Erilaisten digitaalisten järjestelmien kehitys on lisännyt datan määrää räjähdysmäisesti 2010-luvulla. Toiminnanohjaus- ja asiakashallintajärjestelmistä on tullut arkipäivää, samoin verkkokaupoista, mobiililaitteista, sosiaalisesta mediasta, sekä esineiden internetin kautta myös erilaisesta sensoridatasta. Olemme kuitenkin päätyneet tilanteeseen, jossa datan hyödyntäminen on jäänyt datan keruuta vähemmälle huomiolle. Dataa kertyy jatkuvasti enemmän, mutta haasteena on datan saaminen ymmärrettävään muotoon, jotta sitä voidaan käyttää esimerkiksi palvelun parantamiseen tai liiketoiminnan tehostamiseen.
Vastauksena haasteeseen on analytiikka, joka on kehittynyt datamäärien kasvun myötä. Aikaisemmin keskityttiin ymmärtämään sitä, mitä tapahtui. Analytiikan ja datan visualisoinnin avulla pyritään kertomaan ymmärrettävästi, miksi jotain tapahtui. Koneoppimisen ja tekoälyn jatkaessa kehitystään voidaan myös alkaa selvittää mitä jatkossa tulee tapahtumaan, sekä vaikuttamaan tapahtumiin ennakoivasti.
Analytiikan toteuttaminen
Vaikka dataa on saatavilla valtava määrä, vallitsevaa paradigmaa ”mitä enemmän dataa, sitä parempi käsitys on asioista” on kuitenkin hyvä haastaa. Myös datan laadulla on merkitystä. Siksi analytiikkaratkaisua rakentaessa on hyvä heti alussa keskittyä siihen mitä ja miten dataa kerätään, sekä siihen, mikä osa datasta on relevanttia säilyttää. Modernien dashboardien tulisi välittää helpossa muodossa sellainen tieto, joka on päätösten kannalta oleellista tietää. Informaatiotulvassa on helppoa hävittää metsä puilta, jolloin oleellista tietoa ei olekaan enää yksinkertaista hahmottaa.
Tehokas analytiikka tuo esille sellaista tietoa, joka on kohderyhmälle hyödyllistä. Vaikka tietolähteitä olisi useampi, tulosnäkymän tulee olla riittävän selkeä ja mahdollisimman vapaa tulkinnoista.
Analytiikkaa rakentaessa on hyvä myös ottaa huomioon se, että eri aikavälin tavoitteet ovat realistisia. Analytiikka voidaankin mieltää prosessiksi, joka muovautuu datan, sekä tekoälyn tuomien mahdollisuuksien mukana.
Mitä analytiikalla voidaan saavuttaa?
Analytiikka muuttaa ja mullistaa liiketoimintamalleja. Esimerkiksi media-alalla nopeus merkitsee kaikkea: merkittävät uutiset on saatava raportoitua mahdollisimman nopeasti. Haasteen tuo kuitenkin lisääntynyt tieto. Internet on isoin tietoarkisto, jonka ihminen on ikinä luonut ja se kasvaa koko ajan. Mediatalot itsekin luovat ja jakavat tietoa koko ajan enemmän: Esimerkiksi Washington Post julkaisee noin 1000 artikkelia päivässä. Sellaisesta määrästä on mahdotonta ihmisen lukea ja valita tärkeät artikkelit. Saati noin 2 miljoonasta blogipostauksesta, joita julkaistaan internetiin päivittäin. Tekoälyn avulla voidaan prosessoida jopa miljoonia artikkeleita päivässä (usealla eri kielellä) ja siten nopeuttaa tärkeiden tietojen saatavuutta.
Analytiikka mahdollistaa myös nykyisten liiketoimintamallien tehostamisen. Esimerkiksi säätietoja ja paikannusdataa hyödyntämällä voidaan laskea, milloin on optimaalinen tilanne lähettää lumiaurauskalusto auraamaan lunta teiltä. Kun koneoppimisalgoritmi alkaa korjata itseään myös suoraan kalustonkuljettajilta saatavalla palautteella, päästään nopeasti tilanteeseen, jossa saavutetaan merkittäviä liiketoimintahyötyjä sekä parannetaan tienkäyttäjien tyytyväisyyttä tien kuntoon.
Analytiikka mahdollistaa myös täysin uusia tapoja helpottaa ihmisten arkea. Älyn tuominen kaupunkeihin mahdollistaa esimerkiksi liikenneruuhkien vähentämisen, koska ihmiset saavat nopeammin tietää mistä löytyy lähin parkkipaikka. Analytiikka ohjaa ekologisempaan sähkön ja veden käyttöön kertomalla mistä kulutus muodostuu ja millainen oma kulutus on verrattuna esimerkiksi alueen keskikulutukseen. Analytiikka tuo myös turvallisuutta vanhustenhoitoon erilaisten sensoreiden ja liiketunnistimien muodossa.
Artikkeli on julkaistu alunperin Etteplan.com -sivustolla.