Uusi vuosi ja samalla vuosikymmen on pyörähtänyt käyntiin. Monet BI-alan toimijat ovat julkaisseet omia ennusteitaan vuoden 2020 Business Intelligence trendeistä (mm. Qlik, IZENDA, BI-survey). Tässä meidän näkemyksemme vuoden 2020 merkittävimmistä trendeistä tiedolla johtamisen kentällä.
BI-trendit 2020
- Uusia ratkaisuja datan hallintaan
- Datan hyödyntäminen: tieto-ohjautuvuuden ja datalukutaidon merkitys kasvaa
- Tekoäly lisääntyy BI-ratkaisuiden sisällä
1. Uusia ratkaisuja datan hallintaan
Datan sekä tietolähteiden määrä, monipuolisuus ja kompleksisuus jatkavat voimakasta kasvua – myös yrityksissä (ks. Seagaten tutkimus). Tähän on syynä mm. IoT:n käytön yleistyminen sekä yleisesti yrityksen prosessien seurannan ja tiedonkeruun lisääntyminen.
Teknologia on pysynyt kiitettävästi mukana kehityksessä, ja esimerkiksi tallennustila tai datavirtojen siirto- ja käsittelynopeudet eivät ole esteenä kerättävän datan määrälle. Puolestaan lukuisat tietolähteet, tiedon pirstaleisuus ja tiedon uudet käyttötarkoitukset asettavat haasteita teknologialle datan tehokkaan hallinnan, jatkojalostamisen ja analysoinnin kannalta. Organisaatiot joutuvat ponnistelemaan toiminnan kannalta yhä kriittisemmässä asemassa olevan tiedon laadun varmistamiseksi.
Assosiatiivisten teknologioiden ja graafianalyysien käyttö yleistyy:
Yhä laajemmat datamassat, tietolähteiden monipuolisuus sekä kompleksiset käyttökohteet aiheuttavat haasteita perinteisille tietovarastointi- ja analytiikkamenetelmille.
Graafianalyysi ja assosiatiiviset teknologiat voivat ainakin osittain helpottaa näiden haasteiden selättämisessä ja niiden käyttö tulee kasvamaan tulevaisuudessa. Ne helpottavat sirpaleisen datan osien välisten suhteiden havaitsemista ja eri siiloissa sijaitsevan tiedon analysointia.
Datakatalogit & tiedon hallinta:
Kuten edellä totesimme organisaatioiden keräämä data sijaitsee tyypillisesti useissa lähteissä ja on pirstaleista, minkä seurauksena sen hallinta, laadun varmistaminen ja jatkojalostaminen on hankalaa. Datakatalogit auttavat tällaisen tiedon hallinnassa ja sen laadun varmistamisessa.
Datakatalogit ylläpitävät luetteloa organisaation tietovarastojen ja tietolähteiden sisältämistä datajoukoista. Tämä siirtää painopistettä oikean datan etsimisestä ja laadun varmistamisesta sen ymmärtämiseen ja analysointiin liiketoimintahyödyn saavuttamiseksi.
Ne sisältävät dataa datasta eli kertovat useissa lähteissä sijaitsevien datajoukkojen laadun ja sopivuuden aiottuun käyttökohteeseen. Kyseiset työkalut tekevät datan luokittelua aktiivisesti ja automaattisesti, mikä mahdollistaa erittäin laajojen datajoukkojen hallinnan ja relevantin business-tiedon hyödyntämisen.
2. Datan hyödyntäminen: tieto-ohjautuvuuden ja datalukutaidon merkitys kasvaa
Yhä useammissa yrityksen toiminnoissa sekä rooleissa tarvitaan työn suorittamisen tueksi dataa. Dataa tarvitaan myös usein muista toiminnoista kuin omasta ydintoiminta-alueesta. Organisaatioiden tulee kyetä tarjoamaan data kaikkien saataville ja hyödynnettäväksi, jotta työntekijät pystyvät menestymään työssään. Tästä käytetään yleisesti termiä data democracy eli datan demokratisointi.
Lisääntynyt tarve datan hyödyntämiselle yhä useammassa roolissa vaatii työntekijöiltä uusia taitoja. Kaikki eivät ole data scientisteja ja tietoa ei välttämättä osata hyödyntää tai lukea tehokkaasti. Datalukutaidolla tarkoitetaan kykyä lukea, ymmärtää ja kommunikoida dataa merkityksellisenä informaationa. Datalukutaidon kasvattaminen on yhä useamman organisaation agendalla.
BI-ratkaisuihin on jo tullut ja tulee jatkossa enenevässä määrin datalukutaitoa tukevia ominaisuuksia. Uusilla ominaisuuksilla tuetaan sitä, että jokainen järjestelmän käyttäjä löytää tarvitsemansa tiedon ja pystyy hyödyntämään sitä tehokkaasti, vaikkei datan käsittely olisikaan henkilön päätyötä.
Natural Language Processing, eli NLP, on yksi niistä ominaisuuksista, jotka tekevät kovaa vauhtia tuloaan analytiikkatyökaluihin. Tämä mahdollistaa “googlemaisen” tiedon etsimisen suoraan järjestelmästä, nopeuttaen ja helpottaen uusiin tietotarpeisiin vastauksien hakemista ilman asiantuntijoiden apua. Datalukutaitoa helpottavat ominaisuudet mahdollistavat myös entistä paremman tiedon jakamisen organisaation sisällä tai erilaisille sidosryhmille.
Natural Language Processing eli NLP mahdollistaa “googlemaisen” tiedon etsimisen suoraan järjestelmästä, nopeuttaen ja helpottaen uusiin tietotarpeisiin vastauksien hakemista ilman asiantuntijoiden apua.
Yritykset tulevat panostamaan jatkossa entistä enemmän työntekijöiden tieto-ohjautuvuuden kasvattamiseen ja datalukutaidon lisäämiseen. Esimerkiksi tietojohtamisen koulutukset ovat tähän oiva tapa.
3. Tekoälyn käyttö tehostaa ja syventää tietojohtamista
Tekoäly tulee tukemaan datan käsittelyä ja analysointia jatkossa yhä enemmän. Sen avulla voidaan esimerkiksi automaattisesti generoida visualisointeja datassa havaituista poikkeamista, joita ihmisen olisi vaikeaa havaita. Tekoäly on väsymätön työjuhta ja pystyy käsittelemään myös suuria datamassoja.(ks. myös blogi “Milloin yrityksen kannattaa ottaa tekoäly käyttöön BI-järjestelmässä?”)
Teksti- ja puhemuotoisen datan analysointi:
Numeerisen datan analysointi on jo pitkään onnistunut tehokkaasti ja siitä saadaan koostettua liiketoiminnan kehittämisen kannalta helposti omaksuttavaa tietoa. Puhe- ja tekstimuotoisen datan analysointiin on puolestaan ollut olemassa vasta melko alkeellisia ratkaisuita.
Tyypillinen kohde, jossa puhe- ja tekstimuotoista dataa hyödynnetään, on muun muassa asiakas- ja henkilöstökokemuksen analysointi. Dataa kertyy esimerkiksi asiakaspalautteista ja asiakaspalvelupuheluista. Nauhoitteita voi tulla kymmeniä tuhansia tunteja päivässä. Tällaisten määrien analysointi ihmisvoimin on tehotonta, hidasta ja kallista – ellei jopa mahdotonta.
Tekoäly mahdollistaa puhe- ja tekstimuotoisen datan tehokkaan analysoinnin. Tekoälyllä jäljitellään tapaa, jolla ihminen analysoi tekstiä ja puhetta, mutta tekoälyn avulla analysointi pystytään tekemään nopeasti ja kustannustehokkaasti. Hyvänä puolena on myös se, että tekoäly analysoi datan puolueettomasti. Silloin analyysin tulokset ovat luotettavia, eivätkä analysoijan omat intressit ja ennakko-odotukset pääse vääristämään niitä.
Ennustaminen:
BI-järjestelmät tarjoavat tyyppillisesti dataa siitä, mitä historiassa on tapahtunut ja mitä tapahtuu tällä hetkellä. Kun tämä pohja on luotu, on hyvä kääntää katseet tulevaisuuteen ja alkaa ennakoimaan sekä optimoimaan toimintaa. Ennusteiden tekeminen on pohjautunut tähän saakka tyypillisesti erilaisiin skenaariomalleihin, mutta tulevaisuudessa ennakoiva analytiikka ja yhä monimutkaisempien ennusteiden tekeminen tulee mahdolliseksi tekoälyn kehittymisen myötä.
Lue lisää aiheesta
Mistä Business Intelligencessä eli liiketoimintatiedon hallinnassa on oikeasti kyse ja mitä siitä tulisi tietää? Lataa maksuton Business Intelligence usein kysytyt kysymykset -materiaalimme, jossa vastaamme meiltä usein kysyttyihin kysymyksiin BI:stä yleisesti, sekä sen työkalujen käyttöönottoon liittyen.
%20(1).png)
