Location intelligence: sijaintianalytiikan 5 yleistä haastetta

Sijaintianalytiikkaa (location intelligence) on hyödynnettu jo pitkään monilla toimialoilla, muun muassa logistiikassa ja kaupan alalla reititysten ja toimitusketjujen optimoinnissa sekä toimipaikkasuunnittelussa. Joidenkin yritysten koko liiketoiminta saattaa perustua sijaintianalytiikkaa ja koneoppimista hyödyntäviin reittioptimointimoottoreihin. Samassa tilanteessa ei kuitenkaan olla kaikilla toimialoilla. Mitä ongelmia sijaintianalytiikan hyödyntämiseen tyypillisesti liittyy ja kuinka välttää sudenkuopat?

1. Sijaintianalytiikan potentiaalia ei tunnisteta

Sijaintianalytiikka eli location intelligence on sijaintitiedolla johtamista - edistynyttä analytiikkaa, missä sijainnilla on keskeinen merkitys. Se on myös tärkeä osa modernia tiedolla johtamista.

Sijaintianalytiikan mahdollisuudet ja sen tuomat hyödyt tunnetaan vielä huonosti, ja useissa organisaatioissa sisäinen osaaminen jää vähäiseksi. Voidaankin ehkä sanoa, että sijaintianalytiikka on organisaatioissa alihyödynnetty luonnonvara. 

Kaikki lähtee liikkeelle ymmärryksestä, kuinka sijainti vaikuttaa omaan liiketoimintaan. Kuljetusala on todella aikasidonnaista – jäätelö pitää saada tietyn asteisena kaupan pakastearkkuun asti. Vakuutusalalla taas sijainti vaikuttaa riskeihin. Sijaintianalytiikkaa voidaan hyödyntää esimerkiksi tulva- ja myrskytuhojen arvioinnissa ja ennakoinnissa sekä vakuutusehtojen määrittelyssä vakuutuspaikan sijainnin perusteella.

2. Sijainti jää vain pisteiksi kartalle

Jos sijaintitietoa ei tuoda osaksi yrityksen kokonaisarkkitehtuuria ja yhdistetä muun datan kanssa, jää liiketoimintahyöty olemattomaksi. Osaajat jumittuvat karttojen piirtelyyn, eikä kaikkea sitä mahtavuutta, mitä GIS-tiede on maailmalle tuottanut, hyödynnetä koko potentiaalissaan. 

Kartat ovat siitä erityisiä, että ne ovat kaikille tuttuja. Kartta on tiedon esittämisessä tuttu ympäristö, joka on intuitiivinen monelle ihmiselle. Visualisointi ei kuitenkaan saisi missään tapauksessa olla viimeinen askel.metsa-piste-kartalle

3. Resurssit uupuvat

Vaikka organisaatiossa tunnistettaisiinkin sijaintianalytiikan arvo, ei se aina riitä. Mitä haastavamman ongelman kanssa painitaan, sitä vaikeampi on löytää huippuosaajia juuri oikealla profiililla.

Sijaintianalytiikka on kokonaan oma tieteenalansa ja kokonaisuutensa, joka vaatii sekä laajaa että erittäin spesifiä osaamista – muun muassa kaukokartoituksen, 3D-mallintamisen, geoinformatiikan ja maantieteen sekä menetelmällistä että teknistä osaamista. 

4. Ulkoiset datalähteet jäävät hyödyntämättä

Ulkoisen datan käyttäminen rikastaa yrityksen omista järjestelmistä saatavaa tietoa tehokkaasti. Haasteena on relevanttien ulkoisten datalähteiden löytäminen - ristiretki avoimen ja kaupallisen ulkoisen datan viidakkoon ei ole helppo.

Jos esimerkiksi ruuhkaa ennustetaan vain yrityksen keräämien liikennemäärätietojen valossa, ja jätetään avoin säätietodata hyödyntämättä, ei arviota välttämättä saada kovin tarkaksi. 

💡 Kirjoitin Advianin blogissa jo aiemmin ulkoisen datan hyödyntämisestä.

5. Fokus on peruutuspeilissä

Karttanäkymä metsäpalon tuhoista kertoo vain sen mitä on jo tuhoutunut. Hyödyllisempää on luoda ennustemalli palon leviämisestä ja viedä valmiiksi pureskeltu tieto sammutusyksiköille.

Jos päätöksiä tehdään manuaalisesti tietoa tulkitsemalla, viive datan keräämisestä päätösten toimeenpanoon on suuri.

Näin pääset alkuun - location intelligence osaksi prosesseja

Jos olet vielä alussa sijaintitietojen ja sijaintianalytiikan hyödyntämisessä, miten kannattaa lähteä liikkelle ja mitä se organisaatiolta vaatii? 

1. Käännä katse omaan dataan

Ensimmäinen vaihe on tehdä datainventaario: tunnistetaan omasta datavarannosta tai omasta toiminnasta elementit, jotka ovat sijaintiriippuvaisia.

Mitkä ovat tärkeitä paikkaan sidottuja elementtejä? Missä on tietoa, johon ei vielä ole sidottu sijaintielementtiä, mutta kannattaisi?

2. Visualisoi ja ideoi

Jos mitään sijaintianalytiikkaa ei ole vielä käytössä, kannattaa aloittaa hahmottelemalla asioita kartalle. Verrattuna esimerkiksi taulukon tuijottamiseen, visualisointi auttaa hahmottamaan paremmin, mistä datassa on kyse. Aiemmin näkymättömissä piilleitä yhteyksiä eri tekijöiden välillä nousee esiin - minkä tyyppistä ulkoista dataa tarvitsemme lisää?

Kuten aiemmin mainitsin, karttojen piirtelyyn ei kuitenkaan saa jumittua, sillä tämä on vasta alkuvaihe analytiikan rakentamisessa.

kumpi sijaintititeto

3. Määrittele tavoitteet

Usein vaikeimmin hallittava asia on kuitenkin kyky ymmärtää liiketoimintaa: miksi dataa kerätään ja mitä analytiikalla tavoitellaan? Viiden vuoden päähän ylettyvää tiekarttaa ei välttämättä ole tarpeen hahmotella, ellei liiketoiminta sitä vaadi. On järkevää tarttua ensin merkityksellisempiin toimenpiteisiin, ja vasta sen jälkeen optimoida tarkempia yksityiskohtia.

Ehkäpä kuitenkin näet jo sijaintianalytiikan mahdollisuudet liiketoiminnallesi, mutta et vielä hahmota konkreettisia hyödyntämiskeinoja tai osaa priorisoida kehitystyötä? Tutustu alta Location Intelligence Innovation -työpajaamme. 👇 Työpaja sopii erityisen hyvin organisaatioille, jotka ovat jo pitkällä tiedolla johtamisessa, mutta eivät vielä juurikaan hyödynnä sijaintitietoa analytiikassaan. Lopputuloksena saat konkreettisen ja kohdittain perustellun näkemyksen hedelmällisimmistä sijaintianalytiikkaan liittyvistä kehityskohteista.

Location Intelligence Innovation -työpaja

4. Ota mukaan ulkoinen data

Nyt päästäänkin sijaintianalytiikan ytimeen: sijaintitieto on kuin teippi, jonka avulla yrityksen oma data liimataan ulkoiseen dataan. Kahden tietolähteen sijaintitietoja vertailemalla ja suhteuttamalla voidaan lähteet yhdistää myös ilman yhteisiä muuttujia.

Mitä ulkoista dataa tarvitsen? Kuinka saavutettavaa himoitsemani data on? Onko se maksumuurin tai rekisteröitymisen takana, vaiko täysin vapaata riistaa? Millä resoluutiolla, ajallisella tai alueellisella, tarvitsen tietoa?

Tässä vaiheessa voi olla järkevää etsiä apua ulkopuolelta, ellei geoinformaatikkoa tai sijaintianalytiikan osaajia omasta talosta löydy.

 

5. Vain taivas rajana - mutta jalat maassa

Kun tästä edetään, jos oma toiminta sitä vaatii, edellyttää tai se on järkevää, siirrytään automaatioon, reitityksiin, ennustamiseen ja muihin edistyneempiin ratkaisuihin. Ratkaisun laajuus riippuukin omasta toimialasta ja toiminnan skaalasta. Kuinka pitkälle ratkaisu kannattaa viedä? Kerralla ei kannata haukata liian suurta palaa. 

Sijaintianalytiikka ei ole kertaluontoinen projekti, vaan osa jatkuvaa liiketoiminnan kehittämistä - siis liiketoimintalähtöistä analytiikkaa. Tuloksiin päästään, kun kokeilee ketterästi, uskaltaa epäonnistua, oppia virheistään, sekä skaalata onnistumiset liiketoimintaan - osaksi prosesseja ja palveluita.

New call-to-action

Haluaisitko keskustella aiheesta lisää? Varaa tästä online-tapaaminen asiantuntijamme kanssa 👇

 

 

Avainsanat: Sijaintitieto, Analytiikka, Tiedolla johtaminen, Edistynyt analytiikka

Advian

Kirjoittaja:Advian

TILAA TUOREET ARTIKKELIT

Opi rakentamaan epäreilua kilpailuetua tiedolla johtamisella ja sijaintitiedolla.

Uudet blogiartikkelit sähköpostiisi heti julkaisupäivänä:

Ratkaisut

Valikoituja näytteitä tiedoistamme ja taidoistamme