Vuoden 2022 aikana laadimme selvitystyön Oulun alueen yritysten datakyvykkyydestä. Tämä artikkeli perustuu osittain selvitystyön tuloksiin ja esittelee tekijöitä, jotka vaikuttavat yritysten kykyyn hyödyntää dataa liiketoiminnastaan oppimiseen ja sen kehittämiseen. Organisatorisen oppimisen merkitys on korostunut nykyisessä kiivaasti kilpaillussa liiketoimintaympäristössä, jossa menestyvät vain ne, jotka pystyvät sopeutumaan markkinoiden muutoksiin, kehittämään palveluitaan ja tuotteitaan asiakaskunnan muuttuvien tarpeiden mukaan sekä tehostamaan jatkuvasti toimintaansa tai toimimaan lähellä kapasiteettinsa optimitasoa.

Dataan perustuva oppiminen luo myös oppivaa organisaatiokulttuuria.

Dynaamiset kyvykkyydet ja datan hyödyntäminen

Jo aiemin tässä blogissa käsiteltiin yritysten dynaamisten kyvykkyyksien kehittämisen merkitystä yrityksen pitkäaikaisen kilpailukyvyn perustana. Kertauksen vuoksi on kuitenkin hyvä muistaa, että yritysten kykyä hyödyntää dataa liiketoiminnassaan olisi hyvä tarkastella näiden dynaamisten kyvykkyyksien (dynamic capabilities, Teece et al. 1997) näkökulmasta. Organisaatioiden dynaamiset kyvykkyydet liittyvät kykyyn havaita mahdollisuuksia (sensing), tunnistaa mahdollisuuksien arvo ja tarttua niihin (seizing), sekä muuntaa organisaation kyvykkyyksiä (transforming) markkinoiden muutoksesta johtuvien tarpeiden mukaan (Teece 2014).

Pavlou ja El Sawy (2011) esittivät mallin, joka identifioi ja käsitteellistää neljä operationaalista prosessia liittyen yritysten dynaamisiin kyvykkyyksiin käytännön liiketoiminnassa, ja näitä operationaalisia prosesseja käsitellään tässä tekstissä.

Pavloun ja El Sawyn operationaaliset prosessit ovat:

1. Ympäristön seuranta, eli kyky havaita, tulkita ja tarttua kiinni mahdollisuuksiin ja uhkiin, jotka tulevat liiketoimintaympäristöön.
2. Oppiminen, eli kyky luoda uutta perustuen siihen, mikä on vanhaa ja uutta, ulkoa tai sisältä, omaksuttua tietoa.
3. Integraatio, eli kyky integroida yksilöiden tiedot ja osaaminen osaksi laajempia organisaatiotasoisia kyvykkyyksiä.
4. Koordinointi, eli kyky hyödyntää organisaatioon hankittuja resursseja ja osaamista ja integroida ne tehokkaasti uusien kyvykkyyksien saavuttamiseen.

Pavloun ja El Sawyn näkemyksen mukaan dynaamisten kyvykkyyksien vaikutusten ymmärtämiseksi suhteessa yrityksen suorituskykyyn voimakkaasti muuttuvassa ympäristössä on oleellista tarkastella yrityksen operationaalisten kyvykkyyksien ja dataprosessien välistä suhdetta. Tässä artikkelissa keskitymme edellä mainituista kyvykkyyksistä oppimiseen, ja korostetusti oppimiseen yrityksen keräämästä datasta saadun tiedon perusteella.

Dataan pohjautuva oppiminen

Oppiminen osana organisaation strategista näkemystä nähdään syntyvän kyvykkyydestä luoda uutta perustaen vanhaan ja uuteen, ulkoa tai sisältä, omaksuttuun tietoon, sekä tiedon levityskykyyn, tulkintakykyyn ja hyödyntämiskykyyn (Kuwada 1998; Thomas, Sussman & Henderson 2001; Sirén & Kohtamäki 2016). Oppiminen voidaan siten määritellä yrityksen kyvyksi parantaa olemassa olevia operationaalisia kyvykkyyksiään uudella tiedolla (Pavlou & El Sawy 2011) ja tähän tietoon pohjautuen mahdollistaa yrityksissä tehtävän resurssien uudelleenorganisoinnin ja innovoinnin (Van den Bosch, Volberda & de Boer 1999).

Dynaamisissa kyvykkyyksissä oppiminen nähdään osana kykyä havaita (sensing) mahdollisuuksia ja se liittyy kykyyn tunnistaa teknologiassa, markkinoilla ja liiketoiminnassa tapahtuvien muutoksien merkityksiä ja ottaa käyttöön resursseja, jotka mahdollistavat näiden mahdollisuuksien liiketoiminnallisen hyödyntämisen (Katkalo, Pitelis & Teece 2010). Zahran ja Georgen (2002) mukaan oppiminen dynaamisena kyvykkyytenä liittyy neljään oppimisen rutiiniin, eli 1) tiedon hankintaan, 2) tiedon omaksumiseen, 3) tiedon muuntamiseen ja 4) saadun ymmärryksen hyödyntämiseen. Dataan pohjautuva oppiminen liittyy yrityksessä tapahtuvaan datan keräämiseen, varastointiin, jalostamiseen, analysointiin ja raportointiin ja hyödyntämiseen, eli kokonaisvaltaisesti dataprosessin strategiseen organisointiin ja hyödyntämiseen oppimisen näkökulmasta.

Yrityksen strategian kannalta merkityksellisten datalähteiden tunnistaminen, eli tiedon hankinta, on dataan perustuvan oppimisen tärkein vaihe. Nykyaikaisen yrityksen liiketoimintaprosesseista saadaan niin paljon dataa, että on täysin mahdotonta analysoida niitä kaikkia, vaan datalähteiden tunnistamisessa ja oleellisen tiedon keräämisessä olisi kyettävä johdonmukaisuuteen. Luonnollista voi olla valita ensimmäiseksi tarkastelun kohteeksi myynnin ja markkinoinnin analytiikan ja tietojärjestelmien datavirrat, joilla niiden prosessien toiminnan laatua voidaan tulkita ja tehostaa. Hankalampi datajoukko sen sijaan on esim. asiakasdatan käsittely, kuten vaikkapa palvelukuvausten tai reklamaatioiden seuranta, mutta niistä voidaan saada syvällisempiä oppimisen mahdollisuuksia.

Myynnin ja markkinoinnin analytiikka- ja järjestelmädata on pääsääntöisesti selkeästi strukturoitua tapahtumadataa, eli se kuvastaa näiden prosessien eri vaiheissa tapahtuvaa toimintaa (esim. liidien kontaktointi tai myynti), jolloin johtopäätösten tekeminen on mahdollista ja luotettavaa riittävän osaamisen turvin. Sen sijaan asiakasdata, esim. tarjoukset, tilaukset, toimituskuvaukset jne. ovat usein räätälöityjä eri asiakkaiden tarpeiden mukaan, joten ne ovat sekä asiakkaan että kuvausten tuottajan näköisiä strukturoimattomia tekstimassoja, kuten myös reklamaatiodata. Jäsentämättömyyden vuoksi niiden käsittelyyn menee aikaa, koska tiedot tulisi varastoida omiin kategorioihinsa, luokitella kulloiseenkin dataan soveltuvalla järjestelmällä ja jalostaa niistä yhteenvetoja, tiivistelmiä, analyysejä ja raportteja johdon päätöksentekoa varten. Tällainen strukturoimattoman datan systemaattinen läpikäyminen ja niistä oppiminen vaatii ainakin jossain määrin henkilötyöresursseja, koska tiedot joudutaan pitkälti varastoimaan, luokittelemaan ja analysoimaan käsin. Silti sen tulisi olla jokaisessa yrityksessä tehtävää kehittämistoimintaa, koska vain paneutumalla syvällisesti eri prosesseista saatavaan tietoon voidaan saavuttaa tiedon omaksumista.

Kuten jo todettiin, tärkeäksi organisaation datasta oppimisen kannalta muodostuu se, kuinka oleelliset datalähteet tunnistetaan, kuinka dataa kerätään ja kuinka sitä hallitaan. Yhtä oleellista on päättää, kuka määritellään datan omistajaksi, eli vastuulliseksi datan hyödyntämisestä. Dataan pohjautuvassa oppimisessa tulisi olla siitä vastuussa oleva henkilö, joka vastaisi prosessin kulusta ja aikatauluttamisesta. Tämä vaatii vastuulliselta henkilöltä ymmärrystä vastaamansa dataprosessien tietovirtojen soveltuvuudesta liiketoimintaprossin kannalta oleelliseen oppimiseen, mutta myös ymmärrystä hallinnoimansa datayksikön resursseista, sen hyödyntämisen mahdollisuuksista nykyisen data-arkkitehtuurin puitteissa. Suuressa kuvassa tämä kiteytyy yrityksen dataprosessien mallintamiseen ja johtamiseen strategisen oppimisen perustana. Kun vastuu on selkeästi määritelty, voidaan tiedon omaksumisesta johtaa prosessia kohti tiedon muuntamista, josta voidaan luoda kehitysprojekteja kohti saadun tiedon hyödyntämistä käytännössä. Näiden dataan pohjautuvan oppimisen prosessien tulisi perustua paitsi yrityksen omista prosesseista saatavaan dataan, myös sen toimialaa ja liiketoimintoihin liittyviä trendejä ja teknologioita koskevaan dataan. Tällainen data muodostuu esim. kilpailjoiden ja kolmansien osapuolien rapoteista, toimialakatsauksista, uutisdatasta tai vaikkapa LinkedIn-ryhmien keskusteluista. Tällainen data on mitä suurimmassa määrässä strukturoimatonta ja hankalasti käsiteltävää.

Kuka on vastuussa dataoppimisprosessin toteutuksesta?

Kuka on vastuussa dataan pohjautuvan oppimisen toteutuksesta?

Oppimista organisaatiossa voi tapahtua kaikkialla, jos sille vain annetaan mahdollisuus. Oppimisella on tarkoitus pyrkiä yrityksen kehittämään kykyä sekä strategiseen suunnitteluun että operatiivisen toiminnan laadun ja tehokkuuden parantamiseen. Sirén ja Kohtamäki (2016) ovat todenneetkin, että strategisen oppimisen ja suunnittelun välinen vuorovaikutus on keskeinen osatekijä suunniteltujen strategioiden tehokasta toteutusta. Dataan pohjautuva oppiminen perustuu jo tapahtuneisiin ilmiöihin, jotka on dokumentoitu ja taltioitu. Jos ja kun datasta voidaan havaita toistuvia kaavoja, niistä voidaan tehdä johtopäätöksiä ja kehittämissuunnitelmia. Näiden kehittämissuunnitelmien toteutumista ja laatua voidaan edelleen seurata datan avulla, jolloin kehittymisestäkin jää dokumentaatiota. Näin ollen yrityksen on helpompi saavuttaa jatkuvan kehityksen polku luottamalla oppimisprosessissaan dataan.

Yrityksissä tulisi myös olla kahdensuuntaista oppimista, sekä yrityksen ylimmän johdon strategisesti ohjaamaa että työntekijöiltä ja keskijohdolta tulevaa signaalia uuden ymmärryksen tarpeesta. Yleisesti työntekijöillä ja keskijohdolla, jotka päivittäin käsittelevät työnsä ohella myös toimminnoista saatavaa dataa, tulee tällaisia havaintoja ja näitä havaintoja tulisi kyetä viemään esteettömästi aina ylimmälle johdolle saakka. Tällainen vuorovaikutus parhaimmillaan johtaisi syvällisempään ymmärrykseen yrityksen liiketoimintaprosesseissa piilevien mahdollisuuksien paremmasta hyödyntämisestä.

Dayn ja Krusen (2021) mukaan aktiivista vuorovaikutuskulttuuria ja datasta oppimiselle soveliaita olosuhteita voidaan mahdollistaa valppaalla johtamisella, joka havainnoi aktiivisesti ympäristöään, mahdollistaa kollektiivisen kokeilemisen kulttuurin, investoi ennakoiviin aktiviteetteihin ja toteuttaa joustavaa ja omaksuvaa strategiaa. Tällaista johtamista tosin täytyy tukea informaation levittämisellä avoimesti organisaation eri toimintojen välillä (= toimiva data-arkkitehtuuri, toimivat prosessit ja selvät säännöt henkilöstölle datan käytöstä) ja sen vuoksi toiminnoissa täytyy olla selkeät vastuut datan hankinnasta, tulkinnasta ja tiedon muuntamisesta kohti sen hyödyntämistä (Day & Kruse 2021). Täten datasta oppimisen ja saadun tiedon hyödyntämisen mahdollistaminen tulee yleensä lähteä liikkeelle yrityksen johdosta, joka toimintatapoja, päätöksentekoprosessia ja sääntöjä muokkaamalla voi luoda mahdollisuudet ja soveltuvat olosuhteet datasta oppimiselle ja yrityksen dynaamisten kyvkykkyyksien kehittymiselle (Arndt, Pierce & Teece 2018). Näin yrityksen johdon tehtävä on luoda henkilöstölle datan mahdollisemmin monipuolista ja laajaa hyödyntämistä tukeva ilmapiiri ja toimintamalli, ja siten johtaa koko organisaatiota dataohjautuvaan muutokseen.

Miikka Blomster, lehtori
Oulun ammattikorkeakoulu

Lähteet:

Arndt F, Pierce L, & Teece DJ (2018). The Behavioral and Evolutionary Roots of Dynamic Capabilities. Ind Corp Cha, 27(2), 413-424. https://doi.org/10.1093/icc/dtx042

Day, GS & Kruse, K (2021). How vigilant leaders prepare for a turbulent future. Strat Lead, 49(1), 32-37. https://doi.org/10.1108/SL-11-2020-0139

Katkalo, VS, Pitelis, CN, & Teece, DJ (2010). Introduction: On the nature and scope of dynamic capabilities, Ind Corp Cha, 19(4), 1175–1186, https://doi.org/10.1093/icc/dtq026

Kuwada, K (1998). Strategic Learning: The Continuous Side of Discontinuous Strategic Change. Org Sci, 9(6), 719–736. http://www.jstor.org/stable/2640251

Pavlou PA, El Sawy OA (2011) Understanding the elusive black box of dynamic capabilities. Decis Sci, 42, 239–273. https://doi.org/10.1111/j.1540-5915.2010.00287.x

Teece DJ, Pisano G, Shuen A (1997) Dynamic capabilities and strategic management. Strat Manag J, 18(7):509–533. www.jstor.org/stable/3088148

Sirén, C, & Kohtamäki, M (2016). Stretching strategic learning to the limit: The interaction between strategic planning and learning. J Bus Res, 69(2), 653-663. https://doi.org/10.1016/j.jbusres.2015.08.035

Thomas, J, Sussman, S, & Henderson, J (2001). Understanding “strategic learning”: Linking organizational learning, knowledge management, and sensemaking. Org Sci, 12(3), 331–345. https://doi.org/10.1016/j.jbusres.2015.08.035

Van den Bosch FAJ, Volberda HW & de Boer M (1999). Coevolution of Firm Absorptive Capacity and Knowledge Environment: Organizational Forms and Combinative Capabilities. Org Sci 10(5), 551-568. https://doi.org/10.1287/orsc.10.5.551

Zahra, SA & George, G (2002). Absorptive Capacity: A Review, Reconceptualization, and Extension. Acad Manag Rev, 27(2), 185–203. https://doi.org/10.2307/4134351