Analytiikka pk-yrityksissä

Keskity hyötyyn

Pk-yritysten on hyödynnettävä dataa entistä tehokkaammin pysyäkseen mukana kilpailussa. Aiemmin huomattavat aloituskustannukset ja datan vähyys rajoittivat pk-yritysten mahdollisuuksia ottaa analytiikkajärjestelmiä käyttöön. 2010- luvulla pilvipalvelut jylläävät ja dataa tursuaa pieniinkin yrityksiin ovista ja ikkunoista. Miten siis saada kilpailuetua analytiikan, automatisaation ja raportoinnin kautta?

Ensimmäinen neuvo asiaa miettiville on, että keskity konkreettiseen hyötyyn mitä järjestelmästä haluat. Määrittele selkeästi mitä uudella järjestelmällä ja uusituilla prosesseilla tavoitellaan. Näin varmistat, että toteutettavat projektit todella tarjoavat rahalle vastinetta eikä yrityksesi joudu “Tehdään koska muutkin tekee” -ansaan.

Pienin askelin alkuun

Pk-yrityksissä resurssit ovat tiukassa ja käytetylle rahalle on saatava vastinetta. Pitkät selvitysprojektit useine workshoppeineen ja kuukausia kestävät käyttöönotot eivät ole vaihtoehto kun lähdetään rakentamaan uusia kyvykkyyksiä. Menestyksekäs analytiikan käyttöönotto rakentuu yrityksen business intelligence -strategian päälle ja se toimitetaan ketterästi selkeä hyöty tavoitteena.

Ensimmäisiä analytiikkaprojekteja suunniteltaessa tulisi asettaa selkeitä, saavutettavia ja mitattavia tavoitteita. Tavoitteiden tulee olla selkeitä jotta kokoajan on selvää mitä ratkaisulla tavoitellaan. Näin vältytään tekemästä nice-to-know tietoa joka ei vie toimintaa eteenpäin. Jos tavoite on hämärämpi, saattaa olla kannattavaa tehdä esiselvitys ennen varsinaisen projektin aloitusta. Esiselvitys löytää ne matalimmalla roikkuvat hedelmät joita kannattaa tavoitella – nämä nopeat voitot todistavat että uusi toimintatapa toimii ja kehittämisessä kannattaa edetä.

Tavoitteiden saavutettavuus on erittäin tärkeää kun aloitetaan uusi tapa toimia. Eräs asiakkaan johtoryhmän jäsen sanoi projektin suunnittelussa että “Hääyö on vain kerran”, joka kuvastaa miten metsään mennyt projekti voi viedä uskottavuuden koko toiminnalta pitkäksi aikaa. Siksi ei kannata tavoitella liian suuria ja vaikeasti tavoiteltavia hyötyjä ensimmäisessä projektissa. Tavoitteiden mitattavuus helpottaa kustannusten ja hyötyjen arvioimista. Kun mitataan esimerkiksi miten toteutettu projekti on vähentänyt hävikkiä, voidaan suoraan laskea järjestelmän takaisinmaksuaika ja tehokkuus.

Selvitä mahdolliset työkalut

Työkalujen selvitys tulisi tehdä jo hyvissä ajoin ennen kuin ensimmäistä projektia lähdetään toteuttamaan. Pienille ja keskisuureille yrityksille suunnattuja työkaluja on markkinoilla runsaasti ja toisinaan voi olla vaikeaa saada selvää hyödyistä ja eroista järjestelmien välillä. Saattaa olla kannattavaa joko vertailla itse tai palkata puolueeton konsultti puoleksipäiväksi miettimään mitkä työkalut voisivat täyttää vaatimukset. Suosittelisin ainakin kiinnitämään huomiota kumppanien määrään Suomessa. Harvinaiseen järjestelmään on vaikea löytää konsultteja ja näin kustannuksista voi tulla yllättävän suuria. Työmarkkinoilta voi olla myös vaikea löytää korvaajaa yritystä vaihtavalle osaajalle.

Analytiikkajärjestelmät ovat usein mittavia investointeja rahallisesti. Vaikka lisenssikustannukset olisivat maltilliset pilven ansiosta, on käyttöönotto ja asennus usein kuitenkin muutaman päivän työ. Lisäksi kauhein skenaario on, että aloitetaan tekemään raportointia työkalulla x ja huomataan vuoden päästä, että työkalu on huono uusiin tarpeisiin ja joudutaan tekemään mittava migraatioprojekti toiseen paremmin soveltuvaan järjestelmään. Tämän takia kannattaa käyttää aikaa työkalun valintaan silloin kun menneisyyden taakkaa ei vielä ole.

Todellisuus kuitenkin on se, että useissa yrityksissä toteutetaan analytiikkaa ja raportointia pienellä ja huonosti hoidetulla tietokannalla, manuaalisilla kyselyillä ja excelin pivotilla. Tämä saattaa toimia hetken, mutta kun ratkaisua analysoidaan tarkemmin huomataan, että piilokustannuksia syntyy hirveästi datan laadun, manuaalisuuden ja kaavavirheiden takia. Tällöin olisi hyvä miettiä mitä osiota parantamalla päästään eteenpäin. Toisinaan pelkkä tietokannan parantaminen riittää avaamaan uusia mahdollisuuksia ja taas selvitään vuosi eteenpäin. Jossain vaiheessa kuitenkin excelin ja manuaalisten kyselyiden rajoitteet tulevat vastaan ja on otettava askeleita kohti oikeaa analytiikkaa.

Hyvät työkalut luovat mahdollisuuden laajentaa käyttöä moneen suuntaan ja tarjoavat ratkaisuja niin pienille kuin suurille yrityksille. Suosittelisin uusia analytiikan maailmaan sukeltavia tutustumaan Microsoftin Azuren mahdollisuuksiin ja AmazonWebService maailmaan ja tutkimaan sopisiko jompi kumpi alustaksi analytiikalle. Molemmat mahdollistavat pienellä aloittamisen ja laajentamisen jopa maailman suurimpiin ympäristöihin. Mikään ei estä rakentamasta analytiikan back-endiä (tietovarastot, datamartit, streamit yms.) pilveen, joka skaalautuu hyvin sekä visualisointi -kerroksen ostamista muualta, esim Tableaulta tai Qlikiltä. Tällainen ratkaisu on monissa suuryrityksissä käytössä ja se takaa jatkuvuuden kun backend on toteutettu hyvin ja vakaasti.

Rakenna perustukset ensin

Toisinaan yritykset lähtevät rakentamaan analytiikkaansa väärästä päästä. Kuvitellaanpa tilanne, jossa yritysjohdolle esitellään hienoa kiiltävää raportointivälinettä. Johto on haltioissaan ja päättää ostaa esitellyn dashboard -toteutuksen. Kun projekti aloitetaan, huomataan että tietovaraston data on heikossa hapessa ja huonosti hoidettua. Ongelmat kuitenkin korjataan dashboard-välineessä ja projekti saadaan maaliin. Pian kuitenkin hoksataan, että uuden dashboardin esittämän luvut eivät vastaa sitä mitä lähdejärjestelmistä nähdään, ja kukaan ei tiedä mikä on oikea totuus. Tämä on arkipäivää yrityksissä joilla ei ole selkeää tiedonhallinnan strategiaa kyvykkyyksien rakentamiseen.

Kaiken visualisoinnin pohjana on data, seuraava kerros kärsii aina heikkolaatuisesta datasta. Jos lähdejärjestelmien data on huonoa ei mikään voi toimia, jos tietovaraston data on huonoa ei visualisointi voi toimia ja jos visualisoinnin data on huonoa ei päätöksenteko voi toimia. Suosittelen aloittamaan datan eheyden hoitamisen aina lähteestä ja etenemään askel askeleelta. Löydät ongelmia yhä uudestaan edestäsi, jos ongelmat korjataan vasta myöhemmässä vaiheessa dataputkea. Lopputuloksena on edellisessä kappaleessa kuvattuja datan luottamiseen liittyviä ongelmia ja epäyhteneväisyyksiä tuloksissa.

Kehittämällä eteenpäin

Kun ensimmäinen projekti on suoritettu ja prosessit & järjestelmät toimivat, on hyvä mitata käyttöä ja hakea käyttäjiltä palautetta. Kun palautetta on kerätty voidaan alkaa suunnittelemaan miten ratkaisua kehitetään eteenpäin, jotta saadaan uusia hyötyjä ja kilpailuetua. Kehitystä voidaan toteuttaa jatkuvasti tai sprinteissä, riippuen siitä ketkä analytiikkaa kehittävät. Usein toimittajan varassa olevat yritykset kasaavat kehitysideat sprintteihin ja tekevät ne tiiviisti konsulttien kanssa aikaa hukkaamatta. Jos kehitystä tehdään sisäisesti voi olla toimivampaa kehittää jatkuvasti pienempiä ominaisuuksia. Näin on vähemmän vaaraa siitä, että tehdään huonoja ominaisuuksia joita käyttäjät eivät halua. Myös läpimenoaika on jatkuvassa kehityksessä parempi kun uusia ominaisuuksia tipahtelee tasaisin väliajoin käyttöön.

Kertaus

Jotta mikään osio ei unohtuisi tässä vielä tiiviinä listana teesit pk-yritysten ensimmäiseen analytiikkaprojektiin:

  1. Tee esiselvitys järjestelmän tavoitteista ja laajuudesta
  2. Vertaile työkaluja ja teknologioita
  3. Aloita helpohko ja saavutettavissa oleva projekti
  4. Pidä tavoitellut hyödyt mielessä ja mittaa niiden saavuttamista projektin edetessä
  5. Korjaa virheet aina mahdollisimman varhaisessa vaiheessa dataputkea
  6. Mittaa käyttäjien tyytyväisyyttä ja suunnitele & toteuta jatkokehitys