Data innovaatioiden lähteenä

Mona Moilanen • marrask. 13, 2019

Innovatiivisuus ja uudistumiskyky ovat yrityksen aortta. Niiden kautta mahdollistuu uuden vireyden kuljettaminen organisaation kudokseen, toiminnan pitkäjänteinen ylläpito ja elinvoimaisuus. Innovatiivisuus on yksi yrityksen strategisesti merkittävimpiä kyvykkyyksiä.

Liiketoimintaa perinteisesti tarkastellen strategian perimmäinen tarkoitus on löytää yrityksen tavoitteita tukeva pitkäkestoinen kilpailuetu ja tuoda se käytäntöön. Totuus on, ettei elämällämme aikakaudella voi enää puhua pitkäkestoisesta kilpailuedusta yksikössä, sinä autuuden tuovana graalin maljana jonka löydettyään organisaation strategit voivat huokaista helpotuksesta, heittää ylävitoset ja nostaa jalat pöydälle. Kilpailuedun pitkäkestoisuus mahdollistuu nimenomaan jatkuvan uudistumisen ja innovoinnin kautta. Strategin työ ei pääty koskaan ja se pitää lähes välttämättä sisällään innovointia.

Mitä todennäköisimmin kohtaamme aina vain enemmän liiketoimintapäättäjiä ja strategeja, jotka allekirjoittavat innovatiivisuuden tärkeyden yrityksensä menestyksen tekijänä. Harvalle lienee kuitenkaan aivan selvää kuinka tuoda innovatiivisuus osaksi yrityksen perusolemusta, ja tämän vuoksi se jääkin usein kunnianhimoiselta kuulostavaksi, konkreettista hyötyä tuottamattomaksi jargoniksi.

Haluan nostaa esille yhden työkalun, jonka avulla innovoinnista on mahdollista tehdä jatkuvaa, ketterää ja tuottavaa. Se mahdollistaa oikein valjastettuna organisaation kasvun ja kilpailukyvyn, auttaa ilahduttamaan asiakkaita yhä uudelleen ja uudelleen, sekä ohjaa tunnistamaan mihin suuntaan organisaation kehitystä on tässä kompleksisessa ja muuttuvassa maailmassa kannattavinta viedä. Arvannet jo, mitä työkalua tarkoitan.

Data. Se kuuluisa, kaikkivoipa data.

Mielikuvitus ≠ innovatiivisuus

Aloitetaan ylhäältä. On totta, että ihmisen intuitio ja mielikuvitus synnyttävät jatkuvasti uusia ja erinomaisiakin ideoita liiketoimintaan, mutta niiden vaikuttavuuden validointiin tarvitaan kaikesta huolimatta tietoa. Innovatiivisuus ei tarkoita mielikuvituksellisuutta, eikä mielikuvituksellisuus innovatiivisuutta. Pelkästään mielikuvituksen varassa tehdyt uudistukset ovat lähtökohtaisesti huono sijoitus, sillä niiden ja ympäristön väliset lainalaisuudet jäävät tutkimatta, minkä vuoksi puolestaan on vaikea korjata suuntaa niin tarvittaessa. Viisaasti kerätty ja jalostettu data auttaa meitä ymmärtämään innovaatioiden elinkaarta ja tunnistamaan mikä kulloinkin toimii ja mitä tulee muuttaa. Oli kyse sitten palvelu-, tuote- tai prosessi-innovaatiosta, oikeanlaiset metriikat ja seuranta ovat ensiarvoisen tärkeitä merkityksellisten, innovatiivisten ratkaisujen rakentamiseksi.

Moni on saattanut kuulla konseptista “Fire bullets, then cannonballs”, jonka Jim Collins kuvasi mainiossa kirjassaan Tietoisesti paras. Lyhykäisyydessään konsepti on malli nopealle pilotoinnille, ja sen avulla pystytään tunnistamaan epävarmassakin ympäristössä tehokkaasti ne kaikkein toimivimmat innovaatiot tekemällä matalan riskin, matalan kustannuksen ja matalan sitovuuden kokeiluja. Kokeilujen parhaimmistosta rakennetaan lopulta laajempia kokonaisuuksia, joihin voidaan myös sijoittaa isosti, sillä niiden on jo konkreettisesti havaittu olevan tuloksentekokykyisiä. Tämä on erinomainen esimerkki jatkuvasta innovaatiotyöstä, sillä konseptia voi soveltaa liiketoiminnan joka tasolla ja se vain paranee mitä enemmän sitä käyttää.

Jatkuva tiedolla validointi on siispä kultaa. Dataa voi kuitenkin hyödyntää jo aivan innovaation elinkaaren alkuvaiheessa, ennen validointia ja kehittämistä. Tämän havainnollistamiseksi täytyy jakaa yritysten keräämä ja hyödyntämä data karkeasti kahtia yrityksen sisäiseen ja sen ulkopuoliseen dataan.

Operatiivinen data ja markkinadata

Operatiivinen data löytyy yrityksen sisältä. Se kertoo yrityksen prosesseista, suoriutumisesta ja toimintamekanismeista. Sitä käytetään lähtökohtaisesti parantamaan yrityksen operatiivisen toiminnan tehokkuutta eri osa-alueilla. Operatiivisen datan ja sen avulla johtamisen vaikutukset näkyvät taloudellisesti tyypillisimmillään kustannussäästöinä (tai nousuina) tuloslaskelmassa – toimitusketjun optimointi, pakkausmateriaalin muuttaminen, henkilöstörakenteen uudistaminen ovat kaikki yrityksen sisällä kustannusrakenteeseen vaikuttavia muutoksia ja niistä kertyy organisaation sisäistä operatiivista dataa. Operatiivisesta datasta voidaan löytää vastauksia siihen miten asioita tehdään, mutta harvemmin siihen miksi.

Markkinadata puolestaan käsittää ympäröivän maailman luoman datan, sen kuinka asiakkaat reagoivat yrityksen tuotteisiin ja palveluun, kuinka yritys asettuu kilpailukenttään ja millaiset megatrendit vaikuttavat asiakkaiden (sekä yritys-, että yksityisasiakkaiden) tarpeisiin ja haluihin tai yhteistyökumppaneiden toimintaan. Markkinadataa hyödyntämällä saadaan siirrettyä vaikutuksia suoraan yrityksen liikevaihtoon. Uusien tuotteiden ja palveluiden luominen asiakasdataa ja avointa dataa hyödyntämällä luo uusia kanavia kassavirralle, ja vanhojen syystä tai toisesta epäkiinnostaviksi todettujen palveluiden lopettaminen sulkee niitä.

Yritykset ovat olleet jo pitkään varsin lahjakkaita ja innovatiivisia hakiessaan kustannussäästöjä ja mahdollistaakseen niiden kautta jonkinasteista kilpailukykyä. Operatiivisen datan käyttämisessä ollaan yleisesti siis jo varsin hakoja, mutta markkinadata on vielä verrattain tuntematon ja haastava pelikenttä – puhumattakaan operatiivisen ja markkinadatan yhdistelystä. Haastetta ei ainakaan vähennä se, että markkinadata on usein operatiivista dataa monimuotoisempaa, epäpuhtaampaa ja ylipäätään isompaa. Avatakseni ajatuksia markkinadatan kautta tapahtuvan innovoinnin käytännön mahdollisuuksille, kerron sinulle tarinan.

Olipa kerran korporaatio

Maailma katsoi kalenteristaan vuotta 2019, mutta korporaatio eli vielä vuotta 1970. Korporaatiolla oli hätä: asiakkaat eivät enää olleet lojaaleja korporaation palveluiden kuluttajia, vaan olivat alkaneet hajaantua ja vieneet mukanaan roposensa, joiden korporaatio oli tottunut kuulemaan kilahtelevan omaan kirstuunsa. Korporaatio mietti päänsä puhki kuinka houkutella asiakkaat takaisin, kokeili mitä moninaisempia mainoskampanjoita ja uusia palvelujulkaisuja mutta tulosta ei tuntunut syntyvän. Markkinoille oli tullut muita toimijoita, joiden kanssa asiakkaat mieluummin asioivat. Ketterämpiä, elinvoimaisempia yrityksiä, jotka lisäksi tuntuivat ymmärtävän paremmin mitä asiakas halusi ja pystyivät sen asiakkaalle antamaan.

Korporaatio sisuuntui ja alkoi tutkia tilannetta tarkemmin. Se päätti pyytää apua eräältä tuoreelta toimijalta jonka asiakaskunta oli lähellä korporaation omaa asiakaskuntaa. Tuore toimija näki korporaation kanssa tehtävässä yhteistyössä monta mahdollisuutta tehdä hyvää ja kasvattaa liiketoimintaansa, joten se suostui ilomielin auttamaan korporaatiota. Ei aikaakaan kun tuore toimija ja korporaatio yhdistivät voimansa. Korporaatiolle kertyneet valtavat datamäärät asiakkaista ja toiminnan kehityksestä keskitettiin ja jalostettiin hyötykäyttöön kelpaavaksi varaksi; operatiivinen data saatettiin standardimuotoiseksi ja markkinadataa siistittiin urakalla. Rajapintojen avaamisen ja integroinnin myötä korporaation ja tuoreen toimijan data saatiin yhdistettyä, tuoreen toimijan tuodessa tiimiin hyvinkin eriytynyttä ja reaaliaikaista näkyvyyttä asiakkaidensa mieltymyksiin.

Kävipä pian niinkin onnellisesti, että korporaatio ja tuore toimija tunnistivat yhdistyneestä datatyökalustaan kaksi kiinnostavaa trendiä – korporaation datan keskittämisen myötä laajentunut näkyvyys asiakaskuntaansa mahdollisti selkeästi kasvavan asiakassegmentin löytämisen ja tuoreen toimijan omien palveluiden kautta löydettiin vastaavan asiakassegmentin erityisiä kipukohtia joita korporaation palvelukapasiteetilla pystyttäisiin oikaisemaan. Tuore toimija ja korporaatio toteuttivat nopean pilotoinnin hankkeen uuden kohdennetun tuotteen rakentamiseksi, jota tarjottiin tuoreen toimijan asiakkaille ja jonka tukemiseksi saatiin valjastettua korporaation palveluorganisaatio pitkäaikaisen asiakassuhteen rakentamiseksi ja asiakkaiden sitouttamiseksi. Korporaatio ja tuore toimija jatkoivat datavetoista pilotointia tunnistaessaan aika-ajoin uusia ja muuttuvia trendejä ja kehittäen datavarantoaan jatkuvasti. He onnistuivat rakentamaan jatkuvasti uudistuvan ja ketterän yhteistyömallin ja elivät onnellisina elämänsä loppuun asti.

Sen pituinen se?

Datan hyödyntäminen innovaatioiden lähteenä ei toki reaalimaailmassa ole aivan noin yksioikoista. Käytännössä se vaatii useamman tahon yhteistyötä ja innovoivan osapuolen tai osapuolten henkistä ja operatiivista valmiutta tehdä nopeita siirtoja ja omaksua kokeilukulttuuri osaksi yrityksen arkea. On kuitenkin tosi, että kuvatunlainen skenaario jossa datamassasta voidaan tunnistaa liiketoiminnallisesti tärkeitä ominaisuuksia markkinassa tai asiakkaissa ja rakentaa niiden pohjalta uusia palvelu- tai tuoteinnovaatioita on tämän hetken realiteetti niissä kaikkein innovatiivisimmissa yrityksissä. On tosi, että se kasvattaa heidän liiketoimintansa resilienssiä ja yrityksen tilipussia. Ja on tosi, että siihen pystyy sekä korporaatio että tuore toimija.

Millaisia askeleita tul ee käytännössä ottaa,  jotta datan kautta innovointi on mahdollista? Seuraavaa osaa odotellessa virittäydy tunnelmaan lukemalla vaikka tämä:

Viimeisimmät kirjoitukset

Webscalen konsultteja.
19 Apr, 2024
Kysy konsultilta -blogisarjassa konsulttimme tekevät selkoa alan termeistä ja ilmiöistä. Vastaukset on mitoitettu sopimaan pieneenkin tiedonnälkään. Tällä kertaa selvitämme, mitä on DevSecOps?
Webscalen konsultteja.
12 Apr, 2024
Kysy konsultilta -blogisarjassa konsulttimme tekevät selkoa alan termeistä ja ilmiöistä. Vastaukset on mitoitettu sopimaan pieneenkin tiedonnälkään. Tällä kertaa selvitämme, mikä on Serverless Framework?
Webscalen pilviarkkitehti.
05 Apr, 2024
Kysy konsultilta -blogisarjassa konsulttimme tekevät selkoa alan termeistä ja ilmiöistä. Vastaukset on mitoitettu sopimaan pieneenkin tiedonnälkään. Tällä kertaa selvitämme, mitä tarkoittaa kuluoptimointi pilviympäristössä?
Webscalen konsultteja.
22 Mar, 2024
Kysy konsultilta -blogisarjassa konsulttimme tekevät selkoa alan termeistä ja ilmiöistä. Vastaukset on mitoitettu sopimaan pieneenkin tiedonnälkään. Tällä kertaa selvitämme, miten AWS Step Functions liittyy AWS Lambdaan?
Lisää kirjoituksia
Share by: