Valjasta data liiketoiminnan kehittämisen hyötykäyttöön

Valistunutta päätöksentekoa, parempaa asiakaskokemusta, lisää kannattavuutta – tutustu esimerkkeihimme datan käytöstä liiketoiminnan kehittämisessä.

Datalla on paitsi merkittävä, myös yhä kasvava rooli palvelu- ja tuotekehityksen elinkaaressa. Uuden hankkeen kohdalla kannattaa lähteä liikkeelle määrittelyprosessista: millaista dataa tarvitaan, jotta voidaan arvioida ratkaisun vaikuttavuutta? Määrittelyprosessi on datalla kehittämisessä onnistumisen elinehto, koska data palvelee eri asiayhteyksissä aivan eri asioita.

Verkkosivustolla data voi tarkoittaa esimerkiksi kävijäanalytiikkaa, teollisuuden prosesseissa taas vaikkapa laitteiden huoltostatuksia. Laadukasta dataa voidaan kerätä paitsi suoraan laitteista ja alustoista, myös esimerkiksi havainnoimalla ja haastattelemalla fyysisen tuotteen tai palvelun käyttäjiä. Asiakastutkimus ja käyttäjäymmärrys - oli data sitten kerätty miten tahansa - toimivatkin pohjana kaikelle palvelumuotoilulle.

Datan keräämisen jälkeen se täytyy tietysti valjastaa hyötykäyttöön: data ilman tulkintaa ja siitä johdettua toimintaa on pelkkää dadaa. Eri tietolähteistä kerättyä tietoa voidaan nykyään yhdistellä automaatio- ja integraatiokyvykkyyksien avulla kattaviksi kokonaisuuksiksi, joista tieto voidaan visualisoida helppolukuisiin ja informatiivisiin raporttinäkymiin. Näin päättäjät saavat helposti ymmärrettävää tukea päätöksentekoon. Kun pohjatyö on tehty huolella, tarjoaa data loistavan ohituskaistan jatkuvaan laatukehitykseen, kannattavuuden parantamiseen ja lisäpalveluiden kehittämiseen.

Moninaisten asiakasprojektiemme kautta olemme päässeet aitiopaikalle seuraamaan monenlaisia tapoja kerätä ja hyödyntää dataa liiketoiminnan kehittämisessä. Seuraavaksi esittelemme lyhyesti neljä eri tapaa, jolla olemme hyödyntäneet dataa asiakkaidemme liiketoiminnan kehittämiseksi.

Faktapohjaista päätöksentekoa ja varautumista tulevaan

Usein liiketoiminnan tiedot löytyvät monista järjestelmistä ja raakadata on vaikeasti luettavaa. Ensimmäinen askel onkin koostaa tiedot eri laitteista ja järjestelmistä yhteen näkymään, jotta voidaan tuottaa arvokasta tietoa sekä yrityksille itselleen että heidän asiakkailleen.

Älykkäiden kuormankäsittelyratkaisujen toimittajalle, Hiabille, rakensimme laitteiden etähallinnan mahdollistavan asiointipalvelun, josta sen asiakkaat näkevät, milloin laitteita pitää huoltaa ja paljonko niitä on käytetty. Sensorit myös luovat automaattisesti varoituksia, mikä auttaa operoijaa saamaan palautetta työskentelystään, ennakoimaan riskejä, optimoimaan laitteiston huoltotarvetta sekä parantamaan yleistä turvallisuutta.

Asiakasyritysten ohella portaalista on hyötyä Hiabille, joka pystyy reaaliaikaisesti tarkastelemaan laitteidensa kuntoa ja sijaintia sekä varautumaan tuleviin huoltotarpeisiin. Palvelun laadun ja lisäpalveluiden kehittäminen on helppoa, kun laitekantoja voidaan tarkastella asiakas- tai maakohtaisesti.

Eroon pullonkauloista kvalitatiivisella datalla

Tietoa päätöksenteon tueksi voidaan hankkia myös kvalitatiivisesti. Tarkkailimme pitkäaikaisen asiakkaamme St1:n asiakkaita huoltoasemien maksupäätteillä ymmärtääksemme, mitä ongelmia asiakkaat kohtaavat. St1 oli huomannut, että maksupäätteiden vaihdon jälkeen myynnit laskivat. Tavoitteena oli määritellä kipukohdat uusien maksupäätteiden käyttökokemuksen parantamiseksi: mistä kiikastaa?

Asiantuntijamme olivat paikan päällä huoltoasemilla ja tarkkailivat asiakkaiden käyttäytymistä. Heitä myös haastateltiin. Havaintojen pohjalta saatiin validoitua, että notkahdus myynneissä todella johtui maksupäätteistä, ja mitkä käytännön haasteet vaikuttivat siihen, etteivät asiakkaat osanneet tai onnistuneet viemään ostoksiaan maaliin asti. Tulosten perusteella annoimme parannusehdotuksia, joiden avulla St1:n oli mahdollista kehittää maksupäätteitä ja maksukokemusta eteepäin. Ehdotukset priorisoitiin niiden oletetun liiketoimintavaikutuksen mukaan, jotta St1 pystyi keskittymään kriittisiin kehityskohteisiin.

Kerää ja käytä dataa älykkäästi

Hyödynnämme monipuolisesti integraatioita, automaatioita ja tekoälyä, jotta datan käsittely on kaikissa vaiheissa kitkatonta. Tavoitteena on vähentää manuaalista työtä, maksimoida datan laatu ja taata sen luotettava sekä turvallinen välittyminen. Esimerkiksi Elinkeinoelämän keskusliitolle loimme tiedonkeruun automaatiota tukevan ratkaisun, jossa ajastettu robotti etsii verkosta uutisia työmarkkinoista ja kategorisoi niitä relevanttiuden mukaan.

Azure OpenAI-palvelu tulee merkittävästi tehostamaan EK:n työskentelyä, sillä toiminnalle kriittinen tieto löytyy luotettavasti ja on myös raportoitavissa automaattisesti. Aiemmin tiedonhankintaa ja -keruuta tehtiin manuaalisesti, jolloin prosessi oli paitsi hidas, myös altis inhimillisille virheille.

Toinen esimerkki automaatioiden hyötykäytöstä datan käsittelyssä on kotimaiselle energiayhtiölle toteuttamamme ennustustyökalu, jossa koneoppimista hyödyntävällä algoritmilla voidaan ennakoida laitosasiakkaiden kulutuspiikkejä. Algoritmi tulee luomaan merkittäviä kustannussäästöjä tasapainottamalla kysyntää ja välttämällä kalliin säätövoiman käyttöä kulutuspiikkien aikana.

Sujuvampi monikanavainen asiakaskokemus

Dataa voi visualisoida muutenkin kuin kokoamalla kuvaajia ja indikaattoreita komentokeskusten ohjaustauluille. Hyvänä esimerkkinä hiihtokeskuksen uniikki infografiikkaratkaisu, joka rikastaa hiihtokeskuksen kävijöiden vierailijakokemusta. Autoimme Levi Ski Resortia hyödyntämään heidän olemassa olevaa IoT-infraa yhdistelemällä tietoa eri lähteistä ja tuomalla laskettelurinteiden reaaliaikaiset tiedot mobiilisovellukseen. Sovelluksen loppukäyttäjät saavat reaaliaikaisen tiedon esimerkiksi omasta ja kavereiden sijainnista, sääolosuhteista, rinteiden ja hissien aukiolosta, Ski Bussien aikatauluista, ravintoloista sekä lähialueen aktiviteeteista suoraan visualisoituna 3D-kartalle älypuhelimiinsa.

Datan kerääminen on helppoa ja sitä kertyy nykyään enemmän kuin koskaan aiemmin. Kasvavan kilpailun pyörteissä voittajiksi päätyvät yhä useammin ne, jotka osaavat tiristää datamassoista liiketoiminnalleen relevantteja insighteja ja kääntää ne kohdennetuiksi toimenpiteiksi. Datan hyötykäyttöön valjastaminen vaatiikin kattavan pohjatyön, mutta parhaimmillaan data on liiketoiminnan kehittämisen paras ystävä.

Haluaisitko hyödyntää dataa oman liiketoimintasi kehittämisessä? Me voimme auttaa!

Mielipide & näkemys

Mielipide & näkemys

Data & AI
Tekoälyllä datasta liiketoimintapäätöksiä
Generatiivinen AI
Miten hyödyntää generatiivista tekoälyä yritysmaailmassa? Asiantuntija listaa neljä tärkeää oppia
Generatiivinen AI
Mullistavatko koodausavustajat ohjelmistokehityksen?
Generatiivinen AI
Tekoäly – revoluutio vai evoluutio?
Ota yhteyttä

Ota yhteyttä

Jani Laitasalo Kekkonen
VP, Operationsjani.laitasalo.kekkonen@hiq.fi+358 400 612 644