04.10.2017

Kakasta ei saa timanttia, vaikka miten puristaa

Monessa organisaatiossa ollaan tunnistettu se tosiasia, että ilman datan parempaa käyttöastetta ja koneoppimisen/tekoälyn tuomien mahdollisuuksien hyödyntämistä ollaan kusessa. Tehoja pitää saada lisää irti, pitää tunnistaa uusia myynnin mahdollisuuksia rikastamalla asiakasdataa jne. Kilpailijat painavat vasemmalta ohi ja uusia innovatiivisia, dataa hyödyntäviä toimijoita, on tulossa samalle ruokakupille. Ja useilla toimialoilla tuo ruokakuppi ei ole kasvamaan päin.

Yllä mainitun tilannetietoisuuden saavuttaminen on vaatinut muutamassa tai useassa alan seminaarissa käyntiä ja altistumista erilaisten AI- tai AI- wanna be- yritysten markkinointiviestinnälle. Tähän kun vielä lisätään kaikkien liiketoimintaongelmien ratkaisujen äiti eli digitalisointi (tai kavereiden kesken digitointi), niin voidaankin yhteen ääneen huudahtaa (bullshit) BINGO!

Kaikkia ratkaisun avaimia olisi runsaasti saatavilla, mutta missä on lukko?

Louhian kokemuksen mukaan yritykset voidaan tällä hetkellä jakaa kolmeen eri kategoriaan niiden tilanteen mukaan suhteessa edistyneeseen analytiikkaan ja koneoppimiseen:

”Tarttis tehrä jotain”

”We have seen the light”

”Data is the new oil, wtf?”

Suomessa on paljon “Tarttis tehrä jotain”- yrityksiä , melkein yhtä paljon kuin järviä. Ollaan tiedostettu tarve lähteä tutkimaan paremman datan hyödyntämisen tuomia mahdollisuuksia. Omat kyvykkyydet tiekartan laatimiseen ovat vähäiset, mutta oma liiketoiminta tunnetaan kyllä yksityiskohtaisesti. Ja ehkä se datakin. Tarvitaan joku, joka ottaa kädestä kiinni, katsoo silmiin ja kertoo mahdollisuuksista.

”We have seen the light”- organisaatiot ovat jo askeleen edellä. Ollaan tunnistettu selkeä kohde tekoälyn hyödyntämiselle ja business casekin on jo haarukoitu. Asiakaspoistuman pienentäminen, ostohinnan optimointi, lisämyynti, laitteen vikaantumisen ennakointi, tarjonnan ja kysynnän tasapainottaminen…täytyisi vaan kirkastaa tarve, kuvata käytettävissä oleva data ja lähteä vaiheittain matkaan. Ei vaan ole kaikkea tarvittavaa osaamista in-house.

Kolmannen kategorian yrityksiä on harvemmassa, mutta niitäkin löytyy. Datan säilömisen kustannuksen merkittävä lasku on mahdollistanut tislaamoyrittäjän oppien soveltamisen dataan. Ikävä kyllä varastoidulle datalle ei käy kuin rommille. Näissä yrityksissä on tiedostettu se, että datalla on arvoa, mutta ei tiedetä miten se ulosmitataan. Jonkun pitää esimerkkien kautta kertoa, mitä meidän datasta voisi taikoa.

Oikotietä onneen ei ole

Koska oppikirjojen mukaan blogeissa ei saisi varsinaisesti mainostaa, niin en sitten kerro, että meillä on noihin kolmeen eri tilanteeseen tuotteistettu työpajalähtöinen lähestymismalli ja Louhia AI Framework tekee loput.

Niille lukijoille, joille tekoälyn/koneoppimisen hyödyntäminen ei ole tuttua, haluan kertoa yhden faktan.

Perinteisessä raportoinnissa (BI) käyttäjä kertoo mitä haluaa datasta raportoida. Talousdatasta saa aina talousraportin aikaiseksi, kun tarpeeksi yrittää.

Koneoppimisessa data määrittelee sen, mitä siitä saa irti. Ilman dataa ei ole analyysiä.

Kakasta ei saa timanttia vaikka miten puristaa. Jos joku väittää muuta, niin hän puhuu paskaa.

Share
Contact Person

Blog writer

Juha Kostamo

Bilot Alumnus

Vincit Bilot

Bilot & Vincit have joined forces!

See where the story continues 

You have Successfully Subscribed!

Vincit Bilot

Bilot & Vincit have joined forces!

See where the story continues 

You have Successfully Subscribed!