Viime vuosien hoetuin trendi lienee se, että data on uusi öljy. Datan käyttö ohjaamassa työtä ja liiketoiminnalista tekemistä on kuitenkin yhä lapsenkengissä ja suuri haaste tässä on yhtäältä kulttuuri ja toisaalta osaaminen.

Tämä jäätelönsyönnin ja Pisa-tulosten korrelaatiota kuvaava graafi osoittaa, että asioiden välillä voi olla korrelaatio, mutta ne eivät sisällä minkäänlaista syy-seuraussuhdetta. On kuitenkin hyvin inhimillistä etsiä korrelaatiota asioille ja niitähän maailmasta datan valossa löytyy, huvittavuuteen asti.

Jäätelönsyönti ja Pisa-korrelaatio.

Datan käyttö vaatii osaamista; datasta käydyssä keskustelussa unohtuu, että datassa on loppujen lopuksi kyse inhimillisestä ammattitaidosta. Taidosta etsiä ja muotoilla oikeat kysymykset, joihin pystytään numeerisesti hakemaan vastaus, ja taidosta tulkita dataa ja asioiden yhteyksiä oikein.

Perusymmärrys analytiikan luvuista puuttuu yllättävän monelta.

Omassa työssäni sisältömarkkinoinnin parissa kohtaan jatkuvasti kysymyksiä kohderyhmien käyttäytymisestä verkossa. Tyypillinen esimerkki koskee organisaation verkkosivua. Monella organisaatiolla on käytössään Google Analytics, jonka katsotaan vastaavan riittävällä tasolla organisaation tarpeisiin mitata verkkosivuliikennettä. Mutta usein lukuja katsottaessa puuttuu kuitenkin perusymmärrys, onko se hyvä vai huono asia, että sivullamme vietetään keskimäärin 2,5 minuuttia tai miksi bounce rate eli vain yhdellä sivulla vierailujen osuus on 75%. Onko se paljon vai vähän? Ja onko se hyvä asia, että se on laskenut hieman viime aikoina? Käyn mediasuunnittelijoidemme kanssa usein keskusteluja, joissa he kumoavat tai ainakin haastavat oman käsitykseni Google Analyticsin perusluvuista. Ja hyvä niin! Usein mediasuunnittelijamme myös huomaavat, että uuden asiakkaan kanssa verkkosivun analytiikasta puuttuvat mittarit, jotka olisi rakennettu juuri mittaamaan heidän tavoitteitaan ja liiketoimintaansa. Lähtökohtaisesti jos osaamista analytiikalle ei löydy omasta talosta, on sitä osattava vaatia kumppaneilta.

Osa ongelmaa kuitenkin on se, että markkinoinnin tekijöiltä itseltään ei löydy ymmärrystä datasta tai halua tulkita sitä itse. Pikemminkin se nähdään vaikeana asiana, joka mielummin ulkoistetaan jollekulle muulle, esimerkiksi mahdolliselle datatiimille tai kumppanille, jonka oletetaan esittävän sitten löydöksensä erittäin valmiiksi pureskeltuna silloin tällöin. Asenteena on myös helposti se, ettei kannata kysyä heiltä oikeastaan lisää, sillä vastausta ei kuitenkaan ymmärrä. Kuitenkin tekemistään kehittävän organisaation pitäisi pystyä myös vaatimaan työvälineitä, jotka ammentavat vastaukset datasta ja datanikkareilta päätöksenteon tueksi. Olen itse aikanaan kahlannut läpi mm. tilastotieteen sivuaineopinnot, mutta omakin nykysuhteeni dataan strategin työssäni olisi Facebookissa statuksella "it's complicated". Tunnistan itsestäni ajoittaisen laiskuuden ryhtyä pohtimaan sitä, mitä dataa tässä nyt pitäisi osata katsoa tai vaatia mediasuunnittelijoilta. Eikö voitaisi mennä vain intuitiolla ja empatialla?

Datan hyödyntämisessä on lopulta kyse työkaluista, jotka huippuammattilaiset voivat rakentaa vastaamaan asiantuntijan jatkuvaa tarvetta ja toisaalta asenteesta, että data on kiva ja tarvittava kumppani.

Osaaville datan pyörittäjille ja tulkitsijoille löytyy kysyntää työmarkkinoilta. Itse toivon näkeväni, että datan käyttö osana liiketoimintaa tulisi perustaidoksi työelämässä. Toivon, että data nähtäisiin ilona ja työtä helpottavana asiana. Käytännössä tämä tarkoittaa numeroiden arvostamista ja tarvetta datatyömyyrille, jotka pelkän datan tarjoilun sijaan myös kouluttavat muita asiantuntijoita aidosti hyödyntämään dataa omassa työssään. Näille datatyömyyrille on varmasti käyttöä myös jatkossakin; en suinkaan odota, että esimerkiksi markkinoinnin tekijät olisivat taidoissaan huippuanalyytikoiden tasolla. Mutta kyse onkin yhtäältä työkaluista, jotka huippuammattilaiset rakentavat vastaamaan päivittäistä tarvetta ja toisaalta asenteesta, että data on hyvä ja luotettava kumppani. Näin datan rooli liiketoiminnassa voisi tulla myös aidosti osaksi yrityksen kulttuuria ja toisaalta luonnolliseksi tekijäksi asiakkaiden tarpeita ja käyttäytymistä hahmotettaessa. Tällöin jäätelönsyönnin ja koulutuksen laadun korrelaation tyyppiset löydökset omasta datasta voi jättää lounaskeskustelun anekdooteiksi ja keskittyä työssä liiketoiminnan kannalta kriittisiin kysymyksiin, joihin data voi oikein käytettynä antaa vastauksen.

Subscribe to Email Updates