Täpsem info, parem juhtimine

Juhtimisinfo


Kuidas toetab Big Data minu ettevõtet ?

Postitatud 17.08.2016

Andres Kukke
Andres Kukke

 

 

Big Data´ks nimetatakse organisatsioonist väljaspool olevad struktureerimata andmed, mille tekkimise üle ettevõttel otseselt kontroll puudub. Big Data puhul on lisaks tavaliselt tegemist väga suurte andmemahtudega. Näiteks sotsiaalmeedia postitused, twitteri tweedid, teeandrurite info, võrguliikluse ja sisselogimiste logid jms.

 

Big Data aitab ennustada tulevikku

Et Big Dataga tegelemine nõuab sageli nii lisatööjõudu kui sobilikku tarkvara, peab selle kasutegur olema kõrge. Andmeanalüütikas on kõige rohkem kasu just võimalikult täpsest prognoosimisest, mis aitab meil oma tegevusi optimeerida ja ebasobilikke olukordi vältida. Kui kino soovib potentsiaalsele külastajale välja saata filmisoovitust, mis ta kindlasti kinno tooks, peaks eelnevalt analüüsima seoseid külastaja kodulehe klikkimiste ajaloo, sotsiaalmeedias või mujal teavitatud huvide, tema sotsiaalvõrgustiku ning eelnevate filmide vaatamise ajaloo vahel. Nii võib mõnel juhul 70% ulatuses olla võimalik ette ennustada, millist filmi külastaja järgmisena võiks vaadata.

Tihtilugu on seoste arv ja nende omavaheline mõju niivõrd läbipõimunud, et raske on välja valida kõige olulisemad kriteeriumid. Nagu näha, siis võib juba üksnes õige filmisoovituse väljasaatmise üsna keeruliseks osutuda. Siinkohal on hea näide Hollandi maanteeametist, kus sooviti kindlaks teha seosed, mille alusel ennustada tulevikus kiirteede liikluskoormusi. Selleks prooviti seostada liiklusloenduse andmeid väliste andmetega nagu autojuhtide töökohad, nende kodused aadressid, perekonnaseis, ilmaandmed, ostukeskuste kampaaniad ning teede hooldustööd. Esialgu aga ei õnnestunud kuidagi statistiliselt pädevat mudelit koostada – ei tekkinud selgelt arusaadavat korrelatsiooni andmete vahel. Seejärel hakati mudelisse lisama täiendavaid andmehulkasid ning üks neist sisaldas infot hollandlaste ülemiste hingamisteede haiguste – köha ja nohu – esinemissageduste kohta. Peale selle teguri lisamist hakkas prognoosimudel ootamatult tööle! Selgus, et autojuhtide tervisel oli oluline mõju liikluskoormuste muutusele.

 

Esimene samm: töö oma ettevõtte sees

Kõigepealt tuleks pöörata pilk ettevõtte enda sisse, vaadata otsa olemasolevatele andmetele. Seejärel leida üles ettevõtte strateegilisi eesmärke kõige enam mõjutavad tegurid ning nendega seonduvalt  hakata mõõtma nii võtmetulemusi kui ka neid tulemusi enim mõjutavad tegevusi.

Ettevõtte analüüsivõimekuse tõstmisel ja lahenduste juurutamisel soovitan kasutada võimalikult palju juba olemasolevat infot. Kõigepealt tasub hoolikalt läbi mõelda, mismoodi ettevõtte sees kogutud andmed saavad ettevõttele lisaväärtust luua. Teiseks tasub noppida lihtsad võidud kõigepealt: alusta kergematest äriküsimustest, mille lahendamiseks on juba tarvilikud algoritmid loodud. Näiteks on olemas vastavad algoritimid, mis analüüsivad ja ennustavad, millised kliendid hakkavad lahkuma või millised on need tooted, mida kliendid järgmisena ostaksid.

Andmeanalüüsi tähtsaim küsimus ongi see, kuidas andmed ettevõtte jaoks tööle panna. Kui andmed ei ole presenteeritud arusaadaval viisil, on need lihtsalt rida numbreid. Samuti peavad andmed olema õiged ning korrektselt analüüsitud. Analüüsiks on enamasti hädavajalik spetsiaalne tarkvaraplatvorm nagu näiteks QlikView või Sense.

 

Teine samm: töö väliste andmetega

Alles siis kui ettevõtte sisestele andmetele on tiir peale tehtud, võiks hakata mõtlema, milliseid ettevõttest väljaspool olevaid andmed on võimalik oma andmetega seostada nii, et tekib juurde uut teadmist. Ehk piltlikult öeldes – enne kui uurida ilma mõju oma müügitulemustele, võiks olla ees detailne pilt nii oma klientide käitumisest ning neid mõjutavatest ettevõttesisestest teguritest nagu hinnatundlikus, lisatoodete pakkumine, tarnekiirus, kliendihalduri persoon aga ka teiste sarnaste näitajatega klientide käitumismuster.
Edukaks andmeanalüüsi eelduseks peetakse viit komponenti: inimesed ehk tööjõud, vastav oskusteave, andmeanalüüsi tööriistad, kvaliteetsed andmed ning ettevõtte kultuur, mis toetaks faktipõhist otsustamist. Big Datat ei kasutata enamasti laialdasemalt mitte tehniliste vahendite puudumise tõttu, vaid eelkõige tööjõu puuduse tõttu – organisatsioonis ei leidu sobivat isikut, kes vastutuse enda õlule võtaks.

 

 

Comments are closed.




↑ Lehe algusesse