Relevanttia dataa tarvitaan lisää. Data on tätä päivää, ja sen pitää olla suurta, reaaliaikaista ja joka jumalan paikkaan integroituvaa. Selvä. Mutta mitä sillä datalla oikeasti pitäisi tehdä?

Epärelevanttia dataa visualisoituna: Eri kirjainten yleisyys tässä blogipostauksessa.

Epärelevanttia dataa visualisoituna: Eri kirjainten yleisyys tässä blogipostauksessa.

Moderni menestyvä yritys kerää dataa toiminnastaan ja asiakkaistaan, senhän me jo tiedämme. Mutta yhtä lailla tiedämme myös sen, että suurin osa maailman datasta on epäolennaista ongelmajätettä, eikä olennainenkaan data aina päädy käyttöön. Analyytikon dystopiassa ”seurantaa” varten pystytetty automaattiraportointi täyttää yritysten avainhenkilöiden sähköpostit, eikä kenelläkään ole aikaa edes avata pdf-liitteitä, tuloksiin perehtymisestä puhumattakaan. Data virtaa, mutta kukaan ei hyppää uimaan.

Jotta analyytikon painajainen ei kävisi toteen, on hyvä välillä pysähtyä miettimään, mihin kaikkeen dataa oikeasti tulisi käyttää liike-elämässä. Sitä minäkin viime viikolla pohdin kolmelta aamuyöllä syysflunssan katalysoimassa luovassa tilassa, ja onnistuin löytämään neljä toisistaan erilaista roolia datalle.

1. Data johtamisen välineenä

Tämä on se perinteinen tapa hyödyntää dataa. Dataa tarvitaan, koska oikein kerättynä ja tulkittuna se lisää tietoa ja auttaa päätöksenteossa. Keinot ja datan lähteet vaihtelevat kyselytutkimuksista web-analytiikan kautta julkiseen tilastointiin, mutta tavoite on pohjimmiltaan kaikissa sama: lisätä ymmärrystä aiheesta, jotta siihen liittyvät päätökset olisivat järkeviä. Data tarjoaa vastauksia esitettyihin kysymyksiin ja muokkaa käyttäjiensä käsitystä siitä, miten maailma makaa.

Kulttuurillisesti pirstaloituvassa maailmassa tätä dataa tarvitaan koko ajan enemmän. Samalla on kuitenkin muistettava, ettei pelkkä datan kerääminen riitä. Ennen datankeruuta on määriteltävä, mihin kysymyksiin tarkalleen ottaen datalta halutaan vastaus, ja kenen tehtävä on lopulta toimia tiedon perusteella. Jäsentelemättömien datamassojen pyörteisiin tiedetään hukkuneen laumoittain hyväkuntoisiakin päättäjiä.

2. Data automaation polttoaineena

Logistiikassa ja erilaisissa toiminnanohjausjärjestelmissä suureen datapankkiin pohjautuvaa automaatiota on kehitetty jo vuosikymmeniä, ja Internet of Things käy kuumana. Yhteistä kaikille automaatiojärjestelmille on se, että niissä dataa eivät käytä ihmiset, vaan toiset työkalut – toki käyttäjiensä luomilla ehdoilla.

Viime vuosina automaatio on kotiutunut myös markkinointiviestintään. Markkinoinnin automaatiolla tarkoitetaan laajasti ottaen sellaista markkinointia, jossa loppukäyttäjille kohdennetaan viestejä automatisoidusti sen mukaan, mikä toimii parhaiten – sama viesti kun ei puhuttele kaikkia. Järjestelmään sisään syötetyn datan laajuudesta riippuu, minkä muuttujien perusteella viestien sisältöä, tyyliä ja ajoitusta varioidaan, mutta tyypillisesti ainakin käyttäjän sosiodemografiset tekijät, mielenkiinnon kohteet ja aiemmat kontaktit mainostajaan vaikuttavat kokonaisuuteen. Mitä enemmän datalähteitä tässä onnistutaan yhdistämään toisiinsa, sitä parempi lopputulos on kaikkien kannalta. Mainostaja pystyy näin pienentämään hukkakontaktien määrää, ja loppukäyttäjän näkökulmasta roskan määrä vähenee.

3. Data luovan työn tukena

Ennen oli kaikki helpompaa: kun sivusto oli kerran tehty, siinä se seisoi muuttumattomana vuosia, kunnes joku tuore kehityspäällikkö otti asiakseen polkaista uuden projektin käyntiin. Nykyään on toisin.

Vaikka mikään data ei korvaa kuningasideaa ja oivaltavaa toteutusta, data on muuttanut monet luovat prosessit yksittäisten ponnistusten sijasta systemaattiseksi kehitystyöksi. Tätä on esimerkiksi sivuston elementtien tai kokonaisten sivujen A/B-testaus, eri digimainosversioiden testaaminen toisiaan vasten sekä täsmätargetointi silloin, kun viesti on rajattu tarkasti tietylle kohderyhmälle. Parhaaseen tulokseen johtanut versio voittaa. Tähän tietenkin tarvitaan täsmällisesti määritellyt tavoitteet ja luotettavaa dataa eri versioiden toimivuudesta. Mitä isomman yleisön sisältö tavoittaa, sitä suurempia voittoja voidaan saavuttaa pienilläkin muutoksilla.

4. Data osana luovaa ratkaisua

Data on kiva kaveri luovan työn taustalla, mutta toisinaan sen voi päästää myös pääosaan. Oikean paikallisen säätilan kuvaaminen graafisesti verkkosivun tai mainoksen taustalla on klassinen esimerkki kolmannen osapuolen datasta osana luovaa ratkaisua. Tällä kohtaa tietenkin vain mielikuvitus on rajana. Miten olisi klassisen musiikin visualisointi tai mestareilta taltioituihin kung fu -liikkeisiin perustuva grafiikka?

Lopulta tärkeintä ei ole datan määrä eikä aina edes kattavuus. Tärkeintä on datan relevanssi ja hyödyntäminen – se, ettei data jää vain meidän propellipäiden pöydille, vaan leviää sieltä ympäri organisaatioita ja eri yhteistyökumppaneita kaikkien tarvitsijoiden käyttöön. Ja siihen mekin Qurulla pyrimme. Onneksemme sekä luovan työn sankarit että markkinoinnin automaatiojärjestelmien osaajat löytyvät tätä nykyä Annankadulta Qurun kanssa samasta talosta.