Mika Tiilikainen: "Suosituskone auttaa ihmisiä tekemään työt paremmin"

Sinulla on 25 vuoden kokemus erilaisista rooleista teollisuudessa. Olet syksyllä astunut ensimmäistä kertaa konsultin saappaisiin. Mikä saa sinut innostumaan työstäsi juuri nyt? 

Olen todella innoissani siitä, että työuralleni osuu datan ja analytiikan läpimurto. Olen nähnyt kannettavien tietokoneiden, matkapuhelimien ja internetin tuomat muutokset työelämässä.  Näen suurten datamassojen ja laskentatehon mahdollistaman datatieteen, tekoäly mukaan lukien, jopa edellä mainittuja suurempana askeleena teollisen ajan kehityspolussa. 

Hieman yksinkertaistaen: ensin mainitut käytännössä tehostivat ja nopeuttivat toimintoja, joiden suorittaminen olisi ollut kuitenkin mahdollista perinteisemmilläkin menetelmillä, tosin joiltain osin vain suuren luokan resursseilla. 

Moderni analytiikka pystyy puolestaan avaamaan ongelmia, jotka ovat olleet mahdottomia ratkaista edeltäneillä teknologioilla ja aineistoilla. Voimme nyt siis nähdä ja ymmärtää asioita, joita emme voineet aikaisemmin nähdä tai ymmärtää millään keinoilla! Tämä auttaa liiketoiminnassa tyypillisten monitahoisten ongelmien ratkaisua. 

Ihmiset ovat yrittäneet optimoida tällaisia ongelmia esimerkiksi osaoptimoinnin kautta, kokemusperäisesti ja joskus viimeisenä keinona parhaan valistuneen arvauksen pohjalta eli ”mutulla”. Tulos on voinut olla kohtuullinen, mutta moderni analytiikka tarjoaa nyt mahdollisuuden nähdä, millainen logiikka kysymyksiin liittyy ja miltä suunnalta optimiratkaisu kulloiseenkin tilanteeseen löytyy. 

Kyse on usein viimeisten prosenttien saavuttamisesta arvonlisäyksessä. Jos mittakaava on suuri, saatava hyöty voi olla absoluuttisestikin merkittävä, kilpailukyvyn kannalta jopa ratkaiseva. Nykyisessä roolissani pääsen työskentelemään juuri tällaisten ongelmien parissa. Tämä on luonnollisesti hyvin motivoivaa.

Erityisosaamiseni liittyy analytiikan modernisoinnin käynnistämiseen ja ensimmäisten projektien läpivientiin menestyksekkäästi. Konsulttina voin auttaa entistä useampia yrityksiä aloittamaan ja onnistumaan analytiikan modernisoinnissa ja siihen liittyvien haastavienkin kysymysten ratkaisemisessa. Voin myös auttaa kehittämään ratkaisuja pidemmälle, silloin kun vauhtiin on jo päästy.

Mitkä ovat tyypillisiä kohteita modernin analytiikan soveltamisessa?

Yleisesti ottaen datatiedettä kannattaa pyrkiä soveltamaan kaikissa toiminnoissa, joissa tehdään liiketoimintaan ja tulokseen keskeisesti vaikuttavia päätöksiä.

Hyviä esimerkkejä ovat asiakaskokemuksen, tehokkuuden tai tuottavuuden parantaminen ja niiden virittäminen huippuunsa. Siirtymällä vuosittaisista tuotejulkaisuista päivittäisiin julkaisuihin samalla kun palautetta aletaan saada reaaliaikaisesti ja kattavasti, tuottavuus voi kymmen- tai jopa satakertaistua. 

Se voi tarkoittaa suosituskoneen tuomista jokaisen työntekijän käyttöön, joka noita päätöksiä tekee. Suurin vaikutus saadaan tilanteissa, joissa ihminen on vielä osa päätöksenteon optimointia. 

Suosituskone ei ole syrjäyttämässä ihmistä, vaan auttamassa häntä tekemään työnsä entistä paremmin. Erityisen arvokasta on se, että ihmisiltä jää enemmän aikaa strategisten ja taktisten asioiden kehittämiseen epäoptimaalisen ja jopa kuormittavan, operatiivisen työn sijaan.

Liiketoiminnassa päätöksenteon tueksi tarvittava taustamateriaali on usein vaillinaista ja siinä voi olla aukkoja. Modernin analytiikan avulla ison kuvan puutteita voi täydentää ja resoluutiota parantaa. Esimerkiksi logistiikkaketjussa voi olla aukkoja, jotka pakottavat tekemään valistuneeseen arvaukseen perustuvia päätöksiä tiedolla johtamisen sijasta. Päätösten liiketoiminta-arvo voi olla merkittävä.

Tekoäly voi puolestaan löytää aivan uusia lähestymistapoja, jotka eivät olisi tulleet ihmiselle koskaan mieleen. Siirtymät taulukkolaskennasta automaattisesti päivittyviin näkymiin tai taustapeiliin katsomisesta ennusteisiin parantavat suorituskykyä. Niiden jälkeen vastassa on tyypillisesti optimoinnin ja suositusten eli toimeenpantavan analytiikan vaihe. Jotta analytiikasta saisi kilpailuetua, viimeiseen vaiheeseen kannattaa siirtyä mahdollisimman nopeasti.

Keskeistä on poistaa ihminen optimointivaiheesta: ihminen ei pysty käytännössä optimoimaan monitahoista kysymystä loppuun saakka. Loppuun saattaminen on parasta jättää tietokoneiden huoleksi.

Millä keinoilla voidaan varmistaa investointien onnistuminen datatieteessä?

Ketterän kehityksen keskeinen kulmakivi on mahdollisten epäonnistumisten karsiminen mahdollisimman nopeasti, mutta toisaalta myös niistä oppiminen. Epäonnistumiset ovat väistämätön osa tiellä kohti menestystä. Kun ydintavoitteet on huolellisesti punnittu ja asetettu oikein, epäonnistumiset eivät yleensä aiheuta suurta vahinkoa, eivätkä ”pysäytä junaa”, vaan kehitys vie vääjäämättä kohti hiottua ja onnistunutta ratkaisua.

Onnistumisen dynamiikka rakentuu sarjasta oikeita ja kumuloituvia valintoja. Jos käytettävissäsi on vaikkapa 30 työkalua, joista täytyy valita riittävän optimaalinen joukko projektillesi, mahdollisia työkaluyhdistelmiä on olemassa noin miljardi. Siksi valintojen onnistumiselle on hyvin tärkeää laaja kokemus, jollaista meillä on onnistumisista aikaisemmissa projekteissamme. Tämän avulla pystymme löytämään parhaat valinnat myös tulevaisuudessa.

Tätä varten on ymmärrettävä hyvin sekä iso kuva että yksityiskohdat, oltava tinkimätön kriittisissä kohdissa, suhtauduttava nöyrästi ja toimeliaasti muutosjohtamisen haasteisiin ja asetettava asiakas ja sidosryhmät aina keskiöön, vain muutamia esimerkkejä mainitakseni. Intohimosta tekemiseen on myös ehdottomasti hyötyä.

Jos suunnittelee analytiikan modernisointia juuri nyt, mihin ajankohtaisiin asioihin on hyvä kiinnittää huomiota?

Pandemia on kiihdyttänyt digitalisaatiota monin paikoin ja ne, jotka eivät olleet vielä ryhtyneet toimeen, ovat varmastikin viimeistään aktivoituneet, mikä on tärkeää kilpailukyvyn säilyttämiseksi.

Kestävyyteen ja kuluttamiseen liittyvä optimoinnin tarve on erittäin tärkeä teema, joka sisältää esimerkiksi hiili- ja materiaalijalanjäljen sekä hiilikädenjäljen kompensaatiot mukaan lukien. Ne asettavat niin kovat vaatimukset tälle vuosikymmenelle, että liiketoimintakoneistot joudutaan optimoimaan huippuunsa, jotta noihin tavoitteisiin voitaisiin päästä näin nopealla aikataululla ja kannattavuus säilyttäen. 

Yksistään kestävä kehitys riittänee digitalisaation ajuriksi monessa paikassa. Tekemistä riittää, sillä yrityksissä on jo saatettu panostaa hyvinkin edistykselliseen analytiikkaan joillain osa-alueilla, kun taas jotkin toiset alueet saattavat olla vielä täysin modernisoimatta.

Digitalisaatio voi mahdollistaa merkittäviä parannuksia tuottavuudessa. Varhaiset investoinnit digitalisaatioon voivat olla selvä kilpailuetu. Aina kun tekee kehitystä datan ja analytiikan parissa on myös erittäin tärkeää huolehtia tietoturvasta, GDPR:stä ja eettisistä kysymyksistä.

Modernin analytiikan prototyyppejä on helppoa tehdä, mutta niiden ammattimainen tuotantoon vienti on ollut jo pitkään yksi keskeinen haaste. Ratkaisut ja teknologiat myös kehittyvät huimaa vauhtia, joten projektien onnistumisen kannalta kannattaa kääntyä ammattilaisten puoleen.