Big datan aikana tietoa kerätään paljon. Järkyttävän paljon.
Erilaiset sensorit ja mittarit lähettävät dataa pilvipalveluille useita kertoja sekunnissa. Internetiin liitetty IOT-älykoti mittaa lämpötilan ja ilmanpaineen muutoksia asukkaiden liikkeiden mukana. Valot eivät käynnisty enää liiketunnistimella asukkaan saavuttua makuuhuoneeseen, vaan jo riittävästi etukäteen. Sänky mittaa painon jakautumista ja kyljenkääntöjen määrää, sekä ilmoittaa aamupainon pulssia mittaavan rannekellon näytölle. Rannekellon valo kirkastuu kun sitä kohden katsotaan.
Tietoa ei ole vain järkyttävän paljon.
Sitä on järkyttävän valtavasti.
Dataa on jopa niin paljon, että sen analysoimiseksi ei enää riitä tavalliset internet-piuhat kuin vesiputket kunnallistekniikkaverkkoon, vaan tieto pitää huonoimmillaan erikseen tilata varastoitavaksi ja tutkittavaksi. Tieto pitää jopa järjestää nättiin pinoon. Muutoin tieto on pelkkä kasa.
Tiedon olemassaolo on arvotonta jos sitä ei pysty hyödyntämään.
Jaan datan hyödyntämisen mahdollisuudet yleensä kolmeen pääryhmään:
- toimenpiteiden vaikutusten mittaaminen
- riippuvuussuhteiden hyödyntäminen
- poikkeamien hyödyntäminen
Näissä on jonkin verran päällekkäisyyttä, mutta ryhmittely ruokkii mielikuvitusta ja voit löytää oman tapasi hyödyntää tietoa liiketoiminnassa tai ihan omaksi huviksi.
Toimenpiteiden vaikutusten mittaaminen
Kun käyn puhumassa analytiikasta, hämmästyn miten harvat osaavat laskea käyttämälleen markkinointibudjetille ROI:ta. Panosten kustannusten ja niiden tuoton laskeminen on kuitenkin ihan perustason talousmatematiikkaa.
Todennäköisesti kysymys ei ole siitä, ettei asiaa osattaisi laskea, vaan ajankäytöstä. Arjen kiireessä ei ole aina aikaa ajatella kokonaisuutta, vaan muotitermein ”siiloutuu”.
Loppujen lopuksi kyse on kuitenkin yksinkertaisesta asiasta:
paljonko raha maksaa?
Esimerkki: B2b-yritys promotoi A-kanavassa 5 000 eurolla ja B-kanavassa 10 000 eurolla. Kumpikin liikenne tuottaa yhteensä 10 tarjouspyyntöä. Kumpi kanava tuottaa paremmin? A-kanava tietenkin.
Jos A-kanavan tarjouspyynnöistä 25% toteutuu kaupaksi asti ja B-kanavalla vastaava suhde on 50% paremmuus kääntyy toisin päin. Jos A-kanavan kaupan keskiarvo on 10 000 ja B-kanavan 7 000 euroa, paremmuus kääntyy jälleen.
Kanavan tai kampanjan paremmuutta ei voi siis arvioida pelkän tykkääjämäärän saati budjetin perusteella.
Analytiikan vieminen liiketoimintaan
Eräs kilpakollegani kertoi asiakkaastaan, joka halusi leikata kustannuksia. Asiakas vaati 5 000 euron mediabudjetin leikkaamista 3 000 euroon esimiehensä toivomuksesta. Kollegani selitti, ettei säästössä olisi järkeä, koska jokainen sijoitettu euro tuotti viisi euroa myyntiä ja budjettia pitäisi päin vastoin lisätä. Asiakas vain pysyi kannassaan aina siihen asti, kunnes kollega kertoi, että suunniteltu 2 000 euron ”säästön” nettovaikutus oli 8 000 euroa tappiota.
On tietysti mahdollista, että tarkemmin katsomalla tilistä olisi ehkä löytynyt heikommin menestyviä osa-alueita, joiden budjettia olisi voinut uudelleenohjata. Osa toteutuneesta myynnistä olisi saattanut olla katteellisesti huonompaa kuin toinen. Tai jonkin syntyneen asiakkuuden koko elinkaaren arvo (life-time-value) olisi saattanut olla toista suurempi.
Alkuperäinen säästövaade ei ottanut näistä tekijöistä huomioon yhtäkään, vaan oli tehty täysin sokkona.
Korrelaatio ja kausaliteetti
Vaikka korrelaatio ja kausaliteetti eivät ole sama asia, eikä jonkin asian esiintyminen välttämättä takaa jälkimmäistä, voi niiden perusteella kuitenkin ennakoida ja ennustaa asioita.
Datatieteilijämme yhdisti avoimen säädatan tilastot yrityksen verkkovierailumäärään huomasimme, että käyrät ovat yhteneväisiä. Kun sataa, ihmiset menevät nettiin ja mainonnan avulla päätyvät yrityksen verkkosivuille. Tämä käyrä oli ajallisesti yhteneväinen.
Verkkosivuston ja myymälän liikenteen käyrissä taas näkyi selkeästi toisiaan seuraavia muotoja. Suuret kävijämassat verkkosivustolla yleensä ennakoivat suurta kävijämassaa kivijalkamyymässä.
Analytiikan vieminen liiketoimintaan
Mainonnan budjettirajoitukset poistettiin sadepäivinä. Näin kuukausitason budjetti saatiin kohdistettua paremmin juuri niille päiville, milloin asiakkaat ovat liikenteessä. Kasvavaa myymäläliikennettä varten osattiin varautua joko ruuhka-ajan lisätyöntekijällä tai vähintään varoittamalla henkilökuntaa. Toisaalta suurimmat ruuhkahuiput saatiin tasoitettua rohkaisemalla verkkosivuston vierailijaita varaamaan aika suunnitteluneuvontaan. Näin asiakaspalvelun taso pysyi hyvänä ja suunnitteluneuvonta puolestaan päättyi usein myyntitapahtumaan.
Ilmiötä tai viraliteettia ei useinkaan pysty pakottamaan. Mutta sen tapahtumisen todennäköisyyttä voi nostaa.
Hyödynnä odottamaton onnistuminen
Allaoleva tarina ei ole totta, mutta riittävän mielenkiintoinen voidakseen olla.
Ulkolaitamoottoreita valmistava yritys oli joutunut tuotannonsuunnittelun epäonnistuessa ahdinkoon. Varastoon oli jäänyt satoja perämoottoreita, jotka olivat edellisvuoden mallia ja yrityksen logokin laitteen kyljessä oli välillä vaihtunut. Moottoreita ei saatu myytyä kokonaisina, eikä huoltoliikkeet ostaneet niitä varaosiksikaan. Varastoon ei saanut uutta tavaraa ja varaston kustannukset pyörivät silti joka päivä.
Vihdoin kun moottoreita yritettiin myydä 50% alennuksella ja ilmaisilla rahdeilla, joku osti ne kaikki.
Normaali yritys olisi saattanut pyyhkiä hien otsaltaan, kohauttaa olkiaan, käynnistää tuotantolinjan ja täyttää varaston uusilla perämoottoreilla. Mutta tässä yrityksessä oli utalias analyytikko, joka otti tarkemmin selvää kuka ja mihin perämoottorit ostettiin.
Moottorit kuljetettiin neljällä kontilla Dalanzadgadiin. Kaupunki sijaitsee etelä-Mongoliassa Gobin autiomaan reunamilla. Aluetta ei varsinaisesti tunneta virkistyskalastajien mekkana. Kävi ilmi, että sikäläinen pikkuyrittäjä purki perämoottorit osiin ja myi niitä kaivonpumppuina. Pelkille pumpuille olisi riittänyt kaksikin konttia.
Analytiikan vieminen liiketoimintaan
Gobin kaivonpumppu avasi yritykselle kokonaan uuden liiketoiminta-alueen. Se alkoi viedä vanhentuneita perämoottoreita vastaaville alueille ympäri maailmaa. Nyt varastoihin ei jäänyt enää perämoottoreita. Niistä purettiin ylimääräiset osat (tai niitä ei koottu ollenkaan) ja vain tarpeelliset osat kuljetettiin puoli-ilmaiseksi määränpäähän. Jäljelle jääneitä osia myytiin varaosiksi huoltoliikkeille.
Odottamattoman onnistumisen lisäksi myös odottamaton epäonnistuminen kannattaa tutkia huolellisesti. Vaikka epäonnistumista ei voisikaan jatkossakaan välttää, sen riskiä voi pienentää ja vaikutuksia vähentää.
Peter F. Druckeria mukaillen, nämä odottamattomat tilastopiikit ovat suurimpia innovaatioiden lähteitä. Mutta ne jää kokonaan näkemättä, jos antennit eivät ole pystyssä.