5 mallia Big Datalle kasvun moottorina

Voiko dataa käyttää kasvun luomiseen? Ainakin jo Ronald Reagan uskoi niin sanoessaan informaation olevan nykymaailman happea. Tieto on tietysti ollut aina tärkeää liike-elämässä, mutta Big Data - ilmiö pakottaa yritykset miettimään tarkemmin, kuinka ne käyttävät tietoa liiketoimintansa edistämiseen.

Big Data ja yrityksen kilpailukyky

Gartner määrittelee Big Data - tiedon sen suuren määrän, nopean muodostumisen ja monimuotoisuuden kautta. Tämän tiedon käyttö vaatii edullisia ja innovatiivisia tapoja prosessoida ja analysoida tietoa, jotta siitä voidaan siivilöidä kiteytyneitä näkemyksiä ja työkaluja päätöksentekoon. Big Datan ydin ei siten ole tieto eikä sen suuri määrä, vaan yrityksen luova tapa käyttää eri lähteistä saatavissa olevaa tietoa menestyksellisen liiketoiminnan rakentamiseen. Yhä useammat yritykset jo toimivat tämän mukaan: äskeisen tutkimuksen mukaan 80 % yrityksistä näkee datansa valjastamisen tienä kehittää yritys vahvemmaksi. 

Yrityksen näkökulmasta data voidaan lähteen mukaan jakaa kolmeen luokkaan, joiden raja-aidat ovat toki häilyviä:

• Yrityksen sisäinen tai liiketoimintojen seurauksena käytettävissä oleva data: Esimerkiksi asiakkaiden liikkumistieto yrityksen sivustoilla, asiakaspalveluun rekisteröitynyt data tai yrityksen toimittamien laitteiden ja järjestelmien käyttöön liittyvä data.
• Muilta yrityksiltä tai yhteisöiltä hankittava data, saadaan useimmiten korvausta vastaan: Esimerkiksi asiakkaisiin liittyvä, yksilöimätön data ja tiedon kerääjältä tai kokoojalta hankittu laitteisiin tai ympäristöön liittyvä data.
• Julkinen tieto: Data, joka on tuotu julkisen vallan kautta saataville, usein ilman erityistä korvausta; esimerkiksi erilaiset julkiset rekisterit, sää- ja karttadata.

Tiedon määrät eivät ole suuria, ne ovat valtavia - viime vuonna tietoa syntyi maailmassa arviolta 2,5 tsettatavua (10 potenssiin 21) ja määrän ennustetaan kasvavan 40 % vuosittain. 

Tiedon lähde vaikuttaa merkittävästi sen käyttöön yrityksissä. Asiaa voidaan analysoida tarkastelemalla Big Datan arvoketjua, joka turhaa monimutkaistamista välttäen koostuu neljästä eri vaiheesta, kts. myös oheinen kuva.

Menestyksellinen kilpailu vaatii jokaisessa arvoketjun osassa erilaisia kyvykkyyksiä:

• Tiedon keräys: Mahdollisuus saada oman liiketoiminnan kautta dataa, jota muut eivät ainakaan helposti pysty saamaan; ymmärrys, mikä kyseisessä datassa on oleellista ja kuinka sitä voidaan kerätä. 
• Tiedon kokoaminen: Ymmärrys, mistä ja miten dataa voidaan hankkia; ymmärrys, kuinka dataa tulee yhdistellä ja varastoida, jotta se on tehtävissä käyttökelpoiseksi.
• Tiedon analysointi: Analytiikka- ja algoritmiosaaminen; kyky tulkita datan merkitystä käytön näkökulmasta.
• Tiedon käyttö: Kyky esittää tieto käyttäjälle helposti ymmärrettävässä muodossa; käyttäjän tarpeiden ymmärtäminen. 

Tuttua teoriaa toimialan alkuvaiheen vertikaalisen integraation muuntumisesta vähitellen yritysten erikoistumiseksi, horisontaaliseksi integraatioksi, on käytetty myös Big Datan yhteydessä. Koska kilpailukenttä on jatkuvasti liikkeessä, yrityksen täytyy siten muovata oma strategiaansa ja asemaansa arvoketjussa tarkastelemalla omaa kilpailukykyään ja kyvykkyyksiään.

Big Datan avulla saatavat hyödyt lujittavat parhaimmillaan kestävästi yrityksen kilpailukykyä sekä luovat kannattavuutta ja kasvua. Jotta suunnitelluilla toimilla todella saataisiin tuloksia, täytyy Big Data -hankkeet ankkuroituda tukevasti kilpailuaseman ja liiketoiminnan parantamiseen. Omia kyvykkyyksiä arvioimalla luodaan realistinen kuva siitä, missä arvoketjun vaiheissa yritys on kilpailukykyinen. Koska liiketoimintahyödyt ovat kuitenkin määrääviä, kannattaa ulkoistaa ne vaiheet, joissa asemaa ei pitkällä tähtäimellä voida puolustaa.

Big Data kasvun moottorina

Seuraavassa käsitellään liiketoiminnan kehittämisen malleja Big Datan käyttämiseksi yrityksissä, erityisesti kasvun aikaansaamisessa. Keskitymme liiketoimintamalleihin. Strategisiin hyötyihin, kuten mahdollisuuksiin tehdä nopeampia, parempia tai ennakoivampia päätöksiä, tai tehokkuutta parantaviin tekijöihin, kuten kyvykkyyksien ja prosessien parantamiseen, ei tässä erityisesti syvennytä.

Itsenäinen liiketoiminta

Itsenäinen Big Data -pohjainen liiketoiminta, jossa tuotteet pohjautuvat itse tietoon, voidaan rakentaa uudeksi liiketoiminnaksi joko vakiintuneen yrityksen tai startupin toimesta. 

Vakiintuneille yrityksille on luontevaa kehittää uutta tarjoomaa nykyisille asiakkaille tai käyttää hyväksi vakiintuneiden toimintojen generoimaa dataa uusien liiketoimintojen rakentamisessa. Ensimmäisessä tapauksessa kilpailuetuna on tyypillisesti ymmärtämys asiakkaiden tarpeista ja luottamukselliset asiakassuhteet, jälkimmäisessä mahdollisia kilpailijoita parempi datan saatavuus. Esimerkiksi McKenney, rakennustekniikan urakoitsija, kehitti ylläpitokuluja alentavan palvelun keräämällä pitältä ajalta rakennuksista toteutunutta dataa. Jos yrityksen asema asiakasrajapinnassa tai datan keräämisessä on tarpeeksi vahva, voidaan kukoistavaa liiketoimintaa rakentaa hyvin myös arvoketjupartnerien varaan. 

Startupeilta puuttuu useimmiten vakiintuneiden yritysten kilpailuedut ja resurssit Big Datan hyödyntämisessä, joten ne ovat olleet aktiivisempia työkalujen ja osaamisen kehityksessä. 

Monilla aloilla on kuitenkin uusilla liiketoimintamalleilla pystytty tekemään suuriakin kumouksia, esimerkkeinä Bright työnhaussa ja rekrytoinnissa, Climate Corporation satovakuutuksissa tai vaikkapa Ambiohealth etäterveydenhoidossa. Startupin ostaminen luo vakiintuneelle yritykselle mahdollisuuden luoda nopeasti uusia liiketoimintoja.

Julkisen datan parantunut saatavuus on alentanut startupien ja muiden toimijoiden kynnystä tuoda uusia palveluja markkinoille. Koska kaikilla on käytössään samat tiedot, täytyy menestyvien yritysten säilyttääkseen kilpailukykynsä jatkuvasti parantaa analysointikykyään ja käyttökokemusta tai jatkuvasti lisätä uusia datan lähteitä. 

Työkalujen ja osaamisen myynti

Varsinkin startupit ovat aktiivisia uusien työkalujen ja osaamisen kehittämisessä, tarkoituksena myydä niitä muille yrityksille ja organisaatioille. Näistä ovat esimerkkeinä DataSift ja Enigma datan kokoamisessa, Cloudera ja Cloudant datan varastoinnissa, CloudPhysics ja Gravity tiedon analysoinnissa sekä Icimo ja Platfora tiedon esittämisessä. Äskettäin ARM:in ostama Sensinode on esimerkki suomalaisesta, datan keräämisen tekniikkoihin keskittyneestä yrityksestä.

Tukitoiminta liiketoiminnoille

Vakiintuneita liiketoimintoja tukevat aktiviteetit tulevat olemaan valtavan tärkeitä lähteitä yritysten kasvulle. Myös startupeilla on merkitystä vakiintuneiden yritysten ulkoistettuina innovoijina: Ne voivat kehittää ja testata uusia ajatuksia ja kun riittävä varmuus toimivuudesta on saatu, innovaatiot usein päätyvät hieman muunneltuina osaksi ostavien yrityksien toimintaa.

Tukitoimintojen tavoitteena on säilyttää ja parantaa yrityksen nykyisten liiketoimintojen kilpailukykyä. Esimerkkeinä tästä ovat yrityksen tuotteiden elinkaarikustannusten alentaminen ennakoivalla huollolla, jakelukustannusten pienentäminen reittioptimoinnilla ja asiakastyytyväisyyden lisääminen hyödyntämällä asiakastietoa. Olennaista on Big Data -toimenpiteiden kokonaisvaikutus tuloihin ja menoihin, ei niiden omat kustannukset ja mahdolliset tuotot. GE ja Konecranes ovat hyviä esimerkkejä niin sanottuun teolliseen internetiin panostavista yrityksistä, joissa uskotaan Big Data -strategian erilaistavan yrityksen tuotteita ja tuovan merkittäviä lisätuottoja. Amazon ja Walmart ovat klassisia erimerkkejä Big Data -asiakastiedon hyödyntämisestä.

Tukitoimintoihin tarkoitetun datan ydin on useimmiten yrityksen sisäistä mutta sitä voidaan tarvittaessa täydentää ostetulla ja julkisella tiedolla. Esimerkiksi sää- ja liikennetiedoilla voidaan tarkentaa laitteiden käyttötietoja ja verkkosivustojen käyttäytymistietoja.

Tiedon myyminen 

Jos yritys ei löydä mielekästä tapaa käyttää hallussaan olevaa tai helposti saatavaa Big Data -tietoa omassa liiketoiminnassaan, kannattaa tutkia tiedon myyntimahdollisuuksia. 

Yritykset kuten Bloomberg, Experian ja Affecto myyvät jo tietoaan ja tarjoavat siihen pohjautuvia näkemyksiä ja analyysejä. Näiden toimijoiden arvoketju on kuitenkin vertikaalinen pohjautuen pitkälti niiden omaan dataan. Odotettavissa on, että uusille toimijoille, jotka tarjoavat ja keräävät strukturoimatonta, lukuisista lähteistä peräisiin olevaa dataa, tarjoutuu runsaasti uusia mahdollisuuksia. 

Tämä kehitys tarjoa Big Data -tiedon kerääjille ja yhdistelijöille paljon mahdollisuuksia myydä eri kypsyystasojen dataa eteenpäin, joko erikoistuneille tietoyrityksille tai muille, jotka eri tavoin hyödyntävät tätä tietoa liiketoiminnassaan. Tarvittaessa voidaan yrityksen kilpailijat tai muut ei-toivotut yritykset sulkea pois tiedon asiakkaina.

Markkinoinnin työväline

Big data voi toimia myös työvälineenä, jolla houkutellaan potentiaalisia asiakkaita yrityksen asiakkaiksi. Jujuna on tarjota ilmaiseksi tai alhaisella hinnalla sellaista tietoa, joka on potentiaalisille asiakkaille tärkeää ja arvokasta. Tiedon käyttö synnyttää luottamussuhteen tarjoavaan yritykseen ja alentaa esteitä ostaa yrityksen täyden hinnan tuotteita. Tällöin tulosvaikutus syntyy epäsuorasti, asiakasmäärän ja liikevaihdon kasvun myötä.

Esimerkiksi sijoituspalveluja yritys voisi soveltaa sosiaalisen median ja internet-kirjoittelun analyysiä (sentiment analysis) pörssiyritysten kurssiliikkeiden ennakointiin ja tarjota tätä palvelua ilmaiseksi tai asiakkuutta vastaan potentiaalisille kuluttaja-asiakkailleen. Vastaavasti teollisuusyrityksille laitteistoja myyvä yritys voisi luoda mielipidejohtajuutta alallaan kehittämällä helppokäyttöisen tavan seurata asiakkaille tärkeiden raaka-aineiden tai puolivalmisteiden hintaan vaikuttavia tekijöitä.

Jos käytettävä data on yrityksen omaa tietoa, sen toiminnallinen yhdistäminen asiakkaille myytäviin tuotteisiin on luontevinta. Mikään ei kumminkaan estä kehittämästä täkyksi sellaista tarjoomaa, joka pohjautuu kokonaan muualta hankittuun dataan.