Käyttäjäpäivät 16.1.2003

1. Käyttäjäpäivät 16.1.2003 • 13.10 Avaus • 13.15 BayMiner käyttöesimerkkejä, Antti Tuominen, projektipäällikkö, BayesIT. • 13.45 Käyttökokemuksia, Jukka Ala-Mutka, liikkeenjohdon konsultti, CAA Consulting. • 14.15 Keskustelua ja tauko. • 14.45 Probabilististen mallien eduista, Petri Myllymäki, Ph.D. CoSCo/HIIT. • 15.15 BayMiner Business Intelligence välineenä, Ralf Ekholm, toimitusjohtaja, BayesIT. • 15.45 Loppukeskustelu.

2. BayMiner Business Intelligence välineenä

3. Business Intelligence • Business Intelligence (BI) on liikkeenjohdon tiedontarpeita palveleva ja päätöksentekoa tukeva toimintamalli, jonka avulla eri lähteistä kerätty tieto yhtenäistetään ja muokataan hyödynnettäväksi liiketoiminnan ohjauksessa.

4. Voidaan myös sanoa että BI on laajennettua laatu- ja riskianalyysiä. • Lisää laatu- ja riskidataan asiakaspalautetiedot ja analysoi. • Näet missä kohtaa omaa organisaatiota riskit syntyvät. • Lisää omat sisäiset tiedot asiakkaista ja analysoi. • Näet mitkä asiakkaat todellisuudessa ovat parhaat. • Lisää menetettyjen kauppojen tiedot ja analysoi. • Näet mm. mitä kannattaa tehdä hinnoille. • Lisää kilpailijatietoja ja analysoi malli. • Näet markkinoiden koko kuvan. • Lopputulos on oikeata Business Intelligenceä.

5. Business Intelligencen hyödyt Business Intelligence- toimintamallin avulla saavutetaan useita etuja, muun muassa: • Liiketoiminnan ohjaus helpottuu, kun analysointi tapahtuu yhtenäisen käsitteistön avulla. • Toimenpiteiden vaikutus voidaan todeta faktatiedon perusteella. • Voidaan varmistua, että liiketoimintaa kehitetään oikeaan suuntaan. • Pystytään vertailemaan eri liiketoiminta-alueita. • Pystytään tekemään järjestelmällistä analysointia organisaation ja sen ulkopuolisten tekijöiden yhteisvaikutuksista.

6. Perinteellisiä Business analyysiesimerkkejä BI on erillisten analyysien yhdistämistä älykkäällä tavalla. Näitä ovat mm: • Markkinoiden segmentointi. • Oikean hintatason löytäminen ja säätäminen. • Projektin riskin ja kannattavuuden analysointi. • Reklamaatioanalyysit. • Avainhenkilöiden profiilin selvittäminen. • Alihankkijoiden suorituskyvyn seurantaa ja valintaa. • Kilpailija-analyysit.

7. Perinteelliset analyysit kärsivät ongelmista • Laatu riippuu liian monesta tekijästä. • Käsitteiden sekamelska - ihmiset eivät ymmärrä tai tarkoita samaa. • Arvojen ja mielipiteiden muuttaminen luvuiksi aiheuttaa virheitä. • Hyödyn saaminen irti tuloksesta on vaikeata.

8. Ratkaisu:Todennäköisyysmalli internetissä • Asiakas analysoi oman projektiaineistonsa itsenäisesti. • Tulokset saatavilla välittömästi. • Uusi tietämys saavutetaan erittäin nopeasti. • Luotettava tulos myös pienistä aineistoista. • Käyttäjältä ei edellytetä tilasto- tai todennäköisyys-tieteellisiä tietoja.

9. Uutta ajattelua • Lasketaan yleinen dynaaminen malli kaikista projekteista. • Tunnistetaan klustereita (kannattavia, kannattamattomia jne.). • Valitaan yksi klusteri kohteeksi. • Tutkitaan valittu klusterin. • Perinteellisistä analyysivälineistä poiketen BayMinerin käyttäjä saa välittömästi kaikki muuttujat huomioivan mallin ja siitä 3-D kuvan. Tutkimalla visualisointia hän saa datasta irti hämmästyttävän paljon enemmän tietoa kuin isosta joukosta peräkkäisiä, 2-3 muuttujaa kerrallaan kuvaavista, piirakka- tai pylväsdiagrammeista.

10. Business Intelligence BayMineriä käyttäen BayMinerin avulla yritys voi suorittaa Business Intelligenceä ilman järjestelmä-investointeja ja saada silti hyviä tuloksia.

11. BayMiner positiointi analyysivälinekentässä

12. Business Intelligence:n kolme yleisintä ongelmaa • Datan laatu • Käsitteistö ei ole selvä, jolloin dataa ei voi yhdistää. • Datarakenteen eivät tue yhdistämistä yli perinteellisten organisaatiorajojen. • Yhdistäminen käy, mutta tiedetään, että tuloksiin ei voida luottaa. • Tulokset eivät ole sellaisessa muodossa, että niitä voidaan hyödyntää tehokkaasti. • Ulkoistetaan ajattelu ja luetaan raportteja, jolloin merkittävä osa hyödystä häviää.

13. Business Intelligence BayMineria käyttäen • BayMiner on ainoa tiedossa oleva menetelmä, jolla asiantuntija voi itse tallentaa oman tietämyksensä mielekkäässä muodossa toisten käyttöön. • BayMiner ansiosta saavutetaan mm: • Hyviä tuloksia hankkimatta sitä varten erityisohjelmistoa ja opiskelematta sen käyttöä. • Kokemus ja ns. hiljaisen tiedon tallennus onnistuu, joka muilla menetelmillä on hyvin vaikeata. • Oikea BI. Dokumenttien hallinta ei ole Business Intelligenceä (eikä Knowledge Managementtiä), se on Information Managementtiä!

14. Tärkeä etu BI-sovelluksessa - sietää puuttuvaa tietoa • Varsinkin kilpailijatiedon hankinta on vaikeata. • Tiedon puuttuminen (tyhjiä soluja taulukossa) ei haittaa jos sitä ei ole kovin paljon. • Jos tietoa puuttuu paljon, malli kyllä toimii mutta tulos ei ole niin luotettava. • Mallin Luotettavuus tai sen puute on erittäin tärkeää tietoa ja käyttäjä näkee tilanteen visualisoinnista välittömästi!

15. Tärkeä etu BI-sovelluksessa - mahdollistaa kehittyneempiä analyysejä • Dataan voidaan kerätä arkikäytännön yhdistettyjä numero- ja merkkiarvoja, esim. sekaisin 1,2,3,4 ja <1 ja >4. • Samassa analyysissä voi olla kvalitatiivista ja kvantitatiivista dataa, analyysissä ne käsitellään samanarvoisina.

16. Business Intelligence sovelluskokemuksia • Tulkinta tuottaa paljon uutta käsitystä datasta ulkopuolelta alkuperäisen analyysitavoitteen. • Edellisestä johtuen tiiviin raportin tekeminen saattaa olla vaikeata. • Kerätyn materiaalin analysointia jatketaan pitkään koska uusilla analyysitavoitteilla ja sovelluskohteilla malleista löydetään uutta tietämystä.

17. Business Intelligence - tärkeimmät opit • Datan keräykseen on panostettava. • BayMinerin tuottaman kuvan tulkintaa joutuu harjoittelemaan. • Exceliä ei riitä BI-analyysivälineeksi. • Käyttö on prosessina virhealtis. • Analyysivälineenä erittäin hidas.

18. Business Intelligence - tärkeimmät opit jatkuu ... • Ei enää raportteja! • Valmiiksi suunniteltuja raportteja ei voi käyttää BI:ssä liikkeenjohdon dynamiikan takia – ne ovat tarkoitettu rutiinianalyysejä varten. • Mapeittain käyriä ja taulukoita ei voi käyttää, johto ei ehdi käsitellä niitä, niistä tulee ”hyllytavaraa” • Jos ongelmat ovat pieniä, ei tarvita toimenpiteitä. • Jos ongelmat ovat suuria, syyt ovat jo tiedossa, mutta ratkaisut puuttuvat/odottavat. • Ongelmia ratkaistaessa pitää löytää syy-seuraussuhteet.

19. Inspiring Insights Bayes-”teknologia” on kaksisataa vuotta vanha Englantilainen amatöörimatemaatikko Thomas Bayes julkaisi tutkielmansa 1700-luvun keskivaiheilla. Kyseessä on todennäköisyyslaskentaan perustuva yleinen lähestymistapa monimutkaisissa järjestelmissä esiintyvän epätäsmällisen informaation hallitsemiseksi. Tunnustettu parhaimmaksi teknologiaksi, kun pitää hallita epävarmuutta.

20. BayMiner prosessi BayesIT Asiakas EXCEL, DB, MS Access ja vastaavat Data keräys ja valmistelu BayMiner Siirtotiedosto BayMiner Kysymysten ohjaus Tietämyksenesitys & käyttöliittymä Laskee Bayes- verkon & 3-D kuvan Interaktiivinen Vastaukset Tulos netissä Tulosten visualisointi: 3-D pistepilvet ja jakaumat