Miks on andmeid tegelikult vaja?
Autor: Indrek Tuula; BCS Itera konsultant
Tänapäeval on andmed hinnalisemad kulla (Au) väärtusest. Ometi on nii, et paljud ettevõtted ning organisatsioonid ei oska olemasolevaid andmeid enda kasuks tööle panna. Tihti ei tajuta, et korrastatud andmete põhjal on võimalik väärtusahelas liikuda paremale positsioonile.
Kui suurt edu suudab toiduainetööstuse ettevõte tootearenduses saavutada? Alati on küsimus uute toodete müügiedukuse kohta. Võime võtta aluseks maitsmisel pimetestide hinde ja esialgse pakendi väljanägemise ning võrrelda neid olemasolevate toodete vastavate näitajatega s.h müügitulemustega ajas. Tulemuseks saame teadmise uute toodete läbilöögi kohta turul. Selge on see, et kehvade tulemuste korral tuleb keskenduda pakendi või maitse muutmisele. Seevastu heade tulemuste korral saame edasi liikuda müügikampaania korraldamisele. Oluline on see, et enne turule paiskamist saame juba teadmise selle kohta, mis meid ees ootab. See on soodsam, kui jõuda samale järeldusele nõndanimetatud katse-eksitus meetodil.
Millisel viisil muutub pangas laenutaotluste rahuldamine või tagasilükkamine? Võrreldes laenutaotlejate andmeid (sissetulek, haridus, vanus, kohustused, laenu kestvus, jne …) hapude laenude andmete ja panga poolsete otsuste andmetega (laen rahuldatud, tagasi lükatud, lisatagatisel või käendusel rahuldatud). Mida on võimalik sellistest andmetest avastada? Andmetest on võimalik eraldada see osa, mille puhul hapude laenude tõenäosus on minimaalne. Osadel töötajatel on lihtsalt parem kogemus võrreldes teistega. Seda sorti mustrit kasutades on võimalik anda teistele kvaliteetset sisendit otsuste langetamisel. Seejuures pole vaja kulutada nende inimeste aeg, kelle on suurem kogemus.
Tellimuspõhises tootmises on tihtilugu üsnagi palju aega seotud ostutegevustega. Võimalik on enne tellimuse sisseandmist konkreetsele hankijale teada prognoositavat tarnevõimekust. Viimane omakorda mõjutab ostja otsust. Aluseks saab võtta ajaloolised andmed, millest leitakse ülesse tarnevõimekuse tsüklilisuse mustrid lähtuvalt tellitavast kaubast, kuupäevast, kogusest, hinnast, osapoolte kontaktidest ning muust kättesaadavast infost. Juhul, kui prognoositav tarnevõimekus on madal ning eksisteerib teisi alternatiive, siis sellisel juhul on võimalik säästa ostja aega, sest ta teab ette, et eelistatud hankijalt saab ta teda mitterahuldava vastuse.
Microsofti tooteperekonnas on olemas lahendused, mis võimaldavad andmete põhjal töötada välja andmealgoritmid, mis annavad vastuseid ülal toodud küsimustele. Vastuse päringule saab suunata kasutajale sobiliku keskkonda. Selliseks keskkonnaks võib olla majandusarvestustarkvara Microsoft Dynamics NAV, ärianalüüsi lahendus Bi4Dynamics või PowerBI.
Tööriistade olemasolu on üks teema. Väga oluline on ka arusaam, et andmemudelid valmivad kliendile rätseplahendusena. Kuna ärivaldkonna tuumikteadmisi omab klient, siis on heade tulemuste saavutamiseks oluline hea koostöö. Teostamine samm-sammult ning mõistmine, et heade tulemuste saavutamiseks äripoolel on vaja piisavalt aega, tahtmist ning järjepidevust.