Data-analytiikan verkkovalmennuskurssi

1. Mikä ihmeen data?
   

Olet varmasti kuullut joskus jonkun puhuva käsitteestä data. Ehkä kahvihuoneessa, ehkä yrityksen kuukausittaisessa tulospalaverissa. Datan merkitys kasvaa jatkuvasti kehittyvässä ja digitalisoituvassa maailmassa: dataa on olemassa mutta sitä ei osata välttämättä hyödyntää oikein, tai sen arvoa ei ymmärretä. No mitä se data sitten oikeastaan on?

Ytimessään data on tietoa jostain asiasta. 

Data voi olla numeerista tai sanallista tietoa, joka kuvaa esimerkiksi tapahtumia, prosesseja tai käyttäytymistä. Dataa voidaan kerätä monin eri tavoin, esimerkiksi manuaalisesti, automaattisesti tai järjestelmistä.

Otetaan esimerkkinä yritys, joka tuottaa ja myy tuotteitaan asiakkailleen 

Tässä tapauksessa kerättyä dataa voi olla esimerkiksi: 

Asiakastiedot: asiakkaan nimi, asiakkaan osoite, asiakkaan yhteystiedot ja asiakkaan ostohistoria

Tuotetiedot: tuotteen nimi, paino, väri, materiaali ja sarjanumero

Tuotteiden valmistukseen liittyvät tiedot: tuotantokustannukset (esim. raaka-aineiden hinnat, työvoimakustannukset), laadunvalvonta (esim. mittaukset, testit ja tarkastukset) ja tuotteen valmistuspäivämäärä

No mitä tämänkaltaisesta datasta voidaan saada irti?

Tämänkaltainen data on arvokasta yritykselle monella tapaa. Otetaan esimerkkinä Asiakastiedot-data, joka sisältää asiakkaan nimen lisäksi asiakkaan ostohistorian. Jo näiden kahden datan perusteella saadaan tietoon esimerkiksi:

• Mitkä ovat asiakkaiden ostotottumukset?

• Mitkä ovat suosituimmat tuotteet?

• Miten ostokäyttäytyminen vaihtelee?

Tämän osion luettuasi testaa tietosi ja tee pienimuotoinen tentti alta!

Miten tälläistä "Asiakastiedot" dataa voidaan hyödyntää yrityksen toiminnan tulkitsemiseen 

1. Asiakkaiden ostotottumuksia tulkitsemalla voidaan saada selville esimerkiksi se, kuka asiakkaista tilaa ja on tilannut eniten yrityksen tuotteita. Eli toisin sanoen saadaan selville kenet on hyvä priorisoida, että asiakassuhde ja yrityksen toiminta sekä olemassaolo säilyvät. Datan avulla voi yritys siten esimerkiksi kohdentaa markkinointiaan ja tarjouskilpailujaan näille yrityksille. Lisäksi datan pohjalta voidaan tehdä ennusteita esimerkiksi  kysynnänvaihteluista tai tulevista asiakastarpeista.
2. Tieto suosituimmista tuotteista puolestaan voi auttaa yrityksiä suunnittelemaan ja rakentamaan oman yrityksensä hanketoimintaa tehokkaammin. Otetaan esimerkkinä että yritys valmistaa neljää samanlaista tuotetta, mutta eri värisinä, painoisina ja eri materiaalilla. 2 vuoden datan perusteella saadaan selville, että ainoastaan kahta näistä tuotteista on mennyt kannattavasti kaupaksi suhteessa muihin tuotteisiin. Yritys voi siten tehdä liiketoimintansa kehittämisen osalta päätöksen ja keskeyttää huonosti myyvien tuotteiden myynti. Näin yritys voi säästää esimerkiksi hankintakuluissa, ja keskittyä kehittämään ja markkinoimaan eniten myytyä tuotetta.
3. Ostokäyttäytymisen perusteella yritys voi puolestaan tulkita sitä, miten eri asiakkaiden ostokset jakaantuvat. Näin voidaan saada selville trendejä, jolloin ostotapahtumia tapahtuu. Jos datasta saadaan selville esimerkiksi, että asiakas 2 on tilannut viiden vuoden aikana joka vuosi tammikuun aikana paljon tiettyjä tuotteita, voidaan siten asiaan varautua ajoissa hankkimalla esimerkiksi tarvittavia työvoimaresursseja ja ennakoida myös tulevaa: mitä hankintoja täytyy tehdä, jotta kysyntään voidaan vastata. 

Datan olemassaoloa ei ole rajoitettu pelkästään yrityksen sisälle

Tietoa (dataa) on maailmassa valtavat määrät, ja tämä määrä sen kuin kasvaa kasvamistaan eksponentiaalisesti. Yritykset voivat hyödyntää monin eri keinoin ulkopuolistakin dataa oman yritystoiminnan kehittämiseen. Ulkopuolista dataa on esimerkiksi:

1. Taloustieto: Taloudelliset indikaattorit, kuten bruttokansantuote (BKT), inflaatio, työttömyysaste ja kuluttajien luottamusindeksit, voivat tarjota yritykselle tietoa makrotalouden tilasta. Tämä auttaa yritystä ennakoimaan talouden kehitystä, suunnittelemaan investointejaan ja sopeuttamaan toimintaansa muuttuviin taloudellisiin olosuhteisiin.

2. Markkinatieto: Yritys voi hyödyntää ulkopuolista markkinatietoa, kuten markkinatutkimuksia, kuluttajakäyttäytymisen tietoja, trendianalyysejä ja kilpailijatietoja. Tämä auttaa yritystä ymmärtämään markkinoiden tarpeita, tunnistamaan uusia trendejä ja kilpailijoiden strategioita sekä mukauttamaan omaa tarjontaansa vastaavasti.

3. Raaka-aineiden hintatieto. Yritys voi hyödyntää ulkopuolista tietoa eri raaka-aineiden hinnoista ja ennustaa hintojen vaikutusta omiin tuotantokustannuksiinsa. Tämä voi auttaa yritystä suunnittelemaan hankintoja, ennakoimaan kustannuksia ja reagoimaan markkinoiden muutoksiin tehokkaasti.

Johtopäätökset

“Without data, you're just another person with an opinion."

Data on nykypäivänä erittäin tärkeä resurssi, joka auttaa yrityksiä tekemään parempia päätöksiä ja kehittämään toimintaansa. Datasta voidaan löytää arvokasta tietoa esimerkiksi markkinoista, asiakkaista, kilpailijoista ja talouden tilasta. 

Oikein hyödynnettynä data auttaa yrityksiä tunnistamaan uusia mahdollisuuksia, parantamaan asiakaskokemusta, kehittämään tuotteita ja palveluita, ennakoimaan muutoksia markkinoilla ja sopeuttamaan toimintaansa muuttuviin olosuhteisiin. Tarkkaan kerätty, hyvin hallittu ja oikein analysoitu data voi auttaa yrityksiä menestymään kilpailluilla markkinoilla.

Tämän osion jälkeen testaa tietosi ja tee pienimuotoinen tentti alta!

2. No mitä sitten on data-analytiikka?

Nyt kun tiedämme mitä data on, keskitymme seuraavaksi data-analytiikkaan eli datan analysointiin. 

Data-analytiikka on prosessi, jossa kerättyä dataa voidaan hyödyntää esimerkiksi yrityksen päätöksenteon tukena visualisoiden tuloksia eri graafien ja ennusteiden avulla. Data-analytiikka tähtääkin muuttamaan ja esittämään datan hyödyllisenä tietona, josta voidaan tulkita esimerkiksi keskeisiä muutoksia, ja tuottamaan siten oivalluksia toiminnan kehittämistä varten.

Data-analytiikalla voidaan vastata erilaisiin kysymyksiin ja ratkaista monenlaisia liiketoimintaongelmia. Se voi auttaa tunnistamaan asiakassegmenttejä, arvioimaan markkinoiden kysyntää, optimoimaan toimitusketjun, ennustamaan asiakaskäyttäytymistä, parantamaan päätöksentekoa ja paljon muuta. Analytiikan avulla yritykset voivat hyödyntää dataa strategisella tavalla ja tehdä perusteltuja päätöksiä, jotka perustuvat faktoihin ja tietoon.

Erilaisia data-analytiikan menetelmiä ovat: kuvaileva data-analytiikka, diagnostinen data-analytiikka, ennakoiva data-analytiikka ja ohjaileva data-analytiikka.

Kuvailevassa data-analytiikassa pyritään keskittymään siihen, mitä on aiemmin tapahtunut, ja mitä on tapahtumassa tällä hetkellä. Tässä menetelmässä aiempia ja nykyisiä tietoja tutkitaan, jotta voidaan kuvata nykytilanne ja saadaan tietää datan kehityssuunnat. 

Diagnostinen data-analytiikka keskittyy siihen, miksi jotain on juuri nyt tapahtumassa, ja sen avulla selvitetään tekijät tai syyt, joilla on vaikutusta aiempiin suorituksiin. 

Ennakoivassa data-analytiikassa nimensä mukaan pyritään ratkaisemaan kysymys, että mitä tulee tapahtumaan, ja ennustetaan tulevia tuloksia. 

Ohjaileva data-analytiikka puolestaan perustuu kysymykseen, että mitä keinoja on tehtävä, jotta saavutetaan tavoite. 

Lue lisää data-analytiikasta tästä! (Meltwater, 2022) 

Ytimessään data-analytiikka on siis prosessi, jonka tavoitteena on tuottaa oivalluksia esimerkiksi yrityksen päätöksenteossa

Ytimessään data-analytiikka on siis prosessi, jonka tavoitteena on tuottaa oivalluksia esimerkiksi yrityksen päätöksenteossa. Mutta mitä data-analytiikalla voidaan saavuttaa?

Otetaan esimerkkinä viime kappaleen yritysesimerkki: 

Yritys tuottaa ja myy tuotteitaan asiakkailleen. Yrityksen dataa on siis esimerkiksi:

• Asiakastiedot: asiakkaan nimi, asiakkaan osoite, asiakkaan yhteystiedot ja asiakkaan ostohistoria

• Tuotetiedot: tuotteen nimi, paino, väri, materiaali ja sarjanumero

• Tuotteiden valmistukseen liittyvät asiat: tuotantokustannukset (esim. raaka-aineiden hinnat, työvoimakustannukset), laadunvalvonta (esim. mittaukset, testit ja tarkastukset) ja tuotteen valmistuspäivämäärä

Tässä tapauksessa käytämme mielikuvituksellista asiakkaan ostohistoria-esimerkkidataa neljän vuoden ajalta (2015, 2016, 2017 ja 2018):

Miten asiakkaiden ostoskäyttäytyminen on vaihdellut eri vuosina? Tulokset on visualisoitu pylväsdiagrammin avulla Power BI-työkalua käyttäen.

Data-analyyttistä tuotosta tarkastelemalla voimme todeta, että asiakas 1 on tilannut selkeästi eniten jokaisena vuonna lukuunottamatta vuotta 2017, jolloin asiakas 1 ei ole tilannut mitään. Mikä mahtoi olla syynä tälle toiminnalle? Voidaan myös todeta, että vuonna 2017 myynti yhteensä oli muutenkin alhainen jokaisen asiakkaan kohdalla. Olivatko hinnat kenties liian korkeat?

Tarkastellaan seuraavaksi tuotteiden hinnanvaihtelua viivakaavion avulla vuosien 2015-2018 aikana: 

Jotta voimme paremmin ymmärtää asiakkaiden ostokäyttäytymisen muutoksia, tulee meidän myös verrata eri datoja ja niiden muutoksia keskenään. Siten voimme saada parempaa ymmärrystä siitä, miksi (tässä tapauksessa asiakkaan ostohistoria) data on vaihdellut vuosien varrella. 

Otetaan nyt tarkasteltavaksi kohteeksi yrityksen myyntituotteiden hinnanvaihtelut vuosien 2015-2018 välillä. Halutaan siis tietää, miten yritys on säädellyt tuotteidensa hintoja, ja miten hintojen vaihtelu on saattanut vaikuttaa yrityksen liiketoimintaan.

Edellä olevasta viivakaavio graafista selviää, miten eri tuotteiden hinnat ovat vaihdelleet vuosien aikana. Siitä voimme todeta, että tuotteiden hinnat ovat olleet pääosin poikkeavan korkealla vuonna 2017. Tänä aikana esimerkiksi askarteluliima on noussut edellisen vuoden (2016) 0,40€ hinnasta 0,74€ hintaan.

 Vuonna 2018 tuotteiden hinnat ovat puolestaan olleet ennätyksellisen alhaalla, mikä selittänee sen, miksi myös myynti yhteensä on ollut nousussa vuonna 2018 (katso edellinen graafi).  

Tämän visualisoinnin perusteella voidaan siis oivaltaa, että tuotteiden hintojen kasvu vuonna 2017 on saattanut vaikuttaa asiakas 1:n ostoskäyttäytymiseen, ja on asiakas 1 luultavasti suorittanut hankintansa muualta halvemmalla. Asiakas 1 on kuitenkin palannut takaisin vuonna 2018 edullisten hintojen perässä, mikä selviääkin edellisen graafin perusteella. 

Johtopäätökset

Data-analytiikka on tehokas työkalu, joka mahdollistaa merkityksellisten johtopäätösten tekemisen tietoon perustuen. Analysoimalla ja vertailemalla eri tietoja voidaan saada arvokasta tietoa, joka auttaa päätöksenteossa, ongelmanratkaisussa ja liiketoiminnan kehittämisessä.

Data-analytiikan avulla voidaan esimerkiksi havaita poikkeamia: miten muutoin normaali toiminta on voinut poiketa, mikä on voinut olla syynä. Lisäksi data-analytiikka tarjoaa mahdollisuuden verrata eri tietoja, arvioida eri vaihtoehtojen vaikutuksia sekä tehdä päätöksiä faktatietoihin perustuen. Sen avulla voidaan myös tehdä ennusteita tulevasta vertailemalla aiempaa historiallista dataa. Tämä auttaa yrityksiä ja organisaatioita tekemään strategisia päätöksiä ja suunnittelemaan tulevaa toimintaa.