Tiedolla johtamisen elementit

Hyvässä tiedolla johtamisessa sisäinen ja ulkoinen tieto elävät rinnakkain. Kuvassa on esimerkkejä tiedosta, jonka pohjalta tehdään tilanneanalyysi ja tarvittavat toimenpiteet. Päätöksenteon aikajänne voi ulottua nykyhetken tilanteesta ja sen kuvaamisesta pitkälle tulevaisuuteen.

Tiedon lähteitä ovat esimerkiksi markkinatieto ja omasta toiminnasta syntyvä tieto. Jälkimmäistä edustavat mm. strategia, tunnusluvut, tietojärjestelmät ja viestintäkanavat.

Markkinatieto voi liittyä yleiseen liiketoimintaympäristöön ja eri markkina-alueisiin, lainsäädäntöön, demografiaan, talouteen, politiikkaan ja sosiaalisiin tekijöihin. Toimialakohtainen tieto on esimerkiksi tilastoja, trendejä, katsauksia, kysyntä- ja tarjontatietoja ja suositusjärjestelmien tuottamia arvioita. Yrityskohtainen tieto liittyy esimerkiksi kilpailutilanteeseen ja kumppaniverkostoihin.

Dataa kertyy myynnistä, asiakkaista, verkkosivujen käytöstä ja kävijöistä, myynnin ja markkinoinnin toimenpiteistä, kilpailijoista, toimialasta yleisesti, taloustilanteesta sekä tulevaisuuden trendeistä.

Ollakseen laadukasta datan tulee olla ensinnäkin hyödynnettävissä. Tarvitaan pääsy, saatavuus, ja lainmukaiset edellytykset käsitellä tietoa. Datan on oltava myös validia ja neutraalia. Big datakaan ei ole objektiivista – kaikki tieto on altista vinoumille. Esimerkiksi Twitter on joissakin maissa ns. eliitin media, jonka kautta ei välttämättä tavoita suuren yleisön näkemystä (Isotalus ym. 2018).

Datan laatu on siis tärkeä tekijä, mutta niin on myös datan analysointi laadullisin menetelmin. Esimerkiksi yrityksen tai tapahtuman aikaansaama pöhinä sosiaalisessa mediassa ei itsessään kerro vielä mitään. Myös sen tarkempi luonne on selvitettävä. Ilmaisevatko ihmiset innostusta vai paheksuntaa? Voidaanko odottaa myyntipiikkiä vai onko mainekriisi jo oraalla?

Data ei johda itse itseään, eikä kaikki organisaation kannalta tärkeä tieto suinkaan ole näkyvässä muodossa. Viime kädessä johtaminen, organisaatiokulttuuri, inhimillinen tietämys ja yhteisön sosiaalinen pääoma määrittävät, miten tiedolla johtamisessa onnistutaan.

Erilaisia tieto-ongelmia ovat epävarmuus, monimutkaisuus, epäselvyys ja monitulkintaisuus (Jalonen 2014). Seuraavassa on esimerkkejä jokaisesta neljästä tieto-ongelman tyypistä. Havainnollisuuden vuoksi näkökulmana ovat pk-yritykset ja yrityksen arki.

Epävarmuus. Informaatiota puuttuu. Pienyrittäjä H. Halko myy klapeja. Hänellä ei ole verkkosivuja, koska hän uskoo vahvasti, että asiat hoidetaan puhelimitse ja kasvotusten. Potentiaaliset uudet ostajat ikäryhmässä 30-50 v etsivät tietoa ensisijaisesti Googlella ja valitsevat toimittajan, joka tarjoaa selkeät yhteys- ja hintatiedot. H. Halolta tämä yksityiskohta on mennyt ohi.

Monimutkaisuus. Yhteen kytkeytyvää informaatiota on runsaasti. T:mi Liina Spiru tarjoaa asiantuntijapalveluja, jotka keskittyvät hyvinvointiin ja ravitsemukseen. Tuore yrittäjä haluaisi profiloitua selkeämmin ja löytää kovassa kilpailussa ’oman juttunsa’. Häntä kiinnostaa erityisesti luonnonkasvien ja prosessoimattoman ruoan teho sairauksien ennaltaehkäisyssä, mutta tarvittava informaatio on hajallaan tieteellisissä lähteissä, kirjoissa, ammattilehdissä, verkkokeskusteluissa ja ravitsemusblogeissa ja siitä on vaikea saada kokonaiskuvaa.

Epäselvyys. Vaikeus tulkita ilmiöitä ja tapahtumia. Yrittäjä Usko Utelias osallistuu Etelä-Savon Digimaanikkojen järjestämään iltapäiväseminaariin, jossa hän kuulee, että perinteisten kanavien aika on ohi. Eräs saman alan yrittäjä toiselta puolelta Suomea puolitti sosiaalisen median avulla markkinointibudjettinsa ja lyhyessä ajassa kolminkertaisti liikevaihtonsa. U. Utelias ei tiedä, onko tämä relevanttia hänelle vai ei, ja missä kanavissa yrityksen yleensäkään pitäisi olla. Aikaa uuden opetteluun ei ole. Ylimalkainen nettihypetys aiheuttaa hänessä lähinnä ärsytystä ja ahdistusta.

Monitulkintaisuus. Ristiriitaisten tulkintojen runsaus. Vertaillessaan tuoreimpia tulostietoja E. Esimies huomaa, että aiemmin rajuja henkilöstövähennyksiä läpikäyneen tiimin vuositulos on parantunut merkittävästi. E. Esimies tulkitsee tilanteen niin, että vain parhaat kannattaa jättää. Loppuun ajetut ja työpaikkansa puolesta pelkäävät työntekijät suoriutuvat hetken aikaa erinomaisesti, kunnes eivät enää jaksa ja lasku lankeaa yrityksen maksettavaksi myöhemmin sairauspoissaoloina, -kuluina ja tuottavuuden laskuna.

Eräällä yrityksellä oli tapana pyytää jo poistuneilta asiakkailta palautetta, jonka avulla toimintaa voitaisiin kehittää. Kun analytiikkaan erikoistunut konsultti kuuli tästä, hän menetti yöunensa ja suositteli yritykselle tämän hedelmättömän puuhastelun sijaan ennakoivaa asiakaspoistuma-analyysia. Se aloitettiin tunnistamalla, millaiset tekijät todennäköisesti indikoisivat kasvanutta riskiä asiakassuhteen päättymiseen. Näistä tekijöistä seulottiin edelleen ne, joista yrityksen oli ylipäätään mahdollista saada tietoa. Nämä tietolähteet yhdistettiin ja yksinkertaisella sisällönanalysoinnin työkalulla poimittiin datasta avainsanoja, jotka toimivat triggereinä asiakaskohtaisille jatkotoimenpiteille. Näin yritys pystyi kohdentamaan houkuttelevan tarjouksen niille asiakkaille, jotka se muutoin oli vaarassa menettää.

Oheinen kuva havainnollistaa tiedolla johtamisen prosessia. Monista muista tiedolla johtamisen malleista poiketen siinä ei ole erillisenä vaiheena toimeenpanoa. Nyrkkisääntönä voidaan pitää seuraavaa: mitä enemmän monimutkaisuuteen tai monitulkintaisuuteen liittyviä tieto-ongelmia ilmiössä on, sitä tärkeämpää on viestiä koko prosessin ajan, eikä pyrkiä 'jalkauttamaan' valmista lopputulosta organisaatioon. Viimemainittu on mielekästä, jos alkuperäinen tieto-ongelma on epävarmuus eli informaation puuttuminen. Tiedä siis, millaisen tieto-ongelman kanssa olet tekemisissä!

Lopuksi, tiedolla johtamisesta voidaan tunnistaa neljänlaisia tavoitteita. Kuvaileva analyysi selvittää, mitä on tapahtunut. Esimerkeiksi sopivat myynti tietyssä segmentissä tai eniten näyttö- ja jakokertoja saaneet verkkosisällöt. Diagnosoiva analyysi tarkastelee, miksi jotain on tapahtunut. Edellistä esimerkkiä jatkaen voidaan laadullisia menetelmiä käyttäen arvioida, miksi A on myynyt tai kiinnostanut enemmän kuin B. Näissä molemmissa analyysin tyypeissä huomio kohdistuu jo tapahtuneeseen, tyypillisesti lähimenneisyyteen.

Ennakoiva analyysi pyrkii arvioimaan, mitä tulee tapahtumaan. Lopuksi, ohjaileva analyysi tuottaa suosituksia siitä, mitä asialle pitäisi tehdä. Näissä tapauksissa huomio on siis tulevaisuudessa. Esimerkkejä ennakoivasta analyysista ovat asiakaspoistuman ennakointi vs. kysytään palautetta jo poistuneilta asiakkailta, tai Google-haut jotka ennustavat työttömyyden kehitystä. Ohjailevaa analyysia voi olla esimerkiksi tietopoliittisen selonteon valmistelu, jossa asiantuntijalausuntojen perusteella laaditaan suositukset jatkotoimenpiteistä.