Analytiikka liiketoiminnassa esitys Edutech Big Data ja data-analytiikka liiketoiminnan kehittämisessä 1.4.2014. Lisätietoa kokonaisuudesta: http://www.bit.ly/ebd2014
Tutustuminen data-analytiikan ja big datan maailmaanJari Jussila
Tutustuminen data-analytiikan ja big datan maailmaan. Valikoitua sisältöä Edutech Data ja analytiikka liiketoiminnan kehittämisessä koulutuspäivästä. Kouluttajina Pasi Hellsten & Jari Jussila. @EdutechTUT #Data4BizTraining
Jornada da Trabalhabilidade - Dia 01 | WORKALOVEWorkalove Edtech
Slides apresentados durante o primeiro dia da Jornada da Trabalhabilidade, da WORKALOVE, com o tema: Por que o Futuro da Educação é integrado ao Mundo do Trabalho?, por Fernanda Verdolin, CEO da WORKALOVE e Elzí Campos, co-founder e Diretora de Pesquisa da WORKALOVE.
SIGA A WORKALOVE NAS REDES SOCIAIS:
Instagram: https://www.instagram.com/workalove_/
Facebook: https://www.facebook.com/workalover
Linkedin: https://www.linkedin.com/company/work...
SAIBA MAIS SOBRE A WORKALOVE:
Site:https://workalove.com/
Blog: https://workalove.com/blog/
Neste curso GRATUITO você aprenderá a transformar uma ideia em oportunidade, conhecendo os passos para empreender um novo negócio com sucesso, o perfil do empreendedor bem sucedido, a importância do plano de negócios, e ainda com estudos de casos. Trata-se de um curso com rico conteúdo, baseado na experiência do prof. Dr. José Dornelas no suporte a mais de 40.000 empreendedores no país.
An introduction to human-centered design including characteristics of HCD, industry terminology, and methodology. Includes case study, criticisms, and an evaluation of human-centered design. Created for non-UX professionals for an in-office workshop.
Design Thinking - Empatia, experimentação e ColaboraçãoBruno Eugênio
Slides sobre conceitos básicos de Design Thinking e como o pensamento centrado no ser humano está ajudando empresas públicas e privadas a criar e manter produtos e serviços com foco nos usuários
Tutustuminen data-analytiikan ja big datan maailmaanJari Jussila
Tutustuminen data-analytiikan ja big datan maailmaan. Valikoitua sisältöä Edutech Data ja analytiikka liiketoiminnan kehittämisessä koulutuspäivästä. Kouluttajina Pasi Hellsten & Jari Jussila. @EdutechTUT #Data4BizTraining
Jornada da Trabalhabilidade - Dia 01 | WORKALOVEWorkalove Edtech
Slides apresentados durante o primeiro dia da Jornada da Trabalhabilidade, da WORKALOVE, com o tema: Por que o Futuro da Educação é integrado ao Mundo do Trabalho?, por Fernanda Verdolin, CEO da WORKALOVE e Elzí Campos, co-founder e Diretora de Pesquisa da WORKALOVE.
SIGA A WORKALOVE NAS REDES SOCIAIS:
Instagram: https://www.instagram.com/workalove_/
Facebook: https://www.facebook.com/workalover
Linkedin: https://www.linkedin.com/company/work...
SAIBA MAIS SOBRE A WORKALOVE:
Site:https://workalove.com/
Blog: https://workalove.com/blog/
Neste curso GRATUITO você aprenderá a transformar uma ideia em oportunidade, conhecendo os passos para empreender um novo negócio com sucesso, o perfil do empreendedor bem sucedido, a importância do plano de negócios, e ainda com estudos de casos. Trata-se de um curso com rico conteúdo, baseado na experiência do prof. Dr. José Dornelas no suporte a mais de 40.000 empreendedores no país.
An introduction to human-centered design including characteristics of HCD, industry terminology, and methodology. Includes case study, criticisms, and an evaluation of human-centered design. Created for non-UX professionals for an in-office workshop.
Design Thinking - Empatia, experimentação e ColaboraçãoBruno Eugênio
Slides sobre conceitos básicos de Design Thinking e como o pensamento centrado no ser humano está ajudando empresas públicas e privadas a criar e manter produtos e serviços com foco nos usuários
8 Ferramentas para Projetar a Marca Pessoal - Ana SantiagoAna Santiago
Palestra apresentada na Feira Start Point @ UM - Orienta o teu Futuro, organizada pela Liftoff - Gabinete do Empreendedor da AAUM, na Reitoria da Universidade do Minho, em Braga, no dia 22 de outubro de 2013. (conteúdos adaptados do livro Qual é a sua melhor versão?, de Ana Santiago)
Introduction to Design Thinking for Business StudentsPatrick Glinski
This was a presentation I gave October 16th, 2010 at the Queens School of Business responsible leadership weekend. The talk was designed to introduce the principals of design thinking to undergraduate and MBA students with an interest in corporate and social change.
Caixa de ferramentas para oficinas de Design Thinking (protótipo - v.0.5) - ANACRodrigo Narcizo
Ferramentas para uso em oficinas de Design Thinking criadas pela equipe do Laboratório de Inovação da ANAC - Lab InovANAC.
Versão ainda em fase de desenvolvimento (protótipo) ainda sem aprovação e publicação oficial.
* 다운로드 받으신 후 PPT파일의 슬라이드 노트를 참고하세요.
* 최신 파일(2016.7.)은 용량 관계상 PDF로 제공합니다.
아래 URL에서 내려받으실 수 있습니다.
http://www.slideshare.net/usableweb/20167-pdf
* 본 자료는 개인의 의견으로 소속기관인 한국디자인진흥원의 공식입장과는 다를 수 있음을 밝힙니다.
작성 : 윤성원. 한국디자인진흥원 서비스디자인팀장
업데이트 : 2009 ~ 2016.4.
작성 목적 : 서비스디자인의 의의와 중요성을 이해할 수 있도록 돕기 위함
주요 내용 :
디자인의 역할 확대
배경, 중요성
서비스디자인 개념
용어, 프로세스, 방법론,
서비스디자이너의 필요 역량
서비스디자인을 통한 사회문제해결
서비스디자인 역사와 동향
정책 방향 등
출처 : http://cafe.naver.com/usable/725
서비스디자인에 대해 궁금하시다면...
http://www.usable.co.kr
* 이 발표자료를 글로 설명한 자료를 보시려면....
http://servicedesign.tistory.com/62
The key points:
▫️Empathy in business and how to measure it?
▫️Design thinking tools
▫️How to handle uncertainty as the project evolves?
▫️Design thinking in IT — how does it work?
▫️Tips and tricks on design thinking methodology.
8 Ferramentas para Projetar a Marca Pessoal - Ana SantiagoAna Santiago
Palestra apresentada na Feira Start Point @ UM - Orienta o teu Futuro, organizada pela Liftoff - Gabinete do Empreendedor da AAUM, na Reitoria da Universidade do Minho, em Braga, no dia 22 de outubro de 2013. (conteúdos adaptados do livro Qual é a sua melhor versão?, de Ana Santiago)
Introduction to Design Thinking for Business StudentsPatrick Glinski
This was a presentation I gave October 16th, 2010 at the Queens School of Business responsible leadership weekend. The talk was designed to introduce the principals of design thinking to undergraduate and MBA students with an interest in corporate and social change.
Caixa de ferramentas para oficinas de Design Thinking (protótipo - v.0.5) - ANACRodrigo Narcizo
Ferramentas para uso em oficinas de Design Thinking criadas pela equipe do Laboratório de Inovação da ANAC - Lab InovANAC.
Versão ainda em fase de desenvolvimento (protótipo) ainda sem aprovação e publicação oficial.
* 다운로드 받으신 후 PPT파일의 슬라이드 노트를 참고하세요.
* 최신 파일(2016.7.)은 용량 관계상 PDF로 제공합니다.
아래 URL에서 내려받으실 수 있습니다.
http://www.slideshare.net/usableweb/20167-pdf
* 본 자료는 개인의 의견으로 소속기관인 한국디자인진흥원의 공식입장과는 다를 수 있음을 밝힙니다.
작성 : 윤성원. 한국디자인진흥원 서비스디자인팀장
업데이트 : 2009 ~ 2016.4.
작성 목적 : 서비스디자인의 의의와 중요성을 이해할 수 있도록 돕기 위함
주요 내용 :
디자인의 역할 확대
배경, 중요성
서비스디자인 개념
용어, 프로세스, 방법론,
서비스디자이너의 필요 역량
서비스디자인을 통한 사회문제해결
서비스디자인 역사와 동향
정책 방향 등
출처 : http://cafe.naver.com/usable/725
서비스디자인에 대해 궁금하시다면...
http://www.usable.co.kr
* 이 발표자료를 글로 설명한 자료를 보시려면....
http://servicedesign.tistory.com/62
The key points:
▫️Empathy in business and how to measure it?
▫️Design thinking tools
▫️How to handle uncertainty as the project evolves?
▫️Design thinking in IT — how does it work?
▫️Tips and tricks on design thinking methodology.
Timo Hiltunen Gofore Change 2016 -tapahtumassa 17.03.2016: Fonectan digitaali...Fonecta
Fonectan toimitusjohtaja Timo Hiltunen puhuu Fonectan muutosmatkasta digitaalisen kasvun edelläkävijäksi Talentumin Gofore Change 2016 -tapahtumassa 17.3.2016
http://talentumevents.fi/gofore-change/ohjelma/
Tuleva vuosi on asiakaskeskeisen palvelukulttuurin kehittämisen, kulttuurimuutokseen sitouttamisen sekä asiakaskohtaamisten mittaamisen ja seurannan aikaa. Asiakkuuskokemusten kehittämistyön yleisin este on selkeän strategian puuttuminen. Oikeiden työkalujen käyttöönotto ja systemaattisen toimintamallin luominen tuo vastustamatonta kilpailuetua.
An immersive workshop at General Assembly, SF. I typically teach this workshop at General Assembly, San Francisco. To see a list of my upcoming classes, visit https://generalassemb.ly/instructors/seth-familian/4813
I also teach this workshop as a private lunch-and-learn or half-day immersive session for corporate clients. To learn more about pricing and availability, please contact me at http://familian1.com
TEDx Manchester: AI & The Future of WorkVolker Hirsch
TEDx Manchester talk on artificial intelligence (AI) and how the ascent of AI and robotics impacts our future work environments.
The video of the talk is now also available here: https://youtu.be/dRw4d2Si8LA
Big datan ja analytiikkamaailman käsitteiden läpikäyminenJari Jussila
Big datan ja analytiikkamaailman käsitteiden läpikäyminen. Kooste esityksestä 12.3.2014 Edutech Big Data ja data-analytiikka liiketoiminnan kehittämisessä,
Moduuli 1: Big Data nyt ja tulevaisuudessa.
Olin luennoimassa digianalytiikan kytkemisestä markkinoinnin strategiseen päätöksentekoon Turun kauppakorkeakoululla 31.3.2017.
Digianalytiikka on kehittynyt viimeisen kahden vuosikymmenen aikana yksinkertaisesta klikkien seurannasta yhä kompleksisempiin kampanja-analyyseihin ja markkinointiviestinnän vaikuttavuuden mittaamiseen. Nopea teknologinen kehitys on kuitenkin jättänyt varjoonsa digianalytiikan strategisen merkityksen niin liikkeenjohdon kuin akateemisen tutkimuksen keskuudessa. Tämä on johtanut tilanteeseen, jossa digianalytiikan tekninen toteutus tunnetaan verrattain hyvin, mutta sen käytännön hyödyt ja käyttötarkoitukset ovat jääneet vähäiselle huomiolle.
Digianalytiikkaa ei tulisi nähdä pelkkänä markkinointikampanjan seurantatyökaluna; oikeissa käsissä se voi tuottaa kallisarvoisia oivalluksia strategisen markkinoinnin päätöksenteon tueksi. Digianalytiikan avulla voidaan tuottaa uudenlaista tietämystä yrityksen asiakkaista, kilpailijoista ja markkinoista. Tämän potentiaalin hyödyntämiseksi yritysten on panostettava organisatoristen rakenteiden ja prosessien joustavuuteen, tarkoituksenmukaiseen henkilöstön koulutukseen, toimivan datahallintatyökalun kehittämiseen sekä digianalytiikan kehittämisen sitomiseen osaksi yrityksen strategiaa.
Miten Master Dataa voi käyttää apuna Big Datan hyödyntämisessä? Mitä uutta Big Data voi tarjota Master Datalle?
- Käytä master dataa laadukkaan ja standardoidun tiedon lähteenä
- Sovella master datan hallinnan periaatteita Big Dataan
- Elinkaari
- Omistajuus
- Hyödynnä samoja data quality työkaluja ja periaatteita
- Määritä laatukriteerit
- Estä huonolaatuisen datan pääsy prosessiin
- Käytä samoja työkaluja
- Valitse sellaiset työkalut, jotka pystyvät käsittelemään isoja määriä ei-rakenteista dataa
Kohti kokonaisvaltaista ja transformatiivista pedagogiikkaa.pdfJari Jussila
Kohti kokonaisvaltaista ja transformatiivista pedagogiikkaa: Sustainable Product Development Project tapausesimerkkinä transformatiivisesta pedagogiikasta. Pedaforum 2024 esitys 6.6.2024, Jari Jussila & Mona-Anitta Riihimäki.
Open Data and Standard APIs learning material for iCOINS: Industry 4.0 competences for SMEs - Awareness raising tools - project. The iCOINS project aimed at developing common EU competences for raising awareness of SMEs on Industry 4.0 through an innovative Training Course. The primary target groups are VET teachers, trainers and mentors. Additionally, iCOINS serves the needs of SMEs staff, higher education staff and students, vocational institutions, vocational higher education institutions/teachers, public administration staff.
Cognitive computing approaches for human activity recognitionJari Jussila
Cognitive computing approaches for human activity recognition from tweets - A case study of Twitter marketing campaign. Presentation at Rii Forum, April 25, 2019, Rome.
Towards ecosystem for research and development of electrodermal activity appl...Jari Jussila
Towards ecosystem for research and development of electrodermal activity applications, presentation at Academic Mindtrek Conference 2018, October 10, Tampere. Authors Jari Jussila, Niina Venho, Henna Salonius, Jarkko Moilanen, Jari Liukkonen & Mikael Rinnetmäki.
Visualising maritime vessel open data for better situational awareness in ice...Jari Jussila
Visualising maritime vessel open data for better situational awareness in ice conditions. Authors: Jari Jussila, Timo Lehtonen, Jari Laitinen, Markus Makkonen & Lauri Frank. Academic Mindtrek Conference 2018, October 10.
Application for pre-processing and visualization of electrodermal activity we...Jari Jussila
Application for pre-processing and visualization of electrodermal activity wearable data, presentation at 12.6.2017 13:15-14:45 Sonaatti 2, Tampere Hall, Tampere, Finland. EMBEC 2017 conference track on Data Based Analytics in Health care: From Sensors to Big Data.
A bibliometric study on authorship trends and research themes Jari Jussila
A bibliometric study on authorship trends and research themes in knowledge management literature - presentation at IFKAD 2017 Conference 7 June 2017, Saint Petersburg, Russia
Rakennetun ympäristön sähköinen asiointipalvelu kuntien tiedolla johtamis...Jari Jussila
Jussila, J., Sillanpää, V., Helander, N., Lehtonen, T. and Krekola, L. (2016). Rakennetun ympäristön sähköinen asiointipalvelu kuntien tiedolla johtamisen vauhdittajana. Tietoasiantuntija. Vol 31, Nro 5, pp. 22-23.
2. Mitä pitäisi tehdä?
Ottaa kaikki data käyttöön!
Analytiikka liiketoiminnassa 2/6
Kerää
Tallenna
Analysoi
Hyödynnä
Ennusta
Automatisoi
Datavirrat on
analysoitava
heti
Lopullinen
tavoite
Big Datan mahdollisuudet [Salo, 2014]
3. Analytiikkaprojektin neljä
tärkeintä oppia
• Analytiikkaprojektit epäonnistuvat poikkeuksetta silloin,
kun ne tehdään out-of-the-box –projektitoimituksena.
Asiakkaan liiketoimintaa ei ymmärretä eikä aitoa
asiakasymmärrystä pääse koskaan syntymään. On
täysin yhdentekevää asetella neuroverkkoja silmät kiinni
jonkun aineiston päälle ja “ennustaa” siitä jotain.
Tuloksena on toki joku malli, mutta mitään
liiketoiminnallista arvoa sillä ei saa.
• Kaikista keskeisin syy analytiikkaprojektien
epäonnistumiselle on se, että mennään mallinnus,
algoritmit ja työkalut edellä, liiketoiminnan sijasta.
Analytiikka liiketoiminnassa 3/6
Analytiikkaprojektin neljä tärkeintä oppia [Kartela, 2014]. Saatavissa:
http://www.solita.fi/lehti/analytiikkaprojektin-nelja-tarkeinta-oppia/?sthash.mrb6PGi1.mjjo#sthash.mrb6PGi1.KtvrAXiG.dpuf
4. Mikä analytiikkaprojekteissa
on haastavaa?
• Ratkaisu on tunnistettu ennen
ongelma
– mennään työkalu, menetelmä tms.
edellä sovitetaan
liiketoimintaongelma ratkaisulle
sopivaksi
• Monet ongelmista eivät ole selviä
– liiketoiminnasta vastaavat eivät
tiedä mihin ongelmaan haluavat
vastausta, tai vielä pahempaa eivät
tunnusta ongelman olemassaoloa
• Vastaukset on vaikea ymmärtää
Analytiikka liiketoiminnassa 4/6
Analytics for Decision Making [Catanzaro, 2013]. Saatavissa:
http://sdm.mit.edu/systemsthinkingconference/2013/presentations/catanzaro.pdf
5. Analytiikkaan pohjautuva
päätöksenteko: 6 vaihetta
5/6
Liiketoiminta-
ongelman tai
–kysymyksen
tunnistaminen
Aikaisempien
löydöksien
läpikäynti
1. 2. 3. 4. 5. 6.
Ratkaisun
mallintaminen
ja muuttujien
valinta
Datan
kerääminen
Datan
analysointi
Tuloksien
esittäminen
ja niiden
pohjalta
toimiminen
Kun käytetään big dataa päätöksenteossa, liiketoimintaihmisten (”non-quants”) pitäisi
keskittyä prosessin ensimmäiseen ja viimeiseen vaiheeseen.
Numeroihmiset tyypillisesti hoitaa yksityiskohdat välissä, mutta (viisaat)
liiketoimintaihmiset esittävät paljon kysymyksiä matkan varrella.
Analytics-Based Decision Making – in Six Key Steps [Daveport, 2013]
Analytiikka liiketoiminnassa
6. Perinteinen data-analytiikan työnkulku
6/6
Big Data Imperatives [Mohanty et al., 2013]
Liiketoimintakysymys:
”Kuinka saavutan markkinoinnin
tavoitteet eri digitaalisissa
kanavissa?”
Liiketoimintapäätös:
”Määritä kanavakohtaiset
asiakassegmentit ja kohdista
markkinointi analyysin tuloksien
mukaisesti”
Liiketoiminta-
vastaava
Liiketoiminta-ja
data-analyytikko
Tunnista datalähteet:
CRM, tietovarasto, Excel
sosiaalinen media, jne.
Yhdistä ja kokoa
data:
Hae ja yhdistä
data eri lähteistä
Siivoa ja rikasta:
ETL, datan
siivous, datan
rikastaminen
Lisää ja
kontekstualisoi:
Sijainti, demografia,
segmentointi
Rakenna analytiikan
työnkulku:
Rakenna ympäristö,
mallinna, analysoi
data, ennusta
Analyysi:
Tarkastele tuloksia ja iteroi
Esitä ja sovita:
Visualisoi, rakenna applikaatio
tai kerro tarina
IT/datahallinnan
asiantuntija
Analytiikka liiketoiminnassa
7. Big data-analytiikan työnkulku
7/6
Big Data Imperatives [Mohanty et al., 2013]
Liiketoimintakysymys:
”Kuinka saavutan markkinoinnin
tavoitteet eri digitaalisissa
kanavissa?”
Liiketoimintapäätös:
”Määritä kanavakohtaiset
asiakassegmentit ja kohdista
markkinointi analyysin tuloksien
mukaisesti”
Liiketoiminta-
vastaava
Datatieteilijä
Tunnista datalähteet:
CRM, tietovarasto, Excel
sosiaalinen media, jne.
Yhdistä ja kokoa data:
Hae ja yhdistä data eri lähteistä
Siivoa ja rikasta:
ETL, datan siivous, datan
rikastaminen
Lisää ja kontekstualisoi:
Sijainti, demografia, segmentointi
Rakenna analytiikan työnkulku:
Rakenna ympäristö, mallinna,
analysoi data, ennusta
Analysoi:
Tarkastele tuloksia ja iteroi
Esitä ja sovita:
Visualisoi, rakenna applikaatio
tai kerro tarina
Syötä
dataa
Visualisoi
Mallinna
Analytiikka liiketoiminnassa
9. Mikä on organisaation
tavoite Big datalle?
• Mikä on tavoiteltava hyöty?
– kustannuksien vähentäminen?
– prosessien tehostaminen?
– myynnin / ristiinmyynnin lisääminen?
– tuotteen tai palvelun laadun parantaminen?
– uudet (dataan perustuvat) tuotteet tai
palvelut?
– uudet (dataan perustuvat) ansainta- ja
liiketoimintamallit?
Analytiikka liiketoiminnassa 9/6
Hyviä esimerkkejä mm. Big Data at Work [Davenport 2014]
10. Liiketoimintakysymyksen
muotoilu
Analytiikka liiketoiminnassa 10/6
Selkeä ja
ajankohtainen
liiketoimintaongelma
ja tarve analytiikalle
Ei selkeästi
muotoiltua tarvetta,
mutta liiketoiminta-
ongelma tiedossa
Ei tiedostettua
liiketoiminta-
ongelmaa tai
analytiikkatarvetta
Selkeä väittämä
kysymyksestä, johon
halutaan vastaus
ONGELMA:
Markkinoinnin kohdistaminen ei
toimi
TARVE:
Löytää tekijät, jotka tällä hetkellä
korreloivat myynnin kanssa
VÄITTÄMÄ / KYSYMYS:
Kuinka myynti korreloi tekijöiden A,
B, C ja D kanssa; kun tarkastellaan
päivämyyntejä vuodesta 2010 tähän
päivään asti
Hyvä esimerkki
Pitäisi analysoida
markkinointia
Huono esimerkki
See also: Analytics for Decision Making [Catanzaro, 2013].
http://sdm.mit.edu/systemsthinkingconference/2013/presentations/catanzaro.pdf
11. Zoomaus ulos Tarkastellaan laajempaa
kokonaisuutta, koko prosessia, koko
tuotetta tai tuoteportfoliota
Zoomaus sisään Tarkastellaan pienempää
kokonaisuutta, prosessin osaa,
tuotteen osaa tai yksittäistä
ominaisuutta
Asiakassegmentti Määritellään eri kriteerein / muuttujin
kuin aikaisemmin, keskitytään tiettyyn
kapeaan segmenttiin, laajennetaan,
etsitään uutta
Asiakastarve Hyödynnetään eri lähteitä
asiakastarpeen määrittämisessä,
esim. asiakkaan itse generoima data
(clickstream ym.), videotallenteet
palvelutilanteesta, asiakkaan
keskustelut sosiaalisessa mediassaAnalytiikka liiketoiminnassa 11/6
Liiketoimintaongelman, kysymyksen ja
analytiikkatarpeen iteroinnissa pivotointi
voi auttaa
12. Analytiikan kokeilu
• Lähdetään etsimään mitä datasta löytyy ja
kuinka dataa voidaan käyttää hyödyttämään
organisaation liiketoimintaa
Lopputuloksena on idea – konsepti mahdollisesta
uudesta tuotteesta, palvelusta tai ominaisuudesta
tai hypoteesi (ja sitä tukeva evidenssi) että
olemassa olemaa mallia voidaan parantaa
Usein enemmän inkrementaalisia parannuksia.
Esimerkki tunnistetaan uusi tekijä, joka parhaiten
ennustaa asiakaspoistumaa tai auttaa tarkemmin
kohdistamaan tarjouksen
Liikkeelle pienellä pilotilla tai proof-of-conceptilla
Analytiikka liiketoiminnassa 12/6
Big Data at Work [Davenport 2014]
13. Analytiikan tuotanto
• Skaalataan analytiikkaratkaisu tuotantoon
– Esimerkiksi muutetaan hinnoittelualgoritmeja tai
siirrytään kokeiluasteella olevasta tuotteesta tai
palvelusta täysin toiminnalliseen tuotteeseen tai
palveluun asiakkaalle
• kaikki kokeilut ei välttämättä mene tuotantoon
• tiukemmat vaatimukset mm. luotettavuudelle ja
turvallisuudelle ja muille seikoille mitä asiakkaat,
partnerit ja lainsäädäntö edellyttävät
• vaatii erilaista osaamista ja asiantuntemusta, mm.
uusien sovelluksien integroimista olemassa olevaan
arkkitehtuuriin ja sovelluksien suorituskyvyn optimointiin
• perusasioiden pitää olla kunnossa, mm. ydintietojen
hallinta
Analytiikka liiketoiminnassa 13/6
Big Data at Work [Davenport 2014]
14. Mikä on oikea nopeus Big datan
käyttöönotolle?
• Pitäisi edetä konservatiivisesti jos:
– Kilpailijat ei juuri tee mitään Big datalla
– Sinulla ei ole paljoa dataa asiakkaista tai muista tärkeistä business
toimijoista
– Yrityksesi ei tyypillisesti ole edelläkävijä toimialan innovoinnissa
• Pitäisi edetä aggressiivisesti jos:
– Toimialasi on jo aktiivinen big data-analytiikassa
– Haluat pysyä edellä kilpailijoitasi
– Yritykselläsi on ainakin joitain ihmisiä jotka osaa tehdä big data-
analytiikkaa
• Pitäisi edetä todella aggressiivisesti jos:
– Joku toimialallasi on jo todella aggressiivinen
– Yrityksesi on hyödyntänyt aiemmin teknologiaa uudistamaan toimialaa
– Yritykselläsi on kaikki tarvittavat kyvykkyydet
14/6
Big Data at Work [Davenport 2014]