ARVOA PALVELUPROSESSIEN ANALYSOINNILLA

Transkriptio

1 ARVOA PALVELUPROSESSIEN ANALYSOINNILLA Työkalupäivät Ilkka Mikkonen Infotool Oy

2 Taustat

3 Ilkka Mikkonen Infotool - Toimitusjohtaja Konsultointia 25v Palveluiden ja tietotekniikan yhdistäjä Analytiikka, prosessit, palvelunhallinta Vapaaehtoistyö, partio, musiikki

4 Infotool Oy

5 Infotool Oy Yli 20 vuotta kokemusta Tietojohtamisen asiantuntijaorganisaatio Pohjoismaissa yli 900 asiakasta, 30 työntekijää ja yhteenlaskettu liikevaihto n. 10 milj. euroa Dimensional Insight Diver Solution iet Solutions EasyBI Tietojohtaminen.fi Digijohtaminen.fi

6

7 Data-analytiikka

8 Mitä analytiikka on? Analytiikassa tarkoituksena on luoda olemassa olevasta datamassasta uutta tietoa analytiikkaprosessin mukaisilla toimintatavoilla Analytiikka käyttää statistiikkaa datan louhinnassa, ja etsii sitä kautta datasta tietoa, jolla voidaan luoda liiketoiminnan tueksi ennusteita Kehittynyt analytiikka tarkoittaa erilaisten perinteistä analytiikkaa edistyksellisempien tekniikoiden hyödyntämistä ongelmien ratkaisemiseen ja vastauksien löytämiseen. Datojen liittäminen toisiinsa sekä datan louhinta ovat kehittyneen analytiikan perusta.

9 Mitä analytiikka on? Big data tarkoittaa valtavaa määrää dataa, jota saadaan kerättyä runsaista lähteistä ja hyödynnettyä tietokoneellisesti. Termiä big data käytetään, kun puhutaan datamääristä, jotka ovat tavallisille datan prosessointiin tarkoitetuille järjestelmille liian suuria. Big datan osa-alueet ovat volyymi, moninaisuus, nopeus, luotettavuus ja arvo Analytiikka ei ole pelkästään matemaattisten mallien käyttämistä analyysien tekemiseen. Analytiikka on prosessi, jonka avulla saadaan data muutettua analyysin ja syvemmän ymmärryksen kautta teoiksi.

10 Analytiikka 1.0 (-2008) Tietolähteet pieniä ja rakenteisia, lähteenä sisäiset järjestelmät Tieto talletettiin yrityksen omaan tietovarastoon ennen analysointia Suurin osa analysoinnista raportointia tai deskriptiivistä analyysiä Analysointimallien luonti eräajoina, vaatii pitkiä luontiaikoja Analyysi kilpailutekijänä harvinaista, analysointi puuttuu strategiasta

11 Analytiikka 2.0 (-2012) Tiedon online hyödyntäminen verkkoyhtiöissä (Google, Yahoo,, ebay ) Big data ja analytiikka laajeni sisäisestä päätöksenteon tuesta myös asiakasprosesseihin Big data analytiikka Suuren tietovirran käsittely vaati nopean tiedontalletuksen ja käsittelyn, suurella määrällä rinnakkaisia palvelimia Visuaalinen analysointi Copyright Infotool Oy 2015

12 Analytiikka 3.0 Useita ei tietotyyppejä tai niiden yhdistelmiä Teknologinen ja menetelmien kehittyminen (Hadoop ym.) Analytiikkaa sisällytetään operatiivisiin ja päätöksenteon prosesseihin vaikutuksen ja nopeuden Tietoanalyytikkojen määrän kasvu Preskriptiivisen analyysin alku Copyright Infotool Oy 2015

13 Analytiikan luokittelu Liiketoiminta-analytiikka Deskriptiivinen Prediktiivinen Preskriptiivinen Kysymys Mitä tapahtui? Mitä on tapahtumassa? Mitä tapahtuu? Miksi tapahtuu? Mitä tehdä? Miksi tehdä? Mahdollistaja Liiketoimintareportit Dashboards Scorecards Datawarehousing Data mining Text mining Web mining Ennuste Optimointi Simulointi Päätöksentekomallit Louhinta Vaikutus Määritellyt liiketoimintahaasteet ja mahdollisuudet Tarkat ennusteet tulevaisuuden tilasta ja ehdoista Parhaat mahdolliset liiketoimintapäätökset ja tapahtumat Delen and Demirkan (2012) Data, information and analytics as service

14 Data-analytiikan prosessi Data Kerääminen Louhinta Käsittely Analyysi Visualisointi Ennustava mallintaminen Optimointi Ymmärtäminen Mitä tapahtui? Mitä tulee tapahtumaan? Mitä pitäisi tapahtua? Toiminta Päivittäiset päätökset Prosessimuutokset Strategian muotoileminen

15 Datan louhinnan prosessi Ongelman määrittäminen Taustatiedon hankinta Datan valinta Datan valmistelu Analyysi Raportointi ja käyttäminen Copyright Infotool Oy 2015

16 Data-analytiikan nelikenttäanalyysi Vahvuudet Päätöksenteko Tehokkuus Oikeellisuus Kilpailukyvyn paraneminen Ennustaminen Innovointi Markkinointi Kustannusten aleneminen Analyysien tarkkuus Tulevaisuuden tapahtumat Reaaliaikaisuus Läpinäkyvyys Epäkohtien tunnistaminen Mahdollisuudet Laskentatoimen käytännöt Auditointi Pääoman suunnittelu Datan määrän kasvu Yli 35 tsetatavua vuoteen 2020 mennessä Automaatio Koneoppiminen Heikkoudet Osaaminen Markkinoilla pula osaajista Soveltaminen on haastavaa Halukkuus Johdon sitoutuminen Uuden vastustaminen Teknologia Tavalliset tietokoneet eivät riitttäviä Hajautettu suorittaminen Datan monimuotoisuus Rakenteettomuus Lähteiden paljous Uhat Data edellytyksenä menestymiselle Kilpailijat hyödyntävät tehokkaammin Turvallisuus Hakkerit kiinnostuneet Suorituskyky Pysyykö teknologian kehitys datan kasvun mukana Copyright Infotool Oy 2015

17 Missä nyt mennään?

18 Data Analysis

19 Työkalut

20 Menetelmiä ja tekniikoita Koneoppiminen Tiedon kuvaamisen sijasta uuden datan ennustaminen Tietokoneiden käyttö keskeneräisen tai likaisen tiedon analysointiin Mallidatan käyttö tai aikaisemmat kokemukset Modernien tilastoalgoritmien käyttö suurien tietomäärienkanssa Big data tekniikat ja ohjelmointikielet (Hadoop, Spark, R, Python)

21 Viisaus

22 Arvoketju

23

24 Analytiikka ja ITSM Esimerkki: etsitään tietoperäistä ymmärrystä muutosten vaikutuksesta palvelupisteen tapahtumamääriin Suunnittele ennustavamalli, joka voidaantoteuttabi-ympäristöön Mallin tarkoitus on tukea liiketoiminnan muutoshallintaa totuttamalla ohjelmistojulkaisut vähemmällä vaikutuksella palvelupisteen toimintaan tai palvelutasoihin

25 Analytiikka ja ITSM Kun muutoksilla ja palvelupisteen tapahtumamäärillä on korrelaatio, on mahdollista luoda ennustava malli Seuraus toimii myös toisinpäin. Jos voimme luoda ennustavan mallin, joka ennustaa luotettavasti muutostenvaikutusta palvelupisteen volyymiin niin näiden välillä on korrelaatio Tilastollisten menetelmien käyttö

26 Analytiikka ja ITSM

27 Kiitos! ARVOA PALVELUPROSESSIEN ANALYSOINNILLA