Datasta on hyödyksi – jos sitä osaa hyödyntää

Buzzword on sana tai ilmaisu, josta tulee joksikin tietyksi aikaa todella tunnettu ja käytetty – ehkä jopa niin käytetty, että sanan kuuleminen suoranaisesti ärsyttää. Suomeksi buzzword kääntyy Sanakirja.orgin mukaan muotoon muotisana, kapulakielinen sana tai iskusana.

”Surinasana”, olisi mielestäni osuva. Sinuhea silmäilleet ainakin tietävät mistä on kyse.

Joka tapauksessa, pointtina tässä pohjustuksessa oli se, että mielestäni data on kokenut sanana pienimuotoista buzzwordiytymistä: henkilöbrändin ja kaiken pilvipalveluihin liittyvän ohella.

Ainakin nähdäkseni.

Data sitä ja data tätä – se on aivan kaikkialla. Puhutaan datan keräämisestä, datan analysoinnista ja datan hyödyntämisestä. Mutta kuten tässäkin blogissa aivan hiljan todettiin, vaikka eritoten koronavuoden aikana datan rooli markkinoinnissa on kasvanut, ei sitä osata kuitenkaan välttämättä oikein hyödyntää.

Kuha on dataa – mutta miten sitä valmistetaan?

Internet on pullollaan ohjeita ja guideja siitä, miten voit tehokaasti käyttää sekä analysoida dataa ja miten yritykset X, Y & Z saivat kasvatettua click-through-ratejaan ihan simona datan avulla, mutta kukaan ei kerro miten nimenomaan sinun pitäisi sinun yrityksesi dataa hyödyntää.

Datalla ei tee paljoakaan, jos sitä ei osaa analysoida.

Kuhalla ei tee paljoakaan, jos ei osaa laittaa ruokaa.

Toimikoon tämä artikkeli, hyvä lukija, reseptinäsi.
 

Data on vain malmia

Data on raakaa informaatiota. Se on tietoa, joka ei itsessään palvele ketään.

Se on kuin malmia: metallia, jota on jalostettava.

Erinäisille metallin johdannaisille taas on useita eri käyttötarkoituksia – on ollut jo vuosituhansia.

Dataan kuuluu suhtautua kuin malmiin. Se ei itsessään tule auttamaan sinua markkinoiden kovissa kamppailuissa, mutta avot, mikäli saat johdettua siitä markkinointi-hopliiteillesi rautakärkisiä keihäitä.

Se on falangit tulille ja ***tuilu minimiin.

(Tulipa puolivahingossa rautainen vertauskuva.)

Mutta siinä missä malmin käsitteleminen taottavaksi raudaksi ja siitä edelleen aseiksi on aikanaan vaatinut seppää, datan käsittely informaatioksi ja siitä edelleen konkreettisiksi toimiksi vaatii data-analyytikkoa – ja mieluusti vielä aidosti hyvää sellaista. Ikävä fakta vain on, että data-analyytikon palkkaaminen omaan jokilaakson varrelle kasvaneeseen kuningaskuntaasi voi olla hyvinkin kallista.

Joten herää kysymys: pystyykö tätä askelta kiertää?

Vai täytyykö mennä lävitse?

Ei tarvitse – ei välttämättä.
 

Tekoäly & data-analytiikka

Tästä on puhuttu vaikka kuinka: tietokoneet tulevat ja vievät meiltä työpaikat.

Onni onnettomuudessa, hyvä lukija, nimittäin niin saattaa olla data-analyytikoidenkin kohdalla.

Tai, onni ja onni – pahoitteluni data-analyytikoille.

Erinäisiä markkinoinnin osia on automatisoitu aina sitä mukaa, kun teknologia on kehittynyt riittävästi vastaamaan johonkin tarpeeseen jollain tuotteella: on automaattisia sähköpostilistoja, ajoitettuja somejulkaisuja sekä paljon muuta, jolla voimme säästää kallisarvoista aikaamme. Tämän kaiken keskellä myös tarve data-analytiikalle on alkanut selkeästi heräilemään pitkänluontoisilta talviuniltaan.

Datan keruulle löytyy useita ohjelmia, jotka tekevät sen puolestasi, joten miksi ei myös sen analysoinnille? Datan analysointi on hyvin aikaa vievää, ja sen tekeminen oikein on todella haastavaa – puhumattakaan itse analyysien pohjalta johdettavista toimista. Dataa voi helposti analysoida ohi maalista, jolloin myös analyysien pohjalta tehdyt muutokset menevät ”kahen metrin syötöllä kolme metriä ohi.”

Joten mitä jos data-analyytikkona toimisikin koodinpätkä, joka kertoisi sinulle keräämääsi dataan pohjautuen konkreettiset askeleet, miten kasvattaa yrityksesi liiketoimintaa? Mitä jos olisi olemassa ohjelma, joka voisi murto-osalla data-analyytikon kuukausipalkasta jalostaa tuosta raa’asta datamalmista lujaa datarautaa ja siitä edelleen viiltävän teräviä datalyömäaseita?

Mitkä tuollaisen koodinpätkän hyödyt olisivat?

Katsotaanpa.
 

Ajansäästö

Turhaapa minun olisi tässä seistä ja selittää ummet lammet siitä, miten automatisoidulla data-analytiikalla voisi saavuttaa sen ja sen hyödyn, kun isoin ja tärkein hyöty on ajan säästäminen.

Laitetaanpa hetkeksi filosofiavaihde silmään – se löytyy vaihdekepistä siitä peruutusvaihteen vierestä.

Koko kulutusyhteiskunnan väreissä kapitalismin kultaisen pillin mukaan tanssahteleva länsimainen kulttuurimme perustuu vain ja ainoastaan aikaan – ainakin nähdäkseni. Se näyttäytyy meille konkreettisimpana rahan muodossa, vaikka sekin konkreettisuus vähenee alati rahan muuttuessa hiljalleen pelkästään Fiat-rahan muotoiseksi abstraktiksi konseptiksi.

Sinä vaihdat kallisarvoisen aikasi rahaan aikasi arvon mukaan. Aika kylmäävä ajatus.

Raha vuorostaan on maailman väkevin työkalu, halusi sitä tai ei; Kaikelle on hintalappunsa.

Minä en esimerkiksi kovinkaan mielelläni käyttäisi noin kolmannesta vuorokaudestani viitenä päivänä viikossa töiden tekemiseen – paljon mieluummin kuluttaisin aikaani leikkien Keski-Eurooppalaisessa seitinohuessa Platon kaltaista ylimielistä filosofia ja kirjoittelisin runoja. Ongelma vain on, että minä pidän syömisestä.

Olen itseasiassa niin iso syömisen fani, että varmaan kuolisin, jos en saisi ruokaa.

Joku kutsuisi riippuvuudeksi.

Ruokaa varten tarvitsee rahaa, ja rahaa saa vuorostaan mm. töistä.

Tiedättekö mistä sitä ei saa?

Kun aiheuttaa pikku viinipäissään toogaan pukeutuneena pahennusta Tampereen keskustorilla vaahdoten siitä, miten ”mikä tahansa, jolla on kaksi jalkaa, on ihminen.”

Ja siitä syystä minäkin kulutan kallisarvoista aikaani päivästä toiseen töitä tehden: jotta voisin vaihtaa aikani rahaksi käyttääkseni sitä erinäisiin kulutushyödykkeisiin.

Ja täten voinemme olla yhtä mieltä siitä, että aikaa arvokkaampaa valuuttaa ei ole.

Joten jos joku marssisi kattotason kulmatoimistokompleksiini kertomaan, että hänellä on työkalu – tuo koodinpätkä – joka helpottaisi minun elämääni huomattavasti vapauttamalla kalenteristani aikaa käytettäväksi johonkin hyödylliseen, olisin vähintäänkin kiinnostunut. Varmaan tiputtaisin säälittävän surullisen digestive-keksini huuliltani dramaattisesti lattialle, laskisin käsissäni olevan kahvikuppini pöydänkulmalle, ja kuvitellen olevani kylmän karismaattinen kuin Don Corleone Kummisetä ykkösen lopussa, nostaisin katseeni ja kysyisin matalalla äänellä lähes kuiskaten:

…mutta miten?”

 

Datan analysointi

Sisään astunut, pysäyttävän komea kaksikymmentäjotain-vuotias myyntiedustaja todennäköisesti katsoisi minua ensin epäluuloisin silmin, kunnes ryhtyisi vastaamaan kysymykseeni.

”Automaattisella data-analytiikalla; Kahlaamalla puolestasi omiasi ja kilpailijoidesi nettisivuja lävitse ja ehdottamalla keräämänsä datan pohjalta muutoksia, joita tehdä omille sivuillesi liikenteen sekä kassavirran kasvattamiseksi.”

Luonnollisestikaan en ensi-istumalta ymmärtäisi tästä mitään ja pyytäisin häntä tarkentamaan. Hän varmaan avaisi läppärinsä ja näyttäisi minulle esimerkkejä:

”Ihan ensimmäisenä hyötynä tässä on…”    

 

Hakukoneoptimointi

”Mietihän, jos sinun ei tarvitsisi selata sinulle relevanteilla avainsanoilla ensimmäiseksi sijoittuvien sivustojen sisältöjä itse. Puhumattakaan siitä, että joutuisit arvailemaan, mikä sivuilla on niin vaikuttavaa, että Google suosittelee niitä hakusanoilla ensimmäisiksi? Tai mieti, jos sinun ei tarvitsisi enää kertaakaan avata Google Analyticsiä ja koittaa etsiä epätoivoisena korrelaatiosuhteita vaikeasti analysoitavasta datasta ja niiden pohjalta luoduista käppyröistä.”

Tuntisin epäluuloni heräävän. Tiedän kyllä, mitkä kaikki tekijät sivuillani vaikuttavat sivustoni hakukonesijoitukseen ja olen pyrkinyt kehittämään niitä osa-alueita. Olen pyrkinyt rakentamaan linkkiverkostoa, olen viljellyt avainsanoja kuin alkukevään kauraa ja ennen kaikkea olen luonut timanttista sisältöä. Olen myös katsonut tarkasti kilpailijoideni sivustoja ja todennut heidän tekevän samaa. Ihmettelisin, mitä tuo karismaattinen nuori mies hourii?

”Jospa sinun ei tarvitsisi enää tehdä sitä itse ja voisit sen sijaan vain noudattaa raakaan dataan perustuvia toimintakehotteita, jotka on räätälöity sinun sivuillesi – toimialaan katsomatta.”

Tunsisin kylmän hien kirivän ohimolleni. ”Ei voi olla totta”, ajattelisin ”hänhän on sairas – tai vähintäänkin tyhmä, eihän sellaista ohjelmaa ole edes olem- -”

”Paljonko aikaa olet joutunut hukkaamaan naapureidesi sivustojen selailuun ja heidän menestyksensä salaisuuksien arpomiseen?”, hän keskeyttäisi ajatukseni.

…en paljoakaan?”, sanoisin.

Valehtelisin.

Pikemminkin aivan tuhottomasti ja vailla menestystä. Sitä paitsi, se kammottava Excel-tiedosto tietokoneeni uumenissa, johon olen tätä kaikkea tietoa pyrkinyt koostamaan, ei kestäisi päivänvaloa.

”Tällä ohjelmalla sinun ei tarvitsisi enää tehdä kumpaakaan näistä. Yksinkertaisesti linkittäisit dataa keräävät sivustosi ohjelmaan ja antaisit koodin tehdä raskaan työn – itse analysointi ja siihen hukkautuva aika saataisiin näin poistettua yhtälöstä.”, hän sanoisi.

Dataa keräävät sivustoni? Mitkä dataa keräävät sivustoni?

”Näitä ovat esimerkiksi olla Google Ads, Google Analytics ja Google Search Console. Niin ja Facebook!”, hän vastaisi kuin lukien ajatuksiani; vältän noita sivustoja kuin ruttoa.

”Ja kaikki tämä automaattisesti?”, kysyisin epäröiden.

”Ja kaikki tämä automaattisesti”, karismaattinen nuorukainen vastaisi vakuuttelevasti.

”Luoja paratkoon”, ajattelisin, ”voiko tämä pitää edes paikkaansa?”
 

Automaattisen data-analytiikan hyödyntäminen digimarkkinoinnissa

Noniin, lähtipäs laukalle. Palataan takaisin todellisuuteen.

Moni voinee allekirjoittaa, että datan analysoinnin ikävimpiä puolia on nimenomaan sen vaatima aika. Pelkästään Google Analytics tarjoaa niin tuhottoman määrän eri mittareita ja metriikkaa, että jos et tiedä tasan mitä olet etsimässä ja miltä välilehdeltä, voivat näyttöpäätteen kulman digikellon luvut vaihtua nopeastikin isompiin – ilman tuloksia.

Tai entä jos ei vain yksinkertaisesti osaa analysoida dataa? Tai jos epäilee osaamistaan edes hieman? Mitä jos ei vaan jaksa kiinnostaa tai ei halua? Automatisoitu data-analytiikka voisi auttaa tässäkin. Kuitenkin kun on kyse markkinoinnista ja siihen investoitavista pennosista, niistä yleensä haluaa saada mahdollisimman ison hyödyn irti. Pimeään ammuskelu ja sinne tänne sohiminen harvoin auttaa ketään.

Ja lisäksi, itse pedanttisen supernörtin sydämen omaavana voin myöntää, että minä pidän numeroiden pyörittelemisestä ja analytiikasta. Mutta minä en olekaan hyvää seuraa juhlissa. Tiedostan varsin hyvin myös sen, että kaikkia tällainen aihe ei sytytä. Sinä, hyvä lukija, olet varmasti juhlien keskipiste, etkä välttämättä jaa samoja mieltymyksiäni prosenttikäppyröiden ihailusta ha korrelaatioiden metsästämisestä – ja se on varmaan ihan hyvä juttu.

Joka tapauksessa, olkoon syy mikä tahansa, data-analytiikan automatisointi voisi olla aikataulujen, tehokkuuden, sekä tuottoasteiden kannalta hyvinkin kannattavaa. Se voisi toimia kompassina metsässä, karttana labyrintissä tai sekstanttina merellä – tai robottisella naisäänellä puhuvana GPS:nä kantatiellä. Nonetheless, tutkimus osoitti, että datan tehokkaalle hyödyntämiselle on huutava pula, ja tähän pointtiin halusin tarttua. Kuhaa voidaan saada kiinni, mutta sitä ei osata valmistaa.

Lupasin sinulle, lukija, tämän tekstin alussa reseptin tuon kuvainnollisen kuhan kokkaamiseen.

Nyt joudun myöntämään, että minulla ei sellaista ole.

Sen sijaan tarjolla voisi olla kokonainen keittokirja.


Kirjoittaja (LinkedIn) nauttii kasuaalista keittiöhistoriasta ja kirjoittaa falangin aina ensin falanksina, kunnes vääjäämättä korjaa virheensä. Hän työskentelee data-analytiikkaohjelmiston parissa.

 

, ,

Comments are closed.