MAGENTA ADVISORYN TUTKIMUSTietopohjainen päätöksenteko– Onko organisaatiosi valmis Big Dataan?Magenta advisoryN julk aisu0...
Kumppanisi sähköisen liiketoiminnan MUUTOKSESSAMagenta Advisory luo asiakkailleen kilpailuetua sähköisessä maailmassa.Ainu...
03 johdantoTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Magenta Advisoryn tutkimusmaailmassa on...
04 Big datan mahdollisuudetTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Magenta Advisoryn tutki...
05 Big datan mahdollisuudetTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Magenta Advisoryn tutki...
06 T y ypillisiä big datan hyödyntämisen ha asteitaTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? |...
07 T y ypillisiä big datan hyödyntämisen ha asteitaTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? |...
08 Tietopohjaisten oper a atioiden r akentaminenTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Ma...
09 Tietopohjaisten oper a atioiden r akentaminenTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Ma...
10 Tietopohjaisten oper a atioiden r akentaminenTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Ma...
11 case study – gilt groupeTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Magenta Advisoryn tutki...
12 Tietopohjaisten oper a atioiden r akentaminenTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Ma...
13 Tietopohjaisten oper a atioiden r akentaminenTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Ma...
14 Tietopohjaisten oper a atioiden r akentaminenTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Ma...
15 Tietopohjaisten oper a atioiden r akentaminenTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Ma...
16 Tietopohjaisten oper a atioiden r akentaminenTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Ma...
17 Kuink a Magenta Advisory voi aut ta a organisa atiotasi?Tietopohjainen päätöksenteko – Onko organisaatiosi valmis Big D...
18 Kirjoit tajistaTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Magenta Advisoryn tutkimusLotta ...
3magentaadvisory.com
Magenta advisory: Tietopohjainen päätöksenteko - onko organisaatiosi valmis big dataan?
Upcoming SlideShare
Loading in...5
×

Magenta advisory: Tietopohjainen päätöksenteko - onko organisaatiosi valmis big dataan?

654

Published on

On mukavaa kun on paljon dataa. Moni yritysjohtaja alkaa kuitenkin hikoilla kun päätökset pitäisi aidosti tehdä tietopohjaisesti! Lue, mitkä ovat big datan hyödyntämisen menestyksen avaimet.

Published in: Business
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
654
On Slideshare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
14
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Transcript of "Magenta advisory: Tietopohjainen päätöksenteko - onko organisaatiosi valmis big dataan?"

  1. 1. MAGENTA ADVISORYN TUTKIMUSTietopohjainen päätöksenteko– Onko organisaatiosi valmis Big Dataan?Magenta advisoryN julk aisu04 / 2013
  2. 2. Kumppanisi sähköisen liiketoiminnan MUUTOKSESSAMagenta Advisory luo asiakkailleen kilpailuetua sähköisessä maailmassa.Ainutlaatuinen toimintamallimme yhdistää perinteisen liikkeenjohdonkonsultoinnin analyyttisen ongelmanratkaisun vahvaan sähköisenliiketoiminnan ymmärrykseen. Autamme niin Suomen johtavia yrityksiäkuin maailman suurimpia kansainvälisiä toimijoita kasvamaansähköisiksi markkinajohtajiksi.
  3. 3. 03 johdantoTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Magenta Advisoryn tutkimusmaailmassa on tänään enemmän tietoa kuin kos-kaan aiemmin. Big datan tuleminen mullistaa yri-tysten koko dna:n. Kun ennen data oli vain kou-rallisen ihmisiä käsissä yrityksissä, nyt yrityksenylimmän johdon tulee ymmärtää muutos ja valjas-taa se oman kasvunsa tueksi.Usein debatoidaan siitä,jyrääkö faktapohjainen yri-tyskulttuuri allensa innovatiivisuuden ja luovuuden.Mielestämme tulevaisuudessa nämä elävät rinnak-kain. Parempi data ja siitä johdettu ymmärrys voi-vat merkittävästi parantaa yrityksen päätöksentekoa.Samanaikaisesti yrityksellä voi olla luova prosessi,jossa data voi toimia uusien ideoiden lähteenä.Data on hyvä renki mutta huono isäntä. Se onmeille juuri niin arvokasta kuin sen pohjalta tehdytpäätökset ovat. Tässä tutkimuksessa pureudummeydinkysymyksiin, joita liikkeenjohdon tulisi huo-mioida suunnitellessaan ja johtaessaan liiketoimin-toja datakylläisessä maailmassa.Se, onko yrityksellä parhaat data-analyytikot käytössään,ei ole merkityksellistä, jos kukaan organisaatiosta ei tiedä,miten dataa sovelletaan. Data on liiketoiminta-asia, ei IT -asia.micheline casey,coloradon osavaltion tietojohtaja2012Magenta Advisoryn tutkimusTietopohjainen päätöksenteko –Onko organisaatiosi valmis Big Dataan?IIIIIIBig datanmahdollisuudetTyypilliset haasteetbig datanhyödyntämisessäTietopohjaistenoperaatioidenrakentaminenotsikot
  4. 4. 04 Big datan mahdollisuudetTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Magenta Advisoryn tutkimusMitä on big dataPerinteisesti big dataa luonnehditaan kolmen omi-naisuuden kautta: datan määrä (volume), moninai-suus (variety) ja nopeus (velocity).MääräTietolähteiden määrä kasvaa eksponentiaalisesti,ja IBM:n tutkimuksen (2011) mukaan maailmanlaajuises-ta datasta 90 % on luotu edellisten kahden vuoden aika-na.Tämä tosiasia kertoo meneillään olevan muutoksenvoimakkuudesta. Big datalla tarkoitetaan suurta ja jär-jestämätöntä sähköisen tiedon määrää, jota perinteisettiedonkäsittelyyn tarkoitetut työkalut eivät pysty käsit-telemään. Tällaiset teratavuiset tietomäärät luovatkintarpeen siihen tarkoitetuille hajautetuille ja usein pilvi-pohjaiselle tiedonhallinnan työkaluille.Moninaisuus Ei ole kauaa ajasta, kun yritystendata koostui pääasiassa yrityksen sisäisistä lähteistäkerätystä datasta, joka oli jäsennetty sen omillepalvelimille esimerkiksi asiakaskannan tai yrityksentarjooman mukaan. Nykyään data voi olla hyvinkinmoninaista ja peräisin myös kolmansien osapuolienlähteistä. Kolmansien osapuolten tietolähteet voivatvaihdella julkisesta tai ostetusta datasta kumppaneidentai isännöityjen sovellusten dataan, esimerkiksiavainsanahakuun tai kamppaniadataan.Nopeus Datan dynaaminen mallintaminen onsyrjäyttämässä staattiset tietokannat. Esimerkiksi Tescointegroi lähipäivien säätiedot ostotoiminnan optimoinnintueksi. Automatisoitujen algoritmien ansiosta yrityksetvoivat reagoida kuluttajien käyttäytymiseen jaoptimoida tarjoomansa reaaliaikaisesti kunkin kuluttajanpreferensseihin sopivaksi.Kohdeyleisön määrittäminen tietylle tuotteelleperustuen kuluttajien twiittauksiin, tykkäyksiin jajakamisiin sosiaalisissa medioissa eroaa suurestiyritysten palvelimilla olevan perinteisesti järjestetyndatan analysoinnista. Tulevaisuuden kilpailukykyäluodaan yhdistämällä dataa useista eri tietolähteistä sekäanalysoimalla ja hyödyntämällä sitä liiketoiminnassa.Mitä big data tarkoittaaliiketoiminnan näkökulmastamit:n tutkimus ”Miten tietopohjainen päätöksentekovaikuttaa yrityksen suorituskykyyn?” (2012) kertoo,että big dataa ja analytiikkaa liiketoiminnassaanhyödyntävät yritykset ovat keskimäärin 5–6 % kan-nattavampia kuin kilpailijansa.Kun konsulttiyhtiö McKinsey vertasi big dataahyödyntävien yritysten tuloksentekokykyä kilpaili-joihinsa, se löysi yhdenmukaisia tuloksia. Kuvion 1Big datan mahdollisuudetMaailmanlaajuisen datan määrä kasvaa räjähdysmäisesti. Valtaviendatamäärien ansiosta yritykset tietävät tänä päivänä asiakkaistaan enemmänkuin koskaan aiemmin. Kaikkia datan käyttömahdollisuuksia ja hyötyjä eikuitenkaan vielä tunneta, koska vain murto-osaa datasta analysoidaanja hyödynnetään käytännössä.I
  5. 5. 05 Big datan mahdollisuudetTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Magenta Advisoryn tutkimusPäivittäistavarakauppiaatVerkkokauppiaatPerinteiset jälleenmyyjätKasinotLuottokorttiyhtiötVakuutusyhtiöt12 1114123211114655-1-1-1524 229 1095998Kuvio 1: Big dataa hyödyntävien yritysten tuloskykyverrattuna kilpailuun | Percent, 10-year CAGR (1999 – 2009)Big dataa hyödyntävä yritys  kilpailijaMyyntitulot Käyttökate (ebitda)Lähde: Bloomberg and Datastream, yritysten vuosikertomukset, McKinsey 2011.mukaan yritykset, jotka hyödyntävät big dataa lii-ketoimissaan yltävät 7.8 % korkeampiin myyntitu-loihin sekä 13.8 % parempaan käyttökatteeseen kuinkilpailijansa.Big dataa sovelletaan laajasti asiakkuudenhallin-taan (crm). Ennen digitaalista läpimurtoa tehok-kainta myyntiä oli jalkatyö. Se oli yksi harvoistakeinoista ylipäätään tavoittaa asiakas, ja siinä asia-kasviestit pystyttiin räätälöimään reaaliaikaisesti.Big data mullistaa tämän toimintakentän, sillä setarjoaa tavan kohdennettuun, kustannustehokkaa-seen viestintään massoille monikanavaisesti.Asiakkuudenhallinta koostuu toimista,joilla yritys hallinnoi asiakassuhteitaan.Asiakkuudenhallinnan tavoitteena on maksimoidaasiakkaan elinkaaren arvo tarjoamalla oikeita vies-tejä oikeaan aikaan oikeissa kanavissa. Asiakkaanelinkaari voidaan karkeasti jakaa neljään vai-heeseen: tietoisuus, sitoutuminen, ostaminen jasäilyttäminen.Data on asiakkuudenhallinnan polttoaine. Senavulla yrityksen tarjooma, myynti, markkinointi jaasiakaspalvelu voidaan erilaistaa kunkin asiakkaanpreferensseihin sekä potentiaaliin sopivaksi.Lisäksidata ohjaa investointipäätöksiä kohdistamallabudjetti niihin myynnin, markkinoinnin ja asia-kaspalvelun aktiviteetteihin, joissa on suurimmattuotto-odotukset.Markkinointiautomaatio on yksi tärkeimmistätavoista hyödyntää big dataa. Markkinointiauto-maatiolla tarkoitetaan prosessia, jossa kunkin asi-akkaan kiinnostuksen ja potentiaalin perusteellaräätälöidyt markkinointiviestit lähetetään vastakai-kuna hänen käyttäytymiselleen (bahavior triggers).Markkinointiautomaation päähyödyt ovat parantu-nut konversio, paremmin linjatut myynti- ja mark-kinointiosastot sekä paremman kohdistettavuudenmyötä lisääntynyt markkinoinnin tehokkuus.Sen lisäksi, että asiakkaat luovat kassavirtaa yri-tykselle,he luovat yritykselle referenssiarvoa esimer-kiksi suositellessaan yrityksen tuotteita ja palvelujamuille asiakkaille ja prospekteille tai osallistuessaanyrityksen tuotekehitykseen. Referenssiarvon merki-tys kasvaa jatkuvasti, koska se on merkittävä ajuritulevaisuuden kassavirtojen ennustajana.
  6. 6. 06 T y ypillisiä big datan hyödyntämisen ha asteitaTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Magenta Advisoryn tutkimusII Tyypillisiä big datanhyödyntämisen haasteitapicasson on todennut: ”Tietokoneet ovat turhia. Nevoivat antaa vain vastauksia”. Lausahduksessa pii-lee viisaus; mikään teknologia ei pysty yksin ratkai-semaan käytännön haasteita.Usein juuri niin kutsu-tut ’pehmeät’ asiat erottavat menestyksekkäästi bigdataa soveltavat yritykset muista. Pehmeillä asioillaviittaamme yrityksen kykyyn suunnitella, rakentaaja hyödyntää työntekijöistä, prosesseista sekä työka-luista syntyviä kokonaisuuksia.Työskennellessämme asiakkaidemme kans-sa aiheen tiimoilta, olemme huomanneet monenyrityksen kohtaavan seuraavat haasteet big datanhyödyntämisessä.Nopeasti kehittynyt teknologia on tuonut ulottuvillemme laajan kirjonerilaisia tietojärjestelmiä tukemaan yrityksiä big datan hyödyntämisessä.Miksi silti vain harvat yritykset onnistuvat hyödyntämään big dataamenestyksekkäästi?01Epäselvä visio jalähestymistapa big dataanYksi yleisimmistä haasteista big datan hyödyntämi-sessä on organisaatiossa vallitsevat eriävät käsityksetyrityksen visiosta, tavoitteista ja datan roolista näidentoteuttamisessa.Tuloksena saattaa olla ristiriitaisianäkemyksiä big data -hankkeen päämääristä ja niidensaavuttamiseen vaadittavista investoinneista sekä siitä,miten vastuut tulisi jakaa.Tällaiset epäsuhdat organi­saatiossa tekevät big data -hankkeista tehottomiaja hajanaisia.02Muutoksen näkeminenvain teknisenä haasteenaToinen tyypillinen haaste on liiallinen keskittyminentiedonkeruun ja -taltiointijärjestelmien rakentamiseen.Myös eConsultancy (2013) on tunnistanut tämänyhdeksi suurimmista haasteista datakeskeisen kulttuurinluomisessa. Pelkillä työkaluilla ei siis voida saavuttaa bigdatan hyötyjä, sillä lähes aina ihmiset ovat pääosassasovellettavissa olevien johtopäätösten vetämisessä janiiden pohjalta toimimisessa.
  7. 7. 07 T y ypillisiä big datan hyödyntämisen ha asteitaTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Magenta Advisoryn tutkimusTietokoneet ovat turhia.Ne voivat antaa vain vastauksiapablo picasso03Resurssi- ja osaamistarpeidenaliarviointiForresterin (2013) tutkimuksenmukaan vain 17 % sähköistä liiketoi-mintaa harjoittavista yrityksistä sanoohenkilöstömääränsä olevan riittävätavoitteiden toteuttamiseen. Data-analyytikoiden kohdalla ilmiö elää vielävoimakkaampana. Laajoja tietomääriäsekä liiketoiminnan lainalaisuuksia hyvinhallitsevia analyytikkoja on harvassa, jaheidän palkkaamisensa saattaa maksaayritykselle maltaita.Yritykset kompastuvat usein seuraa-viin ansoihin palkatessaan osaajia bigdatan hyödyntämistä varten:· Riittämätön ymmärrys roolissa menestymiseen tarvittavista taidoista.· Toimialakokemuksen asettaminen etusijalle data- ja analytiikkako- kemukseen nähden.· Uskomus, jonka mukaan uusi, kehittynyt teknologia vähentää osaamistarvetta.04Operatiivisten vaikutustenaliarviointiMuuttuminen big dataa menestyksekkäästi hyödyntäväksi yritykseksiedellyttää usein suuria muutoksia yrityksen prosesseissa.Valitettavastioperatiiviset vaikutukset usein aliarvioidaan, eikä tarvittavan muutok-sen laajuutta täysin ymmärretä.Tällainen aliarviointi johtaa helpostisiihen, ettei yritys pysty toimimaan tuloksekkaasti tuottamiensa ana-lyysien pohjalta – edes silloin kun yritys on jo onnistunut palkkaamaanosaavat ihmiset ja ottamaan käyttöön toimivat työkalut. Näin big data-hanke ei kykene osoittamaan tuottamaansa arvoa, ja yrityksen johtosaattaa evätä tukensa siltä. Sen seurauksena muutoin kannattava hankesaatetaan supistaa tai lopettaa kokonaan.05Etupainotteiset investoinnitYritykset, jotka ovat asettaneet hyvin kunnianhimoisia tavoitteita, jäävätusein puolitiehen niitä tavoitellessaan. Ei olekaan yllättävää, että yrityk-set, jotka ovat asettaneet hyvin kunnianhimoisia tavoitteita, jäävät useinpuolitiehen niitä tavoitellessaan. Siinä missä kunnianhimoiset tavoitteetovat vain positiivinen asia, usein vahvasti etupainotteiset investoinnit jahanakka liikkeellelähtö johtavat siihen, etteivät yritykset ehdi tunnis-taa tärkeimpiä arvoa tuottavia tekijöitään tai keinoja saavuttaa niitä.Organisaation oppiminen vie aikaa ja suuret harppaukset kehityspolunalkuvaiheessa saattavat johtaa koko hankkeen väärään suuntaan.
  8. 8. 08 Tietopohjaisten oper a atioiden r akentaminenTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Magenta Advisoryn tutkimusTietopohjaisten operaatioidenrakentaminenIIIKokemuksiimme perustuen olemme tunnistaneet käytäntöjä, jotkajohtavat onnistuneeseen tietopohjaiseen päätöksentekoon organisaatiossa.Esittelemme teille nämä käytännöt kolmessa seuraavassa kappaleessa:Visio ja suunnitelma, Kyvykkyystarpeiden määrittely, sekä Menestyksekäskyvykkyyksien rakentaminen.Onnistuneen tietopohjaisen toiminnan perustanaon, että organisaatiossa on jaettu ymmärrys toimin-nan tahtotilasta ja tavoitteista. Jotta johto voi var-mistaa tärkeimpien sidosryhmien yhtenäisen toimi-misen valitun suunnan mukaisesti tulee heillä ollakirkas visio big datan käytöstä, mitattavissa olevattavoitteet, sitoutuminen datan käyttöön ja tahto-tila valtuuttaa avainhenkilöitä toimimaan dataanpohjautuen.Jaettu visio Kun yritykset aloittavat big datan hyö-dyntämisen, monet aloittavat virheellisesti jo ole-massa olevasta datasta; he alkavat analysoida, mitädataa heillä jo on ja, miten he voisivat sitä käyt-tää. Tämä on tärkeää, mutta ennen tätä tulee sel-vittää halutut päämäärät ja lopputulemat, muutennykyinen data ohjaa ajattelua liiaksi.Yritysten tuleemiettiä,onko big datan esimerkiksi tarkoitus nostaaasiakaspalvelun tasoa tai vahvistaa kuluttajien kans-sa käytävää vuoropuhelua? Vai tuleeko big datantuottaa suoria myyntiliidejä?Selkeästi muotoiltu visio ja strategia vastaa kaik-kiin näihin kysymyksiin ja kristalloi tavoitteet,jotkayrityksellä on big datan suhteen. Kun visio ja tavoit-teet jalkautetaan keskeisille työntekijöille, yrityssaa vankan pohjan big datan menestyksekkääseenkäyttöön.Mitattavat tavoitteet Sen jälkeen kun visio onselvä, tulisi johdon asettaa selkeästi mitattavattavoitteet big data -aloitteelle. Tavoitteiden tulisiohjata yritystä valittuun suuntaan ja mahdollistaatulosten seurannan. Olennaista on, että tavoittei-den saavuttamista seurataan muutamilla tärkeim-millä liiketoiminnan tulosmittareilla (kuten kasva-nut myynti ja kannattavuus tai asiakastyytyväisyys).Mittaamisen painopiste ei saa olla käyttöönotontoteutuksen seurannassa – esimerkiksi siinä, toteu-tuiko käyttöönotto ajallaan tai pysyikö se budjetis-saan. Liiketoiminnan tulosmittareihin keskittymi-nen auttaa yritystä edistämään big datan käyttöä jaetsimään ratkaisuja, jotka tuottavat yritykselle kor-keimman sijoitetun pääoman tuoton.Johdon tuki ja valtuutus Sen jälkeen kun visioja mitattavat tavoitteet on luotu, tulee johdon jal-kauttaa ne organisaatioon ja varmistaa sitoutumi-nen niihin. Samalla allokoidaan tarvittavat resurs-sit ja valtuutetaan ydinhenkilöt ja tiimit toimimaantavoitteita vasten. Koska edessä on pitkä ja haasta-va muutoshanke kohti tietopohjaista päätöksente-koa, on ratkaisevaa, että johto on aidosti sitoutunuthankkeeseen.1 . V i s i o j a s u u n n i t e l ma
  9. 9. 09 Tietopohjaisten oper a atioiden r akentaminenTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Magenta Advisoryn tutkimusKokemuksemme kertoo, että kun yritys on menes-tyksekkäästi lanseerannut uuden teknologian, seusein odottaa operaatioiden soljuvan kuin itsestään.Yrityksen operaatiot ovat kuitenkin vain yhtä vah-vat kuin niiden heikoin lenkki on. Seuraavassa kap-paleessa pohdimme, miten rakentaa tasapainoinenkokoonpano ihmisiä, prosesseja sekä työkaluja lii-ketoiminnan tueksi, jotta big dataan liittyvät tavoit-teet voidaan saavuttaa.IhmisetMenestyksekkään organisaation luominen koostuukolmesta alueesta: ihmisten taidoista, lukumäärästä,sekä organisoitumisesta.Taidot Tarvittavien taitojen määrittely tulisi ainaalkaa työtehtävään tarvittavan roolin määrittelystä,jonka jälkeen kartoitetaan, mitkä taidot ovat edel-lytys roolissa menestymiselle. Arvokasta on löytääniitä osaajia, joilla on laaja kokemuspohja analytii-kan alueella, mutta jotka samaan aikaan ymmärtä-vät, mistä yrityksen arvo syntyy. Oikea koulutus eiusein riitä, vaan erityisesti yrityksessä, jossa data-pohjainen operointi on uutta, korostuu kokemuk-sen merkitys.Jotta big datan käyttöönotossa onnistutaan,tuleeyritysten varata tarpeeksi aikaa osaajien etsimiselle.Koska digitaaliset operaatiot ovat yksi nopeimminkasvavista liiketoiminnan alueista, oikeiden ihmis-ten löytäminen ei välttämättä ole helppoa.Tilapäisten osaajien käyttäminen voi olla järke-vää, jos sopivia osaajia rooleihin ei löydy heti. Eri-tyisesti, jos dataoperaatiot ovat yritykselle alueenauusi, on kannattavaa käyttää ulkopuolista osaajaaapuna uuden liiketoiminta-alueen pystyttämiseen.Tyypillisesti apua kannattaa ottaa määrittelemääntarvittavaa kyvykkyyksien kokonaisuutta tai palka-ta tilapäinen liiketoiminnan käynnistäjä (niin kut-suttu ramp-up manager), joka rakentaa osaamistaja pystyttää alueelle toimivat ja mitattavat proses-sit. Liiketoiminnan käynnistäjä toimii tehtävässäänkunnes lopullinen liiketoimintajohto on löydettyja koulutettu. Ulkopuolisen avun käyttö voi auttaayritystä välttämään tyypillisimpiä sudenkuoppia jakiihdyttämään uusien toimintatapojen juurrutta-mista organisaatioon.Ihmisten lukumäärä Yritykset usein aliarvioivathenkilöstömäärätarpeen liittyen big datan menes-tyksekkääseen hyödyntämiseen.Tarvittavien resurssien määrä tulisi perustua sekäoperaatioiden laajuuteen että tavoitteisiin sekä toi-mintojen luonteeseen, kuten automatisaation astee-seen. Esimerkiksi, markkinoinnissa tämä voisi tar-koittaa räätälöinnin määrää ja monimutkaisuutta,sekä automoinnin astetta eri markkinointikanavissa.Tietopohjaiseen liiketoimintaan siirryttäessäuusia osaajia tarvitaan eri puolilla organisaatiota.Itsestään selvää on tarve datan keräyksen, mallin-nuksen, ja analysoinnin alueella sekä näitä tukevis-sa funktioissa, kuten infrastruktuuri sekä tietoturva.Toinen alue on liiketoiminnan puoli,jossa tarvitaanosaajia pyörittämään päivittäistä liiketoiminnanoptimointia (myös niin sanotus automoidun opti-moinnin tapauksessa), sekä tietopohjaisiin kanava-kehitystehtäviin.Yritykset, joille kohdennettu markkinointi onuutta, yllättyvät usein sisällön luonnin työmääränvoimakkaasta kasvusta. Esimerkkinä tästä toimiicase yhtiömme Gilt, joka lähettää asiakkailleen3 000 erilaista versiota päivittäisestä markkinoin-tikirjeestään. Koska sisällön luonti on usein koko-naan tai osittain ulkoistettu, saattaa monien eritekstiversioiden ja visuaalisten sisältöjen luontitulla yritykselle kalliiksi. Vaikka implementoinninkanssa edettäisiin pienin askelin, tulee tämä pitäämielessä pitkän aikajänteen budjetoinnissa.Organisoituminen Ei ole yhtä ainoaa oikeaa tapaaorganisoida big data operaatiot. Kun määritte-lemme digitaalisia organisaatioita asiakkaillemme,paneudumme muun muassa seuraaviin asioihin:liiketoiminnan luonteeseen lyhyen ja pitkän aika-välin tavoitteisiin sekä strategiaan, joka määrittää,miten liiketoiminnan tavoitteisiin päästään. Lisäk-2 . K y v y k k y y sta r p e i d e n m ä ä r i tt e ly
  10. 10. 10 Tietopohjaisten oper a atioiden r akentaminenTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Magenta Advisoryn tutkimussi pureudumme nykyoperaatioiden maturiteettiin,sekä nykyisen organisaation vahvuuksiin, heikko-uksiin ja yrityskulttuuriin.Klassiset vaihtoehdot organisoida yrityksentoiminto on, joko keskittää se yhdeksi osaamisenkeskukseksi, hajauttaa se eri liiketoimintayksiköi-den alle, tai, organisoida osaaminen matriisiin lii-ketoimintayksiköihin nähden. Usein on tarkoituk-senmukaista organisoitua mahdollisimman lähelleliiketoimintaa. Big datan käyttö kuitenkin vaatiisyvää erityisosaamista, jolloin on edullisinta toimiayhtenä tiiviinä yksikkönä.Tämä tarve korostuu kunosaamisen alue on yritykselle uusi.TYÖKALUTTyökalut voidaan jakaa kolmeen erilaiseen ryh-mään niiden käytön mukaisesti: tiedonkeräykseenja -varastointiin, analysointiin sekä päätöksentekoatukeviin työkaluihin.Tiedonkeräys ja -varastointityökalut on selkeäoma tuotekategoriansa. Näiden työkalujen markki-nat alkavat jo osoittaa saturoitumisen merkkejä, jasaatavilla on runsaasti valmiita sekä räätälöityjä tie-don keräykseen ja varastointiin soveltuvia työkaluja.Analysointityökalut Termi analytiikka viittaatilastolliseen sekä teknologia-avusteiseen päätök-sentekoa tukevaan oppimiseen. Sopivan analysoin-tityökalun hankkiminen tai kehittäminen on tällähetkellä monen yrityksen agendalla. Tiedon ana-lysointiin liittyvien työkalujen haasteena on, etteiostaja usein osaa määritellä niiltä vaadittuja omi-naisuuksia. Usein haasteita aiheuttavat datan muo-tovaatimukset liittyen sekä lähdedataan, että sovel-luskelpoiseen tietoon.Päätöksentekoa tukevat työkalut Data luoarvoa vain siinä määrin kuin se on hyödynnettävis-sä ja liiketoimintaan sovellettavissa.Tiedon sovelta-miseen sekä päätöksenteon tukemiseen kehitettyjentyökalujen tarve usein aliarvioidaan. Kokemuksem-me mukaan juuri näistä työkaluista on big dataaoperoivissa yrityksissä suurin pula. Useimmat yri-tykset hyötyisivät merkittävästi lisäinvestoinneistanäihin työkaluihin, sekä koulutuksesta työkalujenkäyttäjille, jotta jo olemassa olevista työkaluistasaadaan niitä vastaava hyöty. Huomionarvoista on,että näiden työkalujen käyttäjät eivät ole data-ana-lyytikkoja, vaan aivan toisten liiketoiminta-aluei-den osaajia,sekä yrityksen johtoa.Varmista siis,ettätyökalut tukevat näiden henkilöiden nykyisiä toi-mintatapoja ja prosesseja.Kun hankit uutta teknologiaa, huomioi seuraavat seikat:• Määritä työkalulle asetetutvaatimukset datan loppukäyttöönperustuen.• Varmista, että työkalu tukeelähdetietojen formaattia ja kykeneeyhdistämään dataa eri lähteistä, myöskolmansien osapuolien dataa.• Tee datan puhdistaminen ja ylläpitohelpoksi. Luodun ymmärryksen arvoon juuri niin hyvä kuin lähdedatanlaatu on.• Varmista, että yrityksen erityökalujen käyttöliittymät tukevattoisiaan.• Katso, että työkalut vastaavatalkuperäisiin liiketoimintaongelmiinja tukevat niiden nykyisiä sekätavoiteltuja käyttötarkoituksia.• Investoi helppoon käytettävyyteen,kuten intuitiiviseen käyttöliittymäänsekä helppoon sisäänkirjautumiseen(single-sign-on).• Muista, että älykäs analyysityökaluvaatii enemmän myös käyttäjältäänja henkilöinvestointien tarve saattaa kasvaa.• Kehitä uusia työskentelytapojavähitellen, rinta rinnanteknologiainvestointien kanssa.
  11. 11. 11 case study – gilt groupeTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Magenta Advisoryn tutkimusGilt on ’datanatiivi’ vuonna 2007 perustettubig dataa vahvasti hyödyntävä verkkokauppa,jonka erikoisalana on niin kutsuttu tyhjen-nysmyynti (flash sales). Sen asiakastarjoomaon houkutteleva: designer-tuotteita jopa70 % alemmalla hinnalla kuin kilpailijoilla.Tärkeä osa Giltin kasvutarinaa on myösnykyisten asiakkaiden palkitseminen uusienjäsenien kutsumisesta Gilt-yhteisöön.Ylivoimainen analytiikkatoimintoGilt erilaistaa tarjoamaansa sekä asiakasvies-tintäänsä hyväksikäyttäen big dataa pitkällekehitetyn analytiikan avulla. Heidän kilpailu-valttinsa perustuu reaaliaikaiseen datan kerä-ykseen useista eri lähteistä. Analyyseissäänhe yhdistävät muun muassa käyttäytymis-,osto-, demografista-, sekä inventaaridataa.Lisäksi Gilt analysoi kuluttajien tuntemuk-sia brändiä kohtaan esimerkiksi tweettienperusteella. Kaikki data prosessoidaan työn-tekijöiden helposti sovellettavaan muotoon;tuloksia voidaan jyvittää jopa asiakasprofiili-en tasolle.Toinen esimerkki Giltin aktiivises-ta sosiaalisen median soveltamisesta koskeeFacebookia, jossa Gilt vastaa proaktiivisestikuluttajien kommentteihin ja palautteisiin, jajatkaa keskustelua heidän kanssaan kahdenkesken muissa kanavissa.Gilt on edistyksellinen myös kehittäes-sään omia kanaviaan tietoperusteisesti, janykyään jo yli 35 % sen myyntituloista tuleeälypuhelimista ja tableteista.Työntekijät valtuutettutietopohjaiseen päätöksentekoonGiltin liikeidea perustuu big datalle, jotenpäivittäinen tietopohjainen päätöksentekoon sen DNA:ssa. Giltin työntekijöillä onkäytössään päätöksenteon mittaristo, jokaon räätälöity eri tuoteryhmille, osastoillesekä organisaation tasoille. Ja mikä tärkein-tä, ihmiset on valtuutettu toimimaan tämänneljän tunnin välein päivittyvän tietomassanpohjalta. Lisäksi Gilt tuottaa satoja ad hoc-raportteja viikoittain.Case esimerkkiKyse onyksilöllisestäasiakasvuorovaikutuksesta.Joka päivä kello 12 lähetämmeasiakkaillemme 3 000 erilaistaversiotamarkkinointikirjeestämme.alexis maybankgilt groupeT IE T O P O HJ A INEN PÄÄT ÖK S EN T EKOLähde: McKinsey 2012,Asterdata 2012,Apparel, 2012,Techcrunch, 2012, Google Analytics,Magenta Advisory analyysi.Giltin menestystekijät:• Useat tietolähteet• Datan tuoreus• Järeät, pilvipohjaisetanalytiikkatyökalut• Tarvelähtöiset, liiketoimintaatukevat analyysit• Asiakasprofiiliperusteinenanalytiikka• Reaaliaikainen tiedonhyödyntäminen• Työntekijöiden valtuutustietopohjaiseen päätöksentekoon• Oman kanavakokonaisuudenkehittäminen tietopohjaisesti
  12. 12. 12 Tietopohjaisten oper a atioiden r akentaminenTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Magenta Advisoryn tutkimusKuva 2: Asiakasprofiilipohjaisen markkinoinnin toiminnotProfiilinrakentaminenProfiilinhyödyntäminenAsiakasprofiilin rakentaminenRakenna asiakasymmärrystä | Luo ja hallinnoi liiketoimintasääntöjäPuhdista ja hallinnoi profiilidataaLiiketoiminnan tavoitteetOhjaa asiakasdatatyötä liiketoimintatavoitteisiin perustuenAsiakasdatan keräysKerää asiakasdataa (sisäistä, julkista, ostettua dataa) | Kerää markkinointiluvatYhdistä ja hallinnoi dataaSovelletta-vissa olevaasiakas-profiiliSuorituskyvyn johtaminenRaportoi ja seuraa | Opi ja kehitä jatkuvastiasiakasvuorovaikutusLuo ja hallinnoi automaattisia markkinoinnin liikkeellepanijoita (behavioral triggers)Hallinnoi asiakasvuorovaikutusta monikanavassaMarkkinointisisällön luontiLuo sisällön variantit | Varastoi sisältö mahdollistaen uudelleenkäyttöMarkkinoinnin suunnitteluSuunnittele markkinoinnin konseptit ja sisältöKehitä ja hallinnoi kanaviaLähde: Magenta Advisory analyysi
  13. 13. 13 Tietopohjaisten oper a atioiden r akentaminenTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Magenta Advisoryn tutkimusProsessitOperatiivinen malli tarkoittaa kuvausta organisaa-tiosta, toiminnoista ja teknologioista, jotka yhdessämahdollistavat organisaation ydintehtävän toteut-tamisen. Mutta mitä toimintoja löytyy markki-nointifunktiosta, joka lähettää asiakasviestejä rää-tälöidysti asiakkaan käyttäytymiseen perustuen?Kuva 2 kokoaa yrityksen automatisoidun asiakas-profiilipohjaisen markkinoinnin toiminnot. Tällai-nen toimintokuvaus voi toimia pohjana operatiivi-sen mallin kehittämiselle.Asiakasprofiilipohjaisen, automatisoidun mark-kinoinnin toteuttaminen on monen yrityksen tah-totila. Muutos perinteisesti toimiviin, sisältölähtöi-siin markkinointiosastoihin on valtava.Ajurina asiakasprofiilipohjaisessa markkinoinnis-sa ovat aina liiketoimintatavoitteet. Ensimmäisenäkerätään tai ostetaan korkealaatuista dataa, sekäpyydetään markkinointiluvat. Datan lopullinenkäyttötarkoitus on pidettävä mielessä alusta saakkaja on pyrittävä yhteismitalliseen ja ajan tasalla ole-vaan dataan. Tärkeää on myös datan eheys (integri-ty) liitettäessä yhteen dataa useista lähteistä. Läh-teitä on hurja määrä, datatyypit vanhenevat eriaikatauluissa ja niihin kohdistuu eri lainsäädäntöjä,jotka myös vaihtelevat maittain. Järjestelmien sekäihmisten lisäksi tämä luo suuret muutospaineettyön tekemisen tavoille.Tarvitaan yhteistyötä muunmuassa IT, asiakasymmärrys- ja liiketoimintatiimi-en, sekä myös eri maaorganisaatioiden välille.Tämän pohjalta luotava asiakasprofiili on tärkeääpitää ajan tasalla systemaattisen putsausprosessinavulla. Liiketoimintasäännöt luovat datalle merki-tyksen; ne antavat tiedolle rakenteen ja mahdollis-tavat sen soveltamisen käytäntöön. Markkinointi-sisällöstä suunnitellaan ja luodaan variantteja eriasiakasryhmien tarpeiden mukaisesti ja niitä hallin-noidaan mahdollistaen niiden automatisoitu käyttö.Asiakasvuorovaikutus toteutuu, kun asiakkaan käy-tös panee liikkeelle siihen sopivan sisällön. Tämänmäärittää liiketoimintasääntö. Asiakasvuorovaiku-tusta seurataan ja kehitetään monikanavaisesti.Kuvattu toimintojen kokonaisuus on tosielä-mässä hyvin monimutkainen.Toimiva käytäntö onaloittaa aina ylätason määrittelyistä. Kuten sanontakehottaa, ’tee oikeita asioita asioiden oikein teke-misen sijaan’. Vältä tilannetta, jossa määrittelet jajalkautat ensin yhden alueen kokonaisuudessaanennen siirtymistä seuraavaanPuhuttaessa operatiivisesta mallista on hyvämuistaa myös epäviralliset vaikuttamisen tavat. Yri-tyskulttuurin osana erityisesti päätöksenteon kult-tuuri, toiminnan kellotaajuus, sekä niin kutsuttutestaamisen ja epäonnistumisen salliva kulttuuri ovattärkeällä sijalla, kun yritykset siirtyvät vahvemmindata-vetoisiksi.Päätöksenteon kulttuuri On mukavaa kun onpaljon dataa. Moni johtaja alkaa kuitenkin hikoile-maan kun päätökset pitäisi aidosti tehdä faktapoh-jaisesti.Big datan hyödyt saavutetaan luonnollisestivain silloin, kun dataa sovelletaan päätöksentekoon.eConsultancyn start-up yrityksille (2013) tekemänkyselytutkimuksen mukaan vain 27 % vastanneistayrityksistä uskoi, että datan käyttäminen päätök-sentekotilanteissa on välttämätöntä.Toiminnan kellotaajuus Tietopohjainen liiketoi-minta vaatii täysin erilaisen toiminnan kellotaajuu-den kuin mihin monissa yhtiöissä on totuttu.Uusiaismejä ja termejä on monia, kuten esimerkiksi agi-le verkkokauppa, tai reaaliaikainen asiakaspalvelu.Mikä ikinä on termi, näitä kaikkia yhdistää jatku-van testauksen ja kehittämisen mentaliteetti, jokavaatii aina seurakseen ketterän toimintatavan.Testaamisen ja epäonnistumisten sallivakulttuuri Kun yritys lähtee kehittämään bigdataan vaadittavia kyvykkyyksiä, sen oppiminenvain harvoin etenee suoraviivaisesti. Menestyjätonnistuvat omaksumaan uusia toimintatapoja mui-ta ketterämmin. Seuraavat organisaation piirteetovat tässä avuksi: yksilöiden itsensä likoon laittami-nen, halukkuus kyseenalaistaa vanhoja toimintata-poja ja valmius rakentaa tiimejä yksilöistä, joilla onhyvinkin toisistaan poikkeavat taustat. Yrityskult-tuurin kehittämisen tulisi olla yhtä systemaattistakuin itse kyvykkyyksienkin rakentamisenkin.Yrityskulttuurin rakentaminen ja vakiinnut-taminen on siis hyvin keskeisessä asemassa tieto-pohjaista päätöksentekoa korostavassa yrityksessä.Yrityskulttuurin kehittäminen tulisi aloittaa mah-dollisimman aikaisin ja sitä tulisi kehittää samanai-kaisesti kyvykkyyksien rakentamisen kanssa.Asiakasvuoro-vaikutusta seurataanja kehitetäänmonikanavaisesti.
  14. 14. 14 Tietopohjaisten oper a atioiden r akentaminenTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Magenta Advisoryn tutkimus1Investoi datankeräämiseenYrityksen IT-osasto käynnistäähankkeen, jonka tavoitteena on ostaaja ottaa käyttöön datan keräyksenja varastoinnin työkalu.2Rakenna analyysejäja luo ymmärrystäYritys huomaa, ettei se voi soveltaakerättyä dataa ja investoi analytiikankehittämiseen.3Käynnistä dataahyödyntäviä toimintojaViimein yritys käynnistää toimintojahyödyntääkseen dataa, mutta huomaa,ettei luotu analytiikka ole sovelluskel-poista ja että sillä on puutteita ihmistenosaamisessa sekä prosesseissa.Perinteinen lähestymistapakyvykkyyksien rakentamiseenPerinteinen kyvykkyyksien rakentamisen kulttuurion kypsynyt eri toimialoilla aikojen saatossa. Mal-lia on otettu esimerkiksi rakennusteollisuudesta.Tätä vanhaa tapaa ei usein kyseenalaisteta vaan sitäsovelletaan myös nykyisen liiketoiminnan kehitys-hankkeisiin, kuten big data –muutoshankkeisiin.Hieman karrikoitu kuvaus big data hankkees-ta perinteistä kyvykkyyksien rakentamisen tapaamukaillen voisi olla kuvan 3A kuvauksen mukainen:Ensin kaikki tarmo pistetään datan keräyksenja varastoinnin kyvykkyyksiin jolloin analysointiinpanostaminen jää vähäiseksi. Tyypillisesti tällöintehdään mittava investointi, joka mahdollistaamoninaisen lähdedatan keräämisen, mutta ei vält-tämättä täytä kaikkia työkalulle asetettuja liiketoi-mintavaatimuksia. Projekti toteutetaan tyypillisestiIT-osaston toimesta.Vaiheessa kaksi johto huomaa, ettei yritys pystysoveltamaan raakadataa käytäntöön. Tätä puutettalähdetään paikkaamaan investoimalla analyysiky-vykkyyksiin,ja tiedon lopullinen käyttötarkoitus jääedelleen epähuomioon.Lopuksi, yritys alkaa suunnitella ja toteuttaatoimintoja analyysiin perustuen. Tämä osoittautuuhaasteelliseksi, sillä analyysin lopputulemat eivätole sovelluskelpoisia. Lisäksi, organisaation tieto-taito ei ole vielä kehittynyt teknisiä kyvykkyyksiävastaavalle tasolle, uusista työtavoista ei ole jaettuanäkemystä, ja päätöksentekoa tukevat työkalut ovatpuutteellisia tai niitä ei ole.Lopputulema on, että yritys epäonnistuu saavut-tamaan mitattavia tuloksia. Johdon sitoutuminenhankkeeseen heikkenee ja hanke jää torsoksi.Etupainotteisilla investoinneilla aloittaminen voihelposti johtaa siihen, ettei yritys opi tunnistamaandatan suurimpia liiketoimintahyötyjä, saati hyö-dyntämään niitä. Monet yritykset myös aliarvioivatoppimiseen vaaditun ajan.3. Menest yksek äs ky v ykky yksien r akentaminenPerinteisen tavan haasteita:- Suuri kertainvestointi, korkeaCAPEX- Huono ja jälkijättöinen näkyvyyshankkeen onnistumiseen, heikotmahdollisuudet korjata laivansuuntaa- Kaikki kerätty raakadata ei luo arvoa- Ihmis- ja prosessikyvykkyyksienrakentaminen alkaa myöhässä- Puutteelliset tietopohjaistapäätöksentekoa tukevat työkalut- Ristiriita data- ja liiketoimintatiimienvälillä- Hanketta ei mitata liiketoiminnanmittareilla vain IT-mittareilla, jokaheikentää näkyvyyttä siihen, missä onepäonnistuttuKuva 3A: Epäonnistunut kyvykkyyksien rakentaminen
  15. 15. 15 Tietopohjaisten oper a atioiden r akentaminenTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Magenta Advisoryn tutkimus1Käynnistä lisää nykyistä dataahyödyntäviä toimintojaYritys käynnistää uusia toimintojahyödyntääkseen nykyistä dataaja samalla kasvattaa ymmärtämystäändata, osaamis- ja työkalutarpeistaanliiketoiminnan näkökulmasta.2Opi rakentamaan strategiaatukevaa ymmärrystäYritys kasvattaa uutta analytiikka­osaamista liiketoimintalähtöisesti,suoraan sovellettavaksi.3Kasvata datan määrää& toimintojen mittakaavaaYritys on hiljalleen kehittänyt ihmis-,prosessi ja työkalukyvykkyyksiään jaon nyt valmis kasvattamaan kerättävändatan määrää.Paras käytäntökyvykkyyksien rakentamiseenEhdottamamme parhaiden käytäntöjen lähestymis-tapa kyvykkyyksien rakentamiseen on lähes kään-teinen perinteiseen malliin nähden. Tämä lähesty-mistapa lähtee liikkeelle jo olemassa olevan datanhyödyntämisestä entistä tehokkaammin.Tavoitteena on, että pystytään kotiuttamaan ensim-mäiset liiketoimintahyödyt hankkeen varhaisessavaiheessa ja tunnistamaan ne toiminnot, joissa onsuuret tuotto-odotukset ja matala riski- sekä kus-tannustaso. Hankkeita lähdetään toteuttamaantiimeillä, joissa yhdistyy eri funktioiden ja alueidenasiantuntemus.Vaikka alussa toimenpiteet ovat ver-rattain pieniä, suosittelemme yrityksen aloittavanjo tässä vaiheessa määrätietoisen kyvykkyyksien jaosaamiskeskittymän rakentamisen.Näin varhaisessa vaiheessa aletaan myös rakentaayrityksen tahtotilaa big datan kanssa. Tahtotilassakuvataan, miten data tukee yritystä saavuttamaansen liiketoiminnan tavoitteet.Vaiheessa kaksi rakennetaan olemassa olevanosaamisen päälle ja luodaan kyvykkyyksiä teke-mään tarkempaa ja tuloksekkaampaa analytiikkaanykyisestä datasta. Kun yrityksen osaaminen tälläalueella kasvaa, on tärkeää aloittaa faktapohjaisenpäätöksenteon, sekä jatkuvan testaamisen ja opti-moinnin kulttuurin systemaattinen kehittäminen.Edellisessä vaiheessa hahmoteltu tahtotilakuvausKuva 3B: Paras käytäntö kyvykkyyksien rakentamiseenTärkein osatekijädatan hyödyntämisessäon sen vaatimaajatusprosessi.catalin ciobanu,carlson wagonlit travel
  16. 16. 16 Tietopohjaisten oper a atioiden r akentaminenTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Magenta Advisoryn tutkimussaa nyt vahvistusta kasvaneen ymmärryksen kautta.Kartoitetaan puutteet ja määritellään seuraavatkehityskohteet datan, analytiikan, taitojen, resurs-simäärien ja prosessien osalta.Kolmannessa vaiheessa kasvatetaan jo testattujenbig data -operaatioiden mittakaavaa.Onnistumisentodennäköisyys kasvaa merkittävästi, kun yrityksel-lä on toiminnassa oleva tuloksekas analytiikkatiimi,jolla on olemassa olevat tavat toimia business- jamuiden sidosryhmien kanssa.Vasta tässä vaiheessa suosittelemme yrityksentekevän suurempia investointeja datan keräämiseen,analysointiin ja soveltamiseen.Uuden toimintatavan juurtuminen organisaa-tioon on hyvällä alulla, mutta vaatii paljon aikaa.Oppiminen ei ole lineaarista vaan siihen voi tullasuuriakin viiveitä liittyen toiminnan laajenemiseen,ydinhenkilöiden vaihtumiseen jne.Tässä yhteydessä on tärkeää painottaa, ettäkyvykkyyksien rakentamisen kolmevaiheinenkehityspolku ei ole tosielämässä kolmeen vaiheenlineaarinen prosessi. Kyseessä on iteratiivinen oppi-misen ja kehittämisen tapa, jossa suuret iteraatios-yklit pitävät sisällään monia pieniä kokeilemisen jaoppimisen syklejä. Merkityksellistä on, että tietokulkee avoimesti, ja että monimuotoista osaamistaedustavat tiimit valjastetaan ja valtuutetaan jatku-van kehittämisen moottoriksi.Lähestymistavan hyödyt:+ Tuloksia saavutetaan nopeasti+ Hyvä varmuus teknisten investointien onnistumisesta+ Pitkä investointihorisontti, jotaiteroidaan matkan varrella. Investoinnit toteutuvat vähitellen+ Ihmiset, prosessit ja yhteistyö kypsyy ja kehittyy vähitellen+ Vain sovelluskelpoista dataa kerätään ja säilytetään+ Riittävä panostus päätöksentekoa tukeviin työkaluihin+ Data- ja liiketoimintayksiköt työskentelevät yhdessä alusta lähtien+ Projektin liiketoiminta-arvon mittaus mahdollista
  17. 17. 17 Kuink a Magenta Advisory voi aut ta a organisa atiotasi?Tietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Magenta Advisoryn tutkimusMagenta Advisory auttaa yrityksissä sekä ylintä johtoa että asiantuntijoitaluomaan kilpailuetua sähköisten kanavien avulla. Olipa kyse sitten strategianluomisesta tai prosessien kehittämisestä, me sitoudumme tekemään asiakkais-tamme sähköisen maailman markkinajohtajia.Kuvassa 4 on esillä palveluita, joita tarjoamme yrityksille sähköisissä muutos-hankkeissa.Me uskomme pitkäaikaisten asiakassuhteiden rakentamiseen, jotta voimmetyöskennellä läpi asiakkaidemme muutosprosessin.Asiakkaamme valitsevatmeidät yhä uudelleen, koska:• Olemme johtavia asiantuntijoita sähköisessäja monikanavaisessa liiketoiminnassa• Ymmärrämme, että sähköisiä kanaviapitäisi johtaa liiketoimintaperusteisesti• Meillä on hyviä tuloksia asiakkaidemmeauttamisessa menestykseen• Ymmärrämme sekä paikallistenettä monikansallisten brändien toimintaa• Toimitamme tuloksiaKuinka Magenta Advisoryvoi auttaa organisaatiotasi?KUVA 4:Magenta AdvisoryntarjoamaSTRATEGIA CONCEPTCAPABILITY DEVELOPMENTJATKUVA KEHITTÄMINENVision ja mission määritysStrategian määritysTavoitteenasetantaStrategisen kehityskartan luominenLiiketoimintamallin määritysInvestointilaskelmatMarkkina-analyysiKilpailija-analyysiLiiketoimintakonseptin määritysAsiakasarvolupauksen suunnitteluParhaiden käytäntöjen tunnistaminenLiiketoimintavaatimus-ten määrittelyTarkennetut investointilaskelmatHankesuunnitteluToimittajavalinnatHankejohtoHankeauditoinnitKäyttötapausten määritysToimintatapojen suunnittelu ja käyttöönottoOrganisaation suunnittelu ja pystyttäminenKoulutusMuutoksen hallintaLiiketoiminnan mittariston määritys ja käyttöönottoLiiketoiminnan tehokkuuden arviointiJatkuvan kehityksen toimintamallitJatkokehityksen suunnitteluVuokrajohtoLIIKETOIMINTA-KONSEPTIKYVYKKYYDET
  18. 18. 18 Kirjoit tajistaTietopohjainen päätöksenteko – Onko organisaatiosi valmis Big Dataan? | Magenta Advisoryn tutkimusLotta KopraOsakasLotta on johtava asiantuntija sähköisenasiakkuudehallinnan, - myynnin ja –markkinoinnin alueilla. Lotalla on vankkakokemus mm. telekommunikaatio-,vähittäiskauppa-, media-, puunjalostus-,elektroniikka- ja öljyteollisuus toimialoilta.lotta.kopra@magentaadvisory.com+358 50 444 6000Anni TupamäkiKonsulttiAnni on sähköisen liiketoiminnankehittämisen asiantuntija, jonkaerikoisalueena on sähköinenmarkkinointi ja myynti.Anni on tehnytprojekteja kuluttajatuoteyhtiöiden jateleoperaattoreiden parissa.anni.tupamaki@magentaadvisory.comKirjoittajistayhteystiedotMagenta Advisoryinfo@magentaadvisory.comBulevardi 6 A 1200120 Helsinki
  19. 19. 3magentaadvisory.com

×