27.05.2019 / Mika Laukkanen

Heti aluksi on mainittava, että tämä blogi on kohdistettu pääasiassa henkilöille, joilla on liittymäpintaa Business Intelligence ratkaisuihin ja nyt niiden parantaminen tekoälyn avulla on alkanut kiinnostaa.


Tekoälyyn liittyvissä esityksissä käytetään usein seuravaanlaista esitystapaa, kun halutaan kuvata mihin tekoäly asemoituu datan hyödyntämisessä.

 

Kuvan alkupää lähtee perusraportoinnista (mitä tapahtui) ja etenee kohti edistyneempää analytiikkaa (ennustamista) – samalla kun vaikeusaste ja ratkaisun arvo kasvaa. Loppupäässä on luonnollisesti kyse nykytermein tekoälystä tai AI:sta.

Pitäisikö kuvaa tulkita niin, että tekoäly on kehittyneempää Business Intelligenceä? 

Yllättävän usein olen törmännyt eri yrityksissä ajatteluun, jossa tekoälyn kehittäminen on sidottu Business Intelligence järjestelmien kehittämiseen. Ajatuksena se, että kun kerätään dataa ja tehdään raportteja, niin sen jälkeen ollaan kypsiä hyödyntämään koneoppimista (tekoälyä) samassa aihepiirissä.

Eli tekoälyprojektien aloittamista saatetaan (turhaan) viivytellä, jos “perusraportointi ei ole kunnossa”.

Kynttilöistä ei kehittynyt hehkulamppuja

Jos katsotaan reaalimaailman tekoälysovelluksia, niin vain melko harvassa niistä on havaittavissa em. kehityskulku raportoinnista tekoälyyn. Seuraavissa tapauksissa ko. esitystapa ei oikein edes toimi. Eikä varmaan ole tarkoituskaan.

  • Kuvantunnistus ja konenäkö
  • Tekstianalytiikka ja luonnollisen kielen tunnistus
  • Ennakoiva huolto reaaliaikaisella IoT datalla
  • Anomalioiden löytäminen Big Datasta
  • Musiikin tai kuvien tuottaminen tekoälyn avulla

Eli tekoälyratkaisuja syntyy paljon alueille, joissa perinteisellä Business Intelligencellä ei ole roolia.

Toisaalta, tekoälyratkaisuja voidaan usein kehittää ilman taustalla olevaa BI ratkaisua vaikka se toisikin lisäarvoa tai asioiden välillä näyttäisi olevan luonnollinen jatkumo.

Otetaan esimerkki asiakasanalytiikasta, vaikka asiakaspoistuma. Jos BI:n ja AI:n sitoo toisiinsa, niin on luonnollista rakentaa ensiksi BI-järjestelmä, jossa asiakastiedot ovat tietovarastossa, josta tehdään nippu raportointia, esim. “kuinka monta % asiakkaista poistuu vuosittain”.  Ja kun tämä on valmiina, niin hyödynnetään tekoälyä ennustamaan, että ketkä ovat seuraavat kytkimen nostajat.

Näin voi toimia, mutta käytännön elämässä on toimittu myös käänteisesti.

Kuvassa on esitetty erään oikean tekoälyprojektin vaiheet. Siinä aloitettiin keräämällä asiakastietoja monista eri lähteistä, vain ennustamista varten. Kun myöhemmin ennustemallit huomattiin toimiviksi (olivat jo tuotannossa), niin ko. tietoja alettiin tuoda BI-järjestelmään.

Kuulin joskus hauskan vertauksen, jossa todettiin ettei kynttilöistä kehittynyt hehkulamppuja. Siinä oli kyse disruptiivista keksinnöistä, hehkulamppu ei ollut vain parempi kynttilä. Mielestäni sama analogia toimii myös aika hyvin BI:n ja AI:n välillä.

Eri tarkoitus, eri kehityspolut

Business Intelligence -ratkaisut ovat nyt ja jatkossa kivijalka yritysten raportoinnille ja analytiikalle, jota ilman ei tule toimeen. Omenakauppiaan tulee tietää monta omenaa meni kaupaksi eilen, viime viikolla ja joulumyynnissä.

Tekoälyratkaisut eivät auta omenakauppiasta vain ennustamaan omenoiden menekkiä, vaan myös tulkkaamaan kiinalaisten turistien omenatiedustelut ja automatisoimaan kirjanpidon.

BI ja AI ratkaisuilla on yleensä eri tavoitteet, mutta myös itse projektit saattavat erota kuin yö ja päivä toisistaan. Näistä syistä en sitoisi niiden kehittämissuunnitelmia liian tiukasti toisistaan riippuvaiseksi.


30.01.2019 / Samuli Sikanen

Konsulttimme ovat rakentaneet hintojen ennustamista, simulointia, analysointia ja ylläpitoa helpottavia malleja ja sovelluksia erilaisiin liiketoimintoihin viime vuosina.

Etenkin konfiguroitavia tai monimutkaisia tuotteita myytäessä oikean markkinahinnan arvioiminen voi olla vaikeaa. Oikea markkinahinta kun ei ole ERP- tai CRM-järjestelmään rakennettu hinnasto, vaan korkein hinta, jonka kukin asiakas on valmis maksamaan tarjotusta tuotteesta.

Älykäs sovellus voi helpottaa myyjän työtä antamalla vastauksia esimerkiksi näihin kysymyksiin:

  1. Millä hinnalla vastaavia tuotteita tai kokoonpanoja on myyty?
  2. Mikä on oikea hintataso, ottaen huomioon tuotteen kaikki ominaisuudet?
  3. Millä todennäköisyydellä tuote menee tietyllä hinnalla kaupaksi?
  4. Miten nopeasti tuote menee tietyllä hinnalla kaupaksi ?

Vastaavien kokoonpanojen tunnistaminen

Eräässä rakentamassamme sovelluksessa automyyjä syöttää myytävän auton tiedot järjestelmään, joka hakee vastaavanlaisten aiemmin myytyjen autojen tiedot perustuen autojen ominaisuuksien vastaavuusasteeseen. Sovellus auttaa arvioimaan, mikä olisi sopiva myyntihinta myytäväksi tulleelle autolle. Myyjä näkee nopeasti, onko suunniteltu hinta liian matala tai korkea. Lisäksi valittuja muuttujia voidaan muuttaa liukusäätimistä ja näin simuloida erilaisten ominaisuuksien kombinaatioita. Tämän kautta voidaan tutkia tuotteiden historiallista hinnoittelua erilaisilla konfiguraatioilla ja vastaavuusasteilla.

Huomioitavia tekijöitä ovat auton eri tekniset ominaisuudet, mutta myös käyttöhistoria, ikä ja kuinka nopeasti auto halutaan saada myydyksi. Oikeaa hintatasoa hakiessa ja tuottoja optimoidessa on myös hyvä tunnistaa, mikä auton hinta olisi parin kuukauden päästä, jos sitä ei saataisi myytyä nopeasti.

Kuva: Perustekijöiden valinta hakua vastaavanlaisten toteutuneiden autokauppojen listaamiseksi.

Tällainen käyttötapaus soveltuu hyvin tukemaan erilaisten konfiguroitavien tuotteiden hinnoittelua, kun tuote muodostetaan lennosta myyntitilanteessa. Kootaanpa tuote eri kemikaaleista, metalleista, kuitumateriaaleista, puuviiluista, koneenosista tai näiden yhdistelmistä, tai vaikka palveluiden paketista, löytyy vastaavanlaisia sovelluskohteita paljon. Ajatellaan vaikka erilaisten teräsprofiilien tai kustomoitujen vanerilevyjen hinnoittelua tai erilaisista kiinteistöpalveluista muodostettua palvelukokonaisuutta. Valitsemalla tuotteen tai palvelukokonaisuuden ominaisuudet valikoista voi nopeasti tarkistaa, onko täysin samanlaista kokonaisuutta myyty kenellekään aikaisemmin ja millä hinnalla.

Hinnan ennustaminen tuoteominaisuuksien pohjalta

Kun mallinnukseen yhdistetään vielä tarjoushistoria, voidaan tarkastella toteutuneen myynnin lisäksi hävittyjä tarjouksia ja miten niitä on hinnoiteltu verrattuna toteutuneeseen myyntiin. Lisäämällä tietoa esimerkiksi asiakkaista ennusteisiin voidaan tuoda myös kulloiseen asiakassegmenttiin tai markkinatilanteeseen liittyviä tekijöitä.

Tällaisen datan pohjalta oppiva järjestelmä auttaa löytämään oikean markkinahinnan tai hintaskaalan myös uusien tuotteiden hinnoittelussa, tai uusien konfigraatioiden hinnoittelussa, kunhan uudet tuotteet ovat ainakin jossain määrin samankaltaisia kuin aikaisemmin myydyt. Malli oppii historiadatan pohjalta, miten jokainen tuotteen ominaisuus – tai ominaisuuksien yhdistelmä – vaikuttaa hintaan. Autossa merkki vaikuttaa siihen, miten kilometrit vaikuttavat hintaan iän kasvaessa. Hisseissä taas rakennuksen tyyppi ja markkina-alue vaikuttavat siihen, miten tietyt lisäominaisuudet vaikuttavat hintaan. Tekoäly oppii kaikki nämä lainalaisuudet itsestään – datan pohjalta.

Optimoi myyntikate, myyntiaika tai korvaavien tuotteiden menekki

Pelkän myyntidatan perusteella voidaan tukea hinnoittelua löytämään sopiva hintataso kaupan toteutumisen todennäköisyyden maksimoimiseksi. Lisäämällä mukaan myös kustannus- ja kannattavuusdataa päästään varsinaiseen kannattavuusohjaukseen, jolloin voidaan ennustaa myös optimaalista hintatasoa volyymin ja kokonaiskatteen optimoimiseksi. Samantyyppisellä mallilla voidaan esimerkiksi tukkukaupassa hakea asiakkaan kysymälle tuotteelle nopeasti substituutteja ja arvioida, voitaisiinko saada parempi kate tarjoamalla jotain toista asiakkaan tarpeen täyttävää tuotetta.

Dataa ja kokemusta

Mallin rakentamiseksi tarvitaan vähintään historiadataa myynnistä. Minimissään vaaditaan joitakin tuhansia toteutuneita myyntitransaktioita, mutta mitä enemmän dataa löytyy, sitä parempaan tarkkuuteen mallilla päästään. Karkeana muistisääntönä voidaan pitää, että tarvittava tapahtumien määrä on mallissa tarvittavien dimensioiden lukumäärän neliö. Jos malliin halutaan mukaan kannattavuuden optimointi, täytyy saatavilla olla myös kustannusdataa riittävällä tarkkuudella.

Toimialakohtaiset erot ja datan laatu huomioidaan heti mallin suunnittelun alkuvaiheessa. Datan puutteiden tunnistaminen on yhtä tärkeää kuin itse datan hyödyntäminen. Jos tarvittavaa dataa, esimerkiksi tarjouksia, ei ole kerätty analytiikassa hyödynnettävässä muodossa, on tärkeää aloittaa datan keräys mahdollisimman pian – lähes poikkeuksetta jollakin kilpailijalla on tässä jo etumatka.

Jos haluat kuulla lisää yllämainituista sovelluskohteista tai sinulla on muita datan keräämiseen liittyviä kysymyksiä, olethan yhteydessä meihin!

Bilot Suomi: Juha Kostamo, juha.kostamo@bilot.fi, +358 40 865 4811
Bilot Ruotsi: Mathias Hjelt, mathias.hjelt@bilot.se, +46 70 625 3461
Bilot Puola: Mariusz Papiernik, mariusz.papiernik@bilot.pl, +48 690 540 522


4.05.2017 / Ville Niemijärvi

Olimme aikanaan tekemässä QlikView-toteutusta ja ihmettelimme miten karmean näköistä jälkeä edellinen konsulttitalo oli tehnyt.

Koodi oli hirveää spagettia ja ulkonäkö oli karmea. Miten niin hyvällä tuotteella, joka on tunnettu hyvästä visualisoinnista, voi tehdä tällaista jälkeä?

Paljastuikin, että kyse ei ollut konsulttien taidoista vaan siitä, että asiakas oli halunnut säästää ja investoida vain muutaman päivän kerralla.

Välillä yritys teki kehitystä omin voimin ja sitten taas konsultti paikalle pariksi päiväksi.

Toisaalta arkkitehtuurisuunnitteluun ja tietomallinnukseen ei panostettu laisinkaan. Lähdettiin vain tekemään.

Ei paljoa mietitty miten ja missä dataa summataan. Mikä lataus hoitaa keskitetysti tuotetiedot ja tallentuuko johonkin tuote- tai asiakasmaster.

Yhtenäisestä käyttöliittymäsuunnittelusta (UI/UX) puhumattakaan.

Tehtiin siis tilkkutäkkiä ja kokonaisuutta ei ehditty tai pystytty hahmottamaan. Vuosien varralle toteutus paisui ja paisui. Lopulta oli kasassa 20GB mötkylä, jonka suorituskyky oli heikko ja jota ei voitu laajentaa. Ja se näytti aivan karmealta.

Oltiin solmussa.

Vaikka et käytä tietovarastoa, älä laista arkkitehtuurisuunnittelusta ja tietomallinnuksesta.

Vaikka lähtisitkin nopeasti liikkeelle, älä unohda arkkitehtuurisuunnittelua ja tietomallinnusta.

Vaatimusmäärittelyn ohella nämä ovat tärkeimmät vaiheet business intelligence -hankkeissa.

Tämä pätee myös silloin kun et käytä tietokantaratkaisua pohjalla tiedon tallentamiseen.

Myös Qlik, Tableau tai PowerBI toteutus vaatii sen arkkitehtuurisuunnittelun.

Niihin ei tarvitse käyttää aikaa viikkotolkulla. Päivässäkin saat aikaan valtavasti ja saatat säästää ehkä kymmeniä tai satojatuhansia tai ainakin annat BI-ympäristöllesi pari vuotta lisäaikaa kun spagettikoodihirviöitä ei tarvitse rakentaa uudestaan vuoden päästä.

Tässä oma esimerkki yhdestä isohkosta tietovarastohankkeesta.

  • piirsin loogisen tietoarkkitehtuurin tunnissa powerpointiin. Karkea esimerkki löytyy edellisestä blogikirjoituksesta.
  • heitin sen asiakasorganisaation experttien kommentoitavaksi
  • muutamat asiat olivat vaihtoehtoisia, emme osanneet päättää (pilvi vs. on-premise vs. hybridi, datan aggregointi: miten ja missä, MPP vs. normirelaatio)
  • näitä päätöksiä varten tilasimme ulkopuolisen asiantuntijan, pidimme 2 kpl noin 3h työpajoja
  • vedimme konsulttien, meidän ja asiakasorganisaation suositukset yhteen ja teimme päätökset arkkitehtuurista

Kalenteriaikaa saattoi kulua ehkä pari viikkoa mutta työaikaa ehkä vain pari päivää. Ei kovin iso investointi kun lähdetään rakentamaan satojen tuhansien investointia.

Älä hinkkaa arkkitehtuuria liian kauan, tärkeintä on lähteä liikkeelle

On tapauksia missä yritys ei ole osannut lähteä liikkeelle laisinkaan.

On pohdittu kumpi on parempi:

  • MS SQL Server vai Oracle
  • Azure vai AWS
  • SSIS vai Informatica
  • normi-sql vai mpp vai datan virtualisointi

Vaihtoehtojen runsaus ja joskus myös konsulttien kykenemättömyys antaa suosituksia (ja olla jotain mieltä) on aiheuttanut sen, että ei ole tehty mitään tai että hanke on viivästynyt kuukausilla.

Vaikka tekisit “väärän” päätöksen, voi tuon päätöksen muuttaa. Ja hankkeen menestykselle on tärkeämpää saa loppukäyttäjän palautetta ja kokemusta uudesta arkkitehtuurista mahdollisimman nopeasti, kuin yrittää päättää täydellinen arkkitehtuuri kerralla.

Ahteri edellä puuhun, soitellen sotaan ja takki auki ei kannata edetä. Mutta älä yliajattele, älä ylisuunnittele. Sekään ei ole hyväksi.

Kyseessä on oppimisprosessi. Lähde siis liikkeelle pienesti ja opi matkan varrella. Tärkeintä on vain lähteä.

Kyllä nämä jutut vähän maksavatkin

Vedin kerran asiakkaalla toimittajien kilpailutusta. Erään toimittajan konsultin hieman ylimielinen kommentti hieman kummaksutti kun kysyimme häneltä perusteluja suurille työmääräarvioille:

“No kyllä nämä vaan maksavat”

Kaveri oli tietovarastoinnin huippuosaaja ja hänen leipälajina ei ollut myynti tai (potentiaalisten) asiakkaiden ärsyttäviin kysymyksiin vastaaminen.

Mutta hän oli oikeassa tuossa tylyssä vastauksessa.

Kyllä näissä vain menee aikaa ja se maksaa.

Ne ketkä tuntevat työtapaani tai kirjoituksiani, tietävät että halveksin ylisuuria työmääräarvioita ja asiakkaita kuppaavia konsultteja. Tykkään tehdä hommat nopeasti ja joskus oikoa mutkiakin.

Mutta olen itsekin joskus vääntänyt 20-30 päivää yhtä dashboardia. Se oli kallis työpöytä.

Mutta kannattaa huomata, että tuotetoimittaja haluaa myydä asiakkaalle lisenssin.

Hänen etuna on vähätellä työmäärän suuruutta. Jos työmäärä on kovin iso, voi se haitata lisenssimyyntiä. Siksi kannattaa mainostaa, että meidän softalla teet hienot raportit päivässä.

Konsultit näkevät usein pidemmälle. Se on heidän intresseissään. Ajatella pari vuotta eteenpäin. Ajatellaan laajennettavuutta, skaalautuvuuta, suorituskykyä, tulevia käyttötapauksia. Ajatellaan käytettävyyttä, käyttöönottoa, koulutusta.

Konsulttina tietenkin näen jälkimmäisen näkökannan paremmaksi.

Kuuntelit sitten konsulttia, tuotemyyjää tai lompakkoasi, suosittelen seuraavaa:

  • pysähdy edes edes päiväksi miettimään tietoarkkitehtuuriasi
  • älä mieti päätäsi puhki, loppukäyttäjän palaute ja oppi on niin tärkeämpää kuin saada täydellistä kerralla


29.09.2016 / Ville Niemijärvi

Järjestin pari vuotta sitten asiakkaalle business intelligence -työvälineen kilpailutusta. Olin hankintakonsultti ja muun RFP-materiaalin ja esiselvityksen ohella hoidin kommunikoinnin toimittajien suuntaan.

Eräs BI-talon myyjä oli poikkeuksellisen aktiivinen minua kohtaan. Puhelin soi taukoamatta. Kysymykset oli hyvin suoria: ketä on mukana pelissä, onko se ja se toimittaja, mitä asiakas painottaa, mikä on budjetti, ketä pitää panna…?

 Oudoksi tilanne meni kun myyjä ehdotti minulle vähän kiertäen ja kaartaen:

Jos meidän tuote valitaan asiakkaalle, voitaisiin me järjestää jonkinlainen ulkomaan matka sulle.

Mitä ihmettä? Tällaistako on kun joku lahjoo sinua?

Hän pehmensi selvää lahjontayritystä heti perään puhumalla jotakin kumppanuusohjelmasta ja niin edespäin.

Kerroin asiasta asiakkaalleni. Heidän johtoryhmä nauroi asialle ja totesivat ihan oikein, että heitähän tässä pitäisi lahjoa eikä minua. Lopulta hankinta hoidettiin tyylipuhtaasti maaliin ja ulkomaan reissut on senkin jälkeen tehty omalla rahalla.

Eihän tämä ensimmäinen kerta ollut kun vastaavaan törmäsi. Pari työpaikkaa takaperin muistan kuinka todella isossa julkisen puolen tietovarastoprojektissa silloisen firmani toimari vei vastapuolen toimarin golffaamaan Espanjan aurinkorannikolle. Kuulemma ”seminaarimatka”. Maan tapa.

En tiedä minkälaiset provikat BI-softamyyjät saavat mutta sen tiedän, että

a.) ne eivät ole niin isot, että oma maine ja vapaus kannattaa riskeerata hölmöilemällä ja

b.) puheet Suomesta täysin puhtoisena korruptiovapaana maana ovat höpöhöpöä.

Tykkään käyttää blogeissani aina silloin tällöin musiikkivideoita kuvaamaan tunnelmaa. Jotenkin MC Hammerin ”U can’t touch me” ei sovellu tähän fiilikseen. Ehkä Ennio Morricone toimii paremmin?

 

 


16.09.2016 / Ville Niemijärvi

Olen kilpailuttanut useita business intelligence -työvälinehankintoja. Usein asiakas haluaa hankkia samalla raportointi- ja analysointityövälineen lisäksi myös budjetointi- ja suunnittelusovelluksen.

Hankintojen keskittäminen on ymmärrettävää ja usein suosittelen tätä jos molemmat sovellukset on kuitenkin hankintalistalla.

Mutta onko tarpeen hankkia sovellukset samalta toimittajalta? Mitä hyötyjä ja haittoja tästä seuraa?

Käydään läpi muutamia kokemuksia ja oppeja vuosien varrelta.

 

Milloin keskittäminen kannattaa?

Kustannussäästö

Keskitetty hankinta, jossa kilpailutetaan samalla BI-työväline (raportointi, visualisointi, data discovery…) sekä budjetointi- ja suunnittelutyöväline, on usein edullisempi kuin jos tuotteet hankitaan erikseen.

Toimittajat joilta löytyy tuotepaletista molemmat komponentit, voivat niputtaa tuotteet samaan tarjoukseen ja tarjota paketin todella houkuttelevaan hintaan. Joskus toinen menee vähän niin kuin kaupan päälle.

Tällöin käy myös niin että ne BI-toimittajat, joilta ei löydy budjetointisovellusta tarjonnastaan, joutuvat ottamaan tarjoukseen mukaan jonkin 3. osapuolen budjetointisovelluksen. Koska budjetointi tulee toiselta toimittajalta, ei tähän hintaan usein voida vaikuttaa joten tinkivaraa ei jää.

Tämä tarkoittaa, että budjetointisovelluksen omaava toimittaja saa paremmat hintapisteet ja on vahvoilla kilpailutuksessa. Tätä voisi tulkita myös niin, että asiakas voisi halutessaan pelata tietyt pienemmät toimittajat kilpailutuksesta pois, ottamalla siihen mukaan molemmat komponentit.

Ajan- ja vaivansäästö

Kilpailuttaminen, varsinkaan julkishallinnon puolella, ei ole kenenkään mielipuuhaa. Yleensä yksityisellä puolella olen vetänyt RFP-prosessin läpi max. 2 kuukaudessa. Julkkaripuolella tämä venyy 3-6 kuukauteen.

Ihmisillä on muutakin tekemistä kuin miettiä hankintalain kiemuroita ja koota RFP-materiaaleja joten jos yhdellä kilpailutuksella voidaan hoitaa kaksi softaa niin miksikäs ei.

Miksi keskittäminen ei kannattaa?

Vuosien kokemus molempien (BI + budjetointi- ja suunnittelu) tuotteiden hankinnoista ja käyttöönotoista on kuitenkin opettanut, että yhteinen kilpailutus sisältää haasteita.

Tuotteet ovat itseasiassa aika kaukana toisistaan, vaikka tulisivat samalta toimittajalta

Toimittajat sanovat toista mutta todellisuudessa saman toimittajan raportointituote on aivan eri puusta veistetty kuin budjetointituote. Käytännössä monet budjetointituotteet ovat tulleet yritysoston mukana.

Esimerkiksi IBM Cognoksen budjetointituote on nimeltä TM1. Tämä ei ole kuitenkaan IBM:n kehittämä tuote vaan Cognos osti vuonna 2007 Applix:in, jonka mukana se sai TM1:n,

Toki sitä on tunkattu ja koodattu samaan sapluunaan mutta silti TM1 ja muu Cognoksen BI on kuin eri planeetalta. Kyselykieli datapoiminnoissa, käyttöliittymä, look ’n feel, teknologia konepellin alla… kaikki poikkeaa toisistaan.

Myyntimiesten puheissa tuote oli tietenkin heti ”täysin integroitu” muun Cognos BI tuoteperheen kanssa. Tämä oli tietenkin hölynpölyä. Me ketkä jouduimme taistelemaan TM1:n (tai sitä edeltävän Cognos Planningin tai sitä edeltävän Cognos Financen) kanssa ja integroimaan sitä Cognoksen BI-tuotteisiin tiedämme totuuden.

TM1 on käytännön työn kannalta yhtä lähellä Cognoksen BI palettia kuin Microsoft. Itseasiassa Microsoftin SSAS kuution saa toimimaan paremmin Cognoksen raportointituotteiden tietolähteenä kuin TM1:n. Testattu molemmat.

Vaikka kyse ei olisi yritysostolla hankitusta tuotteesta, saat silti hyvin vähän teknologista synenergiaa sillä, että tuote tulee samalta toimittajalta.

Jos budjetointidata tallentuu omaan tietokantaansa niin kuin usein tapahtuu, pystyy sitä lukemaan mikä tahansa BI-työväline.

Ja useimmiten budjetointisovelluksen datat viedään ensiksi tietovarastoon josta ne pyöräytetään raportointisoftaan. Tällöin varsinkaan ei ole mitään merkitystä miltä toimittajalta tuotteet ovat.

 

Blokkaat turhaan pois hyviä tuotteita

Tämä pätee etenkin julkisiin kilpailutuksiin. Suomen markkinoilta löytyy muutamia isoja IT-taloja, joilta löytyy sekä BI että budjetointituotteet. Näitä ovat mm. IBM Cognos, SAP ja Oracle.

Sitten on BI-toimittajia, joilta ei löydy budjetointisoftaa suoraan itseltään. Näitä on mm. Microsoft, Tableau, QlikView.

Nyt jos kilpailutat molemmat samalla ja hintaa sekä toiminnallisuutta arvioidaan kokonaisuutena, häviää jälkimmäinen porukka aika varmasti. Kuitenkin tiedon visualisoinnin ja ns. data discovery -kategoriassa juuri nämä kolme ovat markkinoiden parhaat. Ainakin Gartnerin mielestä.

Kilpailutuksissa Microsoft, Tableau, QlikView ja kumppanit joutuvat tarjoamaan jotain 3. osapuolen budjetointituotetta. Vallan hyviä vaihtoehtoja mutta kuten aiemmin sanoin, hinnan puolesta he eivät usein voi kilpailla isoja toimittajia vastaan koska he eivät usein voi vaikuttaa 3. osapuolen lisenssikustannukseen samalla tavalla.

Toisaalta myös monipuolisuudessa QlikViewn kylkeen usein tarjottavat budjetointituotteet (esim. Kliqplan) jäävät isojen toimijoiden vastaavista.

Tai sitten he häviävät suoraan jos kilpailutuksen vaatimukset asetetaan erityisen tiukaksi eikä sallita 3. osapuolen softia.

Tämä voi tietenkin olla tarkoituskin. Mene ja tiedä.

Suositus: keskitä mutta mahdollista erillinen hankinta

Itse kannatan, että tiettyyn tehtävään hankitaan aina paras tuote. Vaikka ne tulisi eri toimittajalta. Toisin sanoen tuotteen käytettävyys on avainasemassa, teknologisen yhdenmukaisuuden hieman kärsiessä (mutta oikeasti ei juurikaan kärsi koska kuten sanoin, saman toimittajankin tuotteet ovat yleensä eri maailmoista).

Suosittelenkin  siis seuraavaa BI- ja budjetointituotteita kilpailuttaessa:

  • keskitä hankinta niin säästät aikaa, rahaa ja vaivaa
  • keskittämällä saat mahdollisuuden puristaa isoilta toimittajilta hyvän nippuhinnan
  • mutta pidä ehdottomasti avoinna mahdollisuus hankkia tuotteet eri toimittajilta
  • tämä tarkoittaa oikein muodostettua RFP:tä. Pisteytys täytyy eriyttää.
  • Paras BI-tuote pitää pystyä voittamaan, ilman että sen huono/olematon budjetointiominaisuus vetää sitä alaspäin

 

Ensi kerralla aiheena: kannattaako BI ja data science -tuotteet kilpailuttaa samalla kertaa?


22.04.2016 / Ville Niemijärvi

TableaulogoJuttelin tänään Tableau-asiantuntijan kanssa ja hän totesi, että Tableaun myyntistrategia on ns. land and expand.

Tämä tarkoittaa, että tärkeintä on päästä asiakkaalle sisään vaikka vain yhdellä lisenssillä. Land. Kynnys tuotteen ostamiseen on matala, Ei tavoitella heti kuuta taivaalta. Mennään pienellä sisään ja luotetaan siihen, että tuote on niin mahtava, että se löytää tiensä muunkin organisaation käyttöön. Expand.

Strategia ei ole tietenkään mikään salaisuus ja konsulttiyhtiö Gartnerkin toteaa: “Tableau’s philosophy has been proven to appeal to business buyers and has served as the foundation for the “land-and-expand” strategy that has fueled much of its impressive growth and market disruption.”  (Magic Quadrant for Business Intelligence and Analytics Platforms 2016)

Tableaun osalta tämä toimii mainiosti. Koska tuote on hyvä. Helppokäyttöinen. Käyttäjät tykkäävät siitä.

Tableau on se sympaattinen kiva kaveri, joka pyysi baarissa vain puhelinnumerosi ja jäi mieleesi. Soittaakohan se?

Lähdetäänkö panemaan?

Vastakohtana tälle on tietenkin isot IT-möhkäleet, jotka myyvät enterprisetason ratkaisua heti kärkeen. Talot, jotka joskus hyvinä päivinä naureskelivat alle 100k lisenssimyynneille.

Nämä kaverit tahtovat päästä heti ensitreffeillä sänkyyn. Ja jos sanot ei, ei haittaa, meressä on lisää kalaa. Jos taas otat vahingossa katsekontaktin ja satut vielä hymyilemään, tulkitsee hän sen että seuraavaksi mennään tapaamaan anoppia.

Näillä tyypeillä kun ei ole vaihtoehtoa. Tuotepaletista ei löydy sellaista kivaa, sympaattista, mukavaa ja kevyttä. Halpaa. Se on all-in.

Nuorena kun hairahdut niin sitten olet lätkävaimoa lopun ikää.

Kumpi sitten on parempi?

“Land and expand” -strategian tuotteet kuten Tableau ovat asiakkaalle hyviä koska tuotteeseen pääsee kiinni pienellä kustannuksella ja hyödyt realisoituu nopeasti. Ne myydään usein liiketoiminnan kautta eikä sotketa IT:tä mukaan. Ja jotta strategia toimii, pitää tuotteen olla oikeasti hyvä jotta se laajenisi muuallekin.

Pienenä vaarana näissä tuotteissa on tietenkin spagettimaiset, siilomaiset, epäammattimaiset ratkaisut kun pistemäiset toteutukset seuraavat toisiaan eikä työtä ole johdettu keskitetysti.

Kun puhutaan päätöksenteontuesta ja tietojen oikeellisuudesta ja kun mennään osastotasoa ylemmäksi, nousee metatiedon hallinta, tiedon harmonisointi ja tietoarkkitehtuuri suurempaan ja suurempaan rooliin.

Lisäksi jotta tuote olisi helppokäyttöinen, intuitiivinen, kevyt, nopea… täytyy joissain tapauksissa karsia ominaisuuksissa. Tästä Gartnerin raportissakin mainitaan:

  • “…as vendors struggle to scale to meet support demands for more complex deployments.”
  • “…buyers of Tableau have encountered some software limitations as they attempt to scale their deployments (to meet the demands of more users trying to solve more complex problems) and govern those deployments (as they continue to expand within its customer organizations).”
    (Magic Quadrant for Business Intelligence and Analytics Platforms 2016)

Isot perinteiset IT-toimittajat taas tietää miten tehdään kokonaisvaltainen BI-arkkitehtuuri. Koska tuotetta ei pysty muuten käyttämään. Heidän tuotteensa myös taipuvat mihin vain kun tarpeeksi taitava propellipää on puikoissa ja koodaustaidot on hallussa (paitsi helppokäyttöisyyteen).

Kumpi parempi?

En tiedä. Mutta sen tiedän, että Tableaun strategialle se voisi periaattessa olla jokaisen suomalaisen yrityksen BI-tuotepaletissa (ainoana tuotteena tai osana isompaa palettia). Tuotteen kypsyessä se voi rauhassa laajentua ja taklata teknisiä haasteita.

Perinteiset, isot BI-talot taas menettävät koko ajan isoja enterprisetason kauppoja. Johtuen yritysten hintatietoisuuden kasvusta (=tiukat taloudelliset ajat) ja toisaalta siksi, että yhden ainoan BI-tuotteen “one-size-fits-all-users” taktiikasta asiakasyrityksissä on alettu luopumaan. Hankitaan paras tuote kuhunkin tehtävään, on enemmänkin trendi. Kokonaisarkkitehtuurin kustannuksella.

Tällöin jos isolla BI-toimittajalla ei ole sitä kivaa sisäänheittotuotetta, sitä valloittavaa hymyä jolla saadaan puhelinnumero baarissa, ovat he ongelmissa.

Paitsi Microsoft. Sillä häntäheikillä on jokaiselle jotakin.


Seuraava Business Intelligence -työvälinekurssi yhteistyössä Ari Hovin kanssa ke 11.5.2016. Jos BI-työvälineiden hankinta on ajankohtainen, ilmoittaudu mukaan.
BUSINESS INTELLIGENCE – OHJELMISTOJEN VERTAILU JA HANKINTA

https://youtu.be/1Lmq6RDn5O8


2.02.2016 / Ville Niemijärvi

Kaikesta hienosta kehityksestä tiedon visualisoinnin ja edistyneen analytiikan (data science) saralla huolimatta, tiedolla johtamisen yhtenä haasteena on sisällön tulkinta. Miten raporttia tai analyysiä pitäisi tulkita? Meneekö meillä hyvin vai huonosti? Tarvitaanko jotain toimia?

Tarkoitan sitä kun raportointivälineellä ladotaan madon luvut näytölle ja kukaan ei hoksaa firman saunan lauteilla selkääntaputtelun ja muun kivan keskellä, että nyt pitäisi olla huolestunut. Tai toisaalta silloin kun shamppanjat pitäisi poksauttaa mutta johto rasvaa köyttä ja etsii toimiston kiikkerintä tuolia kun luulee aiheettomasti, että kortisto kutsuu.

Oma valitettava kokemus on, että harva osaa tulkita:

  1. mistä luvut raporteilla ja analyyseissa tulevat ja
  2. mitä hittoa ne tarkoittavat?

business controller louhiaMeneeks meillä nyt hyvin vai huonosti? Trendi on nouseva mutta ed. vuoteen verrattuna on laskua. Jenkit tekee jotain oikein mutta mitä. Kertoisiko joku?

“Tunge visualisointisi ahteriin ja kerro mitä tämä tarkoittaa”

Okei, kaikki uskoo, että Qlikllä, Tableaulla, PowerBI:llä, Lumiralla et co. pystyy tekemään nättiä käppyrää hetkessä. Tungetaan sinne jos jonkinmoista graafia, kpi:tä ja taulukkoa. Ajatellaan, että näin se johtaja ottaa selvää missä mennään.

Mutta ei se ota. Oikeasti.

Johtajat on fiksuja tyyppejä, ei ne muuten olisi johtajia. Mutta heidän tehtävä ei ole tulkita raportti-reiskan tekemää 20 välilehteä sisältävää Qlik-raporttia ja etsiä pihviä. Fiksut johtajat käyttävät aikansa oikein. Golf-kentällä verkostoitumassa. Ei ne muuten olisi johtajia. Jotta aikaa jää puttailla, tarvitaan jotain yksinkertaista ja valmiiksi pureksittua (vaikka sitten maailman parasta kpi-mittaria)

Se sisällön tulkinta ei siitä helpotu yhtään vaikka graafi on nätti. Jonkun pitää edelleen kertoa, miksi:

  • viime vuosi oli 4% parempi kuin sitä edellinen mutta tammikuussa dyykattiin?
  • lokakuussa henkilöstökulut kasvoivat?
  • joulun mainoskampanja Hesarissa meni reisille?
  • alennuskampanja ei tehonnutkaan niin hyvin kuin piti?

Jonkun pitää tulkita dataa. Raportteja. Visualisointeja. Antaa se konteksti. Kertoa miksi?

Onko data science, edistynyt analytiikka sitten se vastaus?

Ehkä, mutta data science ja analytiikka on työväline. Se auttaa kaivamaan syyn seurauksen takana. Se on apukeino. Mutta nyt haen jotain tosi old school.

Sitä, että joku ihminen, joku joka saa palkkaa siitä, että tietää asioista – tekee tuon tulkinnan. Kertoo mihin me ollaan menossa.

 

Näen, että yritykset tarvitsevat aimo annoksen journalistiikkaa. Ja analyytikot tai miksei business controllerit voisi olla noita tulevaisuuden tiedon airueita. Johdon tulkkeja.

Datajournalismia yrityksiin

Journalistien tehtävänä on suodattaa tietoa ja uutisvirtaa suuresta maailmasta. Tehdä siitä ymmärrettävää, olematta puolueellisia, tulkita tietoa. Tiivistää sitä. Päättää mikä on tällä alueella, tässä kontekstissa on juuri nyt relevanttia.

Ihailen avoimesti journalistien työtä. Halusin sellaiseksi itsekin. Pyrin. En päässyt. Opiskelin silti.

Nykypäivän tiedolla johtaminen tarvitsee journalisteja. Olkoon sitten yritysmaailman datajournalisteja. 

Yritykset tarvitsevat henkilöitä, jotka tekevät juuri sen: suodattavat, tulkitsevat, tiivistävät ja lopulta tuovat esille, visualisoivat. Sen mikä on tärkeää. Ja kertovat sen sanallisesti.

Aivan kuten uutisissa journalistit tekevät.

hesari_kuva_louhia 2
Luvut ja visualisointi tukee tarinaa. Tärkein pointti on ilmaistu sanallisesti: hintoja on nostettu. Elisa on suurempi. Olisi hiton paljon vaikeampaa lukijalle saada tämä tieto esille tuloslaskelmia ja toimintakertomuksia vertaamalla.
hesari_kuva_louhia
Sää on tuulista. Selkis. Kuoritakkia niskaan ja sateenvarjo mukaan. Sitä olisi paljon vaikeampi huomata tuulibarometrin arvoista. Edellisen vuoden vastaavan päivän toteuma ei paljoa myöskään lämmitä. Nyt katsotaan eteenpäin. Muu on epärelevanttia.

 

hesari_kuva_louhia 3
Tutkittiin vähän asiakkaiden käyttäytymistä ja heureka. Sieltä se oivallus löytyi. Ei näytetä matriiseja tai käppyrää vaan kerrotaan se pihvi kissan kokoisin kirjaimin.

Nykypäivän moderneissa raportointivälineissä alkaa olemaan keinot tehdä ns. collaboraatiota: laittaa graafin viereen kommentti: “Hei Masa, tsekkaatko miksi dyykattiin heinäkuussa rättikaupassa.” Ja sitten Masalle lähtee linkki ko. raporttiin ja hän näkee Joren kommentin. Näppärää. Mutta liian matalalle tähdätty.

Entä jos raportoinnin ja tiedon visualisoinnin koko tapa kertoa tarinaa muutettaisiin niin, että luvut jätettäisiin taustalle ja keskityttäisiin tulkintaan?

Entä jos seuraava QlikView tai Cognos raportti olisikin jotain tällaista:

business controller louhia 2

Raportti kertoisi tarinaa, jota luvut tukevat. Joku tulkitsisi raportteja ja kertoisi tuon tulkinnan koko organisaatiolle, ennen kuin ne lanseerattaisiin. Tämä tukisi päätöksentekoa.

Ja kun mukaan heitetään data science, ennakoiva analytiikka, voisimme ottaa katseen eteenpäin ja ennustaa tulevaa. Tällöin tulkinnan tarve on vielä suurempi. Se on käytännössä välttämätöntä.

business controller louhia 3

Ennen kaikkea: lisättäisiin adjektiivit yritysten sanavarastoon.

Controllerit – uuden ajan data journalisteja

Kuka voisi olla uuden ajan yritysjournalisti? Tässä tehtävässä tarvitaan

  • ymmärrystä liiketoiminnasta ja sen eri osa-alueista.
  • ymmärrystä luvuista ja mistä ne tulevat. Pitää tuntea miten tase, tulos, kate, kierto ja muut tunnusluvut lasketaan.
  • Data science perusosaaminen, perustaidot tietokannoista ja moderneista business intelligence -työvälineistä ei olisi pahitteeksi.

Kukapa olisi parempi hoitamaan tätä kunniakasta tehtävää kuin business controllerit.

Olen tavannut urani aikana hyviä kontrollereita ja sitten ihan superstaroja. Semmoisia naisia ja miehiä, jotka on revitty mukaan joka ikiseen kehitysprojektiin ja toimitusjohtajan kissanristiäiseen – vain sen takia koska kaverit tietävät kaikesta kaiken.

He tuntevat yrityksen kentän tarpeet, hinnoittelun salat, tietävät miten varaston kiertoa voidaan parantaa ja luonnollisesti he tuntevat taloushallinnon kuin omat taskunsa.

Heillä on taloustieteen opinnot taustalla, ehkä jopa ekonometriaa. Tämän lisäksi controllereiden vastuulla on usein ottaa roolia business intelligence ja raportointihankkeissa.

Ehkä heistä ei tule yrityksen data scientistiä (joka vaatisi tilastotieteen ja matematiikan vähän syvällisempää tuntemusta) mutta entä data journalisti? Ehdottomasti!

Valitettavasti vain talousjohtaja ei ole aina nähnyt heidän potentiaalia ja controllerit ovatkin lähinnä talouspäällikön hallinnassa olevia bio-mekaanisia releitä, jotka siirtävät dataa paikasta A paikkaan B (lähinnä raportointisoftasta exceliin ja sieltä johdon powerpointteihin.)

Miten luodaan yritysjournalisti?

Seuraavilla ohjeilla muutamme bio-mekaaniset releet tulevaisuuden Hunter S. Thompsoneiksi tai vähintäänkin Bob Woodwardeiksi.

  1. Ensinnäkin jollekin, vaikka sille controllerille, pitää antaa mandaatti ja tehtävä: ole tulkki. Mene sinne liiketoiminnan ytimeen ja selvitä mikä vaikuttaa mihinkin. Opi se kieli. Ja selvitä miksi.
  2. Toiseksi ota data science ja business intelligence -haltuun. Perusteet riittää. Mutta sinun pitää ymmärtää mitä on mahdollista tehdä. Miten ennustemallit toimivat, miten tietovarasto on mallinnettu. Ehkä opetella vähän SQL-kieltä. Se ei ole rakettitiedettä.
  3. Ota tonttisi haltuun. Löydä äänesi. Mikään ei ärsytä niin paljoa kuin journalisti tai mediatalo, jolla ei ole mitään sanottavaa. Joka toistaa STT:n uutisia. Yritysjournalistin pitää alkaa tulkitsemaan ja tuomaan lisäarvoa raporteilla ja analytiikan tuloksille. Pitää tehdä töitä palkkansa eteen. Koska muuten voitaisiin vain katsella niitä käppyröitä.

Alla vielä minun käsitykseni journalistiikan arjesta.


22.12.2015 / Ville Niemijärvi

Viime viikon ja syksyn aiemmalla business intelligence -kurssilla esitettiin muutamia hyviä kysymyksiä liittyen BI-markkinoihin. Laitan tässä vastaukset ja pitkähkön pohdinnan muillekin lukijoille.

1. Mikä on paras QlikView-konsulttitalo?

Tämmöisen miinan pudottivat. Nyt oli mahdollisuus haukkua kaikki lyttyyn tai vetää överisti kotiin päin. Mutta asia on vain niin, että Qlik-konsulteilla on alalla järjestään hyvä maine. Ajatellen IT-alaa kokonaisuutena.

Olen järjestänyt useita kilpailutuksia (niin työväline kuin konsultointi) ja kierrän vuodessa kymmeniä asiakkaita, joilla useilla on Qlik-ympäristö. Järjestään palaute valitusta konsulttitalosta on positiivista, oli se kahden henkilön nyrkkipaja tai isompi puulaaki.

Positiivinen palaute johtunee osittain työvälineestä, joka edesauttaa nopeiden projektien toteuttamisessa. Tableau-asiakkaiden palaute omasta toimittajasta on myös positiivista. Hieman kömpelömmillä tuotteilla myös toteuttava konsulttitalo saa kuraa niskaan jos hommat ei etene tai tulos ei tyydytä.

Jos joitain Qlik-taloja pitäisi nostaa esille niin oma valintani olisi Infrastone. Olemme tehneet kolmessa projektissa yhteistyötä ja jälki on mainiota ja laadukasta. Infrastone on omien sanojen mukaan Suomen kokenein Qlik-kumppani ja väkeä on siis enemmän kuin mies ja koira.

Ennen kaikkea asiakkaan edun laittaminen aidosti etusijalle lisenssi- tai projektimyynnin kustannuksella on hatun noston arvoinen juttu. Korupuheissa kaikki väittää tätä mutta tositapahtumassa harva toimii näin. Infrastone on näyttänyt tämän pari kertaa toteen mikä on oikeasti poikkeuksellista.

Muita Qlik-toimittajia, joita en itse enempiä tunne mutta joita asiakkaat ovat kehuneet ovat ainakin EVRY, Eximia ja käyttöliittymäsuunnitteluun erikoistunut Adage. Käyttöliittymäsuunnittelun mukaan tulosta BI-kehitykseen lisää vähän alempana.

Tämä ei tarkoita, että muut Qlik-kumppanit olisivat kuraa. Löydät kaikki Qlik-kumppanit täältä.

Ja hei yritykset: hyviä toimittajia kannattaa mainostaa muillekin. Se on teidän etu, että hyvä kumppaninne menestyy. Muutenkin kuin vain toimittajien väsyneissä referenssitarinoissa (“toimittaja X teki sen mitä pyydettiin ja nönnöönöö booring!…”)

Ja huonoja saa myös kritisoida. Se on rehtiä ja reilua liiketoimintaa. Niin pakotetaan toimittajia nostamaan tasoa, kouluttamaan tekijöitä ja kehittämään prosesseja. Näistä asioista puhutaan ihan liian vähän.

2. Mihin Business Intelligence -työvälineet ovat menossa?

Lyhyt analyysi: isot perinteiset toimijat lähestyvät pieniä, ketteriä visualisointi-experttejä kehittämällä omia data discovery ja visualisointi ominaisuuksia. Pienet, ketterät taas kehittävät enterprise-tason kyvykkyyttä.

Eli isot BI-talot ovat tehneet hartiavoimin töitä kehitellessään omia visualisointivälineitä. Esimerkkinä SAP:in Lumira, Microsoftin Power BI, IBM Cognoksen Workspace (ja nyt julkaistu Cognos Analytics) ja SAS Visual Analytics. Olen tutustunut näihin kaikkiin ja suunta on oikea.

Pienet entiset niche-toimijat taas laajentavat repertuaariaan pyrkiessään aidoksi enterprisetason ratkaisuksi. Esimerkkinä Qlik, joka osti NPrintingin vakioraportointiin. Metadatan hallintasovelluksen (vrt. SAP Universe, Cognos Framework Manager) puutetta paikataan ohjaamalla oikeaoppiseen tietoarkkitehtuuriin erottaen Qlikin data- ja sovelluskerroksen. Tiedon hallittavuutta ja auditointia (data governance) parannetaan Governance dashboardilla, jota tosin harmittavan harva asiakas käyttää.

Nyt alkaa näyttämään siltä, että lähes kaikki BI-tuotteet ovat ns. one-size-fits all -tuotteita eli yksi tuote sopii kohtuu hyvin koko organisaation käyttöön.

Tableau on tosin poikkeus. Ainakin minulle heidän myynti on sanonut selvästi, että perinteinen vakioraportointi ei ole heidän pallokenttä. Yrityksellä ei näytä olevan hinkua pyrkiäkään enterprise-tason tuotteeksi ja useimmiten Tableau onkin yrityksessä se “kakkostuote” eli pienemmän osaston käytössä puhtaasti visualisointiin, perinteisen vuosia sitten hankitun Cognoksen tai SAP:in hoitaessa vakioraportoinnin. Tästä päästääkin seuraavaan kysymykseen.

3. Onko kahden BI-tuotteen strategiassa järkeä?

Kannattaako kuitenkaan laittaa kaikki munat samaan koriin vai voisiko elää kahden tuotteen kanssa?

Vastaus: Kaksi BI-tuotetta on ihan toimiva ratkaisu. Tämä on nykyään enemmänkin sääntö kuin poikkeus. Etenkin silloin kun a.) halutaan tarjota käyttäjille parasta ja b.) käyttötapaukset ja käyttäjäroolit eroavat selkeästi toisistaan.

Vaikka visualisointityövälineellä (esim. Tableau tai QlikSense) on kiva kikkailla ja käyttö on pelkkää hattaransyöntiä, ei se sovi kaikille käyttäjille. On paljon käyttäjiä jotka eivät halua/tarvitse mennä porautumaan tietoon ja joiden ei tarvitse nähdä nättiä käppyrää. Toisin sanoen on sellaisia käyttäjiä joiden pitää tehdä oikeita töitäkin ja kriittisimmät luvut pitää saada käyttöön muuta kautta.

Esimerkiksi jos käyttäjien tarpeena on vakioraportointi tai vaikka raporttien helppo jakelu monipuolisessa formaatissa (pdf, html, xls) burstaten sähköpostitse tai levyn kulmalle huolehtien rivitason tietosuojauksesta, ei tähän kannata tarjota Qlikiä, Tableauta tai PowerBI:tä.

Toisaalta jos puntarissa painaa etunenässä ostamisen helppous, helppo käyttöönotto, toteutuksen ja käytön nopeus, IT:n tehtävien minimoiminen, käyttömukavuus ja visuaalisuus, niin edelleenkään isot perinteiset BI-toimijat eivät yllä tässä Tableaun tai Qlikin tasolle. Visualisointia ja data discovery -ominaisuuksia tarjoavat kaikki mutta muissa ominaisuuksissa (esim. ostamisen ja käyttöönoton helppous, hinnoittelun selkeys, IT:n pieni merkitys jne.) tulee suuria eroja.

Jos et usko, tee testi. Käy ottamassa netistä Tableaun serveri + client ilmaiseen koekäyttöön. Saat serverin pystyyn ja ensimmäiset raportit julkaistua tunnissa. Kokeile samaa Cognoksella, SAP:lla tai vaikka Oraclella. Ensimmäisessä tunnissa löydät ehkä myynnin puhelinnumeron jenkkeihin.

Alla kuvassa on hyvin karkea yleistys eri käyttäjärooleista. Vasemmalla on karrikoiden se iso pomo, jota ei kikkailut kiinnosta vaan hän haluaa tulos-, tase- ja myyntiraportin määrämuotoisesti esimerkiksi kerran kuukaudessa. Myös operatiivinen toiminto, jota BI-tukee voi olla tällaista. BI-palvelu tuuppaa kaupan vihannesosastolle tiedon milloin kurkut on homeessa. Lue lisää alempana upotetusta BI:stä.

Oikealla on controller, analyytikko, assistentti, (keski) johdon edustaja joka ymmärtää datan ja sen analysoinnin päälle. Hänelle jäykät vakioraportit eivät riitä, työvälineen pitää tarjota visualisointi ja ns. data discovery -ominaisuuksia (drill up/down, slice ‘n dice, assosiatiivisuus) sekä mahdollisuus lisätä uusia tietolähteitä (ns. data mash-up).

Raportoinnin roolit Louhia

 

Kaikki isot BI-toimijat taklaa kaikki nämä käyttötapaukset ja paljon muuta. Tableau keskittyy selkeästi oikealle laidalle, jenkkituote on ääri republikaani, vasenta ei suosita juurikaan. Qlik on vahvasti oikealla mutta kurottelee vasemmistoa eli raportoinnin sosiaalidemokraatteja kohden.

Toistan vielä:

  • kyse onkin siitä, haluatko parasta vai kelpaako aika hyvä?
  • kuinka monipuoliset ja poikkeavat käyttötapaukset ja käyttäjäroolit ovat?

Jos melko hyvä kelpaa visualisointiin ja käyttötapauksia löytyy myös perinteisemmästä raportoinnista, on perinteiset toimijat hyvä vaihtoehto, saat yhdestä talosta kaikki. Varsinkin kun monessa talossa on vuosien kokemus ja hiljainen tieto tuotteista eikä tuotteiden vaatima IT-hallinta tuota tuskaa.

Jos haluat parhaan ja helppokäyttöisemmän visualisointi ja analysointituotteen, ota Tableau. Se on paras vaihtoehto ns. kakkostuotteeksi ja myös ainoaksi tuotteeksi jos käyttötapaukset liikkuvat pääosin visualisoinnissa ja itsepalvelussa.

4. Mihin näet business intelligencen käytön yrityksissä suuntautuvan noin ylipäätään?

Pari suuntausta mihin olen törmännyt:

  • käyttöliittymäsuunnittelun ja UX-osaajien käyttö raporttien toteutuksessa
  • BI:n siirtäminen lähemmäksi ja upotetuksi osaksi liiketoimintaa (ns. embedded BI)
  • BI-funktion siirtyminen IT-tuotannosta ja järjestelmäylläpidosta palveluliiketoiminnaksi

Käyn näitä lyhyesti läpi.

Käyttöliittymäsuunnittelu

Olen törmännyt kolmella asiakkaalla käyttöliittymäsuunnittelijan käyttöön BI-projekteissa ja tulos on ollut kaikissa todella hyvä.

Yhdessä casessa yritys teki tietopalvelua omille asiakkailleen, jolloin priima käytettävyys on tietenkin A ja O. Koska kyseessä on maksullinen palvelu, siis yrityksen myytävä tuote. Tällöin designia ei ehkä kannatta jättää raportoinnin juhasipilöille. He osaavat insinööritekniikan mutta toteutuksen käyttömukavuus ja ulosanti loppuasiakkaan kanssa keskustellessa ja iteroidessa voi olla vähän tönkköä.

Käyttöliittymäsuunnittelu BI:ssä ei tarkoita, että jokaista raporttia varten tilataan UX-expertti paikalle. Pitkälle päästään, että UX-expertti on mukana projektin alussa luomassa suuntaviivat, ohjesäännöt fonteille, värien käytölle, layoutille ja erilaisille painikkeille. He voivat toteuttaa esimerkiksi sen ensimmäisen raporttipohjan tai työpöydän yhdessä raporttiexpertin kanssa.

Tämän jälkeen raporttien vääntäjät voivat käyttää tätä pohjana ja tuottaa näyttäviä ja visuaalisesti yhdenmukaisia tuotoksia.

Käyttöliittymäsuunnitteluun Qlik-sovelluksissa on erikoistunut Adage. Isoimmilta konsulttitaloilta löytyy tietty omia käyttöliittymäsuunnittelijoita.

BI upotettuna lähemmäksi liiketoimintaa

Näen, että tulevaisuudessa oleelliset tiedot pitää viedä sinne missä päätöksiä tehdään, lähemmäksi tai osaksi liiketoimintaprosesseja.

Kyseessähän on kuitenkin ensisijassa päätöksenteon tukijärjestelmä. Päätöksiä harvemmin tehdään juuri siinä raportointiportaalissa vaikka ns. single-point-of-access eli tiedot yhdestä tuutista onkin tavoiteltavaa.

Tietoja tarvitaan siellä missä liiketoimintaprosessi tapahtuu. Esimerkiksi CRM:ssä, markkinoinnin automaatiossa, intranetissä, asiakaspalvelun sovelluksessa, myymälöiden osastovastaavilla liikkuessa hyllyjen välissä, varaston trukkikuskeilla tai ylimmällä johdolla golf-kentällä.

Tällöin BI:tä ei tule ajatella raportteina, visualisointeina ja työpöytinä. Käyttötapaukset ja tiedon toimitustapa on tyystin toinen. Integraatioiden määrä BI:stä muihin järjestelmiin ja päätelaitteisiin kasvaa. Tämä asettaa uusia vaatimuksia BI-ympäristön suunnitteluun ja myös softille. Enää ei riitä se, että voit upottaa Cognos-raportin Sharepointiin.

Tällöin erillisen raportointitietokannan tai tietovaraston rooli kasvaa. Integraatio järjestelmien välillä ja päätöksenteossa tarvittavan tiedon toimittaminen sinne missä sitä tarvitaan, on usein helpompaa tietovarastosta oikealla integraatiotyövälineellä (etl-sovellus), sen sijaan, että mietitään miten se Tableaun visualisointi saadaan upotettua myyntimies-mynttisen Audin äly-kojelautaan.

BI-funktio ratkomaan liiketoimintaongelmia
BI-funktio (etenkin edistyneen analytiikan avulla) pitäisi tarjota liiketoiminnalle palvelua, jonka tarkoituksena on ratkoa liiketoimintaongelmia.

Esimerkiksi:

  • Ongelma 1: tuoteryhmän X varaston kierto on liian hidas. Miten voisimme nopeuttaa kiertoa?
  • Ongelma 2: lehtimainosten vaikutus on tippunut. Miten nostaa mainosten vaikutusta myyntiin?
  • Ongelma 3: alennuskampanja meni perseelleen, tuotteita myytiin miinuskatteella. Miten löytää oikea hinta ja oikea tuote kampanjaan, jotta maksimoimme kannattavuuden?
  • Ongelma 4: työvoimakustannukset ovat liian suuret ja ylimitoitetut hiljaisina aikoina mutta ruuhka-aikaan asiakaspalvelu kärsii. Miten optimoida työvuorot kysynnän mukaan?

Näiden kysymysten vastaaminen yhdessä liiketoiminnan kanssa pitäisi olla BI-palvelutuotannon tavoite.

Nämä ovat kaikki ongelmia mitä BI+analytiikkatiimit ratkoo tänäkin päivänä. Ehkä niissä kahdessa yrityksessä Suomessa. Tämä tulee muuttumaan.

BI ei ole siis jatkossa IT:n erityinen osasto missä firman ainoa SQL:ää puhuva nörtti tekee rapsoja aina tilauksesta. Eikä se ole pelkästään liiketoiminnan itsepalvelua ja visualisointi-kikkailua.


 

Tässä oli taas vähän pitkäksi venähtänyt kooste BI-työvälinekoulutuksesta heränneistä ajatuksista.

Vuosi alkaakin olemaan sitten paketissa. Saatamme tuupata vielä yhden kirjoituksen ennen vuoden vaihdetta. Toivottavasti olet viihtynyt blogin parissa ja pysy kuulolla myös ensi vuonna. Oikein hyvää joulua ja uutta vuotta!


14.12.2015 / Ville Niemijärvi

Business intelligence tuotekoulutus Louhia Consulting 7.12.2015Järjestin viime viikolla Talentum Eventsillä koulutuksen: Business Intelligence- työvälineiden vertailu ja kilpailuttaminen. Sain tänään kurssipalautteen. Vastausprosentti oli 82 %, eli 9/11 osallistujasta vastasi palautekyselyyn. Arviointiasteikko on 5-1, jossa 5 on erinomainen ja 1 heikko.

Alla saamani palaute:

Miten hyvin tämä koulutus vastasi odotuksiasi? 5 = koulutus ylitti odotukseni, 1 = koulutus ei vastannut odotuksiani

Business intelligence koulutuspalaute 7.12.2015 Louhia Consulting Oy

Kouluttaja:

Business intelligence koulutuspalaute 7.12.2015 Louhia Consulting Oy 2

Koulutus vastasi siis odotuksia 4,33 / 5 ja kouluttaja eli meikäläinen sai tuomioksi 4,44 / 5.

Ja tässä vapaan sanan osuus:

  • Hieman enemmän olisi voinut jäädä aikaa kilpailuttamiselle.
  • Oikein asiallinen kouluttaja.
  • Hyvä, kun näytettiin demoilla eri raportointijärjestelmien toimintaa. Tilaosuudessa myös selitettiin asioita sopivasti sellaisella kielellä, että alan ammattilainenkin kykeni seuraamaan, vaikka antoi tiettyjen it-käsitteiden valua ohi. Kuultiin selotuksia mm. “kuutioista” ja selvitettiin esim. mitä metatiedoilla tarkoitetaan. Parasta on, että nyt on asiansa osaava konsultti tiedossa nimeltä ja on lupa olla yhteydessä häneen, jos tarvetta ilmaantuisi.
  • Hyvä, selkeä kokonaisuus. Hieman haparointia demojen kanssa mutta muuten hyvin koostettu kokonaisuus, joka antoi eväitä työvälineiden hankintaan ja kilpailutukseen.
  • Konkretia, konkretia, konkretia,…

Demoja pitää siis petrata edelleen ja kilpailutukselle jättää enemmän aikaa. Syksyllä ensimmäisessä kurssissa demot menivät ihan penkin alle, josta sietäisin saada sapiskaa. Jos joku syksyn kurssilaisista on kuulolla niin minä tarjoan oluet jos törmätään kylillä.

Nyt meni siis paremmin mutta kehitettävää riittää. Ensi kerralla paremmin ja otetaan demottavaksi vähän enemmän tuotteita. Kuulisin mielelläni myös kommentteja jos koulutus halutaan kaksipäiväisenä, kattaen esimerkiksi käyttötapauksia vielä syvällisemmin.

Muuten täytyy olla tyytyväinen kurssiin ja palautteen pohjalta näyttäisi kuulijatkin olleet. Kiitos vielä kaikille osallistumisesta.

Seuraavassa postauksessa avaan vähän kurssilla esitettyjä kysymyksiä mm. siitä mihin BI-markkinat ovat menossa.


Ps. Seuraava Business Intelligence -työvälinekoulutus on 13.4.2016. Sitä ennen tarjolla myynti- ja markkinointijohtajille suunnattu Asiakkuuksien johtaminen -analytiikan avulla 28.1.2016. Muita Louhian järjestämiä kursseja löydät sivuiltamme: http://www.louhia.fi/tuotteet/koulutukset Tervetuloa mukaan!