Yritykset ja muut organisaatiot hyödyntävät digitalisaation tuomia mahdollisuuksia ja tavoittelevat tehokkuutta, parempaa asiakaskokemusta, uusia tuotteita ja palveluja, tai jopa täysin uutta liiketoimintaa. Monen yrityksen tavoite onkin luoda datasta uutta liiketoimintaa. Tällöin onnistumisen edellytyksenä onkin tarve- ja kyvykkyyslähtöinen digitalisaation systemaattinen johtaminen.
Entä voiko perinteisillä tai jopa huoltovarmuuskriittisillä toimialoilla tehdä datapohjaista liiketoimintaa? Eikö uudentyyppinen digitaalinen liiketoiminta ole vain diginatiiveja toimialoja varten?
Paras tapa edetä on tunnistaa oman yrityksen tai toimialan tarpeet ja lähteä siltä pohjalta kehittämään tuotteita tai palveluita. Jos meillä on ongelma tai tarve, miten saisimme sen ratkaistua? Olisiko sillä muutakin kysyntää toimialalla?
Esimerkkinä älykäs kunnossapito. Jos meillä on organisaatiossa tarve lyhentää asiakkaan sähkökatkoja ja parantaa sitä kautta asiakaskokemusta, niin todennäköisesti muut sähköverkkoyhtiöt painivat samojen haasteiden kanssa. Hyvä lähtökohta on pohtia, mitä dataa jo on. Entä mitä puuttuu ja pitäisi alkaa keräämään ja analysoimaan? Ei kannata kehittää datapohjaista tuotetta kammiossa ja olettaa asiakkaiden repivän sen käsistäsi, vaan kannattaa kehittää tuote yhdessä asiakkaan kanssa. Näin varmistutaan siitä, että tuotteella on kysyntää valmistuessaan.
Kyllä. Etenkin viimeisimpinä vuosina on puhuttu paljon datapohjaisesta liiketoiminnasta. Vaikka markkinoille syntyy koko ajan uusia yrityksiä, joilla digitalisaatio on sisäsyntyistä, on kuitenkin paljon perinteisiä toimialoja, joiden liiketoiminta liikkuu fyysisessä eikä virtuaalisessa ympäristössä. On tuotantolaitoksia ja logistiikkaa, sähköverkkoja ja voimalaitoksia, urakointia ja rakentamista. Näissä data syntyy fyysisessä ympäristössä ja olosuhteiden vaikutukset ovat merkittävät.
Tuuli, sade ja tuotantolinjat eivät ole virtuaalisia, vaan saattavat vaikuttaa toimintaan huomattavissakin määrin. Esimerkiksi voimalaitoksen polttoaine tai rakennustyömaan komponentit voivat olla tavanomaista kosteampia, millä voi olla vaikutusta tehokkuuteen tai läpimenoaikaan. Jos sataa paljon lunta, sillä on vaikutusta valokuva(data)n laatuun.
Olosuhteiden vaikutus voikin olla huomattava. Esimerkiksi sähköverkkojen älykkään kunnossapidon liiketoiminnassa on tarkoitus tuottaa sähköverkkoyhtiölle vikapaikkatieto uusin menetelmin. Tällöin voimme hyödyntää dronelennokkeja vianpaikannuksessa perinteisten helikopterimenetelmien sijaan. Dronelennokki ja siihen kiinnitettävä sensori toimivat kuvadatan tuottajana, joten ulkoiset olosuhteet ovat merkittävässä roolissa. Jos lunta sataa liikaa, kuvien laatu heikkenee, jolloin koneoppimisen menetelmin analysoitavat kuvat tarvitsevat käsittelyä ennen varsinaista analysointia. Myös valaistusolosuhteilla on väliä. Kaamosaikana ja kesällä kuvat näyttävät erilaisilta. Maassa oleva lumi heijastaa ikävästi.
Vaatii huomattavaa ammattitaitoa huomioida fyysiset olosuhteet, kun halutaan saada laadukasta dataa analytiikkaa varten. Studio-olosuhteissa kuvadatan laatu olisi riippumaton luonnonvoimista, mutta liiketoimintaa ei tehdä tyhjiössä vaan kentällä, jossa välillä sataa ja välillä tuulee. Joskus kameran linssitkin huurtuvat. Kuitenkin tiedostaen ja huomioiden ympäristön olosuhteet, myös perinteisemmät toimialat ovat täysin kykeneviä tekemään datapohjaista liiketoimintaa!