Mitä on tiedolla johtaminen?

Tiedolla johtaminen tarkoittaa yksinkertaisesti oikeaan tietoon perustuvaa päätöksentekoa, jossa oikea tieto saadaan dataa analysoimalla. Päätöksenteko voi olla strategista, taktista tai operatiivista, ja usein operatiivinen päätöksenteko on pitkälle automatisoitua.
Miten tiedolla johtaminen auttaa synnyttämään parempaa liiketoimintaa, mitä se vaatii ja kuinka pääsen alkuun? Tämän sivun luettuasi tiedät – varaa siis aikaa noin 15 minuuttia, ota mukava asento ja aloita selailu!

Vinkki kiireisimmille ja tiedonjanoisimmille: sivun vasemmassa reunassa mukanasi kulkee sisällysluettelo, josta pääset navigoimaan suoraan sinua kiinnostavaan kappaleeseen. 👀

Mitä tiedolla johtaminen ei tarkoita (vaikka niin usein luullaankin)?

Tiedolla johtaminen määritellään edelleen turhan heppoisesti päätöksenteon tukijärjestelmien – raporttien ja dashboardien – tuottamaan tietoon perustuvaksi päätöksenteoksi. Tämän määritelmän mukaan edistynyt analytiikka olisi jotain, joka tulee tiedolla johtamisen lisänä.

Kun tiedolla johtaminen määritellään raportteina ja dashboardeina, haasteena on ennen kaikkea näkökulma: katse on peruutuspeilissä, ja diagnostiikka antaa syyn ainoastaan sille, miksi joku tapahtui jo. Yleisesti ottaen on turhaa tehdä näyttäviä ohjausliikkeitä, kun mopo kurlaa jo ojassa.

Entäpä jos näkökulman voisikin kääntää tulevaisuuteen: mitä sellaista analytiikka meille kertoo, josta voisimme oppia ja ennustaa toimenpiteiden ja tapahtumien vaikutuksia? 

Meille tiedolla johtaminen pitää sisällään kaiken analytiikan ja tekoälyn.

Analytiikalla tarkoitetaan datan analysointia jonkin kysymyksen ratkaisemiseksi. Tekoäly puolestaan voidaan määritellä koneoppimiseen perustuvaksi analytiikaksi yhdistettynä automaatioon.

Meille ei siis ole olemassa sellaista tiedolla johtamista, jonka lisäksi tarvitaan jotakin analytiikkaa tai tekoälyä.

advian-tiedolla-johtaminen-opas_A

Miksi tiedolla johtamisella syntyy parempaa liiketoimintaa?

Hyöty liiketoiminnalle yksinkertaisuudessaan löytyy jo termin nimestä: tiedolla johtaminen vie liiketoiminnan pois luulolla johtamisesta.

Tiedolla johdettu liiketoiminta ja sen kehittäminen eivät siis perustu arvaukseen, tuuriin tai mielipiteisiin, vaan taustalla on aina dataa ja siitä saatavaa informaatiota jalostettuna ymmärrykseksi, johon päätöksenteko perustuu.

Kaikki liiketoiminta on lopulta inhimillistä, ja sen ansiosta kiusaus tehdä päätös tunteella on suuri. Kun liiketoiminnan taustalla on oikea historiatieto ja ymmärrys siitä, mikä on toiminut ja mikä ei, ohjautuu päätöksenteko tunnepohjaisesta faktapohjaiseen.

Sen myötä myös päätösten osumatarkkuus parantuu, ja liiketoiminnasta tulee tuloksellisempaa.

Katso videosarja | Modernin tiedolla johtamisen kulmakivet

Katse horisontissa

Kun päätöksenteko on reaaliaikaista ja tulevaisuuteen katsovaa silkan ad hoc -reagoinnin sijaan, liiketoiminnan näkökulma vaihtuu peruutuspeilistä kristallipalloon.

Esimerkiksi sen sijaan, että katseltaisiin karttakuvaa siitä missä huoltomiehet milloinkin menevät, voitaisiin edistyneen sijaintitietoanalytiikan avulla optimoida huoltokohteet automaattisesti.

Oikeaa tietoa, fiksumpia päätöksiä

Tiedolla johtaminen tuo siis relevantin tiedon oikeaan aikaan oikeisiin prosessin kohtiin, ja sen myötä parempia päätöksiä liiketoiminnan kehittämiseen.

Päätöksentekijä voi olla ihminen tai kone. Tiedolla johtaminen voi tarjota liiketoiminnalle esimerkiksi lisämyyntimahdollisuuksia, tehostaa prosesseja, luoda kokonaan uusia liiketoimintamahdollisuuksia ja tuoda huomattavia säästöjä.

Esimerkki: parempia asiakaskokemuksia

Jos asiakaspalvelija ei edes tiedä, että asiakas on tyytymätön, miten voidaan estää asiakkuuden menettäminen?

Kun käytännön työssä tapahtuva päätöksenteko ryyditetään edistyneellä analytiikalla, on helppoa valita juuri oikeat toimenpiteet ja sanat, ja sen myötä asiakastyytyväisyys – ja myynti – kasvavat.

Perinteisen tiedolla johtamisen ongelmat

Tiedolla johtaminen mahdollistaa monenlaisia mullistuksia liiketoimintaan, mutta väärin käytettynä (tai oikeammin väärin ymmärrettynä) hyödyt jäävät keräämättä.
Tässä muutama esimerkki kompastuskivistä, jotka saattavat johdattaa tiedolla johtamisen harhapoluille:

Data on vanhentunutta, ja sitä tarkastellaan liian harvakseltaan.

Jos esimerkiksi ainoa analytiikka myyntitilanteesta on kerran kuussa saatavat toteumaraportit, on nopea reagointi muutoksiin mahdotonta ja tulevan ennustaminen pitkälti arvailua.

Kerättyä dataa ei hyödynnetä johtamiseen, vaan pelkkien dashboardien askartelemiseen.

Jos dashboardeja luodaan ainoastaan siksi, että saadaan tehtyä datasta kaunis visualisointi, jää datan hyödyntäminen tiedolla johtamisessa kovin ohueksi.

Päätökset tekee ihminen silloinkin, kun se ei olisi aidosti järkevää.

Yllättävän monessa tilanteessa koneen kyky tehdä päätöksiä peittoaa inhimilliset taidot – ja silti yllättävän monessa tilanteessa ihminen on kuitenkin vielä painamassa OK-nappia.

Jostain syystä ihmisen tekemät virheet, joita jatkuvasti tapahtuu, hyväksytään, mutta kone ei saisi tehdä virhettä koskaan.

Vain sisäistä dataa käytetään aktiivisesti, ja ulkoinen ja avoin data jäävät hyödyntämättä.

Avoimen datan käyttäminen rikastaa yrityksen omista järjestelmistä saatavaa tietoa tehokkaasti.

Jos esimerkiksi liikenneruuhkaa ennustetaan vain yrityksen keräämien liikennemäärätietojen valossa, ja jätetään avoin säätietodata hyödyntämättä, ei arvio välttämättä ole kovin tarkka.

Fokus on kristallipallon sijaan peruutuspeilissä.

Karttanäkymä metsäpalon tuhoista kertoo vain sen mitä on jo tuhoutunut.

Hyödyllisempää on tuottaa ennustemalli palon leviämisestä ja viedä valmiiksi pureskeltu tieto sammutusyksiköille.

Modernin tiedolla johtamisen kulmakivet

Mitä moderni tiedolla johtaminen sitten tarkoittaa – mitä uutta keinovalikoimaan on tuotu vanhojen kompastuskivien väistämiseksi?
Meidän näkemyksemme mukaan moderni tiedolla johtaminen tarkoittaa kaikkea analytiikkaa – aina preskriptiiviseen, optimaalisia toimintatapoja ennustavaan analytiikkaan saakka.
🎥 Tutustu myös Resurssit-sivuumme, josta löydät paljon hyödyllistä materiaalia tiedolla johtamisesta, analytiikasta ja liiketoiminnan päätöksenteon kehittämisestä.

Katse tulevaisuuteen ennakoivalla analytiikalla

Ennakoiva analytiikka tarkoittaa historiadataan perustuvia ennustemalleja. Ennakoiva analytiikka kertoo sen, mitä tulee tapahtumaan.

Jos käytetään esimerkkinä HR-analytiikkaa, ennakoivalla analytiikalla voidaan arvioida – toki datan laadusta riippuen, mutta usein hyvinkin tarkasti – miten sairauspoissaolot kehittyvät tänä tai ensi vuonna. Perinteinen analytiikka kertoo korkeintaan poissaolojen määrän ja syyt poissaoloille tähän hetkeen asti.

Toinen ennakoivan analytiikan esimerkki liikennepuolelta: kuluttajaa tuskin kiinnostaa kokonaisnäkymä junaliikenteestä silloin, kun hän odottelee asemalaiturilla talvipakkasella nappakengissä varpaitaan kipristellen ja takaraivossa jyskyttää ajatus siitä kuinka monessa minuutissa Pasilan asemalta pystyy juoksemaan asiakkaan toimistolle. Hän ei halua nähdä junia kartalla, vaan saada tarkan ja luotettavan oman junansa tuloajan ja tiedon siitä milloin juna on Pasilassa.

Ennakoiva analytiikka auttaa: algoritmi osaa ottaa huomioon vallitsevan junaliikenteen tilanteen, sääolosuhteet ja muut tekijät, ja pystyy antamaan tarkan arvion saapumisajasta.

Uudet koneoppimisen menetelmät päätöksenteon tukena

Koneoppiminen on analytiikan menetelmä, tai oikeammin joukko menetelmiä, jossa analytiikka toteutetaan antamalla koneelle kaikki tarpeellinen aineisto ja käskemällä sitä itse keksimään paras tapa vastata annettuun kysymykseen. Tällöin kone oppii tunnistamaan kysymyksen kannalta merkittäviä malleja ilman, että niitä ohjelmoidaan erikseen silloin kun ongelma on kohtuuttoman monimutkainen tai työläs ihmisen määriteltäväksi.

Koneoppimiseen perustuva tekoäly mahdollistaa entistä tarkemman ja pitkälle automatisoidun päätöksenteon. Esimerkiksi kuvantunnistus, äänentunnistus ja tekstianalytiikka voivat auttaa päätöksenteon tehostamisessa ja automatisoimisessa.

Yksi kiinnostavimmita uusista teknologiatrendeistä on Edge AI, joka tarkoittaa reunalaskennan ja AI:n eli tekoälyn yhdistelmää: tekoäly prosessoi dataa mahdollisimman lähellä datan lähdettä, joko suoraan laitteessa tai lähellä laitetta sijaitsevassa palvelimessa. Laite pystyy suorittamaan analyysin ja tekemään itsenäisiä päätöksiä millisekunneissa ilman, että sen tarvitsee olla yhteydessä internetiin tai pilveen. Edge AI:n hyödyntämismahdollisuuksia on lähes rajattomasti. 

Koneoppimiseen perustuvalla mallilla voidaan suhteellisen yksinkertaisesti nopeuttaa esimerkiksi tiettyjen vakuutuspäätösten tekemistä. Kone voidaan opettaa tunnistamaan kuvasta vaikkapa onko tuulilasi rikki vai ei, lukemaan auton rekisterinumeron ja näiden tietojen perusteella valmistelemaan vakuutuspäätökselle pohjan.

Sijaintitieto hyötykäyttöön

Sijainti itsessään on vain kolme attribuuttia muiden joukossa, mutta oikein hyödynnettynä sijaintitiedolla pystytään rikastamaan monenlaista dataa ja saamaan uusia ulottuvuuksia analytiikkaan. Itse asiassa lähes kaikkiin dataelementteihin liittyy sijaintitietoa, jossa piilee huima potentiaali liiketoiminnan kehittämiselle.

Kun sijaintitieto saadaan mukaan tiedolla johtamisen kokonaisuuteen, saadaan samalla myös huomattavasti parempi ymmärrys siitä, mitä ja missä on oikeasti tapahtunut ja kuinka asioita voitaisiin ennakoida jatkossa.

Esimerkiksi huoltotarpeen ennustaminen ja huoltokäyntien optimointi sijaintitiedolla rikastettua huoltokohdedataa analysoimalla säästää polttoainetta, aikaa ja henkilökunnan hermoja. Miten huoltokäynnit optimoidaan? Voisiko samalla käyntikerralla hoitaa useamman lähialueen kohteen ennakoivasti?

Lue lisää sijaintitiedosta ja sijaintianalytiikasta täältä.

Tehokkuutta prosesseihin edistyneellä analytiikalla ja automatisoidulla päätöksenteolla

Edistyneeksi analytiikaksi kutsutaan kaikkea sitä analytiikkaa, joka on edistyneempää kuin perinteinen ”peruutuspeiliin katsominen”.

Edistynyt analytiikka ei siis ole yksi tiedolla johtamisen lisäosa, vaan oikeastaan se runko, jonka ympärille tiedolla johtamisen kokonaisuus muodostuu.

Jotta edistyneestä analytiikasta olisi liiketoiminnalle aidosti hyötyä, sitä ei kannata jemmata dashboardeihin vaan tuoda rohkeasti osaksi liiketoiminnan prosesseja.

Esimerkiksi pankkien päätöksentekoon edistynyt analytiikka tarjoaa hyödyllisiä työkaluja: ennustemalleja hyödyntävä kone kykenee laskemaan hetkessä todennäköisyyden sille, maksaako pankkilainaa anova henkilö velan ajallaan takaisin vai ei.

Ihmiseltä sama päätöksentekotyö vie huomattavasti kauemmin, eikä inhimillinen näkökulma yleensä edes tuo juurikaan lisäarvoa lopulliseen päätökseen. Myös asiakastyytyväisyyden kannalta koneen tekemä päätös on yleensä parempi, koska asiakas saa sen myötä valmiin päätöksen käsiinsä nopeasti.

Mitä moderni tiedolla johtaminen vaatii?

Moderni tiedolla johtaminen vaatii organisaatiolta kykyä kehittyä ja muuntautua monipuolisesti.
Etenkin seuraavilla osa-alueilla kaikkien palapelin palojen täytyy olla paikallaan, jotta moderni tiedolla johtaminen olisi organisaatiossa mahdollista:

Kulttuuri

Kulttuurin muuntautumiskyky on tiedolla johtamisen pihvi.

Jos liiketoiminnan päätöksenteko perustuu fiilispohjaan, sivistyneimpiin arvauksiin ja lapsenomaiseen uskoon siitä, että me kyllä tunnemme asiakkaamme, vaaditaan ajatusmaailmaan täyskäännöstä.

Jotta tiedolla johtaminen ei näyttäytyisi henkilöstölle ylisuurena mörkönä, sen hyödyt kannattaa tuoda esiin esimerkkien avulla.

Avainasemassa tiedolla johtamisen kulttuurin luomiseksi on se, että henkilöstö ottaa analytiikan osaksi omaa työtään ja kokee hyötyvänsä siitä aidosti.

Osaaminen

Tiedolla johtaminen vaatii toki paljon teknistä osaamista integraatioiden rakentamiseen, datan transformointiin alustalta toiselle, oikean tiedon perkaamiseen, analytiikkamallien toteuttamiseen jne.

Usein kaikista vaikeimmin hallittava asia on kuitenkin kyky ymmärtää liiketoimintaa: miksi dataa kerätään ja mitä analytiikalla tavoitellaan?

Organisaatiorakenne

Etenkin monessa suuressa organisaatiossa data tapaa levätä siiloissa.

Jokaisella liiketoiminnolla on oma budjettinsa, ja kun sitten pitäisi rakentaa yhteistä data-alustaa, kynnyskysymykseksi nousee se, kenen kassasta eurot otetaan.

Tämän vuoksi on tärkeää, että organisaatiosta löytyy CDO tai analytiikasta vastaava henkilö, joka kykenee toimimaan yli organisaation siilorajojen.

Teknologia

Teknologia on tärkeä osa, muttei itsetarkoitus. Käytettävät teknologiat tulisi valita tilanteen ja liiketoimintatarpeen mukaan, sekä jo olemassa olevat ratkaisut huomioiden.

Toisinaan tämä vaatii kokonaan uuteen ratkaisuun panostamista ja vanhasta luopumista, joskus taas olemassa olevaa teknologiaa pitäisi yksinkertaisesti kyetä hyödyntämään tehokkaammin.

Tiedolla johtamisen kypsyys ja sen mittaaminen

Ero tiedolla johtamisen edelläkävijöiden ja peränpitäjien välillä on huima. Osa organisaatioista on alusta saakka leiponut toimintansa sisään dataohjautuvuuden ja toiset ovat perusraportoinnin varassa.

Monessa yrityksessä tekoäly on nostettu johdon tavoitteisiin, mutta tekoälypilottien hyöty liiketoiminnalle tuppaa, monestakin syystä, jäämään ohueksi. 

Moni organisaatio ei edes tiedä mikä on heidän tiedolla johtamisensa taso ja miten he sijoittuvat vertailussa kilpailijoihin. Tämä on omiaan tuomaan suuria haasteita myös tiedolla johtamisen tulosten mittaamiseen.

Tiedolla johtamisen maturiteettimalli auttaa tunnistamaan riskejä ja hyödyntämään vahvuuksia

Organisaation on tärkeää ymmärtää, millä tiedonhallinnan osa-alueilla he ovat vahvoja ja millä eivät. Tämä ymmärrys auttaa tunnistamaan ja reagoimaan riskeihin ja toisaalta hyödyntämään vahvuuksia entistä paremmin. 

Rakentamamme tiedolla johtamisen maturiteettimalli mittaa tiedolla johtamisen kypsyyttä kaikkiaan viidellätoista mittarilla. Mittarit on jaettu kolmeen kategoriaan, jotka osin menevät myös päällekkäin.

Tässä mallimme kaikessa komeudessaan (klikkaa kuvaa, jolloin se aukeaa koko ruudun levyiseksi):

Tiedolla johtamisen kypsyys ja sen mittaaminen

Lue blogistamme lisää Tiedolla johtamisen maturiteettimallista sekä mallin käytöstä ja löydösten hyödyntämisestä.

advian-tiedolla-johtaminen-opas_A

Näin pääset alkuun tiedolla johtamisessa

Modernissa tiedolla johtamisessa onnistuminen on ennen kaikkea kiinni uskalluksesta ja ennakkoluulottomasta asenteesta: kokeile ketterästi, uskalla epäonnistua, opi virheistäsi ja skaalaa onnistumisesi uusiin liiketoiminnan prosesseihin.

Analytiikkaa voi lähteä hyödyntämään sillä tiedolla, mitä on saatavilla: esimerkiksi omista tietokannoista saatavaa dataa yhdistettynä avoimista tietolähteistä saatavaan tietoon.

Yleensä tietoa pystytään saamaan yllättävänkin paljon vaikka data olisikin siiloutunutta – omissa ja ulkoisissa tietovarastoissa piilee usein runsaasti käyttämättömäksi jäänyttä potentiaalia.

Haluatko keskustella lisää tekoälystä ja tiedolla johtamisesta? Varaa ilmainen aika alta:

 

Ota yhteyttä, niin jutellaan lisää!

Saisimmeko auttaa sinua löytämään organisaatiosi tiedolla johtamisen potentiaalin?

Ota meihin yhteyttä