Toimitusjohtajan sivu

Toimitusjohtaja

Oletteko muuttamassa organisaatiota?

Esimerkiksi perinteisestä linjaorganisaatiosta matriisiorganisaatioksi? Tai matriisiorganisaatiosta uudentyyppiseen front-office/back-office rakenteeseen?

Muutoksen aikana organisaation suorituskyky usein väliaikaisesti heikkenee. Kun etsitään syitä, miksi suorituskyky ei parane muutoksen jälkeen, eri osapuolet syyttävät toisiaan ja moni toteaa, että vanha oli sittenkin parempi.

Tällaisessa tilanteessa eri asioiden korrelaatiot yli perinteisten organisaatiorajojen saattavat paljastaa perussyyt (root causes) yllättävän helpolla. Siksi kannattaa harkita sitä, että organisaation käytössä olevien laatu- ym. mittareiden tuloksista sekä liiketoiminnan tunnusluvuista lasketaan yhteinen tietämysmalli, jota tutkimalla em. korrelaatiot paljastuvat nopeasti ja selvästi.

Vaihteleeko tulos liikaa alue- tai tuoteorganisaation mukaan?

Asiakkaiden tarpeet muuttuvat jatkuvasti, ja toisaalta kilpailijat kehittyvät ja muuttavat strategiaansa. Näissä olosuhteissa kauppa käy, mutta hinnat ja markkinaosuudet laskevat ja kiinteistä kustannuksista tulee ongelma. Nyt juurisyiden selvittäminen on vaikeata, sillä tilanne on seuraus monesta yhtä aikaa vaikuttavasta seikasta. Niiden keskinäinen tärkeys ja vaikutus yrityksen eri suoritusmittareihin voidaan kuitenkin selvittää. Yhdistämällä käytettävissä olevat laatu- ym. mittareiden tulokset ja liiketoiminnan tunnusluvut ja keräämällä yleensä käytettävissä olevista muista tietokannoista tietoa prosessista, kuten eri tuotteiden menekki per alue, käytetyt tunnit ym. ja laskemalla näistä tietämysmalli korrelaatiot paljastuvat nopeasti ja selvästi.

Eikö ERP-investointi ole tuottanut toivottua tulosta?

ERP-järjestelmän (toiminnanohjaus-) implementointi on pitkä ja raskas prosessi. Usein on näköjään käynyt niin, että se tuntuu onnistuneen mutta tämä ei näy tuloksissa. Syitä voi olla useitakin, mutta yksi, johon on helppo vaikuttaa, on tulosten parempi hyödyntäminen. Hankalampien syiden joukkoon kuuluvat sitten mm. kilpailijoiden samanaikainen kehittyminen, markkinoiden muuttuminen jne.

ERP-järjestelmät tuottavat nykymuodossaan usein jopa liikaa dataa. Samaan asiaan, esim. reklamaatioihin, liittyen saa eteensä kymmeniä diagrammeja yksityiskohdista, mutta kokonaiskuva jää epäselväksi.

Laskemalla tietämysmalli ERP-järjestelmän keräämistä tiedoista voidaan yleensä välittömästi tuottaa uutta kokonaisvaltaista tietoa päätöksentekoa varten, jolloin tehdyistä investoinneista saa hyvin pienellä lisäpanoksella enemmän hyötyä irti.

Eikö CRM-investointi ole tuottanut toivottua tulosta?

Myös CRM-järjestelmän implementointi on pitkä ja raskas prosessi. Monesti tuntuu siltä kuin se ei olisi onnistunut täysin tai ainakin valituksia kuuluu paljon. Tähän on usein monta syytä, mutta yksi, johon on helppo vaikuttaa, on tiedon hyödyntäminen. Hankalampien syiden joukkoon kuuluvat myyjien tyytymättömyys järjestelmän raskauteen ym.

Laskemalla tietämysmalli CRM-järjestelmän keräämistä tiedoista voidaan yleensä välittömästi tunnistaa uutta kokonaisvaltaista tietoa myynnin pulmista, jolloin tehdyistä investoinneista saa pienellä lisäpanoksella enemmän hyötyä irti. Samalla yleensä myös oivalletaan, että pitää vielä kehittää datan keräystä.

Oletko tyytymätön nykyisten IT-ratkaisujen tuottamaan hyötyyn?

Ehkä aikanaan, kun niitä tehtiin, mentiin yli siitä, mistä aita oli matalin? Tai onko käytettävissänne vain määrältään riittämätöntä ja laadultaan huonoa dataa? Silloin ei kannata jatkaa vanhaa rataa.

Tai oletteko kehittämässä uusia ratkaisuja?

Esimerkiksi tietovarastojen uudelleen rakentaminen ja/tai yhdistäminen on kallista ja edellyttää myös parhaiden resurssien irrottamista käsitteiden uudelleen määrittelyyn, muuten lopputuloksesta tulee katastrofaalinen. BayMiner auttaa kirkastamaan nopeasti uusien vaihtoehtoehtojen todellisen tarpeen.

Miten? Käsittelemällä vähemmän dataa järkevämmin.

BayMinerin avulla voi selvittää, missä datassa on hyödyllistä informaatiota. Käytetyn vanhan tietokannan tai kuution rakenne ei rajoita käyttöä, ei myöskään se, että järjestelmät eivät vielä ole integroituja. Oleellista on, että ongelman omistaja itse käyttää malleja tosissaan eikä odota saavansa staattisia raportteja luettavakseen. Lopputulos on, että voitte kerätä vähemmän dataa ja silti tehdä parempia päätöksiä.

Kun mittarit näyttävät punaista

Monestikin kysytään ensimmäiseksi, mitä tehdä asian korjaamiseksi, kun oikeastaan pitäisi kysyä, onko saatu tieto oikeata. Tässä vaiheessa on kuitenkin yleensä vaikea puuttua enää datan keräykseen. Informaation prosessointiin sen sijaan voi vielä vaikuttaa. Liiketoiminnan poikkifunktionaalista mallinnusta käyttämällä löytää aina uutta tietoa ja todennäköisyyslaskentaperustaista datan prosessointia hyödyntämällä saa hyvät tulokset vähemmällä datalla.

Tässä tilanteessa pitäisi myös saada vastauksia eri kysymyksiin välittömästi, joten datan pitäisi tukea sitäkin prosessia hyvin.

Onko tällöin enää järkevää ohjata organisaatio käyttämään uusia välineitä? Juuri siinä tilanteessa alaisten kannattaa perehtyä BayMineriin, sillä siihen kuluu aikaa vain muutama tunti, mutta sen jälkeen BayMiner tuottaa uutta tietoa käytettävissä olevasta datasta nopeaan tahtiin, kiitos synergiavaikutuksen, joka taas on mm. erikoisen tehokkaan visuaalisuuden ansiota. Operatiiviset muutokset vievät joka tapauksessa niin paljon aikaa, että kannattaa samalla varmistaa, että korjaukset vaikuttavat oikeaan suuntaan.

Kuluuko palaveriaika oikean ongelman etsimiseen?

Sen sijaan, että aika käytettäisiin hyvien ratkaisujen löytämiseen! Yksi keskeisiä syitä, joka johtaa tähän ongelmaan, on pitkien ja monimutkaisten päättelyketjujen muodostamisen vaikeus. Toiset sen vain osaavat ja toiset eivät. Yhtenä syynä siihen, että se koetaan vaikeaksi, on, että ongelmatyyppi ei ole selvä.Pitäähän myös ymmärtää, minkälainen ongelma on tyypiltään, jotta sen ratkaiseminen sujuisi.

Ovatko mittarit ylipäänsä kunnossa?

Liike-elämässä tuntuu yleensä olevan epävarmuutta tästä! Jos mittarit ovat punaisella, on ongelma usein jo tiedossa ja keskustelu käy siitä, miten suuri se on. Joskus taas käydään keskustelua siitä, onko ongelma oikeasti olemassa. Mittareihin ei siis voi päätöksentekotilanteessa välttämättä luottaa. Toisena vaikeutena on se, että mittarien pitäisi myös auttaa selvittämään ongelmien syyt, mutta tämä tavoite toteutuu verraten harvoin. Tämä on luonnollistakin, koska mittareihin summataan yhteen yleensä liikaa dataa, jolloin niistä tulee liian yleisiä. Porautuminen ei ratkaise tätä ongelmaa, koska sen aikana ei oteta huomioon kaikkia korrelaatioita. Tästä seuraa, että toissijaisesti vaikuttavat tekijät eivät pääse esiin ja näin ei soveltamistilanteessa tiedetä, mihin ja miten kohdistetaan toimenpiteet.

Mittarit eivät saisi myöskään olla sellaisia, että organisaatio oppii optimoimaan omaa toimintaansa niin, että mittarilukemat näyttävät mahdollisimman hyviltä, vaikka toiminnan todellinen laatu ei olekaan parantunut vastaavasti.

BayMiner ratkaisee ongelman siten, että se ensin ryvästää (klusteroi) datan, minkä jälkeen käyttäjä kohdistaa huomionsa yhteen ryppääseen kerrallaan, jolloin analyysissä tarpeellisiksi osoittautuvat toimenpiteet voidaan kohdistaa oikein. Ratkaiseva ero on siinä, että ryvästysvaiheessa otetaan kaikki käytettävissä olevat tekijät huomioon sen painon mukaan, mikä niillä on itse datassa. Toinen ongelma ratkeaa siten, että tiettyjen mittareiden ylikorostaminen toiminnassa johtaa muiden arvojen heikkenemiseen, ja tämä käy ilmi, kun kaikki korrelaatiot otetaan yhtä aikaa huomioon.

Muutosten kannattavuus

Yleensä suuria muutoksia ei kannata tehdä, jolleivät hyödyt ole riittävän suuria. BayMinerin avulla voi edetä taloudellisesti evoluutiomenetelmää noudattaen ja testata datankeräys- ja analyysivaihtoehtoja ennen kuin päädytään suuria investointeja vaativiin ratkaisuihin.

BayMinerilla hyödynnät toiminnanohjausjärjestelmääsi paremmin

Tarvitsetko selkeyttä ja tehokkuutta yrityksesi toiminnanohjausjärjestelmän raportointiin? BayMineranalyysityökalu täydentää toiminnanohjausjärjestelmän omaa raportointia. Lisää...