Algoritmi, analyysi, asiakasrekisteri, ennuste, hyperspektrikamera, koneäly, lohkoketju, sosiaalinen media, uutiskirje, todennäköisyyslaskenta…
Mikä yhdistää näitä oivallisia nykyajan ja vähän vanhempia keksintöjä ja työkaluja? Ainakin yksi asia – data. Datasta puhutaan tänä päivänä paljon joka puolella ja käytetään esimerkiksi sanontaa ”data on uusi öljy”.
”Data on uusi öljy”
Mietitään hetki tällaisen sanonnan tarkoitusta ennen tämän ohittamista; tämähän voisi tarkoittaa sitä, että data on välttämätön ja arvokas hyödyke, jonka avulla voidaan saada asioita aikaan. Öljy tosin itsessään on ollut arvokasta vain niin kauan kuin sille on ollut paljon todellista käyttöä, eli hieman päälle 150 vuotta. Dataa taas on ollut olemassa monessa muodossa jo niin kauan kuin ihmiskunta on käyttänyt kirjoitus- ja lukutaitoa hyödykseen. Esimerkiksi viljan määrää on dokumentoitu muinaisaikoina savitauluihin ja jotkin muinaiset kalliomaalauksetkin kuvaavat ikään kuin tietoa sisältävänä ohjeena metsästettäviä tai vaarallisia eläimiä.
Tietoteknisessä mielessä dataa on ollut olemassa niin kauan kun eri tyyppisiä tietokoneita on ollut olemassa. Tässä tietoteknisessä ympäristössä data on aiemmin ollut vain sellaisessa muodossa, jota vain asiasta paremmin tietävät ovat osanneet lukea. Nykyaikana dataa tulisi osata lukea yhä useammassa yhteydessä tietotekniikan yleistyessä lähes jokaisella elämämme osa-alueella ja korostuneesti myös työelämässä.
Datan lukutaitoa ei valitettavasti vaan opeteta missään.
Mitä se data sitten on?
Lyhyesti avattuna data on tietoa – ei sen kummempaa salatiedettä. Tämä tieto voi olla tietotekniikassa esimerkiksi lukuja, jonkin asian ominaisuuksia, ääntä tai vaikkapa kuvaa. Näitä kaikkia tiedon hippusia yhdistää se, että tämä tieto, eli data, on tietoa menneestä – oli kyseessä sitten vaikkapa kassakoneen myynti edelliseltä päivältä, Google Mapsista löytyvä tietyllä hetkellä tallennettu ravintolan sijaintitieto, vuosia sitten nauhoitettu musiikkikappale tietokoneen kovalevyllä tai kuva viime kesäisestä järvimaisemasta.
Data on tietoa menneessä aikamuodossa
Käytännössä kaikki data on tietoa menneessä aikamuodossa, sillä parhaimmassakin niin sanotussa reaaliaikaisessa datassa tuo tieto on tullut johonkin järjestelmään jonkin mittaus- tai muun syöttötavan kautta. Tässä datan mittaus- tai syöttötavassa on jonkinlainen viive itse mitattavasta tapahtumasta, josta dataa saadaan – puhumattakaan siitä viiveestä, joka tulee, kun tähän mitattuun dataan tutustutaan jollakin tavalla.
Yhtenä esimerkkinä vaikkapa sähkömittari, joka mittaa sähkön kulutusta tällä hetkellä, josta saattaa mennä joitakin tuhannesosasekunteja siihen, että itse tieto näkyy mittarissa tai tietokoneen ruudulla. Pidempi viive on esimerkiksi seurattaessa sähkön kulutusta kuvaavaa dataa päivä-, viikko- tai kuukausitasolla, joita tutkittaessa muodostuu käsitys siitä, miten sähköä on kulutettu pidemmällä aikavälillä.
Mitä merkitystä viiveellä on?
Tällä viiveellä on lyhyesti sanottuna hyvin suuri merkitys. Mietitään tätä viivettä tämän sähkömittariesimerkin kautta, jossa datan lukeminen ja tulkinta lyhyellä sekä pitkällä aikavälillä antaa apuja eri asioihin. Tämä sähkön tietyn hetkistä kulutusta mittaava mittari raksuttaa ajan kuluessa näistä sen hetkisistä kulutustasoista dataa talteen toisen tyyppiseen mittariin, jonka data kertoo käytetystä sähkön määrästä yhteensä. Pitkän ajan kuluessa tämän datan perusteella muodostuu sitten se kaikkien tuntema hieman liian suuri sähkölasku.
Useimmiten sähkölasku tulee vaikkapa puolen vuoden laskutusvälillä postiluukusta, jolloin viiveen vuoksi siihen edellisen sähkölaskun suuruuteen ei voi enää millään vaikuttaa. Sähkön kuluttaja pystyisikin vaikuttamaan omaan kulutuskäyttäytymiseensä – ja samalla sähkölaskuunsa – näkemällä pienemmällä viiveellä lyhyen ja pitkän aikavälin dataa taloutensa sähkönkäytöstä.
Lyhyen aikavälin – esimerkiksi päiväkohtaisen – kulutuksen näkeminen auttaisi sähkön kuluttajaa tarkastelemaan datan avulla sitä, että onko sillä tietyn kodinkoneen käytöllä niin suurta merkitystä sähkön kulutuksen kannalta. Pidemmän aikavälin – esimerkiksi kuukausikohtaisen – kulutuksen näkeminen auttaisi sähkön kuluttajaa tarkastelemaan koko talouden sähkönkäyttöä yleisellä tasolla, jolloin kuluttaja pystyy pohtimaan datan avulla kulutustottumuksiaan kokonaisuutena.
Eikö tällaisen seurantaan ole jo nykypäivänä mahdollisuus?
Kyllä, molempien aikavälien sähkönkulutusta kuvaava data on onneksi saatettu jo 2009 lähtien Valtioneuvoston asetuksen ansiosta kuluttajan tutkittavaksi sähköyhtiön oman sivuston tai kännykkäsovelluksen välityksellä. Tämä on osaltaan varmasti auttanut kuluttajia tekemään oman sähkönkulutuksensa kannalta parempia päätöksiä, mutta vain siinä tapauksessa, jos sähkön kulutus on ollut jostakin syystä mielen päällä ja jos valmiiksi tarjotut tavat tutkia sähkön kulutusta ovat olleet asiakkaan ymmärtämällä tasolla.
Monilla meistä esimerkiksi sähkön päivittäinen kulutus ei kuitenkaan ole koko ajan mielessä, koska tällaiset asiat unohtuvat helposti kaikkien virikkeiden keskellä. Tätä sähköyhtiöiden tuottamaa dataa tulisi myös jaksaa ja muistaa tarkastella erikseen valmiiksi tarjottujen tapojen kautta. Sähkön kulutus pysyisikin päivittäin paremmin mielessä jonkin visuaalisen avun myötä, jos jokaisessa taloudessa olisi jokin yleinen, helppo ja käytännöllinen tapa seurata haluamallaan tavalla tätä kulutusta kuvaavaa dataa kaikkien ymmärtämällä tavalla koko ajan – vaikkapa pienellä seinään kiinnitettävällä kosketusnäytöllä valintamahdollisuuksineen.
Blogin seuraavassa osassa jatketaan pohdintaa datan lukutaidosta ja mitä mahdollisuuksia helpommin luettavissa olevalla datalla on mahdollista luoda.
Kirjoittaja on käynyt läpi, tulkinnut ja avannut dataa asiaan perehtymättömille 8 vuoden ajan työskennellessään Grano Dieselillä. Näihin vuosiin mahtuu noin 10 000 eri markkinointikampanjoiden kohderyhmää, analyysia ja tilastoa. Näillä toimenpiteillä on tehty paljon kauppaa ja ennen kaikkea on myös opittu yhdessä asiakkaiden kanssa parempia keinoja toimia ja tehdä tuloksellista kohdennettua markkinointia.