Sosiaalisesta mediasta dataa innovaatiotoiminnan ymmärtämiseen ja mittaamiseen

Transkriptio

1 No. 2/2012 Sosiaalisesta mediasta dataa innovaatiotoiminnan ymmärtämiseen ja mittaamiseen Miten innovaatiotoimintaa voisi laaja-alaisemmin ja ajantasaisemmin seurata ja mitata? Mitä uusia mahdollisuuksia sosiaalinen media tuo innovaatiotoiminnan mittaamiseen? Tekesille ja muille julkisille toimijoille tukea ekosysteemiseen toimintaan Hankkeen nimi: Innovaatiotutkimus Social media supported indicators for monitoring and evaluating user driven innovation Tekijät: Kaisa Still Jukka Huhtamäki Martha G. Russell Kaisa Koskela-Huotari Minna Isomursu Seppo Pohjolainen Innovaatiotoimintaa on kyettävä seuraamaan ja mittaamaan, jotta hyötyjä ja panostuksia voidaan arvioida ja kohdentaa entistä tarkemmin. OECD ja muut innovaatiopolitiikan toimijat ovatkin etsineet kehittämiensä perinteisten ja yleisten innovaatiomittareiden ja niihin liittyvien ohjeistusten (esim. Oslo Manual) rinnalle ns. blue sky -indikaattoreita, jotka ottaisivat paremmin huomioon innovaatiotoiminnan kehittämisen, syvällisemmän ymmärtämisen ja toiminnan kysyntä- ja käyttäjälähtöisen luonteen. Tässä eksploratiivisessa tutkimuksessa on tarkasteltu sosiaalisen median hyödyntämistä innovaatiotoiminnan havainnoinnissa ja mittaamisessa. Sosiaalinen media on tietoverkkoja ja tietotekniikkaa hyödyntävä viestinnän muoto, jossa käsitellään vuorovaikutteisesti ja käyttäjälähtöisesti tuotettua sisältöä ja luodaan ja ylläpidetään ihmisten välisiä suhteita. Yksittäiset ihmiset ja yritykset tuottavat kasvavassa määrin tietoa ja kommunikoivat keskenään yhteisöllisesti. Seuraamalla sosiaalista mediaa saadaan tietoa paitsi siitä mistä keskustellaan, myös kuka keskustelee, milloin ja kenen kanssa. Sosiaalinen media mahdollistaa innovaatiotoiminnassa yhteiskehittelyn ja joukkoistamisen ja se toimii siten keinona hyödyntää yritysten ulkopuolisia tahoja uusina resursseina. Sosiaalisesta mediasta kerätyn tiedon pohjalta on mahdollista tuottaa uutta ymmärrystä innovaatiotoimijoiden yhteistoiminnasta. Sosiaalinen media voidaankin nähdä uutena lähteenä ajantasaisen ja rikkaan tiedon keräämiseen innovaatiotoiminnasta ja sen eri sidosryhmistä. Tutkimuksen tuloksena voidaan yleisesti sanoa, että innovaatiotoimijat voivat saada hyötyjä sosiaalisesta mediasta olemalla mukana keskustelussa ja käyttämällä siitä saatavia suuriakin tietomääriä hyödyntäviä analytiikkavälineitä tarjoamaan takaisinkytkentää toiminnan ohjaamiseen, jaetun ymmärryksen kehittämiseen ja päätöksenteon tukemiseen. Erityislisäarvoa innovaatiotoiminnan ymmärtämiseen, johtamiseen ja kehittämiseen nähdään saatavan indikaattoreiden eli osoittimien yhteisesittämisellä ja havainnollistamalla innovaatiotoiminnan verkottumista, ja innovaatioekosysteemin kehittymistä. Tuotetut indikaattorit ja visualisoinnit tuovat kuitenkin esiin vain osan innovaatiotoiminnan kompleksisuudesta, minkä takia mittaamisen ja seuraamisen haasteet jatkuvat kaikilla innovaatiotoiminnan tasoilla. Innovaatiopolitiikalla voidaan pyrkiä vaikuttamaan innovaatiotoimijoista saatavilla olevan sosiaalisen median ja yhteisöllisesti tuotetun tiedon määrään ja laatuun. Innovaatiotoiminnan ekosysteeminen luonne edellyttää innovaatiotoimijoilta entistäkin systemaattisempaa otetta sekä olemassa olevan tiedon keräämiseen ja hyödyntämiseen että uuden tiedon tuottamiseen ekosysteemin toimijoiden tueksi. Asia on Tekesille ajankohtainen ja merkityksellinen sen pyrkimyksissä kehittää ja tukea suomalaisen innovaatioekosysteemin kehitystä ja monipuolistumista. Tekesin strateginen tieto -yksikkö rahoittaa innovaatioympäristöä palvelevaa tutkimusta teemakohtaisilla hauilla.

2 Johdanto Innovaatiotoiminta tapahtuu enää harvoin yhden organisaation sisällä. Innovaatiotoiminnan seuraaminen ja mittaaminen on haasteellista. Sosiaalinen media tarjoaa uuden monipuolisen ja ajantasaisen tiedonlähteen innovaatiotoiminnan ymmärtämiseen. Innovaatiotoiminnan mittaamisella tavoitellaan innovaation parempaa ymmärtämistä ja vertailtavuutta sekä yli ajan että erilaisten tarkasteluyksiköiden (esimerkiksi maat, alueet tai yritykset) välillä. Mittaaminen on muuttunut sitä mukaa kun käsityksemme innovaatiosta on kehittynyt: nykyään innovaatiotoiminta ymmärretään laaja-alaisesti, sillä puhutaan tuoteinnovaatioiden lisäksi palvelu- ja prosessi-innovaatioista, ja toimijoina eivät ole enää ainoastaan yhden organisaation tuotekehittäjät. Uudet teoreettiset ja globaalisti hyödynnettävät innovaatiotoiminnan näkökulmat painottavat kysyntä- ja käyttäjälähtöisyyttä, avointa innovaatiota, innovaatioverkostoja ja ekosysteemejä, yhteiskehittelyä (co-creation) ja arvonluontia. Perinteiset innovaatiotoiminnan indikaattorit (tuotekehityksen kustannukset tai tuotekehityksen henkilömäärä, patenttien määrä) ovat saaneet rinnalleen pehmeämpiä mittareita (laatu, asiakastyytyväisyys). Mittaaminen ei ole useinkaan perustunut yhteen ainoaan mittariin, vaan yritysten ja innovaatiopolitiikan päätöksentekijät ovat käyttäneet useaa mittaria. Yksi mittaristoista on EU innovation scorecard. Mittaamista ja sen tietolähteitä kuitenkin kritisoidaan, kyselyitä pidetään hitaina, talousraportointia puutteellisena ja lähteiden ei nähdä kertovan innovaatiotoiminnan moninaisuudesta, yhteistoiminnasta ja aineettomuudesta. Koska panostukset innovaatiotoimintaan ovat kuitenkin merkittävät ja niiden tuottamia vaikutuksia ja hyötyjä tulisi pystyä arvioimaan, uudenlaisille mittareille on suuri tarve. Uusien innovaatioindikaattoreiden kehittämistä helpottaa se, että ajan tasalla olevaa tietoa innovaatiotoimijoista on saatavilla yritysten ja innovaatiopolitiikan tekijöiden omien tietovarantojen lisäksi useista tietolähteistä. Osa näistä on maksullisia (esimerkiksi Thomson Reutersin globaaleihin rahoitustransaktioihin perustuva SDC-data) ja osa ilmaisia, lähinnä web-pohjaisia (esimerkiksi yritysten verkkosivut ja sosiaalinen media). Yksi tutkimuksen keskeisistä ajatuksista onkin se, että sosiaalista mediaa voidaan käyttää uutena innovaatiotutkimuksen tietolähteenä. Innovaatiot eivät tapahdu tyhjiössä, vaan innovaatiotoimijat jakavat tietoa, keskustelevat ja kommunikoivat innovaatiotoimintaan ja -prosesseihin liittyvistä tarpeista, kokemuksista ja mielipiteistä myös sosiaalisessa mediassa. Muodostuva kollektiivinen tieto ei ole ns. virallista tietoa, vaan sisältää ihmisten mielipiteitä ja painotuksia. Kuitenkin on todettu, että esimerkiksi Wikipedian tiedon oikeellisuus on samaa luokkaa tietosanakirjan kanssa, ja tiedon määrällä sekä tietoa jakelevan ja siitä keskustelevan toimijaverkoston rakennetta tutkimalla ja esittämällä voidaan tukea yksittäisten tiedonpalasten puolueellisuuden arviointia. Näitä tietoja ei ole helposti saatavilla muista yksittäisistä tai virallisista tietolähteistä. Sosiaalisen median etuja ovat sen tuottaman tiedon määrä, monipuolisuus, globaalisuus ja ajantasaisuus. Lisäksi saataville tulee jatkuvasti parempaa teknologiaa kaiken tämän tiedon etsimiseen, kokoamiseen, nopeaan käsittelyyn ja esittämiseen. Nykyaikaiset, usein vuorovaikutteiset visualisointiratkaisut tukevat ymmärryksen kehittymistä. Kaikkea innovaatiotoiminnan dataa ei kuitenkaan löydy sosiaalisesta mediasta eikä uusien lähestymistapojen voida olettaa vastaavaan kaikkiin mittaamisen haasteisiin.

3 Aineisto Perinteisen sosiaalinen median esimerkkejä: Yhteisöllisesti tuotetun tiedon esimerkkejä: Sosiaalinen media tässä tutkimuksessa kattaa ns. perinteisen sosiaalisen median (LinkedIn, Twitter, Facebook), yhteisöllisesti tuotetun tiedon (Wikipedia, Arctic StartUp,TechCruch Crunchbase, AngelList) ja eri palvelujen käytöstä kertyvän lokidatan. Tutkimuksessa on keskitytty olemassa olevaan, luonnollisesti kertyvään tietoon. Valitsemistamme esimerkeistä löytyykin ajantasaista, joskin usein pirstaleista, tietoa yrityksistä, asiakkaista, toimittajista, johtoryhmistä, työntekijöistä, ja toimijoiden välisistä suhteista: siitä mistä puhutaan ja ketkä puhuvat. Tärkeä datalähde innovaatioekosysteemiä tarkastelevissa tutkimustapauksissa on ollut hankkeen tutkimuskumppanin Innovation Ecosystems Networkin ( koostama ja ylläpitämä IEN-data (IEN Dataset) (kuva 1). Se kokoaa tietoja varsinkin Aineisto kasvuyritysten toimijoista (yrityksissä mukana olevat henkilöt, virstanpylväät, rahoittajat, ja rahoituskierrokset); tietoja joiden koostaminen erilaisiin tilastoihin saattaa viedä jopa vuosia ja jotka tämänkin jälkeen ovat vain rajoitetusti saatavilla. Kuva 1. Prosessi IEN-datan koostamiseksi Tulokset Sosiaalisen median vuorovaikutuksellisuus mahdollistaa uusia innovaatiotoiminnan osoittimia Sosiaalisen median teho perustuu suurelta osin nimenomaan monien toimijoiden väliseen vuorovaikutukseen ja dialogiin sekä mielenkiintoisen sisällön yhteistuottamiseen. Tutkimuksen tuloksena voidaan yleisesti sanoa, että hyöty sosiaalisesta mediasta saadaan kun ollaan mukana keskustelussa ja käytetään siitä saatavien isojenkin tietomäärien analytiikkavälineitä tarjoamassa takaisinkytkentää toiminnan ohjaamisen, jaetun ymmärryksen kehittämiseen päätöksenteon tukemiseen. Erityislisäarvoa innovaatiotoiminnan ymmärtämiseen, johtamiseen ja kehittämiseen nähdään saatavan (1) indikaattoreiden eli osoittimien yhteisesittämisellä, esimerkiksi niiden vertailulla aikajanalla tai maantieteellisesti, ja (2) verkottuneen innovaatiotoiminnan esiintuomisella: verkostovisualisoinnit esittävät innovaatiotoiminnan tai sen sisällön rakenteita, toimijoiden rooleja ja suhteita.

4 Tutkimuksen tuloksina syntyneet osoittimet (kuva 2) voidaan nähdä ns. blue skymittareina, jotka poikkeavat perinteisistä innovaatiomittareista. Nämä parhaimmillaan vuorovaikutteiset visualisoinnit avautuvat parhaiten kontekstisidonnaisesti, mikä vaatii aktiivista tulkintaprosessiin osallistumista innovaatiotoimijoilta samoin kuin tietenkin visualisointien selkeyttä ja niiden tuottamiseen käytettyjen prosessien läpinäkyvyyttä. Kuva 2. Esimerkkejä hankkeen tuloksista (eri toimijat tai sisällöt esitetään erivärisinä pisteinä, joiden välillä olevat viivat esittävät olemassa olevia suhteita sisällön seuraamisen, sisällön rakenteen, työpaikan tai rahoituksen kautta) Ylhäällä vasemmalla: Tekesin YIC-ohjelman yrityksiä Twitterissä seuraavat käyttäjät Ylhäällä oikealla: Otos CeBIT messuihin liittyvien twiittien häshtägien (aihetunnus, hashtag) yhteyksiä (Twitter) Keskellä vasemmalla: EIT ICT Labsin kuuteen solmuun liittyviä innovaatiotoimijoita ja heidän yhteyksiään (IEN-data) Keskellä oikealla: Tekesin YIC-ohjelmaan liittyvien innovaatiotoimijoita ja heidän yhteyksiään (IEN-data) Alhaalla: VTT:n kehittämän Multimedia Enhanced Learning (MEL) palvelun kehitysprosessin analytiikkaa aikajanalla (MEL-data, muu data) Yksittäisen palvelun näkökulmasta sosiaalisen median innovaatioindikaattorit vastaavat monelta osin sosiaalisen median analytiikassa ja web-analytiikassa käytettyjä mittareita. Voidaan esimerkiksi tarkastella mitä palvelusta tai sen aihepiiristä puhutaan esimerkiksi Twitterissä tai Facebookissa tai miten paljon seuraajia tai "faneja" palvelu kerää. Lisäksi voidaan seurata palvelun käyttäjämäärän kehitystä, liikenteen lähteitä, palveluun tullessa käytettyjä hakusanoja ja käyttäjien toimintaa palvelussa muun muassa lean startup - ajattelussa sovellettavalla tavalla.

5 Suoraviivaisimmin analysoitavissa oleva sosiaalisen median palvelu on Twitter. Sen välityksellä tapahtuvasta viestinnästä voidaan kerätä tiettyyn yritykseen, tuotteeseen, toimialaan tai muuhun kiinnostuksen kohteeseen liittyvät twiitit. Voidaan katsoa, mistä keskustellaan, ketkä keskustelevat, kenen esittämät näkökannat ovat erityisen suosittuja, ketkä seuraavat ja niin edelleen. Tekesin Nuoret innovatiiviset yritykset (YIC) -ohjelmasta rahoitusta saaneet yritykset ja näitä seuraavien Twitter-käyttäjien verkostovisualisointi mahdollistaa yritysten välisten yhteyksien tarkastelun: yritykset asettuvat vierekkäin kun niillä on paljon yhteisiä seuraajia. Verkostosta voidaan myös poimia toimijoita, jotka seuraavat useita yrityksiä tai toimivat keskeisinä kytkijöinä yritysten välillä. Vuosittaiseen CeBIT-messutapahtumaan liittyviin twiitteihin lisätyistä häshtägeistä (aihetunniste, hashtag) ja niiden yhteyksistä voidaan nostaa esiin kiinnostavaa sisältöä ja verkosto näyttää missä asiayhteyksissä eri käsitteet esiintyvät. Yhteys kahden häshtägin eli toisiinsa liittyvien käsitteiden (sanojen) välille on muodostettu jos ne ovat esiintyneet samassa twiitissä. Yhteys on sitä voimakkaampi mitä useammin häshtägejä on käytetty yhdessä. Myös yhteisesti tuotettuja sisältöjä on mahdollista analysoida. Innovaatioekosysteemien ymmärtämisen tukena ja kuvaamisessa olemme käyttäneet IEN dataa: EIT ICT Labsin verkostokuvauksen avulla on mahdollista etsiä ihmisiä ja yrityksiä jotka jo toimivat eurooppalaisella tasolla mutta eivät vielä ole mukana EIT ICT Labsin toiminnassa. Vuosittain toistettuna analyysiä voidaan myös käyttää arvioitaessa EIT ICT Labsin toiminnan vaikuttavuutta; syy-seuraussuhteiden selvittäminen on tietenkin tässäkin haastavaa. Tekesin Nuoret innovatiiviset yritykset (YIC) -ohjelman verkoston perusteella on mahdollista tarkastella tämän innovaatioekosysteemin avainhenkilöitä ja tärkeimpiä riskirahoittajia. Nämä tiedot ovat kiinnostavia sekä yksittäisten yritysten että yrityksiä tukevien organisaatioiden näkökulmasta. Sosiaalisesta mediasta saatavan tiedon jalostaminen innovaatiopäätösten ja politiikan avuksi on vielä teknisesti haastavaa Sosiaalisen median ja yhteisöllisesti tuotetun, usein pirstaleisen tiedon laaja-alainen kerääminen, analysoiminen ja näkyväksi tekeminen päätöksentekoa varten on kuitenkin haastavaa. Muodostuva raakadata vaatii jatkoprosessointia (kuratointia ja validointia) varsinaisessa analyysissä käytettävän otoksen muodostamiseen, jotta analyysivaiheessa voidaan käyttää rinnan erilaisia menetelmiä, sosiaalisen median analytiikkaa, webin käytön analytiikkaa ja/tai verkostoanalyysimenetelmiä (työkaluina mm. Python, Mongo DB, Twitter API, Facebook Graph API, avoimen lähdekoodin komponentit). Analyysitulosten esittäminen tapahtuu ilmaisuvoimaisimmin erilaisten visualisointien kuten verkostojen, aikajanojen ja sana- tai tägipilvien kautta (työvälineinä mm. Gephi, Highcharts, NodeXL, ja gexf.js). Tutkimuksen tulokset tukevat tätä informaation visualisoinnin mallia, mutta valitettavasti eri menetelmien ja tietolähteiden saumaton yhdistäminen vaatii vielä usein erityisosaamista ja räätälöityjä ohjelmistokomponentteja. Yksittäisten sosiaalisen median palvelujen, esimerkiksi Twitterin ja Facebookin analytiikkatoiminnoista tai palvelun lokidatasta saatavien käyttötietojen analysointi vaikkapa Google Analyticsin, Hootsuiten, Meltwater Buzzin tuella on suoraviivaisempaa, mutta tulokset eivät ole yhtä yksityiskohtaisia.

6 Innovaatiopolitiikan haasteet Politiikantekijöiden on annettava uudenlaisille ns. blue-sky -indikaattoreille mahdollisuuksia Uudenlaiset mittarit ja lähestymistavat voivat tukea kilpailukyvyn ja toimivien ekosysteemien kehitystä. Sosiaalinen media tarjoaa uusia mahdollisuuksia niin kehittää kuin havainnoida ja mitata innovaatiotoimintaa. Kuitenkin: Sosiaalinen media mielletään usein viestinnän välineenä ja sen laajempaa käyttöä vasta harjoitellaan yhteistoiminnassa ja joukkoistamisessa ei vielä nähdä sieltä saatavan ajantasaisen, joskin pirstaleisen ja värittyneen tiedon mahdollisuuksia innovaatiotoiminnan ymmärtämisen edistämisessä. Lähestymistapamme mukaiset kontekstisidonnaiset blue-sky -indikaattorit ovat haasteellisia, koska niiden tuottamat näkymät ulottuvat yli yksittäisten yritysten ja tukiorganisaatioiden rajojen. Lisähaasteen muodostaa se, että visualisointien tapauksessa vertailu on yksittäisiä lukuarvoja vaikeampaa. Toimenpide-ehdotukset Innovaatiopolitiikalla voidaan vaikuttaa saatavilla olevaan sosiaalisen median laatuun ja määrään, ja uusien ekosysteemisten näkemysten käyttöönottoon ja verkottumisen korostamiseen. Koska innovaatiotoiminta on entistä monimutkaisempaa ja syklistä, verkottumisen ja yhdessä toimimisen korostaminen ja tukeminen on tärkeää. Lisäksi: Sosiaalisesta mediasta saatavilla olevan datan hyödyntämismahdollisuuksiin voidaan vaikuttaa tuottamalla aktiivisesti tietoja yhteisöllisesti rakentuviin tietolähteisiin. Esimerkkejä tiedon laadun ja määrän parantamisesta ovat kasvuyritysten aktiivisempi osallistuminen sosiaaliseen mediaan (joka mahdollistaa tietojen päätymistä parempaan kansainväliseen tietoisuuteen), ja sosiaalisen median käyttö rajapintana asiakkaiden osallistumiseen tuotekehityksessä (mikä antaa arvokasta, ajanmukaista ja kohdennettua asiakastietoa). Julkiset toimijat voivat tukea uusien mittaamisen, seurannan ja ymmärtämisen prosessien käyttöönottoa ja hyödyntämistä. Pelkästään yksittäisten toimijoiden ja innovaatiotoiminnan tarkastelu ei enää riitä, vaan myös eri toimijoiden yhteistoiminta, ekosysteemin rakenne, roolit ja toimijoiden suhteet antavat uusia näkökulmia tukemaan yksittäisen toimijan ja koko ekosysteemin kehittämistä. Lisää tutkimusta tarvitaan: Sosiaalinen media on tietenkin vain yksi tietolähde muiden joukossa. Parhaassa tapauksessa eri tietolähteistä tulevaa dataa voidaan yhdistellä tavoin jotka tukevat vastaamista keskeisiin innovaatiotoimintaan liittyviin kysymyksiin. Verkostovisualisoinnit ja muut visuaaliset indikaattorit poikkeavat perinteisistä tavoista esittää innovaatiomittauksen tuloksia ja tarvitsevat siksi tuekseen uudenlaisia prosesseja jotta niitä voidaan käyttää osana päätöksentekoa ja johtamista. Sosiaalisen median datan hyödyntäminen vaatii tuekseen joustavia välineitä tiedon keräämiseen, jalostamiseen ja esittämiseen. Suuri osa nykyisistä välineistä edellyttää edelleen monipuolista teknistä osaamista. Innovaatiotoimijat tarvitsevat tuekseen uudenlaisia analyysipalveluita.

7 Tarkempi lukeminen Still, K., Russell, M. G., Huhtamäki, J. & Turpeinen, M Explaining innovation with indicators of mobility and networks: insights into central innovation nodes in Europe. Proceedings of Triple Helix IX Conference, July 2011, Stanford University. Luettavissa: Yu, C., Russell, M. G., Still, K., Rubens, N., Huhtamäki, J. & Pöchko, J Social Media, Reputation and Branding of Innovation Hubs: A Periscope Using Content Analysis of Twitter. Proceedings of Triple Helix IX Conference, July 2011, Stanford. Luettavissa: of%20innovation%20hubs.pdf Huhtamäki, J., Russell, M. G., Still, K. & Rubens, N Business Angels and Investment Organizations as Networked Co-creators in the Finnish Innovation Ecosystem. Proceedings of Triple Helix IX Conference, July 2011, Stanford. Luettavissa: Still, K., Huhtamäki, J., Isomursu, M., Lahti, J., & Koskela-Huotari, K. (2012). Analytics of the impact of user involvement in the innovation process and its outcomes. Case study: Media- Enhanced Learning (MEL) service. Presented at the 4th World Conference on Educational Sciences, February 02-05, 2012, Barcelona, Spain. Published in Procedia Social and Behavioral Sciences, Luettavissa: Still, K., Huhtamäki, J., Russell, M. G. & Rubens, N Transforming Innovation Ecosystems Through Network Orchestration: Case EIT ICT Labs. Proceedings of the XXIII ISPIM Conference Action for Innovation: Innovating from Experience, June 17-20, 2012, Barcelona, Spain. Huhtamäki, J., Still, K., Isomursu, M., Russell, M. G. & Rubens, N Networks of Growth: Case Young Innovative Companies in Finland. Proceedings of the 7th European Conference on Innovation and Entrepreneurship, September 20-21, 2012, Santarem, Portugal. Basole, R. C., Russell, M. G., Huhtamäki, J., & Rubens, N. (2012). Understanding Mobile Ecosystem Dynamics: a Data-Driven Approach. Proceedings of the 11th International Conference on Mobile Business, June 21-22, 2012, Delft, Netherlands.