Mikko Koski
Tietyn koulukunnan mielestä big datasta kohkaaminen on täysin turhaa. Dataan pohjautuva päätöksenteko on kuulunut markkinoinnin keskiöön jo ammoisista ajoista lähtien; nykyään dataa saadaan vain kerättyä huomattavasti aiempaa enemmän, nopeammin ja monipuolisemmin, mikä mahdollistaa entistä parempien päätösten tekemisen.
Jotta puheista päästään tekoihin ja data jalostettua markkinointia ja liiketoimintaa palvelevaksi näkemykseksi, tarvitaan analyyttistä erityisosaamista. Analytiikka yhdistetään usein analytiikkasoftien, kuten Google Analyticsin ja vastaavien hyödyntämiseen. Periaatteessa ne ovat vain pelkkiä raportointiin ja toisaalta myös datan keräämiseen liittyviä työkaluja. Näkemystä ja kilpailuetua tuottava analytiikka ja analyysi vaativat olennaisen tiedon, kuten eri asioiden välisten syy-seuraus suhteiden löytämistä yhä suuremmista datamassoista. Näiden analyysien tekemiseen eivät parhaatkaan excelöintitaidot riitä, vaan tarvitaan kehittyneempiä tilastollisia ja matemaattisia menetelmiä, joita esimerkiksi perinteisessä markkinatutkimuksessa on hyödynnetty jo pitkään.
Dagmarin analytiikkatiimissä toimii jo useita päätyökseen dataa pyörittävää ja liiketoimintanäkemystä tuottavaa data- ja bisnesanalyytikkoa. Taustaltaan he ovat tilastotieteilijoitä ja esimerkiksi diplomi-insinöörejä, joilla on paljon muun muassa moderniin tilastotieteeseen, matemaattisiin datalähtöisiin menetelmiin ja koneoppimiseen liittyvää osaamista. Useimmat heistä omaavat laajaa kokemusta muualtakin kuin markkinoinnista. Esimerkiksi tiimin tuorein vahvistus, tänä keväänä tekniikan tohtoriksi väitellyt Jussi Forma, tutki väitöstyössään lääketieteelliseen kuvantamiseen liittyviä haasteita matemaattisen datamallinnuksen avulla.
Dagmarissa Jussi pääsee soveltamaan osaamistaan poikkitieteellisesti esimerkiksi verkkopalveluista kertyvien valtavien datamassojen parissa: yksilökohtaista keksidataa kerättäessä jokaisesta verkkosivustolla tapahtuvasta toimenpiteestä tallentuva datamäärä räjähtää todella nopeasti mittakaavaan, jossa excelin hyödyntäminen voidaan unohtaa samantien. Ja kun tästä datamassasta pitää pystyä louhimaan todennäköisyysmalleja esimerkiksi reaaliaikaiseen sivuston personointiin, edellytetään algoritmeilta laskennallisesti tehokkuutta, tarkkuutta ja skaalautuvuutta.
Mutta pelkkä menetelmäosaaminen ja big data -jargoni eivät riitä. Jotta analyysit saadaan palvelemaan arkea, edellytetään analyytikolta myös tulkin taitoja: tulokset täytyy kyetä kiteyttämään ja kommunikoimaan selkeällä tavalla. Kokonaiskuvan luonti vaatii myös toimialaymmärrystä, muista tutkimuksista saadun asiakasymmärryksen sisäistämistä ja ihan tavallista maalaisjärkeä.
Kun haluat kuulla lisää, miten suuria datamassoja louhitaan ja hyödynnetään myynnin vauhdittamisessa, ota rohkeasti yhteyttä! Business Analyst Mikko Koski, 040 672 2500 mikko.koski@dagmar.fi