Milloin olet viimeksi hyödyntänyt analytiikan tuloksia? Ehkä tarkastellessasi yrityksen taloutta, suunnitellessasi markkinointia, katsoessasi työhyvinvointikyselyn tuloksia tai lukiessasi sanomalehteä? Entä milloin olet viimeksi suonut ajatuksen tulosten taustalla olevalle datalle? Tuskin kovin usein.

Analytiikan tarkoituksena on tuoda esiin datan olennaisimmat ilmiöt havainnollisessa muodossa – tulosten takiahan analytiikkaa tehdään. Liiketoimintaa mullistavista tuloksista haaveillessa analyysin taustalla oleva data jää kuitenkin usein vähälle huomiolle. Voisi silti sanoa, että data näyttelee pääroolia analytiikan näyttämöllä, sillä moni asia kiteytyy pohjimmiltaan käytettävissä olevan datan ominaisuuksiin. Käytettävissä oleva data määrää, mistä voidaan ylipäätään tehdä johtopäätöksiä. Ja ennen kaikkea, millaisia johtopäätöksiä. Data ja sen laatu vaikuttavat siihen, löydetäänkö analytiikan keinoin mitään ja kuinka luotettavia löydökset ovat. Analytiikkaan perustuvia johtopäätöksiä voidaan tehdä vain siitä joukosta, jota data edustaa. Ei siis ole todellakaan yhdentekevää tai sinne päin, millaista dataa analyysiin valitaan.

Ennen analyysiin ryhtymistä kannattaa pysähtyä hetkeksi suunnittelemaan kysymyksenasettelua ja siinä huomioon otettavia seikkoja. Kun nämä asiat ovat alusta asti tiedossa, myös ongelmat tulevat ajoissa esille. Esiin tulevien ongelmien ratkominen on huomattavasti helpompaa ja vähemmän turhauttavaa tässä vaiheessa kuin myöhemmin analyysin aikana.

Analytiikkaa hyödynnettäessä ensimmäinen askel on tutkittavan liiketoimintakysymyksen tarkka määrittely, sillä liiketoimintakysymys on koko tutkimuksen suunnan määrittäjä. Mitä halutaan tietää? Mistä joukosta johtopäätöksiä halutaan tehdä? Seuraavaksi on pohdittava, mitä tietoa tähän liiketoimintakysymykseen vastaamiseksi tarvitaan ja mistä se tieto saadaan. Onko kyseisiä tietoja ylipäätään käytettävissä? Samalla liiketoimintakysymystä on jo alettava kääntää analytiikan kielelle. Mitä mittareita kysymyksenasettelussa käytetään tulosmuuttujina? Mitkä ovat mahdollisia kiinnostavia panostekijöitä?

Tämän jälkeen onkin aika siirtyä konkretiaan ja upottaa kädet tarkasteltavaan dataan. Tässä vaiheessa eteen saattaa tulla useampia dataan ja sen laatuun liittyviä ongelmia. Tyypillisesti vaikeudet liittyvät eri järjestelmistä tai muista lähteistä saatavien tietojen yhdistämiseen, datasta puuttuviin tietoihin tai datan huonoon edustavuuteen. Jo halutun datan saaminen ulos järjestelmistä saattaa joskus tuottaa hankaluuksia. Järjestelmistä saatavaa dataa voi myös olla todella paljon, eikä kaikki suinkaan ole aina analyysin kannalta olennaista.

Vaikka ongelmat on tehty ratkaistaviksi, kaikkiin ongelmiin ei ole nopeaa patenttiratkaisua. Jos analyysin kannalta olennaista tietoa ei ole olemassa tai saatavilla, sitä ei silloin ole. Jos dataa ei ole tarpeeksi kattavasti, johtopäätöksiä ei voida välttämättä yleistää koskemaan koko haluttua joukkoa tai pahimmassa tapauksessa niitä ei voida tehdä ollenkaan. Tällaisten ongelmien pitäisi tulla ilmi jo alkumetreillä tutkimusta suunniteltaessa. Ratkaisemattomaan ongelmaan on ikävä törmätä vasta kesken analyysin teon.

On monia asioita, joilla dataan liittyviä ongelmia voidaan ennaltaehkäistä. Avainsana on suunnitelmallisuus. Tulevaisuuden analytiikkatarpeisiin kannattaa varautua jo kaikenlaista dataa kerättäessä ja tallennettaessa – se ei ole vain tavan vuoksi säilössä!

Käytännön vinkkejä dataan liittyvien ongelmien ennaltaehkäisyyn:

1. Tarkasta eri järjestelmistä saatavien tietojen yhteensopivuus ja ajantasaisuus.
2. Varmista datan kattavuus ja oikeellisuus.
3. Paranna tiedonkeruun systematiikkaa ja ymmärrystä hyvälaatuisen datan merkityksestä – näin vähennät inhimillisiä ongelmia, kuten puutteellisia ja väärin merkittyjä tietoja.

Hyvälaatuisesta ja kattavasta datasta löydetään todennäköisemmin kehitystyön kannalta mielenkiintoisia ilmiöitä. Datasta ja analyysistä voidaan tehdä luotettavampia johtopäätöksiä, ja nämä johtopäätökset voidaan yleistää koskemaan haluttua joukkoa, kun käytettävä data ja kysymyksenasettelu on huolella suunniteltu. Datan vaalimiseen käytetty aika ei siis ole missään nimessä hukkaan heitettyä aikaa tai turhanpäiväistä pilkunviilausta.

Analytiikka ja tutkimukset ovat liiketoiminnan kehittämisen tuki ja turva.

Lue lisää tutkimuspalveluistamme nettisivuiltamme

• Tutkimus- ja konsultointipalvelut
• Tutkimustulokset toiminnaksi
• Strateginen asiakastutkimus
• Henkilöstötutkimus

Lue lisää tutkimuksesta ja liiketoiminnan kehittämisestä blogikirjoituksissamme