–      Mites teillä on verkkoanalytiikka hoidettu?

–      Meillä on toi Google Analytics päällä meidän saitilla.

Luulin, että jokaiselle työssään netin ja verkkosivujen kanssa tekemisissä olevalle olisi selvää, mitä eroa on datalla, raportilla ja analyysillä.

Kuultuani viime viikolla pari yllä olevan kaltaista kommenttia en ole enää niin varma.

Monilla tuntuu edelleen olevan sellainen virheellinen käsitys, että jos verkkosivujen sivulatauksista ja mainoskampanjoiden klikkauksista saadaan vähän statistiikkaa ja jokin raportti kerran kuussa, analytiikka on kunnossa.

Ehkä pieni tiivistelmä datan ja analyysin eroista on paikallaan.

 

Data

Analytiikka on muotia. Kuka tahansa, joka kerää verkkopalveluistaan mitä tahansa dataa, väittää siksi nykyään tarjoavansa analytiikkaa.

Analytiikka alkaa tietysti siitä, että kerätään raakadataa analysoitavaksi, mutta pelkkä datan kerääminen talteen ei ole analytiikkaa. Googlekin hämää kutsumalla datankeräystyökaluaan nimellä Google Analytics. Parempi nimi olisi vaikka Google Website Data Collector.

Datan laadun varmistaminen on jo sekin usein haastavaa. Esimerkiksi Google Analytics ei perusasetuksilla kerää kovinkaan yksityiskohtaista tietoa verkkosivuston tapahtumista. Analytiikkaprosessin kehittäminen alkaakin yleensä sillä, että analytiikkatyökalut sivuilla laitetaan kuntoon ja varmistetaan olennaisen datan kertyminen. Varsinaisesta verkkoanalytiikasta ei kuitenkaan vielä siinä vaiheessa ole kyse.

 

Raportti

Kun tallentuneesta datasta valitaan osa ja tehdään tiivistelmä, josta näkyy minkälaista dataa on kertynyt jonkun tietyn ajanjakson aikana, saadaan raportti. Raportteja on helppo tehdä ja tilata, siksi niitä tuotetaan nykyään paljon. Osa niistä on jopa hyödyllisiä.

Jokaisessa raportissa pitäisi olla mukana datan perusteella tehtyjä havaintoja, jatkokysymyksiä ja analyytikon suosituksia toimenpiteiksi, joilla tilannetta voitaisiin parantaa. Quru Blog.

Datan kerääminen ei ole verkkoanalyysiä. Kuvassa turhaa raportointia.

Esimerkiksi Google Analyticsiin rakennetut henkilökohtaiset dashboardit ovat monesti kätevä tapa poimia datasta kullekin käyttäjälle olennaiset ja kiinnostavat osat. Raporttien hyödyn kannalta on olennaista, että jokainen vastaanottaja saa itselleen olennaiset tiedot juuri itselleen sopivassa muodossa, oli se sitten oma analytiikkatyökalun näkymä, sähköposti tai liitetiedosto. Analyysiä ei kuitenkaan ole vielä sekään, että automaattisesti generoitu PDF putoaa kuukausittain sähköpostiin.

On surullista nähdä kuinka big data –hömpästä huumaantuneet firmat palkkaavat data scientistin toisensa jälkeen vain tuottamaan raportteja. Business-päätökset tehdään edelleen fiilispohjalta, mutta niiden tueksi pyydetään kaivamaan datasta sopivat luvut. Siitä on pitkä matka tiedon perusteella johdettuun firmaan.

 

Analyysi

Analyysi alkaa kun datassa huomataan muutoksia ja halutaan tietää, mistä muutos johtuu (toisinaan on kyllä hyvä esittää kysymyksiä myös silloin kun mikään ei muutu). Analyytikon työtä on ratkoa havaittuja ongelmia datan perusteella. Usein tehtävänä on vastata kysymykseen miksi.

Ja jos kukaan muu ei kysy, hyvä analyytikko kysyy itse. Jokaisessa kuukausiraportissa pitäisi olla mukana datan perusteella tehtyjä havaintoja, jatkokysymyksiä ja analyytikon suosituksia toimenpiteiksi, joilla tilannetta voitaisiin parantaa.

Kokonaan toinen asia on sitten datan perusteella ennustaminen. Siinäkin onnistutaan toisinaan, vaikka se onkin vielä huomattavasti vaikeampaa kuin asioiden syiden selvittäminen jälkikäteen. Yhteistä on, että jonkun pitää silloinkin esittää kysymyksiä, joihin halutaan vastauksia.

 

Action!

Paraskaan analyysi ei ole liiketoiminnan kannalta hyödyllistä, jos suositusten pohjalta ei tehdä mitään. Suuri osa analyytikon työstä onkin tulosten esittämistä, selittämistä ja jakamista.

Data scientist päätyy helposti raportointikoneeksi, jossei osaa kertoa työnsä tuloksista oikein. Analyysi pitää myydä. Se ei ole ihan helppoa.

Tulosten ympärille pitää rakentaa tarina, jolla saa budjetista vastaavat ymmärtämään, miksi muutoksiin pitää investoida. Olennainen pitää pystyä esittämään jo sähköpostin otsikossa. Excelit voi laittaa liitteeksi niille, joita kiinnostavat taustat ja yksityiskohdat.

Tiedon perusteella johdetussa yrityksessä jokainen raportti johtaa toimenpiteisiin ja analyysin tulokset parantavat myös liiketoiminnan tulosta.

Olisiko analyysin tuloksia ja ennusteita tarinoiden ja business-hyötyjen avulla yritysjohdolle myyvä data scientist titteliltään CAO, Chief Analytics Officer? Yhtään sellaista ei ole Suomessa vielä tullut vastaan. Sitä odotellessa: hyviä dataan perustuvia liiketoimintapäätöksiä kaikille. Action!