongelmia.

Analytiikassa on kyse liiketoimintaprosessien kipupisteiden tunnistamisesta ja korjaamisesta, joka edellyttää syvää liiketoimintaymmärrystä ja kykyä tunnistaa analytiikan sovelluskohteet. Dataa on olemassa, mutta ei ole tietoa miten sitä voi hyödyntää liiketoiminnan kehittämisessä. Esimerkiksi, yritykselle voi olla epäselvää mitä ja miten tietoa asiakkaista ja heidän palvelukokemuksistaan voitaisiin systemaattisesti kerätä ja yhdistellä, sekä miten tätä tietoa aktivoidaan vahvojen asiakassuhteiden luomiseksi.

Muutamia yleisiä syitä tähän ovat yleensä resurssien vähäisyys datan hyödyntämisen projekteihin, datalukutaitoa ei vielä mielletä osaksi liiketoimintaosaamista, tai analytiikkaan liittyvät työkalut ovat uusia eikä niitä osata käyttää.

Kuinka sitten varmistaa, että analytiikkastrategia ei jää pelkäksi paperiksi?

5+1 vinkkiä analytiikkastrategian tuomiseksi arkeen

Analytiikan haltuunotto on muutosprosessi. Kestävää muutosta saadaan pitkäjänteisellä työllä, joka alkaa yksittäisistä kokeiluista ja laajenee sitten uudeksi tavaksi toimia ja ajatella. Näillä vinkeillä varmistat kestävän muutosprosessin:

1) Varmista ylimmän johdon tuki: analytiikka on mukana ylimmässä johdossa, sillä on strategia ja sitä mitataan samalla tavalla kuin muitakin tuottoja ja kuluja. Johdolla on suunnitelma siitä, miten muutosprosessi viedään läpi. Analytiikka ei ole IT-projekti tai -osasto, vaan analytiikkalähtöinen ajattelu ja toiminta on kaikkien vastuulla.

2) Aikaa ja resursseja varataan myös analytiikan mahdollistamiseen: tarvitaan hyvät datatuotteet. Data löydetään helposti, se on ymmärrettävässä muodossa ja sitä pystytään validoimaan. Data ja analytiikka on kaikkien saatavilla ja sitä toteutetaan moniosaajatiimeissä siilojen sijasta.

3) Kirkasta visio: varmista esimiesten ja projektipäälliköiden ymmärrys analytiikasta sekä sitouta heitä analytiikan hyödyntämiseen! Halutaanko dataa käyttää a) priorisoimaan tekemisiä, b) kasvattamaan liikevaihtoa, c) edistämään asiakastyytyväisyyttä vai johonkin muuhun ja tiedetäänkö, miten näitä edistetään analytiikan avulla?

4) Tiedon keräily ja yksittäiset kokeilut: analytiikalle suotuisan yrityskulttuurin kasvattaminen alkaa yksittäisistä kokeilusta ja tiedon keräilyvaiheesta. Yksittäisistä kokeiluista saadaan konkreettisia esimerkkejä mitä datalla voi tehdä. Kokeilut mahdollistavat myös epäonnistumisista oppimisen. Tässä kohtaa saatetaan huomata, että perusteet eivät ole kunnossa ja niitä pitää viilata. Muutamista kokeiluista poikii uusia projekteja, kun henkilökunta oppii hahmottamaan miten dataa voi hyödyntää.

5) Toiminnan kehittäminen ja tiedon jakaminen: yrityksen toiminta ja rakenteet alkavat muuttua. Järjestelmät ja prosessit mittaavat systemaattisesti oikeita asioita. Kaikki analytiikka laitetaan takaisin kiertoon läpinäkyvästi osaksi prosesseja - ei omia excel-analyyseja omalla koneella tai levyn kulmalla. Kehittämistä ei tehdä siiloissa vaan läpileikkaavasti koko organisaatiossa. Mikäli jossakin osassa organisaatiota ollaan pidemmällä datan hyödyntämisessä, tulisi sieltä siirtää ihmisiä muihin yksiköihin jakamaan tietoa.

+1) Uudistu ja uudista jatkuvasti: teknologia ja ala kehittyy hurjaa vauhtia, joten jatkuva uudistuminen on tärkeää. Vauhdissa mukana pysymisessä kannattaa mahdollistaa ulkopuolinen näkemys hyödyntämällä kumppaneiden erityisosaamista. Mikäli projekteissa hyödynnetään kumppaneita, pidä huoli että tietoa ja osaamista jaetaan projektin aikana.

Kulttuurimuutokseen tarvitaan siis investointeja, henkilökunnan koulutuksia, sekä pilottiprojekteja, joissa osaaminen ja tieto jaetaan läpileikkaavasti koko organisaatiolle.

Tavoitteena on, että analytiikan hyödyntämisestä tulee rutiini ja uusi kehittämisen tapa.

Quote from Mike Grisby: "Analytics without application to an actionable strategy is meaningless, much like special effects in a movie without a plot."

Photo by John Ruddock on Unsplash Universal Studios Hollywood, Universal City, United States. The climactic scene from Universal Studios Hollywood’s “Waterworld” show.

Kaipaatko vertaistukea dataohjatun bisneksen rakentamiseen?

Me TietoEVRYllä haluamme jatkaa datasta keskustelemista ja nostaa esiin mielenkiintoisia ilmiöitä ja aiheita liittyen dataan konkreettisena liiketoiminnan ajurina. Liittymällä Data insiders -yhteisöön saat ensimmäisenä tiedon parhaista data-aiheista, suoraan sähköpostiisi.

Mirva Toivonen
Data Scientist

Mirva works as a data professional doing hands-on consulting in data activation. Mirva's expertise is to build strong customer relationships and maximize sales through analytics. Currently, she is working in the customer experience analytics domain doing predictive analytics for customer journeys and marketing automation.

Haluatko kuulla lisää?

Mirva Toivonen

Data Scientist

Jaa Facebookissa Jaa Twitterissä Jaa LinkedInissä