Asiakaslähtöinen analytiikkatuen arviointi

Abstract

Analytiikka on tärkeä osa organisaatioiden päivittäistä arkea ja dataa pyritään hyödyntämään erilaisten analyysien ja analytiikkatyökalujen avulla. Analytiikan tärkeyden takia sen elinkaarta on pyritty hallitsemaan erilaisin elinkaarimallien avuilla ja vaikka alalla on useita erilaisia malleja elinkaarien ymmärtämiseen, niin niiden käyttö on vaihtelevaa ja riippuu paljon kyseessä olevasta organisaatiosta. Elinkaarimallit keskittyvät myös pitkälti erilaisten analytiikkaratkaisujen kehittämiseen ja tuotantoon viennin jälkeistä tukemisen vaihetta kuvattu ja tutkittu kirjallisuudessa vähäisesti.

Tässä tutkimuksessa tutkittiin analytiikan tukemista analytiikan elinkaarimallin CRISP-DM:n (The Cross Industry Standard for Process for Data Mining) laajennettuun versioon pohjaten. CRISP-DM laajennettu versio sisältää viimeisessä vaiheessaan erilaisia analytiikan tukemiseen liittyviä tehtäviä, jotka toimivat tutkimuksen teoreettisena viitekehyksenä. Teorian pohjalta muodostettiin haastattelurunko, jonka avulla haastateltiin eri organisaatioiden analytiikan kokonaisvaltaisia asiantuntijoita ja kerättiin kokemuksia ja huomioita analytiikan elinkaaresta ja erityisesti sen tukemisesta. Haastattelujen lisäksi tutkimuksessa esitellään tarpeellisessa laajuudessa analytiikkaan, sen tukemiseen ja elinkaarimalleihin liittyvä teoria ja olemassa oleva tutkimus.

Haastatteluiden perusteella tunnistettiin erilaisia tukemisen malleja, tukemiseen liittyviä haasteita, analytiikkaratkaisujen ajankohtaisuuteen liittyviä huomioita ja haasteita. Haastatteluissa korostui se, että onnistuneen tuen toimittamiseksi analytiikkatiimien kommunikaatio liiketoiminnan kanssa oli tärkeää. Haasteiksi nostettiin analytiikan tekijöiden vaihtuvuus, analytiikkaratkaisujen suuri määrä, liiketoiminnan omistajuuden puute suhteessa analytiikkaratkaisuihin ja resurssien vähäisyys. Analytiikan paremmaksi tukemiseksi nostettiinkin esille liiketoiminnan syvempi sitoutuminen analytiikkaratkaisujen tukemiseen ja ylläpitämiseen. Analytiikan liiketoimintahyötyjen arviointi oli haastateltavien organisaatiossa alkeellista. Tulosten vertailu valittuun elinkaarimalliin (CRISP-DM) paljasti sen, että mallin tarjoamat tehtävät kohtasivat osittain haastateltavien todellisuuden kanssa, mutta osittain mallin tarjoama jäi ohueksi.

Analytics is an important part of organizations' daily routines, and data is sought to be utilized through various analyses and analytic tools. Due to the importance of analytics, its lifecycle has been managed with the help of various lifecycle models. Although there are several different models for understanding lifecycles in the field, their usage varies and depends heavily on the organization in question. Lifecycle models also focus largely on the development and support phase of the analytics has been described and studied to a limited extend in the literature.

This study investigated the support of analytics based on an extended version of the analytics lifecycle model CRISP-DM (The Cross Industry Standard for Process for Data Mining). The extended version of CRISP-DM includes various tasks related to supporting analytics in its final phase, which serve as the theoretical framework for the study. Based on the theory, an interview frame was formed, which was used to interview analytics experts from different organizations, collecting experiences and insights on the analytics lifecycle and specifically its support. In addition to the interviews, the study presents the necessary extent of theory and existing research related to analytics, its support, and lifecycle models.

Based on the interviews, various support models, challenges related to support, observations on the quality over time of analytics solutions, and challenges of relevance of analytics were identified. The interviews highlighted the importance of effective communication between analytics teams and the business for delivering successful support. Challenges included turnover of analytics personnel, a large number of analytics solutions, a lack of ownership of analytics solutions in relation to the business, and limited resources. To improve support for analytics, deeper commitment from the business in supporting and maintaining analytics solutions was emphasized. Assessment of the business benefits of analytics was rudimentary in the inter-viewed organizations. Comparing the results to the chosen lifecycle model (CRISP-DM) revealed that the tasks provided by the model partly aligned with the reality of the interviewees, but partly fell short.