Analytiikan pullonkauloja ei ratkota kauniilla kaavioilla – Miten datasta saadaan päätöksiä?

Dashboardit eivät ole vielä ratkaisseet pahimpia tiedolla johtamisen pullonkauloja. Tärkein kysymys kuuluu edelleen: miten data saadaan vaikuttamaan päätöksiin? Agenttinen analytiikka lupaa tähän apua.

Myyntijohtaja huomaa torstaina, että yhden segmentin voittoprosentti on laskenut. Jos trendi jatkuisi, hän ei luultavasti saavuttaisi tavoitteitaan. Mutta miksi näin on käynyt? Hän lähettää pyynnön analytiikkatiimin vetäjälle, joka lupaa raportin ensi viikon keskiviikkona. Asiaa ei siis ehdittäisi käsitellä edes maanantain myyntipalaverissa. Kun asia vihdoin saadaan käsittelyyn, voi tilanteeseen olla tullut jo uusia muutoksia.

Vaikuttaako tarina tutulta? Ei varmaan, sillä harvalla on mahdollisuutta pyytää raporttia analyytikolta. Mutta perimmäinen ongelma koskee meitä kaikkia: dashboard voi kertoa muutoksesta, mutta mitä muutoksen taustalla on? Ja vielä tärkeämpää: miten siihen tulisi reagoida?

Kun itse aloitin urani, tehtiin tiedolla johtamista käytännössä tukkimiehen kirjanpidolla: Monta soittoa oli tehty? Kuinka monta tapaamista? Kuinka monta tarjousta ja kuinka monta kauppaa? Näitä lähdettiin sitten kasaamaan Exceliin ja sen pohjalta rakennettiin KPI-lukuja.

Data ja kaaviot ovat hyödyttömiä, jos ne eivät vaikuta päätökseen.

CRM-järjestelmät ovat tehneet datan keräämisestä ja esittämisestä nopeampaa. Nyt myyntijohtaja näkee jopa reaaliaikaisen tilanteen omalta dashboardiltaan. Mutta järjestelmät eivät ole vielä ratkaisseet perimmäistä ongelmaa: data ja kaaviot ovat hyödyttömiä, jos ne eivät vaikuta päätökseen.

Tämä ei ole raportointitiimin tai työkalun vika. Se on rakenteellinen ongelma, jota kaksikymmentä vuotta business intelligence -kehitystä ei ole vielä ratkaissut, vaikka kaavioista on tullut kauniimpia. Matka kysymyksestä vastaukseen ja vastauksesta tekoon on pysynyt pitkänä.

Lisää aiheesta myös webinaarissa: Tableau Next. Tuo analytiikka loppukäyttäjälle – Nyt. →

Mikä analytiikassa maksaa?

Puhuttaessa analytiikan kustannuksista lasketaan usein lisenssejä ja konsulttien integraatioihin ja raportteihin käyttämää työaikaa. Todelliset kustannukset jäävät kuitenkin helposti huomaamatta. Tässä muutama:

Jokainen tikettijonon tai sähköpostin läpi kulkeva kysymys vanhenee matkalla.

• Odotusaika. Jokainen tikettijonon tai sähköpostin läpi kulkeva kysymys vanhenee matkalla.
• Kysymättä jääneet kysymykset. Kun vastaus maksaa kolme päivää analyytikon työaikaa, kysytään vain ne kysymykset, jotka jaksetaan perustella. Iso osa hyvistä kysymyksistä on kuitenkin niitä, joita ei perustella etukäteen.
• Havaintojen katoaminen. Poikkeaman huomaa se, joka sattui katsomaan oikeaa raporttia oikeana päivänä. Usein nämä jäävät huomaamatta.
• Analytiikan viimeinen metri. Havainto muuttuu kalvoksi, kalvo palaveriksi ja palaveri tehtäväksi. Jokaisessa siirtymässä osa hukkuu.

Agenttinen analytiikka on ennen kaikkea yritys lyhentää edellä mainittua matkaa. Sen sijaan, että kaunisteltaisiin matkan päätepistettä.

Miten agenttinen analytiikka muuttaa tiedolla johtamista?

Agenttinen analytiikka tarkoittaa tekoälyagenttien tuomista osaksi yrityksen raportointia. Perinteinen analytiikka on staattista ja ennalta määriteltyä: usein konsultit ovat rakentaneet raportit ja niiden pohjalta dashboardin. Agenttinen analytiikka tuo tiedon suoraan loppukäyttäjälle ilman välikäsiä.

Yksi iso hyöty on nopeus: käytännössä jokainen työntekijä saa itselleen oman analyytikon, jolta voi kysyä kysymyksiä. Tieto ei kulje useiden eri kyselyiden kautta ja kysymyksiä ei tarvitse perustella tai miettiä niiden kustannuksia. Jos myyjä huomaa oman myyntinsä laskevan, hän voi kysyä agentilta suoraan syytä ja suosituksia. Ja myyjän ei välttämättä tarvitse edes huomata itse mitään: agentti luultavasti huomaa poikkeaman ensin ja hälyttää myyjän.

Toinen merkittävä hyöty on tiedon tuleminen sinne, missä työ tehdään. Ei dashboardiin, Slackiin, Teamsiin tai sähköpostiin. Data on käytettävissä juuri siinä näkymässä, jossa työntekijä tekee päätöksensä. Kun data saadaan suoraan loppukäyttäjän eteen, myös analytiikan käyttöaste nousee.

Enää ei katsota peruutuspeiliin.

Merkittävin hyöty lienee kuitenkin se, että enää ei katsota peruutuspeiliin. Data kertoo mitä tapahtui ja analyytikko voi kertoa, miksi niin tapahtui. Agentti kertoo myös, mitä tulisi tehdä ja voi ryhtyä itse toimenpiteisiin. Laskeva asiakastyytyväisyys ei tuota vain sähköpostia, vaan tehtävä reitittyy automaattisesti oikealle ihmiselle.

Kaiken tämän keskellä myös analyytikon rooli muuttuu ja merkitys kasvaa. Kun visualisointien tekeminen käsin ja ad-hoc-kysymyksiin vastailu vähenee, työ siirtyy siihen mikä on aina ollut arvokkainta: liiketoiminnan merkitysten määrittelyyn. Mitä ”aktiivinen pipeline” tarkoittaa meillä? Milloin liidi on kvalifioitu?

Kaikki on edelleen kiinni datasta

Agenttinen analytiikkakaan ei ole oikotie datan osalta. Se ei pelkästään peri datan ongelmia, vaan voi myös vahvistaa niitä.

Oudolta näyttävä dashboard herättää epäilyksen. Luonnollisella kielellä muotoiltu väärä vastaus ei.

Jos kukaan ei ole määritellyt, mitä kvalifioitu liidi tarkoittaa, tekoäly ei jätä vastaamatta. Se arvaa. Ja arvaa sujuvasti, hyvin muotoillusti ja täysin vakuuttavasti. Tämä on vaarallisempaa kuin vanhassa maailmassa. Oudolta näyttävä dashboard herättää epäilyksen. Luonnollisella kielellä muotoiltu väärä vastaus ei.

Siksi agenttisessa analytiikassa ratkaisevaa on semanttinen kerros: sopimus siitä, mitä luvut tarkoittavat. Ei malli, ei käyttöliittymä, ei demo. Semantiikka.

Tämä on myös syy siihen, miksi agenttianalytiikan pilotit epäonnistuvat. Vika ei ole teknologiassa. Vika on siinä, että alustan päälle tuodaan dataa, jonka merkityksestä organisaatio ei ole koskaan sopinut. Oletus on, että tekoäly täyttää tämän aukon.

Agenttinen analytiikka on jo nykypäivää

Kaikki edellä kuvattu on saatavilla jo tänään. Salesforcen Tableau Next tuo agenttianalytiikan Data 360:n semanttisen kerroksen päälle ja avoimet MCP-rajapinnat vievät vastaukset Slackiin ja muihin työkaluihin. Agentti ei siis jää pelkästään CRM:n sisälle, vaan voi esimerkiksi osallistua myyjien väliseen keskusteluun Slackissä.

Suurin haaste ei ole teknologian hankkiminen.

Suurin haaste ei ole teknologian hankkiminen. Itse asiassa se saattaa jo löytyä sinulta, sillä Salesforce tuo Tableau Nextin osaksi yhä useampia Salesforcen lisenssejä. Haastavinta on löytää kaikki mahdollisuudet hyödyntää tätä teknologiaa.

Ja jos haluat kuulla lisää tavoista hyödyntää Tableau Nextiä, kannattaa ilmoittautua meidän ja Salesforcen yhteiseen webinaariin: Tableau Next. Tuo analytiikka loppukäyttäjälle – Nyt. →