Kimmo Havu on analytiikkaratkaisuyritys SAS Instituten toimitusjohtaja Suomessa. Työssään hän auttaa yrityksiä menestymään datalla ja analytiikalla. ASML otti Kimmon lennosta ”kiinni” ja ammensi hänen näkemyksiään analytiikan alati muuttuvasta laajasta maastosta.
Yhteiskunta ja analytiikka
Analytiikka yhteiskunnan väsymättömänä palvelijana? Yhteiskunnassa on käsittelyssä huikeita määriä dataa ja monella sektorilla on erittäin tärkeää löytää oppivan analytiikan avulla mm. merkityksellisiä poikkeamia. Miten arvioit analytiikan roolia tästä näkökulmasta?
”Nyky-yhteiskunta ei toimi tehokkaasti ilman analytiikkaa. Pankit hallitsevat riskejä ja estävät petoksia analytiikan avulla, erityisesti Suomessa hyvällä menestyksellä. Organisaatiot tekevät toiminnassaan päivittäin tuhansia päätöksiä data-analytiikkaan pohjautuen. Näistä päätöksistä kasvava osa tapahtuu automaattisesti, ja oppivan analytiikan rooli kehittyy. Logistiikkaa ja tavaravirtoja ohjaa analytiikka. Kuluttajan päätöksiä johdattelee kaupallisten yritysten analytiikka.
Olemme kuitenkin vasta alkutaipaleella analytiikan hyödyntämisessä. Dataa syntyy, mutta vain murto-osa siitä menee nykyisellään hyötykäyttöön.”
Asiakaskokemus analytiikka- ja AI-mausteilla
Asiakaskokemuspolulla leivotaan brändien kilpailussa tämän päivän ja huomisen voittajia. Kuinka paalutat analytiikan ja tekoälyn merkityksen voittavan asiakaskokemuksen luomisessa?
”Tällä alueella alkaa nousta merkittäviä eroja johtavien yritysten ja keskitien kulkijoiden välille. Analytiikan ja tekoälyn avulla voidaan asiakaskokemus viedä tasolle jossa asiakas kokee aidosti tulevansa kohdelluksi yksilönä. Perustaso on reaaliaikainen ja relevantti viestintä. Mielestäni todellista kilpailuetua syntyy kun asiakaskokemus siirtyy kohti yksilöllisiä, usein digikanavissa annettavia automatisoituja tarjouksia. Parhaimmillaan asiakas saa profiilinsa mukaisesti yksilöllisesti hinnoitellun tarjouksen tuote- tai palvelukokonaisuudesta joka vastaa tarvetta. Tähän ollaan menossa hyvää vauhtia esimerkiksi finanssipalveluiden osalta.
Analytiikan avulla voidaan myös tarkentaa markkinointiin liittyvän testaamisen ja kokeilun tehokkuutta, jolloin päästään nopeampaan oppimissykliin ja reagointiin markkinoilla tapahtuvien asiakaskäyttäytymismuutosten tunnistamisessa. Globaalit datajätit ovat tässä jo todella pitkällä.”
Data, data, data
Palataan lähtöruutuun ja peruskiven äärelle. Miten näet analytiikan ”polttoaineen” datan puhtauden tilanteen ja merkityksen? Onko datan laatu riittävän hyvässä kuosissa yrityksissä?
”Datan tulee olla riittävän kattavaa, jotta sillä voidaan vastata bisneksen esittämiin kysymyksiin. Sen tulee myös olla laadultaan ja muodoltaan sellaista, että se soveltuu analytiikan polttoaineeksi. Tapaan paljon suomalaisia asiakkaita datan laatuun liittyvissä kysymyksissä. Rohkaisen heitä etenemään analytiikan kanssa vaikka datan kanssakin on tekemistä – asioita pitää edistää samanaikaisesti.
Dataa voi jatkuvasti parantaa. Asiaan tarkemmin pureuduttaessa usein tulee esille turhia työvaiheita joita tehdään huonolaatuisen datan aiheuttamien ongelmien vuoksi. Tämä aiheuttaa kustannuksia, mutta jos prosessi toimii, niin ongelmat eivät näy asiakkaalle. Yksinkertaisella datan profiloinnilla tulee helposti esiin poikkeamia datassa, joita edes datan kanssa päivittäin työskentelevä ei ole tunnistanut. Yksittäisten virheiden tunnistaminen miljoonista riveistä on mahdotonta paljaalla silmällä, mutta tiedonlaadun ratkaisulla ongelmat on helppo tunnistaa ja joissain tapauksissa myös korjata. Laatuvirheet tulevat joka tapauksessa näkyviin jossain vaiheessa jalostusketjua. Mitä aikaisemmin ne saadaan kiinni, sitä vähemmän ongelmia ne aiheuttavat.
Pahimmillaan huonolaatuinen data näkyy suoraan asiakkaalle. Case: eräällä yrityksellä oli asiakasrekisterien yhdistämisen jälkeen paljon asiakasduplikaatteja. Kun yhtiö automaattisen prosessin tuloksena lähetti uudet asiakaskortit ulos, tuhannet asiakkaat saivat useampia kortteja. Tämä aiheuttaa paitsi turhia kustannuksia, myös rapauttaa yrityksen laatuimagoa. Laatu maksaa, mutta huono laatu maksaa usein vielä enemmän.”
Data ja analytiikka johtoryhmässä
Datan merkitys on uinut luontevan tärkeään roolin myös yritysten johtoryhmissä. Onko jotain datan ja analytiikan saralla jossa mielestä yritysten johdon olisi hyödyllistä skarpata, petrata tai kiinnittää nykyistä enemmän huomiota?
”Kyllä, petrattavaa on myös johtoryhmissä. Kulttuurinmuutoksessa kohti data-ohjattua liiketoimintaa ehdottaisin että johtoryhmät alkavat hyödyntää kokouksissaan enemmän analytiikkaa; päätöksistä suuri osa nojaa edelleen yhden ihmisen tilanne-analyysiin joka esitetään päätöksen pohjaksi. Eräs paikallinen asiakkaamme korvasi johtoryhmätyöskentelyssään staattiset dokumentit reaaliaikaisella dashboardilla, ja keskustelun taso johtoryhmässä nousi; dataa katsomalla tuloskehityksen trendi ja riippuvaisuudet saatiin kunnolla keskustelun alle. Perusasioita, mutta monesti alihyödynnettyjä.
Dataa ja analytiikkaa voisi myös johtaa liiketoimintana. Mielestäni nyt on aika siirtyä ”tekoälyn kokeilukulttuurista” kohti mitattavia lopputuloksia ja kysyä mitä liiketoiminnan parannusta haluamme datalla ja analytiikalla saavuttaa? Kuinka paljon myynti nousee, riskit laskevat, tai kustannuksia säästyy? Näillä kysymyksillä investoinnit dataan ja analytiikkaan saataisiin nousuun ja tuottamaan paremmin.”
Analytiikka ja tekoäly ympäristön palveluksessa
Ekologisemman yhteiskunnan luomisen saralla analytiikka ei istu passiivisena vilttiketjussa. SAS tuottaa palveluita ja luo parhaillaan uutta muun muassa ruokahävikin pienentämisessä. Miten näet tämän tyyppisen kehityksen, onko tässä aukeamassa analytiikalle uusi kasvava urapolku?
”Ehdottomasti, esimerkiksi Ranskalainen Carrefour on ottanut yhdeksi tavoitteekseen hävikin vähentämisen paremman ennustamisen avulla. Ruokaa menee hukkaan valtavasti ja YK:n selvityksen mukaan suurin osa menee hukkaan ennen kuin se edes päätyy kuluttajalle. Analytiikan ja tekoälyn avulla pystytään ennustamaan kysyntää ja siten vähentämään hävikkiä. Analytiikan avulla voidaan myös parantaa rakennusten energiatehokkuutta optimoimalla taloautomatiikan toimintaa ja esimerkiksi optimoida sähköverkon toimintaa. YK on julkaisut kestävän kehityksen tavoitteet jotka on jaettu 169 tavoitteeseen, jotka koskevat mm. tasa-arvoa, köyhyyttä ja ympäristöä. Erään tutkimuksen mukaan tekoäly voi auttaa saavuttamaan 75% näistä tavoitteista. Tekoäly ja analytiikka ovat siis avainasemassa kestävän kehityksen ajamisessa. Tekoäly on yrityksille luonnollinen tapa edistää ekologisuutta. Useimmissa tapauksissa pystytään samalla säästämään kustannuksia tai jopa lisäämään myyntiä ja silti säästämään resursseja.”
ps. Haastattelun teki ja analyyttiset vastaukset kirjasi ASML:n tj Jari Perko (@asiakkuus).