Suomen jalkapallomaajoukkueen historiallinen EM-kisapaikka tekee tästä vuodesta urheilun näkökulmasta todellisen supervuoden. Urheilu on datan näkökulmasta todella herkullinen analysoitava kokonaisuus, mutta tyypillisesti jalkapallo ei ole kuitenkaan se kaikkein suosituin kohde, koska kriittisimmät datan ns. oppimispisteet eli maalit ovat niin harvassa. Esimerkiksi koripalloa on tästä syystä huomattavasti kiinnostavampaa analysoida, koska koreja eli “maaleja” syntyy yhdessä ottelussa tyypillisesti yli 40. Jalkapallossa on kuitenkin yksi huippuunsa viritetty datalla ennustettava pelitilanne, joka varsinkin arvokisoissa on enemmän sääntö kuin poikkeus: rangaistuspotku. Rangaistuspotkuista viime MM-kisoissa onnistui yli 66 prosenttia. Onkin kiinnostavaa yrittää ymmärtää, mitä Lukas Hradeckýn tulisi kesän EM-kisojen rangaistuspotkutilanteissa sitten tehdä.
Oikea vastaus, ainakin datan pohjalta, on: pysyä paikallaan. Kaikkein todennäköisemmin maalivahti torjuu silloin, kun hän ei tee mitään. Mutta miksi maalivahdit sitten eivät pysy paikallaan vaan mieluummin tekevät torjuntaliikkeen? Suurin syy tälle löytyy ns. “action bias” -teoriasta – ihminen ajattelee toiminnan aina voittavan ei-toiminnan. Tähän samaan ilmiöön meistä jokainen on varmasti törmännyt myös työelämässä. Vaikka datan perusteella parempi päätös olisi odottaa ja kirkastaa tavoitteita, ihminen useimmiten kuitenkin syöksyy toimintaan. Jos ei muusta syystä, niin vähintään siksi, että se on varmin tapa osoittaa kollegoille, että “minä ainakin teen oman osani työyhteisössä” vaikkakaan tulosten valossa tekeminen ei niin tuloksellista olisikaan.
Tästä päästäänkin yhteen kuumimmista perunoista analytiikan, varsinkin sen edistyksellisimpien sovellusten, saralla: miten datasta tulee luonnollinen osa yrityksen ydinprosesseja? Olen kantanut korteni kekoon tämän työn puolesta viimeisen 15 vuoden ajan sekä kaupallisen että julkisen median palveluksessa. Olen kokeillut lähes kaikkea, heilutellut käsiä, hävennyt vääriä julistuksia. Mutta tärkeintä on, että olen matkan varrella oppinut enemmän kuin paljon. Jaan seuraavaksi havaintojani siitä, millä tavoin rakennetaan toimivaa, datainspiroituvaa kulttuuria organisaatioihin.
Lähtökohtaisesti organisaatiot pyrkivät yleensä olemaan aivan liian kunnianhimoisia muutostyössään – paljon kuulee sanottavan mm. ”jos kaikki eivät ole mukana, niin kukaan ei ole mukana”. Hölynpölyä sanon minä. Onnistunut muutos tapahtuu aina aalloissa, pienin mahdollinen oppimista lisäävä kokeilu kerrallaan. Tämä on usein myös monen organisaation suurin haaste – asetetaan liian isoja muutostavoitteita, jolloin ihmiset menevät paniikkiin, alkavat pelätä oman tulevaisuutensa puolesta ja ryhtyvät turvaamaan omaa selustaa parhaan kykynsä mukaan. Tällaiseen maailmaan datainspiroituva tai dataohjautuva kulttuuri sopii erinomaisen huonosti. Tästä syystä muutos pitää ymmärtää jakaa riittävän pieniin, ihmisten hallitsemiin osiin. Kaikkein mieluiten vielä siten, että ihmiset ovat muutoksessa ns. “kuskin paikalla” – eli pääsevät asettamaan itselleen tavoitteita ja pystyvät myös seuraamaan tavoitteiden toteutumista.
Muut havaintoni muutostyön edistämiseksi voi tiivistää seuraaviin kohtiin:
1. Tavoitteet
Koko organisaation ei tarvitse jakaa yhteistä ymmärrystä tavoitteista, mutta on tärkeää jakaa tavoitteet muutostyölle mitä yritetään saada aikaan. On myös tärkeä antaa työvälineet ihmisille seurata tavoitteiden toteutumista – eli pyri kaikessa mitattavuuteen. Saavutimmeko tällä viikolla sen mitä yritimme, mitä ensi viikolla pitäisi oppia suhteessa tämän viikon tavoitteisiin?
2. Henkilökohtaisuus
Tulevaisuuden analytiikkatyökalujen pitää olla henkilökohtaisia – ei semi-henkilökohtaisia eikä varsinkaan staattisia organisaation ilosanomaa julistavia puolivirallisia PR-julkaisuja. Millä tavoin teidän organisaatiossa oleellinen tieto saataisiin helpoiten työntekijöiden ulottuville? Itse suosin ja tutkin tällä hetkellä kaikkein eniten mobiililaitteisiin tuotavia data-vuorovaikutuspalveluita.
3. Kieli
Analytiikan kanssa päivittäin töitä tekevät uppoavat monesti syviin vesiin analyysivaiheessa. Kun tehtyjä havaintoja aletaan purkaa myöhemmin yhdessä eri liiketoimintojen edustajien kanssa, käy liian usein kiusallisen hyvin ilmi, että osapuolet puhuvat tyystin eri kieltä. Siksi on ensiarvoisen tärkeää jakaa yhteinen käsitteistö siitä, miten analyytikot pyrkivät havaintoja kuvaamaan ja miten liiketoiminta toimintaansa kehittää. Onko mahdollista koostaa “sanakirjaa” kaikkein oleellisimmasta käsitteistä?
4. Muutos
Analytiikka voi auttaa meitä jokaista kehittymään eri tavoin omassa työssään. Muutos on kuitenkin jokaiselle erilainen – tästä syystä on tärkeä ymmärtää minkälaista muutosta kenenkin työssä analytiikka saa ja voi saada aikaan sekä miten kulttuuria sekä yhteisöä tulee tukea tässä muutoksessa.
5. Iteraatiot
Kehittyminen on aina syklistä – tapaa sidosryhmiä sekä muuten kehitystyöhön osallistuvia riittävän usein. Jalkaudu mukaan muutostyöhön ja käy palautekeskusteluja jatkuvasti relevanttien tahojen kanssa. On parempi olla raadollisen tietoinen muutokseen liittyvistä haasteista kuin luulla, että kaikki sujuu kuin valssi. “Kaikkea muuta, kunhan ei vaan nukkuvaa, puolikuollutta elämää” – näiden Minna Canthin sanojen myötä rohkaisenkin jokaista uudistamaan oman työnsä tapoja. Ja kuten asiaan kuuluu aina datan ja analytiikan soveltamisessa, niin loppuun vielä pieni vastuuvapautus. Lukas Hradecký, muista ottaa rangaistuspotkussa huomioon myös yleinen pelitilanne sekä se kuka on potkaisemassa. Kuten analytiikassa aina – virhemarginaalit ovat olemassa ja siksi arvo syntyy vasta toisteisessa oppimisessa.
Kokeilujen kautta kohti parempaa huomista.
Tämä kirjoitus on myös julkaistu Asiakuusmarkkinoinnin vuosikirjassa.