Kerää, rikasta, hyödynnä ja hallitse

Aiemmassa kirjoituksessa käsiteltiin yritysten askelia kohti kognitiivista liiketoimintaa ja perusasioiden huomioimisen merkitystä (http://kasvuntekijat.fi/kognitiivinen-liiketoiminta-vaatii-ensin-perustan-kuntoon/). Mutta miksi matkalle ylipäänsä pitäisi lähteä? Ja mikä yritystä polun varrella odottaa?

Liiketoiminnan tuottamasta lisäarvosta yhä suurempi osa perustuu digitaalisessa muodossa olevaan tietoon ja sen käsittelyyn. Osuus vaihtelee toimialoittain, mutta kasvutrendi vaikuttaa kaikkiin. Tietointensiivisyys aiheuttaa sen, että pienikin kyvykkyyden kasvu yrityksen tiedonkäsittelyssä antaa sille merkittävän kilpailuedun. Tämä johtuu siitä, että kyvykkyyshyöty kertautuu, eli se pitää kertoa sähköisten tapahtumien lukumäärällä. Digitaalisen talouden voittajat voi tunnistaa transaktion keskikustannuksesta, joten on juostava pysyäkseen paikallaan.

 

working women hand writing

 

Datasta liiketoimintahyötyyn neljässä vaiheessa

Polku datasta liiketoimintahyödyksi voidaan jakaa karkeasti neljään osaan: datan keräämiseen, rikastamiseen, hyödyntämiseen ja hallinnointiin. Jokaista vaihetta tulisi kehittää niin, että tavoiteltu kyvykkyystaso ja kehityspanokset ovat oikeassa suhteessa oman toimialan tietointensiivisyyden kasvunopeuteen, kilpailutilanteeseen ja ulkoisiin vaatimuksiin.

Aloitetaan matka datan keräämisestä. Paperisia ja sähköisiä lomakkeita käytetään yhä paljon, mutta manuaalista tiedon syöttämistä pyritään välttämään. Tietoa on jo mahdollista tunnistaa eri esitysmuodoista ja luokitellakin koneellisesti. Kun rakenteeton data saadaan rakenteelliseen muotoon, helpottaa se jatkokäsittelyä. Seuraavalla kyvykkyystasolla yritys ei enää odota passiivisena, vaan louhii tietoa suoraan sen alkulähteiltä. Kuvailevan analytiikan keinoin siitä muodostuu johdonmukainen näkymä jo tapahtuneeseen. Silloin, kun on kyse todella suurista tietomääristä, kuten anturien jatkuvasta mittausdatasta, puhutaan yleensä Big Datasta.

 

Datan rikastaminen ja hyödyntäminen

Tieto menneestä on arvokasta, mutta lisäarvoa datasta saadaan vasta rikastamalla. Kaikki data ei tietenkään ole hyödyllistä, joten oikeellisuus on ensin syytä todentaa ja merkitys liiketoiminnalle arvioida. Todennettua ja kelpoistettua dataa voidaan sen jälkeen yhteisöllisesti jalostaa. Asiantuntijoiden käsittelyssä se pyritään muuntamaan yrityksen aineettomaksi pääomaksi. Ja mikäli data ei ole satunnaista, diagnosoinnin ja ennustavan analytiikan avulla voidaan löytää algoritmeja, joiden ennustavaa voimaa yritys tarvitsee päätöksenteon tueksi. Kun päästään ihmisen käsittelykyvyn rajoille, algoritmien rikastamista jatketaan koneoppisen menetelmin.

Esimerkkejä rikastetun tiedon hyödyntämisestä ovat asiantuntijan tekemä päätös tai jonkin teollisen prosessin ohjaus. Se, miten tietoa hyödynnetään, riippuu toki paljon toimialasta. Usein työ vaatii useamman toimijan ja määritellyn työnkulun. Asianhallinnan järjestelmässä liiketoimintaprosessia voidaan vielä tehokkaammin mallintaa, osittaa ja hallita. Yksinkertaiset osarutiinit automatisoidaan joko ohjelmallisesti tai antamalla työ robotin tehtäväksi. Asiantuntijatyössä automaatioasteen nostamista on hankalampaa, mutta mahdollista, kunhan työn osittelu ja datan rikastaminen on onnistunut. Ennustavaa voimaa omaavasta rikkaasta algoritmista ei ole enää pitkä matka itsenäisiä päätöksiä tekevään tekoälyyn.

 

Business screen stock exchange data graph background

 

Hallitse dataa

Digitaalisessa muodossa olevaa dataa tulee myös hallita. Vähintään tarvitaan jonkinlainen tietovarasto tai tietokanta. Sisällönhallinnasta yleensä puhutaan vasta, kun tietoon on liitetty sitä kuvailevaan tietoa eli metadataa. Yhteiskunnallisesti tietointensiivisyys näkyy myös uusina lakivaatimuksina ja määräyksinä. Julkisella sektorilla Suomessa asiakirjallisen tiedon elinkaaren hallinta pitäisi jo olla arkipäivää tiedonohjaussuunnitelmineen ja -järjestelmineen. Kokonaan oma maailmansa on Big Datan ja neuroverkkojen hallinnointi, mikä edellyttää hyvin erilaista lähestymistapaa.

Kyvykkäässä prosessissa suuret tietomassat siis jalostuvat hallitusti rikkaiksi algoritmeiksi, joiden ennustava voima ohjaa yrityksen liiketoimintaprosesseja ja päätöksentekoa. Kun teknologia väistämättä vielä kehittyy, nousu yhä korkeammalle kyvykkyystasolle mahdollistuu ja kognitiivinen liiketoiminta mullistaa kokonaisia toimialoja.

 

Blogitekstin ovat kirjoittaneet Elinarin laatupäällikkö Mika Suominen ja markkinointipäällikkö Jani Wahlman.