Analytiikkaa, liiketoimintaa vai sovelluskehitystä?

Data Science on ohjelmistokehittäjien ja konsulttien hallitsemaa ilmatilaa

LinkedIniä seuraamalla voisi helposti ajatella että kotimaassa pääasiassa suuremmat konsulttiyritykset ja muut ohjelmistokehittäjät tekevät analytiikkaa, mutta todellisuudessa sitä tietysti tehdään eri organisaatioissa eri lähtökohdista.

Isommat ei-ohjelmistokehitysorientoituneet organisaatiot ovat saattaneet jo vuosia sitten hankkia
SAS tai SPSS Modeler - ohjelmistoja, joilla liiketoimintalähtöiset data-analyytikot ovat tehneet
analytiikkaprosessejaan. Pankit, vakuutusyhtiöt, julkaisijat sekä teleoperaattorit ovat tällaisia perinteisten analytiikka-alustojen käyttäjiä.

Ohjelmistokehittäjillä ja meillä konsulteilla on työkalupakki yleensä laajempi, mutta olemme kauempana liiketoiminnan käytännöistä. Oman kokemukseni mukaan taloudellisen mallin rakentaminen osaksi analytiikan tulosten arviointia saa paremman vastaanoton, kuin pelkkien
tulosten esittely ilman tuollaista sidosta.

Mitä on analytiikka?

Analytiikka on oikeastaan liiketoiminnan kehittämisen ja johtamisen apuväline, joka eroaa perinteisestä  operatiivisesta tai strategisesta raportoinnista siinä että erilaisia mitattujen ilmiöiden
vaikutussuhteita ja ennusteita pyritään tuottamaan algoritmien avulla. Datavisualisointi on taas luonteeltaan erilaisten ilmiöiden tarkastelua ihmisten oman havainto - ja jäsennyskyvyn asettamissa rajoissa.

Tilastotieteessä ja sen sovellusalueissa eri tieteissä oletetaan useimmiten taustalle joku satunnaisprosessi, jonka parametrit ovat tiedossa mutta jonka arvot pyritään datasta estimoimaan. Tai parametrit ovat satunnaismuuttujia, jos asiaa lähestystään bayesilaisen tradition näkökulmasta.

Liiketoiminnan data-analytiikka taas kokoaa yhteen työkaluja tietojenkäsittelytieteestä, tilastotieteestä ja sovelletusta matematiikasta. Tarkoitus ei ole tehdä tiedettä vaan tuottaa käyttäjäorganisaatiolle taloudellista hyötyä, joten metodologian kohdalla ei yleensä olla sitoutuneita johonkin yksittäiseen lähestymistapaan.

Datan ja liiketoiminnan vuoropuhelu

Organisaatioilla on dataa eri muodoissa, eri määriä ja syntyen eri liiketoimintaprosessien seurauksena. Joissain tilanteissa ulkoisten datalähteiden hyödyntäminen on tärkeässä roolissa, esimerkkinä nyt vaikkapa luotonanto jossa hyödynnetään luottotietorekisterien pitäjien datoja.

Ehkä tärkein asia analytiikan tekemisessä on se, että liiketoiminnallinen ongelma on ymmärretty ja tiedetään mitä lähdetään tavoittelemaan.

Asiantuntija, joko organisaation oma tai ulkopuolinen, pystyy arvioimaan miten käytettävissä oleva data kelpaa liiketoiminnallisen ongelman ratkaisemiseen.

Integraatiota ja perspiraatiota

Iso osa työstä on datan kanssa painimista, ekonomisteilla on vitsi että data tunnustaa kunhan sitä
kiduttaa riittävän pitkään ja se taitaa joskus pitää paikkansa.

Varaudu kehittäjänä siihen että inspiraation ja perspiraation suhteet voivat olla vääristyneet suhteessa omaan käsitykseesi työkuvasi sisällöstä.

Lisää ajankohtaisia julkaisuja:

Avoimen datan hyödyntäminen automaattisesti Power BI:tä käyttäen
Tutustu tarinaan
Onko tekoälyn hyödyntämisestä vielä(kään) konkreettista hyötyä kilpailukyvylle?
Jo vuosia on puhuttu, että tekoälyn (AI) hyödyntäminen mullistaisi teollisen tuotannon ja palvelut lisäämällä tehokkuutta ja tuottavuutta. Missä ne konkreettiset hyödyntämismahdollisuudet sitten oikein piilevät?
Tutustu tarinaan
Johdatko toimintaasi tietoon perustuen?
Tutustu tarinaan
The effect of preconceptions on the results of machine learning
The use of machine learning and artificial intelligence offers many possibilities, such as the improvement of medical treatment and diagnosis, identifying potential safety hazards, and advancing scientific research. However, when used inappropriately, data models can also perpetuate inequality or cause people and companies to focus on improving metrics to the detriment of actual performance.
Tutustu tarinaan
Organisaation hierarkian hallintaratkaisu Microsoft Power Platformia hyödyntäen 
Yleinen tilanne varsinkin suuremmissa yrityksissä on se, että olemassa olevat ERP-, henkilöstö- taikka taloushallinnon ohjelmistot tarjoavat mahdollisuuksia hierarkioiden luomiseen ja ylläpitämiseen. Mutta entä jos valmiit ratkaisut eivät tue yrityksen tarvetta, taikka toimivat turhan kankeasti käyttötarkoitukseen?
Tutustu tarinaan

Lisää ajankohtaisia julkaisuja:

Avoimen datan hyödyntäminen automaattisesti Power BI:tä käyttäen
Tutustu tarinaan
Onko tekoälyn hyödyntämisestä vielä(kään) konkreettista hyötyä kilpailukyvylle?
Jo vuosia on puhuttu, että tekoälyn (AI) hyödyntäminen mullistaisi teollisen tuotannon ja palvelut lisäämällä tehokkuutta ja tuottavuutta. Missä ne konkreettiset hyödyntämismahdollisuudet sitten oikein piilevät?
Tutustu tarinaan
Johdatko toimintaasi tietoon perustuen?
Tutustu tarinaan
The effect of preconceptions on the results of machine learning
The use of machine learning and artificial intelligence offers many possibilities, such as the improvement of medical treatment and diagnosis, identifying potential safety hazards, and advancing scientific research. However, when used inappropriately, data models can also perpetuate inequality or cause people and companies to focus on improving metrics to the detriment of actual performance.
Tutustu tarinaan
Organisaation hierarkian hallintaratkaisu Microsoft Power Platformia hyödyntäen 
Yleinen tilanne varsinkin suuremmissa yrityksissä on se, että olemassa olevat ERP-, henkilöstö- taikka taloushallinnon ohjelmistot tarjoavat mahdollisuuksia hierarkioiden luomiseen ja ylläpitämiseen. Mutta entä jos valmiit ratkaisut eivät tue yrityksen tarvetta, taikka toimivat turhan kankeasti käyttötarkoitukseen?
Tutustu tarinaan