Koneoppimisen avulla faktapohjaiseen johtamiseen

Yritykset toimivat kvartaali- ja kuukausisyklissä, ja toimintaa ohjataan valtaosin raporttien perusteella. Ongelma on se, että raportit kuvaavat mennyttä ajanjaksoa. Eihän autoakaan ajeta peräpeilistä, vaan katsotaan vahvasti eteenpäin.

Myös intuitiolla on ollut vahva rooli johtamisessa ja yrityksen päätöksenteossa esimerkiksi tavoiteasiakkaiden ja –segmenttien määrittelyssä. Johdonmukaisten strategioiden avulla on kuvattu loogisia ajatusrakennelmia siitä, miten yritys ohjataan kohti menestystä.

Ajat muuttuvat.

Kilpailu on entistä nopearytmisempää, ostaminen digitalisoituu, tuotteet digitalisoituvat. Maailma yksinkertaisesti kulkee eteenpäin. Onneksi tämän kaiken ymmärtämiseen ja hallitsemiseen on syntynyt uusia apuvälineitä, joiden avulla intuitio voidaan osittain korvata faktapohjaisella päätöksenteolla.

Konkreettisena esimerkkinä koneoppimisen voimasta voidaan pitää tietokoneen voittoa Go-pelissä. Go on peli, jota on pidetty visuaalisena ja intuitiivisena – siis juuri sellaisena pelinä, jossa ihmisen pitäisi olla ylivertainen tietokoneeseen verrattuna. Varmasti moni on samaa mieltä myös yritysten strategioista ja taktiikasta.

Digitaalinen maailma mahdollistaa koneoppimisen

Seuraavat asiat mahdollistavat päätöksenteon muuttumisen:

  • Ostaminen digitalisoituu. Markkinointi on siirtynyt verkkoon ja muuttunut digitaaliseksi. Sen ansiosta yksittäinen kuluttaja ja hänen käyttäytymisensä voidaan tunnistaa ja tätä tietoa voidaan käyttää markkinoinnin ja myymisen raaka-aineena.
  • Tuotteet digitalisoituvat. Suuressa osassa tuotteita vähintään osa tuotteen arvosta muodostuu digitaalisesta vuorovaikutuksesta. Näin myyminen tai asiakassuhde eivät ole kertaluonteisia tapahtumia vaan jatkuvaa dialogia. Tämä mahdollistaa asiakkaan tilanteen seurannan ja myös asiakkaaseen vaikuttamisen varsinaisen ostotapahtuman jälkeen.
  • Dataa on ja sitä voi yhdistää. Tiedon tallentaminen on halvempaa kuin koskaan. API:t ja muut integraatioratkaisut mahdollistavat tietojen keräämisen, yhdistämisen ja analysoinnin entistä helpommin. Lopputuloksia voidaan visualisoida erilaisilla tuotteilla.
  • Koneoppimista tarjotaan pilvipalveluna. Valtavat tietomassat, jotka sijaitsevat yhdessä paikassa, eivät vielä riitä päätöksentekoon. Tarvitaan analyysiä, joka kaivaa johtopäätökset esiin. Nykyisin tätä älykkyyttä tarjotaan pilvipalveluna esimerkiksi Azure Machine Learning –ratkaisussa. Yksinkertaisesti kuvattuna data luetaan palveluun sisään, rakennetaan analyysimalli, koulutetaan malli ja sen jälkeen malli on käytettävissä. Mallia käytetään syöttämällä lähtöarvoja (esim. asiakkaan tietoja) palveluun, jolloin lopputuloksena syntyy historiatiedon pohjalta mallin tuottamana ennuste (esimerkiksi asiakkaan riskiluokitus ja siten tarjottavan rahoituspalvelun hinta).

Kohti faktapohjaista johtamista

Arvostamme yritysjohtajissa vahvaa näkemystä ja kokemusta. Tuon kokemuksen uskotaan tiivistyvän näppituntumaksi, joka puolestaan johtaa oikeisiin päätöksiin. Tämä ennustajamainen näkemys haastetaan vahvasti nykyaikaisilla työkaluilla.

Myynnin ja markkinoinnin johtaminen muuttuu faktapohjaiseksi. Asiakkaiden ja markkinan käyttäytymistä ymmärretään faktojen, ei näppituntuman perusteella.

Markkinointi ei ole päätösten tekemistä ja niiden toteuttamista suunnitellussa syklissä, vaan se on testaavaa, iteratiivista, markkinoiden palautteeseen ja tuloksiin reagoivaa nopeasyklistä toimintaa. Tavoitteena on löytää toimiva malli ja kun se löytyy, sitä toistetaan ja sovelletaan mahdollisimman tehokkaasti ja laajasti.

Asteen teoreettisemmin yllä kuvatun voi avata seuraavasti:

  • Kerätään tietojoukko – tietoa pyritään keräämään mahdollisimman laajasti ja tarkasti. Tähän tietojoukkoon kuuluvat muun muassa asiakastiedot, myynnin tiedot, markkinoinnin tiedot ja asiakkaiden web-käyttäytyminen. Mitä laajempi ja tarkempi tietojoukko on, sitä parempi. Myös ennustettava alue pitää mitata tarkasti – se voi olla vaikka kuukausittainen myynti asiakkaittain.
  • Mallinnetaan käyttäytyminen – koneoppimisen avulla tutkitaan seuraavuussuhteet kerätyssä tietojoukossa. Mallin testauksella varmistetaan, että malli todellakin selittää ennustettavaa suuretta. Mallin lopputuote on eri tietojen vaikutus ennustettavaan suureeseen. Yksinkertaisesti kertoimia voisi kutsua painoarvoiksi. Näin nähdään esimerkiksi, miten vahvasti myyjän tekemät soitot tai asiakkaan verkkosivulla tekemät aktiviteetit ennustavat asiakkaan käyttäytymistä.
  • Optimoidaan toimintaa – kun asiakkaan ”logiikka” on tiedossa, toimintatapoja voidaan muuttaa myyjä-, alue- tai segmenttikohtaisesti. Lisätään esimerkiksi myyjien soittojen määriä ja tiheyksiä mallin niin kertoessa.
  • Seurataan tuloksia – kun tehdyt toimenpiteet on suoritettu, ennustemalli kertoo, että lopputuloksen pitäisi parantua x %. Toteuma puolestaan kertoo, miten todellisuudessa kävi.
  • Toistetaan – markkinat ja asiakkaat muuttuvat. Tekijöiden painoarvot muuttuvat. Toistamalla mallinnus nähdään sen hetkisen markkinadynamiikan mukainen optimoitu toimintapainotus.

Tavoitteena palautteeseen reagoiva yritys

Tämän tyyppisessä johtamisen mallissa johtajan ydinominaisuus on prosessinomainen jatkuva optimoiminen ja toimenpiteiden johtaminen. Myös johto itsessään oppii mallin dynamiikasta ja virheistä. Palaute toimenpiteiden onnistumisesta tulee hyvin nopeassa syklissä. Lopputuloksena on palautteeseen reagoiva yritys (closed loop), joka ohjautuu muuttuvassa ympäristössä parhaalla mahdollisella tavalla.

Selvää on, että koneoppimisessa ja siitä seuraavassa toimintatavan muutoksessa on valtava potentiaali. Haasteita matkalla varmasti on – esimerkiksi asiakaskäyttäytymisen riittävän tarkka tieto on perinteisille toimijoille varmasti hankalaa. Tämäkin haaste korjautuu, kun yritykset muuttavat toimintaansa nykyisen toimintaympäristön mukaiseksi.

Tämänkin tekniikan hyödyntämisen ajoitus on haastavaa, mutta varmaa on, että näemme entistä enemmän yritysmaailman ratkaisuja myös koneoppimisessa. Luotatko siis intuitioon, vai otatko kuudennen kenttäpelaajan koneoppimisen muodossa?

Facebooktwitterlinkedin

Heikki Tukiainen

Heikki on Accountor Enterprisen liiketoiminta-alustojen johtaja. Heikin työhistoria ulottuu McKinseyn liikkeenjohdon konsultoinnista Nokian liiketoiminnan kehitykseen ja Pretaxin talouden ulkoistuspalveluihin. Heikillä on kokemusta pilvipalveluista, taloushallinnon arjesta ja johtamisesta, kansainvälisestä liiketoiminnasta sekä yritysten strategioista. Koulutukseltaan Heikki on tuotantotalouden DI.

Vapaa-aikaansa Heikki viettää radio-ohjattavien lentokoneiden ja suunnistuksen parissa. Unelmia vaaliva mies viihtyy metsässä kompassin ja kaksospoikiensa kanssa – ja on kaksonen itsekin.

PYSY AJAN TASALLA

TILAA ILMAINEN UUTISKIRJE

Saat yrityksemme tuoreimmat uutiset suoraan sähköpostiisi.

Tilaan uutiskirjeen aiheesta