45 prosenttia työstä voitaisiin automatisoida nykyaikaisten teknologioiden avulla ja 80 prosenttia työstä on korvattavissa koneoppimisen kyvykkyyksillä. [1] Automaatio ja työntekijöiden roolien ja vastuiden muuttaminen vaikuttavat suuresti muutoksenhallintaan. Ihmisten ei tarvitse enää ratkoa arkisia tehtäviä, vaan ainoastaan vaikeimmat ja monimutkaisimmat ongelmat jäävät työntekijöiden vastuulle. Nykyään henkilöstön tärkein tehtävä on tukea uusien teknologioiden jatkuvaa kehitystä. [2]
Datapohjainen kulttuuri pohjautuu datan laatuun ja datan käsittelyn ymmärtämiseen. Organisaation on kyettävä luottamaan dataan. Pelkästään datan keräämisellä data lakesta ei pääse pitkälle. On myös pystyttävä siivoamaan kerätty data, rikastuttaa sitä, yhdistää muista lähteistä peräisin oleviin datoihin ja ymmärtää ne kaikki. Sen jälkeen analytiikka, ennusteet ja AI ovat hyödyllisiä ja tehokkaita.
Hyötyjä
Datapohjaiset organisaatiot kykenevät ymmärtämään monenlaisia rakenteita ja rakenteettomia datoja soveltaen näistä kerättyjä tietoja liiketoiminnan suunnitteluun, budjetointiin, ennustamiseen ja päätöksenteon tukemiseen. Organisaatiot voivat ennustaa tuloksia tehokkaammin ja simuloida vastauksia monenlaisiin käyttötapauksiin. Kilpailuetujen tunnistaminen helpottuu. Voidaan luoda hyödyllisiä dashboardeja onnistumisen mittaamiseksi ja sitä myöden myös kilpailuetujen tunnistaminen helpottuu. [3]
McKinseyn raportin mukaan asiakkaan analytiikkaa käyttävät tietopohjaiset organisaatiot ovat 23 kertaa todennäköisemmin parempia uusien asiakkaiden hankinnassa, 6 kertaa todennäköisemmin säilyttävät asiakkaansa ja 19 kertaa todennäköisemmin tekevät kannattavaa tulosta. [4]
Kulttuuri
Organisaatiokulttuurinmuutos voi olla vaikein tehtävä kohti tietopohjaista maailmaa. Jos olet aina käyttänyt "Gut-feelingiä" päätöksenteossa, on vaikeaa luottaa ainoastaan tietoihin.
Tässä on muutamia esimerkkejä urheilusta, miten kulttuurinmuutos voi olla vaikeaa. Wilt Chamberlain oli ehkä aikansa paras koripalloilija. Hänellä oli vain yksi heikkous - hän ei osannut heittää vapaaheittoja. Data osoitti, että vapaaheittojen heittämisellä alakautta oli paljon parempi onnistumisprosentti kuin yläkautta heitettynä. Wilt Chamberlain muutti tyyliään heittää vapaitaheittoja alakautta lyhyeksi aikaa menestyksekkäästi - ja sitten palasi takaisin perinteiseen tyyliin. Syy oli, että alakautta heittämistä kutsuttiin ”mummo-tyyliksi”. [5]
Toinen esimerkki on rangaistuspotku jalkapallossa. Pallon nopeus on noin 100 km/h, ja pallo kulkee vain noin 11 metriä, joten maalivahdin täytyy aavistaa, mihin liikkua pallon maaliin menemisen estämiseksi. Tutkimuksen mukaan paras paikka potkaista pallo on keskelle maalia, koska maalivahti seisoo paikallaan vain kaksi kertaa sadasta rangaistuspotkusta. Syy siihen, miksi pelaajat eivät potkaise palloa keskelle, on se, että pelaajat näyttäisivät niin hölmöiltä niillä muutamilla kerroilla kun maalivahti pysyy paikallaan.
Ja muuten, on 60% mahdollisuus voittaa rangaistuspotkukilpailu, jos joukkueesi saa aloittaa.
Viitteet
[1] McKinsey report: The age of analytics: Competing in a data-driven world (https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/the-age-of-analytics-competing-in-a-data-driven-world)
[2] McKinsey report: Getting big impact from big data (https://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/getting-big-impact-from-big-data)
[3] KPMG: Data-driven-business-transformation (https://assets.kpmg.com/content/dam/kpmg/ca/pdf/2017/01/data-driven-business-transformation-final.pdf)
[4] McKinsey report: Five facts how customer analytics boosts corporate performance (https://www.mckinsey.com/business-functions/marketing-and-sales/our-insights/five-facts-how-customer-analytics-boosts-corporate-performance)
[5] Malcolm Gladwell: The Big Man Can’t Shoot (Revisionist history podcast)
22.04.2024
