”
No niin, aion kertoa teille valituille siis ensimmäisenä maailmassa, uraa-uurtavasta prediktiivisen analytiikan menetelmästä, jolla voitte tahkoa miljoonia massia, pysäyttää ISIS, toteuttaa Sote-uudistus, päteä pomolle ja saattaapa teille lykästää tämän ansiosta kotonakin. Joten aloitetaan. Menetelmän pointtina on siis…– Anteeksi keskeytys, mutta minulla olisi kysymys.
Joo, antakaa tulla vain.
– Mikä on paras analytiikkasofta? Onks SAS kova vai mitä? Kiinnostaisi tosi kovasti!
“
Meillä on käytössä menetelmiä, joilla voimme oikeasti tehdä rahaa. Nostaa myyntiä, pienentää kustannuksia, ehkäistä kalliiden koneiden hajoaminen ennakkoon, ehkä jopa ehkäistä sairauksia, pelastaa ihmishenkiä, parantaa vähintäänkin asiakaspalvelua.
Silti löytyy kavereita, jota kiinnostaa vain softa. Kun keskustelemme prediktiivisestä analytiikasta, löytyy aina ihmisiä, joita ei kiinnosta hyödyt, sovelluskohteet, menetelmät, keinot, kustannukset. Ainoastaan mikä softa on paras.
Analytiikassa tuotteen merkitys on pieni
Olen monasti paasannut siitä, miten perinteisessä raportoinnissa (business intelligence) on oikeastaan aivan sama minkä tuotteen valitset. Kaikki pystyy tekemään kaiken.
Analytiikassa tämä on vielä selvempi asia. Analytiikassa tuotetta tärkeämpää on mitä mallinnusmenetelmää tai algoritmia käyttää mihinkin ongelmaan. Tuotteella ei ole tällöin merkitystä. Logistiset regressiot, päätöspuut, ARIMAXit ja satunnaiset metsät löytyy jotakuinkin kaikista.
Menetelmääkin tärkeämpää on päästä käsiksi oikeaan lähdedataan ja pystyä muokkaamaan sitä. Rikastamaan sitä, summaamaan, siivoamaan, korjaamaan. Sillä et koskaan saa täydellistä dataa. Tietovarastoinnista tuttu ETL-softa ja SQL-taidot ovatkin usein tärkeämmässä asemassa kuin analytiikkasofta.
Datan muokkaamistakin tärkeämpää on ymmärtää alkuperäinen liiketoimintaongelma. Ymmärtää liiketoiminnan lainalaisuudet. Liiketoiminnan ymmärtäminen on välttämätöntä, jotta ratkaistava ongelma voidaan määritellä ja jotta analyysin tuloksia voidaan tulkita ja soveltaa käytäntöön.
Liiketoiminnan ymmärrystä vielä tärkeämpää on saada valmiit tulokset tuotantoon. Sillä analyysi ilman tuotantoon vientiä on ajan ja rahan hukkaa. Tämä on vaikein kohta missä tahansa analytiikkahankkeessa. Tehdä analyysin tuloksilla rahaa. Pelastaa ne ihmishenget.
Kyse ei ole siitä, etteikö näin voisi tehdä. Useimmiten kyse on siitä, että analytiikkaprosessia ei ole määritelty loppuun asti. On tilattu pistemäinen ratkaisu. Tai yrityksen johtaminen ei ole kypsä vielä tiedolla johtamiselle.
Siinä tulikin käytyä analytiikkaprojekteissa käyttämämme standardoitu CRISP-DM prosessi läpi.
Huomaatko missä vaiheessa CRISP-mallia puhutaan analytiikkatuotteesta?
Ei missään.
Mallinnuksen osuus prosessissa on ehkä 5-10%. Tuotteen osuus tuosta mallinnuksesta on sitten se 5-10%. Eli tuotteella on häviävän pieni merkitys.
Suomesta löytyy kourallinen yrityksiä, jotka tekevät analytiikkaa siinä mittakaavassa ammattimaisesti ja liukuhihnalta, että tuotteiden ominaisuuksilla alkaa olemaan merkitystä prosessien tehokkuudessa. Tai heillä on spesifi liiketoimintaongelma, johon SAS:ilta löytyy valmis kilke ja tuhti hintalappu päälle. Muut pärjäisivät vaikka ilmaisella R:llä.
Siinä vaiheessa kun sinua kiinnostaa enemmän softat kuin tulokset, on aika pysähtyä ja miettiä mitä olet tekemässä. Haluatko saada CV:tä komistamaan uuden härpäkkeen vai haluatko tehdä oikeasti jotain merkittävää?