Näkeekö yrityksesi kokonaisen ihmisen datan takana?

Dataekosysteemin tarve syntyy tarpeesta nähdä koko totuus: kokonainen ihminen ja hänen arkensa. Kuinka tarkan kuvan yrityksesi pystyy hahmottamaan omista asiakkaistaan?

Piirretty kuva naisen ja miehen kasvoista, joista puuttuu puolet. Kasvojen ja niiden uuttuvien osien rajalla palapelin sahalaitakuviota.
Fotolia

Vastaus kysymykseen riippuu siitä, miten monipuolista dataa yritykselläsi on käytössään, ja kuinka taitavasti erilaista dataa yhdistätte.

Yritysmaailman organisaatioille kertyy dataa jokaisessa liiketoimintaprosessissa ja jokaisessa asiakaskohtaamisessa. Perinteisesti data on tallentunut yrityksen liiketoimintaprosessikohtaisiin tietokantoihin. Se on joko jäänyt hyödyntämättä tai sitä on hyödynnetty vain yhden liiketoiminta-alueen tai yksikön näkökulmasta.

Siiloihin jäänyt data antaa kovin epätäydellisen kuvan kokonaisuudesta, mitä havainnollistan alla näkyvällä esimerkillä:

Valokuva, joka on erilaisten datapalikoiden, kuten "myynnin data", "ostettava data" tai "puuttuva data", peitossa. Vain vasenta yläkulmaa hieman näkyvissä, missä "markkinoinnin data" on muuttunut läpinäkyväksi.

Kuvan eri datapalikoiden takana on todennäköisesti ihminen. Jo organisaation omien siilojen purkaminen ja tietokantojen integroiminen niin, että dataa voidaan yhdistellä ja käyttää vapaasti erilaisiin liiketoiminnan tarpeisiin, antaa paljon paremman ja tarkemman näkymän koko kuvaan:

Valokuvasta näkyy lisää, nyt lisäksi mm. myyntidata ja online-data auenneet. Kuvasta paljastunut vaaleita hiuksia ja kuviollista paitaa.

Voimme päätellä nyt, että kyseessä on todennäköisesti lapsi.

Vaikka organisaatio yhdistää kaiken oman datansa, on kuva loppuasiakkaasta ja tilanteesta epätäydellinen. Mikään ilmiö, kukaan ihminen, mikään asia ei liity vain yksipuolisesti yhteen organisaatioon.

Asioimme kuluttajina hyvin monenlaisissa palveluissa, elämme monipuolista elämää. Meidän arkemme ja sen ilmiöt ovat yksilöllisiä ja kokonaisvaltaisia. Emme siilota elämäämme suhteeseemme lähikauppaan, pankkiin, kuntokeskukseen ja joukkoliikenteeseen, vaan elämme arkeamme kokonaisuutena. Tarpeemme ja ostopäätöksemme syntyvät tästä kokonaisuudesta, ei sen yksittäisistä palasista.

Dataekosysteemi muodostaa koko kuvan loppuasiakkaasta

Dataekosysteemin tarve syntyy tarpeesta nähdä koko totuus, kokonainen ihminen ja hänen arkensa, ilmiön kaikki puolet, koko kuva. Mitä enemmän datan lähteitä liittää yhteen, sitä täydellisempi ja tarkempi kuva muodostuu.

Dataekosysteemistrategiaa tehdessä on tärkeintä miettiä tarkkaan, mitä on se data, jota kipeimmin tarvitsemme.

Harvalla organisaatiolla on mahdollisuus saada pääsyä kaikkeen mahdolliseen dataan, ja on myös dataa, jota ei ole kerätty tai joka ei ole muuten saatavilla. Dataekosysteemistrategiaa tehdessä onkin tärkeintä miettiä tarkkaan, mitä on se data, jota kipeimmin tarvitsemme oman datamme lisäksi, kenellä se on ja minkälaisella sopimuksella pääsisimme sitä hyödyntämään.

Datakumppanuuksia voi luoda jopa kilpailijoiden kanssa. Joskus yhteinen hyöty on isompi kuin kilpailun tuomat riskit. Kun yritys alkaa luomaan datasta liiketoimintaa, kannattaa määritellä uudestaan suhtautuminen kilpailijoihin ja jopa se, ketkä ovat kilpailijoita. Datakumppaniksi voi valikoitua yllättäväkin taho.

Datakumppanuuksia voi luoda jopa kilpailijoiden kanssa.

Riskien hallinnassa tärkeimpiä ovat privacy-käytännöt sekä datakumppanien väliset sopimukset siitä, kuka omistaa datan, kuka ja mihin sitä saa käyttää ja miten datasta saatavat tulot jaetaan. Riskejä voi hallita sopimuksen kestolla ja irtisanomisajalla. Kumppanuutta kannattaa kokeilla ja datan hyödynnettävyyttä testata.

Datan markkina on vielä nuori, erityisesti online-datan osalta, ja sen hinnoittelu voi olla välillä vaikeaa. Datan oikea arvo mitataan vasta liiketoiminnassa, jossa pitää pystyä mittaamaan, tuoko uusi datan lähde siihen liittyvät kustannukset takaisin.

Käyttämässäni esimerkissä on selvää, että pelkällä oman organisaation yhden yksikön datalla ei tee vielä juurikaan mitään. Kuva näkyy huomattavasti paremmin, kun eri yksiköiden datat on yhdistetty, ja silloin sen pohjalta voi tehdä jo johtopäätöksiä: kuvassa on ihminen, joka vaikuttaa lapselta.

Kun dataan ja analyysiin on yhdistetty lisäksi oman organisaation ulkopuolisia lähteitä, sen pohjalta tehdyt johtopäätökset ovat jo todella tarkkoja. Kuvassa on lapsi, joka syö kermavaahtoa:

Kuvasta paljastunut vaaleatukkainen, kermavaahtoa syövä lapsi. Lisäksi näkyy osa kahvikuppia ja epätarkkaa taustaa. Mm. puuttuvan datan ja kilpailijan datan palikat peittävät vielä osaa kuvasta.

Organisaation ei tarvitse saada käyttöönsä kaikkea dataa. Tässäkin esimerkissä kaikista datalähteistä noin puolet tuovat todellista lisäarvoa, eikä haittaa ollenkaan, vaikka kaikki data ei ole käytössä.

Ekosysteemistrategia on yrityksesi tärkein datastrategia. Tiedättekö jo, mikä oma dataekosysteemistrategianne on?