Matti Paavonen

Kirjoittaja

Analyysissä keskitytään ymmärtämään mennyttä, jo tapahtunutta. Analytiikka auttaa ymmärtämään miksi niin tapahtui ja mitä tapahtuu seuraavaksi. Analytiikka tarjoaa siis vastauksia tärkeimpiin kysymyksiimme, auttaa valitsemaan toimenpiteitä ja ennakoimaan niiden seurauksia.

Data-analyysillä muodostetaan hyödyllistä tietoa joukosta yksittäisiä havaintoja. Se on siis vastalääke informaatioähkyyn. Satojen, tuhansien ja etenkin satojen tuhansien havaintojen joukosta voi olla vaikeaa löytää punaista lankaa, mutta matemaattisilla malleilla, kuten regressio-, aikasarja- tai vaikka neuroverkkomalleilla, voidaan paljastaa datan yleisimmät vaikutussuhteet. Mitkä asiat lopputulokseen vaikuttavat ja miten lopputulos muuttuu, kun taustatekijöitä muutetaan?

Toiminnan kehittäminen lähtee yleensä kysymyksestä. Miten tämä voitaisiin tehdä paremmin tai mikä näistä vaihtoehdoista on paras? Kun tuo toiminnan kannalta tärkein kysymys on selkiintynyt, käännytään datan puoleen ja katsotaan, millaisia vastauksia datalla on antaa. Yksinkertaisimpiin kysymyksiin vastaus löytyy perustunnuslukujen avulla, mutta keskiarvo voi piilottaa taakseen hyvinkin erilaisia jakaumia tai joukkoja. Mitä paremmin dataan perehdytään, sitä syvällisempää tietoa päätöksenteon tueksi saadaan.

Taulukko 1: Analyytikon töiden havainnollistamiseksi yllä on joukko kysymyksiä, joihin data-analyytikko auttaa etsimään vastauksia. Kysymyslista ei ole kaiken kattava.

Suositteluhalukkuutta kuvaava NPS-luku on varmasti tuttu indikaattori kaikille asiakastutkimusten kanssa tekemisissä olleille. Se muodostetaan asiakkaiden vastauksista kysymykseen Kuinka todennäköisesti suosittelisit yritystä (palvelua/tuotetta) ystävällesi tai kollegallesi? NPS-luku on hyödyllinen, koska sitä käytetään laajalti, joten sen avulla on mahdollista vertailla eri yritysten ja tuotteiden asiakastyytyväisyyttä keskenään. Tyytymättömät asiakkaat antavat kriittisiä arvioita ja tyytyväiset positiivisia arvioita. Mutta miksi kriittiset asiakkaat ovat tyytymättömiä ja suosittelijat tyytyväisiä? Mitkä tekijät vaikuttavat suositteluhalukkuuteen? Entä mitä pitäisi tehdä, jotta asiakastyytyväisyys paranisi? Mitä eri vaihtoehtoja asiakastyytyväisyyden parantamiseen on ja mitkä niistä todennäköisesti toimivat tehokkaimmin? Erityisen kiinnostavaa on yhdistää asiakkaiden näkemykset tuotteiden todellista käyttöä kuvaaviin lukuihin (kuten myyntiin) ja selvittää mitkä kokemukset korreloivat lisääntyneen tai vähentyneen käytön kanssa.

Näihin kysymyksiin data-analyytikko voi tuottaa vastauksia. Mikäli kysymys on laajempi ja analyytikolla vapaammat kädet, hän voi pöyhiä dataa monipuolisemmin ja etsiä laajemmin toimeksiantajan tavoitteita edistäviä havaintoja. Havaintojen jälkeen seuraa analytiikan kriittisin vaihe. Havainnot, olkoon niiden taustalla oleva mallinnus kuinka monimutkaista tahansa, pitää pystyä esittämään ymmärrettävällä ja toimintaa tukevalla tavalla. En paneudu siihen vielä, vaan kirjoitan analytiikkaratkaisun mitoittamisesta laajemmin tämän kirjoitussarjan neljännessä osassa.

Data-analyysin avulla suurista tietomassoista etsitään kiinnostuksen kohteen kannalta tärkeimmät vaikutussuhteet. Se auttaa ymmärtämään kokonaisuutta ja tekemään parempia päätöksiä. Yksinkertaistettuna ilmaisisin asian niin, että mikäli kysymyksiin halutaan perusteltuja vastauksia, niin tarvitaan dataa ja analytiikkaa.


Blogisarjan seuraava osa:
”Analytiikkaratkaisut on valittava tarpeen mukaan” julkaistaan pian.

 

Matti Paavonen
Liiketoimintajohtaja, Analytiikka
Innolink


Tämä blogikirjoitus on osa sarjaa, jolla pyrin kuvaamaan miten kovaa ja pehmeää dataa voidaan hyödyntää syvällisemmin kaikkien organisaatioiden toiminnan tukena.


Blogisarjan osat:

0. Prologi: Isä, mitä sä teet työksesi – eli mitä on analytiikka
1. Kerättyä tietoa kannattaa hyödyntää ja yhdistellä
2. Analytiikalla selvitetään miksi ja mitä seuraavaksi
3. Analytiikkaratkaisut on valittava tarpeen mukaan
4. Syvenevä yhteistyö kehittää


Tutustu Innolinkin tiedolla johtamisen palveluihin
Tutustu Innolinkin analytiikkaratkaisujen mahdollisuuksiin
#innolink #analytiikka #tiedollajohtaminen


Viimeisimmät artikkelit: