Datan merkitys liiketoiminnassa kasvaa jatkuvasti. Yrityksillä on valtava potentiaali hyödyntää dataa liiketoiminnan kehittämisessä ja kilpailukyvyn kasvattamisessa. Ilman selkeää liiketoimintatarvetta, strategista näkökulmaa ja johtamista data- ja tekoälyprojektit voivat kuitenkin muuttua kalliiksi virheiksi. Miten yrityksissä voidaan varmistaa, että data- ja tekoälyratkaisut todella palvelevat liiketoimintaa ja niiden toteutus onnistuu? Mitä tämä vaatii ja millaista osaamista tarvitaan tukemaan tätä muutosta? 

Data- ja tekoälyhankkeiden tulisi nousta yritysten aidoista tarpeista

Data mahdollistaa yrityksille laadukkaammat päätökset ja uusia liiketoimintamahdollisuuksia, mutta sen hyödyntämisen on lähdettävä yrityksen tarpeista ja strategisista tavoitteista, ei pelkästään datan tarjoamista mahdollisuuksista. Hanke ei siis saa olla itseisarvo, vaan sen on oltava väline konkreettisten liiketoimintatavoitteiden saavuttamiseksi.  

On myös tärkeää panostaa hankkeen ja sen menestyksen mittaamiseen. Vaikka suomalaiset yrityspäättäjät suhtautuvat generatiiviseen tekoälyyn optimistisesti ja tunnistavat sen potentiaalin, jäämme jälkeen muista Pohjoismaista tekoälyn käytön ja liiketoimintahyötyjen johdonmukaisessa mittaamisessa eli tekoälyjohtamisessa. Data- ja tekoälyhankkeiden hyötyjen mittaaminen tulisi olla jokaisen CTO:n ja yrityksen johtoryhmän agendalla.

Keskity satoon, älä tyydy alhaalla roikkuviin hedelmiin

Usein teknologisen hypen myötä yrityksen johtoryhmätasolla nousee kiire tehdä jotain esim. tekoälyyn liittyen. Data- ja tekoälyhälyn keskellä on kuitenkin tärkeää pitää jalat maassa ja lähteä liikkeelle liiketoimintatarpeista. Hankkeen suunnittelussa on hyvä aloittaa peruskysymyksillä, kuten: 

Jos hankkeen tavoite tai saavutettava tuotos osoittautuu liian pieneksi, hanke on hyvä lopettaa aikaisessa vaiheessa sen sijaan, että se kuluttaisi yrityksen resursseja. Vaikka pienemmät data- ja tekoälyhankkeet voivat olla houkuttelevia ja helposti toteutettavia, yritysten ei tulisi tyytyä poimimaan vain alhaalla roikkuvia hedelmiä. Sen sijaan tulee keskittyä merkittäviin hankkeisiin, jotka tukevat koko liiketoimintaa. Pieniä kokeiluja voidaan tehdä oppimismielessä, mutta pääpaino tulisi olla hankkeissa, joilla on suurin vaikutus liiketoimintaan. Tämä takaa, että yrityksen resurssit käytetään tehokkaasti ja hankkeiden onnistuminen ja hyödyt maksimoidaan.

Dataosaajien liiketoimintaymmärrys ja liiketoiminnan dataymmärrys

Menestyksekkäät data- ja tekoälyhankkeet edellyttävät monipuolista osaamista ja datalähtöistä kulttuuria. Yrityksissä tarvitaan kyvykkäitä, teknisiä dataosaajia kuten data engineerejä, data-analyytikoita sekä machine learning engineerejä, jotka ymmärtävät myös liiketoiminnan tarpeet. Teknisten taitojen lisäksi dataosaajien toimiala- ja liiketoimintaymmärrys nostaa hankkeiden onnistumisen tasoa merkittävästi. Siksi onkin tärkeää kiinnittää teknisen osaamisen lisäksi huomiota dataosaajien liiketoiminta- ja toimialaymmärrykseen, olipa kyse sitten organisaatioon tulevasta uudesta dataosaajasta tai olemassa olevan henkilöstön kouluttamisesta.

Samalla myös liiketoimintaosaajien on tärkeää ymmärtää datan hyödyntämisen mahdollisuudet. Datalähtöinen kulttuuri edellyttää sitoutumista datan hyödyntämiseen kaikilla organisaation tasoilla. Jokaisen työntekijän ei tarvitse olla datan asiantuntija, mutta on tärkeää, että organisaatiossa on perustiedot siitä, mitä datalla voidaan saavuttaa. Yrityksen eri liiketoiminta-alueilla tulisi olla hyvä tietotaso datan mahdollisuuksista ja hyödyistä.
On tärkeää varmistaa, että yrityksessä on ajantasaista teknistä dataosaamista, ja että liiketoiminta ja dataorganisaatio tekevät tiivistä yhteistyötä. Organisaation johdon rooli on tässäkin avainasemassa: heidän tulee toimia esimerkkinä datan hyödyntämisessä päätöksenteossa ja seurata aktiivisesti datahankkeiden mittareita.