Keskustelu datasta ja tekoälystä kaipaa lisää konkretiaa 

Datan ja tekoälyn hyödyntäminen liiketoiminnan tukena kiinnostaa kaikkia, mutta turhan usein keskustelu jää irti tosielämästä. Hyötyjä ei synny vain teorisoimalla tai aihepiiriä mystifioimalla. Lähestymistä ja puhetapoja täytyy muuttaa.

Olen viettänyt viimeiset lähes neljä vuotta Futuricella auttamassa asiakkaitamme digitalisaatioon liittyvien strategisten haasteiden parissa ja tukemassa heitä parhaiden toimintamallien etsimisessä ja kehittämisessä. Satojen tapaamisten, pitkien puheluiden ja lounaskeskustelujen myötä on käynyt selväksi, että niitä haasteita todella riittää – karkeasti yhtä paljon kuin yrityksiäkin.

Vaikka organisaatioiden tarpeet ovat yksilöllisiä, massasta hahmottuu paljon yhdistäviä tekijöitä ja trendejä. Niistä yksi ylitse muiden on kasvava kiinnostus datan ja tekoälyn hyödyntämiseen. Eri toimialat etenevät tässä eri tahdissa, mutta suunta on niin selkeä, että 2020-lukua voi jo tässä vaiheessa kutsua tekoälyn vuosikymmeneksi.

Paljon puhetta, liian vähän asiaa

Olen ollut jo hyvän tovin kiinnostunut datasta ja tekoälystä erityisesti liiketoiminnan näkökulmasta. Aihepiiri selvästi kiinnostaa myös markkinoilla. Kirjallisuudesta, koulutuksista, webinaareista tai visionäärisistä puheenvuoroista ei ole pulaa.

Usein nämä lähteet lupailevat, että data ja tekoäly tuovat aivan uudenlaisia liiketoimintamalleja yritysten ulottuville. Vältän tässä yhteydessä kulunutta viittausta keisarin uusiin vaatteisiin, mutta todettava se on silti: harmillisesti lupauksille ei lähes koskaan löydy katetta edes sen vertaa, että eriteltäisiin millaisia nämä uudenlaiset liiketoimintamallit voisivat olla.

Käymieni keskustelujen perusteella monet päättäjät painivat tahoillaan samankaltaisten ongelmien parissa. Organisaatioilla ei useinkaan ole vaikeuksia kerätä suuria määriä uniikkia ja laadukasta dataa. Monessa tapauksessa tie kuitenkin nousee pystyyn, kun datasta yritetään saada irti liiketoiminnallista arvoa.

Konkretialla kohti tuloksia

Juuri näiden havaintojen innoittamana ryhdyin noin vuosi sitten syventymään datan ja tekoälyn liiketoiminnallisiin mahdollisuuksiin – erityisesti siihen, miten yritykset pystyvät hyödyntämään niitä ydinliiketoimintansa ja ansaintalogiikkansa uudistamisessa. Tämä selvitystyö on nyt pulkassa, ja sen myötä olen saanut valmiiksi uuden kirjani Growth Reinvented: Turn Your Data and Artificial Intelligence into Money.

Growth Reinventedin tehtävä on vastata juuri näihin usein avoimiksi jääviin kysymyksiin ja auttaa päättäjiä eteenpäin. Sen tärkein työkalu on perusteellinen käytännön pelikirja, joka tukee yrityksiä niiden tiellä kohti datavetoista bisnestä – aina oikean ambitiotason asettamisesta datan monetisointiin ja liiketoimintamallien kehittämiseen asti. Näkökulmaa syventävät lukuisat esimerkit oikeasta elämästä sekä kymmeniä yrityksiä kattava alkuperäistutkimus.

Kirjan ensimmäinen erä on saapunut juuri painosta ja se on myynnissä Amazonissa sekä sähköisenä että printtipainoksena. Kirjasta on saatavilla myös ilmainen digitaalinen tiivistelmä, joka pohjustaa varsinaisen teoksen laajempaa aihepiiriä.

Datalla ja tekoälyllä on paljon annettavaa liiketoiminnalle, mutta hyötyjen realisoiminen edellyttää konkretiaa, tosielämän esimerkkejä ja käytännönläheistä tekemistä. Ilman näitä muutos on vaarassa juuttua paikoilleen, ja riskinä on jäädä jalkoihin kansainvälisessä kilpailussa.

Valitse ambitiotaso oikein

Datan ja tekoälyn hyödyntämiseen on useita eri polkuja, joista kunkin organisaation on löydettävä itselleen sopivin. Kaikki lähtee liikkeelle oikean ambitiotason asettamisesta, jossa erilaisia etenemisvaihtoehtoja voi hahmottaa ainakin neljä:

1 Nykyisen liiketoiminnan kehittäminen
Matalimman ambitiotason ratkaisussa yritys voi esimerkiksi tuoda olemassa olevien tuotteiden tai palveluiden rinnalle dataa, joka auttaa asiakkaita ostopäätösten muodostamisessa tai toiminnan optimoinnissa, tai muodostaa saatavilla olevaan dataan perustuvia kumppanuuksia arvoketjun muiden yritysten kanssa.

2. Uuden liiketoimintamallin tuominen vanhan rinnalle
Astetta muutosvalmiimmat yritykset voivat ryhtyä rakentamaan olemassa olevan ydinbisneksensä rinnalle kokonaan uutta datavetoista liiketoimintapilaria, esimerkiksi liiketoiminnasta kertyvän datan ja siihen perustuvien palveluiden myymistä asiakkaille. Asiakaskunta säilyy pääpiirteittäin samana.

3. Uuden paikan hakeminen omasta arvoketjusta
Liiketoiminnan perusteellisempi uudistaminen edellyttää oman organisaation uudelleenasemointia – vaikkapa siirtymää laitevalmistajasta palveluntuottajaksi, tai keskittymistä uusiin dataan ja algoritmeihin perustuviin tuotteisiin. Asiakkaiksi saattavatkin päätyä myös entiset kilpailijat ja uusiksi kilpakumppaneiksi nousta aivan uudet yritykset oman arvoketjun sisältä.

4. Loikka uuteen arvoketjuun tai uudelle toimialalle
Radikaaleimmassa muutoksessa uutta dataan perustuvaa liiketoimintaa rakennetaan kokonaan nykyisen arvoketjun (ja oman mukavuusalueen) ulkopuolelle. Autovalmistajien tapauksessa tämä voisi tarkoittaa esimerkiksi omaa vakuutustoimintaa tai teleoperaattoreille pankkipalveluita. Avainasemassa on läpikotainen asiakasymmärrys aikaisemman liiketoiminnan pohjalta.

Tule kuulemaan aiheesta lisää! Futurice on mukana Data Business Forum -tapahtumassa 10.12. Tutustu puheenvuoron aiheeseen täällä  ja ilmoittaudu mukaan tästä.