27.09.2017 / News Team

Poznań, dnia 21.09.2017 – Spółka Bilot przeprowadziła w miesiącach od kwietnia do lipca br. badanie wśród 500 największych firm w Polsce. Celem badania było określenie obszarów i potencjału transformacji cyfrowej w polskich przedsiębiorstwach, a także określenie jakie zadania i wyzwania stoją przed Chief Digital Officer (CDO) w niedalekiej przyszłości.

Zgodnie z wynikami badania funkcję Chief Digital Officer oficjalnie pełni tylko pięciu respondentów. Kolejnych 67 odpowiada za działania właściwe dla CDO, czyli za cyfrową transformację, choć ich stanowiska zostały nazwane inaczej.

„Cieszy to, że ponad połowa badanych, których można określić skrótem CDO, należy do zespołów zarządzających i współpracuje z kierownictwem. Ci ludzie współdecydują o kierunku rozwoju firm” – wskazuje Paweł Stapf, dyrektor rozwoju biznesu cyfrowego w spółce Bilot.

Jak wynika z raportu „od CDO oczekuje się innowacyjności, która obejmuje nie tylko gruntowną wiedzę technologiczną, ale także doświadczenie biznesowe”. Problem w tym, że otwartość na zmiany, kompetencje i praktyka (co drugi CDO pracował wcześniej w IT) mogą nie wystarczyć. Według sondażu 36 proc. przedsiębiorstw jeszcze nie ma stałego rocznego budżetu na transformację cyfrową, a 39 proc. uczestników narzeka na brak zasobów wewnętrznych i zewnętrznych.

Jaka jest rola CDO w obszarze cyfrowej transformacj? Około 40 proc. menadżerów zajmuje się opracowywaniem i rozwojem modeli biznesowych, 27 proc. kieruje transformacją cyfrową a ponad 20 proc. opracowuje i rozwija usługi cyfrowe. Według raportu 70 proc. badanych chce pozyskiwać wiedzę na temat nowości technologicznych biorąc udział w sympozjach i konferencjach.

„W rozmowach z Klientami, często padają pytania o sens cyfrowej transformacji, jeśli przy aktualnych nakładach na IT, uzyskuje się zakładane marże. Rekomendacją Bilot, w takim przypadku, jest szersze spojrzenie na środowisko IT, tzn. z perspektywy inwestycji a nie tylko kosztu” – odpowiada Mariusz Papiernik, prezes zarządu Bilot w Polsce.

„Dobrze przemyślana mapa rozwoju biznesu uzupełniona rozwiązaniami technologicznymi może dodatkowo zwiększyć wspomniane marże oraz inne wskaźniki biznesowe” – dodaje.

Na bazie tych wypowiedzi, można wnioskować, że wszystko zależy od tego, kto zostanie postawiony w centrum zmiany – jeśli będzie to mający poparcie w organizacji CDO, dysponujący budżetem, cyfrowa transformacja zakończy się sukcesem.

Raport Barometr CDO do pobrania na stronie: CDO Download

Kontakt w sprawie raportu Barometr CDO:

Paweł Stapf

pawel.stapf@bilot.pl

tel. 504 234 764


26.09.2017 / Anssi Falk

During the last few months, our gurus have been happily busy with Master Data Management (MDM) related projects. The experiences and lessons learned from these projects result in information that can be of value, not only to ourselves but to anyone, if analyzed, structured and written in a clear format.

Thus, we did a guide on the things to consider when choosing a master data tool and made it available on our web page behind a contact form. When I posted the link on LinkedIn, one of my connections brought up a valid question: “Why put content behind a gate?” Instead of just commenting back on LinkedIn, I was inspired to delve a bit deeper.

To gate or not to gate?

Gated* or non-gated, that is the question. We are not the only ones who has been diving in to this problem. And, as it seems, the Shakespearian title was already taken – multiple times over.
Demodia.com: To Gate, or Not to Gate, That is The Question
Business2Community.com: To Gate or Not to Gate Content? Yes is the Answer.
Capterra.com: To Gate or Not To Gate, That is the Debate
Technologyadvice.com: To Gate or Not to Gate: Which is Best for B2B Content?
Verticalresponse.com: To Gate, or Not to Gate? Why You Should Give Your Content Away

All of the sources mentioned above draw to the same conclusion: From a content provider’s perspective, it is ultimately a question of whether the aim is to increase brand awareness or to gain potential leads.

Gateing-marketing-automation-1500x900-Bilot

Gaining & losing

From the recipient’s perspective, it is mostly a question of how valuable the informational content actually is which, in turn, depends whether the subject at hand is perceived relevant/acute/helpful or just something that piqued one’s interest.

As usually is the case when making a choice, you gain and you lose. When gating content, you will probably lose readers and shares as well as see your search engine optimization (SEO) score decline. Then again, the leads you gain will most probably be more relevant to your business.

Verticalmeasurers.com has listed a number of clear recommendations. You should gate e.g. templates, tools, checklists, eBooks, guides, White Papers and leave e.g. blog posts, articles, infographics, lists and press releases as non-gated.

I would dare to say that most companies, including us, will continue to offer both gated and non-gated content because – simply – there is more than one end goal.

Listen, give & receive

Behind every decision, there should be a thought out rationale. Think of your audience and end goals and make an informed decision.

But most of all: listen. Understanding your customer, knowing who is interested and in what, is always the most valuable thing.

And this is why, the content that inspired this blog post is now non-gated. You can find it here.

*WhatIs.com explains gated content: “Gated content is online materials, such as white papers, articles and videos, that require that users fill out a form before they can access them. According to content marketing expert David Meerman Scott, ungated content is downloaded 20 to 50 times more often than gated content.”


20.09.2017 / Mika Laukkanen

Kun nykyään uutisoidaan tekoälystä ja koneoppimisesta, niin eturintamaan nousee kuvien tunnistus, itseohjautuvat autot tai vaikkapa tekstin kääntäminen tai sen kontekstin ymmärtäminen. Näiden mediaseksikkäiden aiheiden taakse jää aihealueita, joissa tekoälyllä on paljon annettavaa, mutta uutiskynnys ei ylity. Yksi näistä aiheista on shutterstock_425909323erilaisten järjestelmien datan laadun parantaminen algoritmien avulla.

Ongelmia datan laadussa?

Datan laatuongelmat aiheuttavat erittäin suuria kustannuksia yrityksille vuosittain. Kustannuksia syntyy, kun dataa joudutaan parsimaan ja paikkailemaan erilaisissa järjestelmissä, integraatioissa, tietovarastoissa, jne. Lisäksi on huomioitava piilokustannukset, jotka syntyvät puutteellisen tai virheellisen datan perusteella tehdyistä vääristä päätöksistä tai päätösten lykkäämisestä. Ei ole tavatonta, että esimerkiksi tietovarastoprojektissa 10%:ia datan laatuongelmista aiheuttaa vaikka 50-70% kustannuksista. Itse muistan uraltani yhden projektin, jossa 95% datasta saatiin tietovarastoon nätisti 25 päivässä, mutta lopun 5%:n fiksaaminen sinne vei 120 päivää. Työmääräarviot eivät menneet ihan putkeen.

Miten koneoppiminen voisi sitten auttaa?

Case 1, puuttuvan datan paikkaus

Lukuisten tietojärjestelmien datoissa on puutteita, koska käyttäjät eivät syötä tietoja hyvistä ja sinnikkäistä ohjeistuksista huolimatta. Koneoppimista käyttämällä voi olla mahdollista täydentää nämä tiedot. Seuraavat esimerkit ovat oikeista tilanteista.

  • CRM-järjestelmästä puuttui merkittävästi tietoja, joiden kirjaamisesta asiakkaat olivat itse vastuussa (web-portaalin kautta). Koneoppimismalliin tuotiin CRM datat ja kaikkien asiakkaiden ostohistoriat. Ostohistoriadataa hyödyntämällä voitiin luoda ennustamalli, joka osasi varsin tarkasti ennustaa asiakkaan puuttuvat tiedot. Markkinoinnin kannalta tämä oli hyvä asia, koska kohdentaminen menisi nyt todennäköisemmin oikein kuin puuttuvia tietoja hyödyntämällä. Sellainenkin asia paljastui, että ostohistoriasta ennustetut asiakasmuuttujat taisivat olla jopa tarkempia kuin asiakkaan omat merkinnät. Nehän oli tehty joskus asiakkuuden alussa ja sittemmin vanhentuneet.
  • Eräässä tietojärjestelmässä oli puutteita erilaisten luokitusten (esim. tuoteryhmittelyt) merkinnässä. Käyttämällä järjestelmän muita tietoja koneoppimismalli pystyi erittäin tarkasti ennustamaan puuttuvan tiedon luokituksen.

Luulen että Facebook, Google ja muut vastaavat toimijat tekevät tätä aktiivisesti. Vaikket olisikaan antanut itsestäsi jotain tietoa, niin se on ennustettavissa web-käyttösi perusteella.

Case 2, virheellisen datan korjaus

Jälleen pari käytännön esimerkkiä.

  • Kanta-asiakasrekisteri, johon on sama asiakas kirjattu lukuisia kertoja – ehkä pienillä eroilla kirjoitusasussa. Koneoppimista käyttämällä voimme löytää tehokkaasti nämä dublikaattiasiakkaat, jonka jälkeen asiakasrekisterin korjaus käy käden käänteessä. Tosin eräässä mediatalossa oli päädytty excelissä läpikäyntiin, ja aikaa oli varattu puolisen vuotta.
  • Toinen esimerkki on myös asiakasrekisteristä, johon asiakkaan perustietoja on kirjoitettu väärin, esim. Matti Meikäläisestä on tullut Mati Meikälinen. Jälleen koneoppimisen keinoin voimme etsiä virheitä ja korjata niitä. Tässä tapauksessa malli voisi esimerkiksi ehdottaa, että oikea kirjoitusasu on “Matti Meikäläinen 98%”, “Matti Teikäläinen 93%”, … “Matti Nykänen 4%”.  Lopun prosenttiluku viittaa mallin antamaan todennäköisyyteen oikeasta nimestä.
  • Poikkeavien havaintojen etsintä ja mahdollisesti korjaus. Järjestelmiin syntyy vahingossa typoja, esim. iäksi tulee 1983 vuotta tai alennusprosentiksi 120%. Tällaiset kummajaiset toki löytää sql-kyselyillä, mutta se vaatii istumalihaksia ja koodaamista. Ohjelmointia ja koneoppimista hyödyntämällä voidaan kirjoittaa koodi, joka haarukoi isoja datamassoja lävitse ja palauttaa arviot poikkeavista havainnoista, jolloin ihmiset voivat päättää mitä tehdä niille. Joissakin tilanteissa on myös mahdollista on laittaa algoritmi korjaamaan datan suoraan.

Case 3, data-integraatiot ja tietovarastolataukset

Näillä osa-alueilla liikutellaan merkittävästi dataa päivästä toiseen. Virhehallinta datan tarkkailun suhteen on kuitenkin verrattain jäykkää. Jos mitään dataa ei siirry vaikka tietoliikennekatkosten vuoksi, niin niistä saadaan virheilmoituksia. Samoin muista triviaaleista virheistä. Mutta jos dataa siirtyykin esim. 80% normaalivolyymista tai siirtyvän datan sisältö poikkeaa olennaisesti aiemmasta (esim. hinnastossa tulisi pelkkiä nollia), niin yleensä tällaisia virheitä ei saada kiinni. Joskus tällaisten puutteiden huomaaminen voi kestää kauankin, jolloin korjaaminen tulee kalliiksi tai jopa mahdottomaksi. Esimerkiksi eräässä projektissa kaikki varastosaldot eivät siirtyneet pariin viikkoon, eikä niitä ollut enää mistään saatavilla jälkikäteen.

Arvaatte varmaan, että tähänkin löytyy ratkaisuja koneoppimista hyödyntämällä! Eikä se ole edes vaikeaa tai kovin kallista.

Tällä hetkellä myös ohjelmistorobotiikka on erittäin suosittu aihe. Tämä kirjoitus liittyy myös läheisesti siihen, koska koneoppimismallit usein upotetaan ohjelmistojen sisään, jotka niitä sitten käyttävät.

Jos nämä aiheet kiinnostavat, niin ole yhteyksissä.


7.09.2017 / Mathias Hjelt

Vuosi sitten Kaupan Liiton järjestämässä KAUPPA2017-tapahtumassa digitalisaatio oli vahvasti esillä. Tämän syksyn Kaupan Trendit ’17 -seminaarissa ei niinkään. Fokus oli enemmänkin konkretiassa. Hyvä niin, koska digistä puhuminen ilmiönä ei vie maailmaa eteenpäin. Konkretiasta puhuminen kylläkin.

Mistä oikeanlaista työvoimaa? Miten kuluttajien tottumukset muuttuvat? Miten muutoksiin vastataan?

Työvoiman tarjonta ja tarpeet eivät kohtaa

SOK:n Taavi Heikkilä huomautti, että kaupan ala kasvaa, mutta sen työllistävä vaikutus pienenee. Työpaikkoja on kyllä tarjolla, mutta yritysten tarpeet, tarjolla oleva työvoima sekä palkkaamista ohjaavat työehtosopimukset eivät kohtaa.

Tämä kitka syö suomalaisten yritysten kansainvälistä kilpailukykyä.

Tehokkuutta koneista, ihmisen tuntien ostoon joustoa säätelyn sijaan

Miten tuotat asiakkaille loistavaa ja kohtuuhintaista palvelua globaalisti, 24/7?

1. KONEET AVUKSI
Futuristi linjaa, että avuksi tulee Deep Learning -edistyksiin pohjautuvat, sujuvasti kommunikoivat chatbotit sekä asiakkaan aikomusta ennustavat tuotenostoalgoritmit. Taustalla jyrää niin ikään oppiviin algoritmeihin perustuvat automaattiset varastotäydennykset ja toimituksia nopeuttavat keräilyrobotit.  Työpaikat jäävät lähinnä algoritmitreenaamisen ja robottien käskettämisen taitajille. Sekä muutamalle taitavalle sisällöntuottajalle. Toisaalta on jo nähty tilanne, jossa lukijat pitivät robotin luomaa raporttia tennisottelusta kiinnostavampana kuin toimittajan kirjoitusta…

2. IHMISET KUNNIAAN
Human-to-human-menetelmien puolestapuhuja linjaa ihmisillä olevan edelleen merkittävä rooli loistavan asiakaspalvelun tuottamisessa. Robotisoidut varastot ovat edelleen harvojen isojen yritysten herkkua. Siispä tarvitaan joustavasti ja kustannustehokkaasti ihmistyövoimaa silloin, kun reaaliaikainen kuluttaja sitä kaipaa. Työehtosopimukset ja muu säätely kaipaavat päivitystä, jotta tämä olisi mahdollista. Liian tiukat ehdot suojelevat ihmistä tehden kuitenkin työvoiman liian kalliiksi ja robotit ja halvemman työvoiman maat jyräävät ohi. Ihmisen mukavuuden ylläpito olikin lyhytkatseista.

Ehdot uusiksi ja takaisin koulunpenkille

Työn tekemisen muodot tulevat muuttumaan. Pelkkä työehtojen muokkaaminen ei riitä, jos tarjolla olevan työvoiman osaamisprofiili vanhenee.

Ehkä valkokauluksissaan näppäimistöä rääkkäävä ajattelee olevansa turvassa – robotithan vievät työn vain kassa- ja varastotyöntekijöiltä. Varaston puurtajan kanssa koulunpenkille päätyvät niin korkeakoulutetut ja vuosikymmenten työkokemusvuosien siivillä kovaa palkkaa nostavat teknologiaväkertäjät kuin digisomekonsultitkin.

Huomisen kovin tyyppi ei ole full-stack-devausta osaava palvelumuotoilija, vaan sankari, joka osaa optimoida liiketoimintaa ja asiakaspalvelua algoritmien ja robotiikan avulla.

Jokainen päättäköön, itse onko edessämme kauhuskenaario vaiko mahtavien mahdollisuuksien maailma. Ei vain kaupan alalla, vaan kaikilla liiketoiminta-alueilla.


7.09.2017 / Erkka Puusti

15.8.2017 käynnistyi Metsä Fibren uusi biotuotetehdas Äänekoskella. Käyttöönottoajaksi oli määritetty jo kolme vuotta sitten elokuun 15 päivä, klo: 6.00. Kun käyttöönoton aika lopulta tuli, niin tuotanto pärähti käyntiin klo: 5.53, siis
7 minuuttia etuajassa ja budjetissa. Monella mittapuulla huomioiden tämä on erittäin mahtava saavutus. Jäljelle jääneen 7 minuuttiahan voi käyttää vaikkapa kananmunan kovaksi keittämiseen, tehokkaaseen pikatreeniin, tai teinivuosien leikkiin ’7 minuuttia taivaassa’.

Tai sitten voi lukaista seuraavat ajatukset ja varmistaa, että omalla vastuulla olevan kehitysprojektin aikataulu, laajuus ja budjetti pysyvät hallinnassa. Myös ilman munakelloa.

1. Pilko kokonaisuus

Vanha, kulunut norsuteoria toimii niin elämänmuutosten kuin IT-projektienkin edessä nikotellessa. Pilko pieniksi. Pienet kokonaisuudet voi tarvittaessa kilpailuttaa erikseen. Ketterän kehityksen ja jatkuvan validoinnin avulla pystytään nopeammin tunnistamaan mahdolliset haasteet. Voidaan tehdä korjausliikkeitä, jotka ovat pienemmän osakokonaisuuden sisällä hallittavissa.

2. Suunnittele vähän, suunnittele jatkuvasti

Sen sijaan, että projektin alussa käytetään pitkä aika ratkaisun yksityiskohtaiseen suunnitteluun, kannattaa suunnittelusta tehdä säännöllinen osa kehitystä. Alussa on tietenkin hyvä luonnostella kokonaisuus ja sen pääpiirteet. Liian tarkka, aikaa vievä ja kallis etukäteen suunnittelu kannattaa unohtaa.

3. Priorisoi

Jos budjetti ja aikataulu ohjaavat tekemistä on tärkeä hyväksyä, ettei kaikki ole mahdollista. Jatkuvan suunnittelun yhteydessä tehtävän priorisoinnin kautta varmistetaan, että kriittiset liiketoiminnan ja loppukäyttäjien vaatimukset tulevat varmasti huomioitua. Vähemmän kriittiset jätettäköön sovinnolla odottamaan jatkokehitystä.

4. Validoi usein

Jatkuva suunnittelu ja priorisointi edellyttää että toteutusta tarkastellaan ja testataan yhdessä säännöllisesti ja usein. Säännölliset demot ja läpikäynnit ovat hyvä lähtökohta validoinnille, mutta todellinen hyöty saadaan jatkuvan loppukäyttäjä testauksen kautta. Mitä myöhemmin käyttäjät pääsevät tutustumaan ratkaisuun, niin sen varmempaa on että ratkaisusta löytyy puutteita.

5. Älä oleta

Varmista että päätöksesi pohjautuvat empiiriseen tietoon eikä arvauksiin. Kun töitä hallitaan pienissä kokonaisuuksissa, usein suunnitellen ja validoiden konkreettisten tuotosten kautta, on helpompaa tehdä selkeitä päätöksiä. Opitun pohjalta ratkaisua pystytään tarvittaessa ja hyvissä ajoin ohjaamaan oikeaan suuntaan.

6. Mittaa toteutuneen ei suunnitellun mukaan

Pitkien suunnitteluvaiheiden edistymää on kiva ja helppo seurata ja raportoida, mutta toteutuman arvo on 0. Ainoa oikea mittari saavutetulle arvolle on toimiva ratkaisu.
Kun kokonaisuus pilkotaan pieniin osiin, missä pitkän suunnittelun sijaan keskitytään toteutukseen, jota pystytään validoimaan usein ja säännöllisesti niin pystytään paremmin mittaamaan edistymää sekä käytetyn ajan ja budjetin tuoma arvoa.

7. Luo ympäristö joka pohjautuu luottamukseen ja läpinäkyvyyteen

Mikään yllämainituista ei ole millään tasolla mahdollista jos työtä ei tehdä läpinäkyvästi ja yhtenä tiiminä. Mikään ei tuhoa tehokasta työskentelyä pahemmin kuin mikromanagerointi, tiedon panttaaminen ja siilomainen ajattelu.

Edistymän pitää olla tasapuolisesti kaikkien nähtävillä. Kun onnistumisista, epäselvyyksistä sekä ongelmista kerrotaan heti ja avoimesti, niin varmistetaan että kehitys tuottaa laadukkaimman lopputuloksen.