Hajanaiset tietovirrat voidaan jalostaa päätöksenteon tueksi

avatar

Posted by Amir Hassan - 26 heinäkuu, 2018

 Organisaation päätöksenteossa käytettävän tiedon määrä on kasvanut räjähdysmäisesti. Entisaikojen säännöllisen ja määrämuotoisen raportoinnin sijaan tietoon päästään reaaliaikaisesti käsiksi ja kehittynyt teknologia mahdollistaa sen tehokkaan seulonnan ja analysoinnin. Uuden tekniikan ansiosta sekä sähköisesti että paperilla saaduista aineistosta voidaan muodostaa yhtenäinen, päätöksentekoa palveleva tietovirta

Isoon organisaatioon saapuva tietovirta on tyypillisesti pirstoutunut eri kanaviin ja saman tyyppinen tieto voidaan kerätä useasta eri lähteestä. Paperiset ja sähköiset asiakirjat sekä rakenteelliset tiedostomuodot, kuten XML ja JSON, muodostavat vain osan monista kanavista. Tämän vuoksi on pystyttävä poimimaan olennaiset metatiedot muistakin kuin määrämuotoisista tietovirroista. Tästä hyvä esimerkki on asiakkailta saapuvat sähköpostit, joista voidaan saada arvokasta tietoa yksittäisen tuotteen tai palvelujen toimivuudesta tai yleisestä asiakastyytyväisyydestä.

Määrämuotoisista tietovirroista kerättävät tiedot perustuvat organisaation käsitykseen toiminnastaan ja toimintaympäristöstään. Strukturoitu rakenne palvelee analysointia, mutta saattaa estää nopean reagoinnin. Muista kanavista poimittavat oheistiedot ovat sisällöltään sekä rakenteeltaan paljon hajanaisempia. Näin kerätty tieto on vaikeammin tulkittavissa, mutta tarjoaa usein todella arvokasta tietoa siitä, mihin suuntaan organisaation tulisi suuntautua ja mihin asioihin sen täytyisi panostaa. Hajanaisessa sisällössä on paljon hiljaista tietoa, jota voidaan hyödyntää toimintaympäristön muutosten ennustamisessa sekä muutosta ennakoivien hiljaisten signaalien tunnistamisessa.

Poimi ja analysoi heikot signaalit

Tyypillinen asiakirjojen vastaanotto- ja käsittelyprosessi poimii suoraan asiakirjoilta tai määrätystä rakenteellisesta sisällöstä organisaation toiminnanohjaukseen vietävät tiedot. Prosessi toimii suunnitellusti, mutta jättää keräämättä paljon toiminnan kehittämisen kannalta arvokasta tietoa. Organisaation kyky vastata onnistuneesti asiakkaidensa tarpeisiin perustuu yhä enenevässä määrin siihen, miten se pystyy ennakoimaan muutoksia toimintaympäristössään. Heikkojen signaalien tunnistaminen on entistä tärkeämpää. Ensimmäisessä vaiheessa on tunnistettava ne tietovirrat, joiden sisältöä analysoidaan. Tämän jälkeen määritetään avainsanat ja muut ehdot, joilla poiminta suoritetaan. Lopuksi kerätty tietomassa analysoidaan, järjestetään ja suodatetaan päätöksenteon tueksi.

Asiakkaalta tuleva sähköpostiviesti on hyvä esimerkki koneellisesti luettavasta sisällöstä, jossa on sekä tarkkaan määriteltyä, että vasta analysoinnin jälkeen hyödynnettävää tietoa. Sisältöä voidaan analysoida ja luokitella eri kriteereillä, kuten esimerkiksi tekstistä haettavilla avainsanoilla, lähettävällä organisaatiolla ja lähetysajankohdalla. Kaikki lähtee tavoitteiden asettamisesta – mitä halutaan etsiä ja millä tavoin tuloksia halutaan analysoida.

Rikastettu data palvelee paremmin

Yksi käytännön esimerkki edellä kuvatusta analyysista on tuotteiden haku sähköpostiaineistosta ja siihen kytketty asiakastyytyväisyyden mittaaminen tuotetta kuvaavilla avainsanoilla. Tuloksena saadaan tuotenumeroittain tai tuoteryhmittäin jäsenneltyjä tyytyväisyyskuvioita. Tästä voidaan päätellä, millä tuotteilla on isoimmat kehityshaasteet ja siten tyytyväisyys ajan myötä kehittyy.

Toinen analyysiesimerkki on asiakastikettien analysointi niiden läpimenoajan mukaan. Sähköpostilla saapuvien tikettien ratkaisuajat on helppo jakaa eri luokkiin tunnistamalla viestien saapumispäivämäärät ja käsittelyn valmistumisajankohta. Kun tämä tieto rikastetaan tekstistä poimitulla sisällöllä, kuten esimerkiksi asiakasryhmään, maantieteellisen alueeseen tai tuoteryhmään liittyvällä tiedolla, saadaan käyttökelpoinen työkalu toiminnan kehittämiseen. 

Asiakastiedon kerääminen on vasta ensiaskel toiminnan kehittämiseen. Yrityksen tavoitteista lähtevä, systemaattinen tiedon analysointi ja jalostaminen tarjoaa pääsyn aidosti päätöksentekoa palvelevan tiedon lähteille. Koneoppiminen kehittyy valtavin harppauksin. Sen tuomat tekniset innovaatiot tarjoavat meille entistä paremmat edellytykset monikanavaiseen tiedon keräämiseen ja sen hyödyntämiseen.

Amir Hassan, Business Consultant, Posti Messaging

Topics: tiedonhallinta, dokumenttienhallinta, dokumenttiprosessi


Uusimmat

"Yrityksen tarina herättää asiakkaan mielenkiinnon”

read more

Hajanaiset tietovirrat voidaan jalostaa päätöksenteon tueksi

read more

Puutteellisen dokumenttienhallinnan 5 suurinta haittavaikutusta

read more