Big datan hyödyntämisen kuusi merkittävää haastetta

Emma Pirskanen, Heli Hallikainen ja Tommi Laukkanen
Itä-Suomen yliopisto, julkaistu 24.10.2017


Yritykset voivat hyödyntää big dataa liiketoiminnassaan monin eri tavoin. Usein yritykset kuitenkin kohtaavat vaikeuksia big datan käytännön hyödyntämisessä. Jotta yritykset menestyisivät big data projekteissaan, tulisi yritysten kyetä vastaamaan big dataan liittyviin haasteisiin. Listasimme akateemisiin tutkimusartikkeleihin perustuen kuusi merkittävää haastetta, jotka voivat estää tai vaikeuttaa big datan hyödyntämistä liiketoiminnassa:


1) Infrastruktuuri
Big data vaatii infrastruktuurin, joka huomioi big datan ominaisuudet, kuten suuren volyymin, lähteiden monimuotoisuuden ja tuotantonopeuden. Data-analytiikkaan liittyviä teknisiä investointeja voi olla haastavaa perustella, sillä analytiikasta saatavia hyötyjä on usein vaikea ennustaa. Tämä hankaloittaa investointien arvon määrittämistä.

2) Yksityisyys
Big datan hyödyntäminen voidaan kokea uhaksi kuluttajien yksityisyydelle, koska dataa voidaan jakaa ja analysoida tavoilla, joista kuluttaja ei välttämättä ole tietoinen. Yritysten tulisi varmistaa, että datan hallinnointi ja käsittely tehdään siten, että kuluttajien yksityisyydensuojaa ei loukata. Myös toukokuussa 2018 voimaan astuva EU:n tietosuoja-asetus tuo yrityksille uusia vaatimuksia kuluttajan yksityisyydensuojan parantamiseksi.

3) Datan laatu
Suuri datan määrä sekä esimerkiksi sosiaalisen median data voivat vaikuttaa datan laatuun heikentävästi. Monimuotoista dataa voi olla vaikeaa hallinnoida, ja datan hyödyntäminen vaatii mittavia valmisteluja, sillä sellaisenaan data on usein puutteellista tai jopa virheellistä. Mm. nämä seikat voivat johtaa hankaluuksiin kun big dataa käsitellään ja analysoidaan. Tästä johtuen tietojen esikäsittely, kuten mm. puuttuvien arvojen korjaaminen, saattaa vaatia jopa enemmän aikaa ja resursseja, kuin varsinainen datan analysointi.

4) Visualisointi
Datan suuri määrä, sekä muut big datan ominaispiirteet tuovat omat haasteensa myös tulosten visualisointiin. Kuitenkin, jotta tuloksia voitaisiin tehokkaasti hyödyntää päätöksenteossa, tulisi ne voida esittää helposti ymmärrettävässä muodossa esimerkiksi kuvien ja kaavioiden avulla. Visualisoinnin tulisi tapahtua tehokkaasti ja nopeasti, jotta tietoa voidaan hyödyntää lähes reaaliaikaisesti.

5) Ammattitaito
Jotta big datasta voidaan tuottaa arvokkaita uusia näkemyksiä liiketoimintaan, tarvitaan osaavaa ja ammattitaitoista henkilöstöä niin datan analysointiin, päätöksentekoon kuin päätösten toteuttamiseen. Viime vuosina alalla on vallinnut pula työntekijöistä, joilla on tarvittavaa big data teknologioiden osaamista. Tilanteen paikkaamiseksi osa yrityksistä on alkanut kouluttaa henkilökuntaansa räätälöidyillä data-analytiikan koulutusohjelmilla.

6) Yrityskulttuuri
Yrityksen dataorientoituneisuus vaikuttaa siihen, kuinka big dataa todellisuudessa päätöksenteossa hyödynnetään. Big datan hyödyntäminen saattaa aiheuttaa vastustusta organisaatiossa, mikäli työntekijät eivät ymmärrä miten datalähtöinen liiketoiminta tukee yrityksen toimintoja sekä työntekijöiden työtehtäviä. Johtajien tulisi saada työntekijät luottamaan analytiikkaan, ja järjestää koulutusta, jotta yrityksen työntekijät oppisivat ymmärtämään ja hyödyntämään big dataa omassa työssään.

Tutkimusten mukaan yritykset, jotka kykenevät selviytymään mm. näistä haasteista, pystyvät edistämään liiketoimintaansa ja luomaan kilpailuetua big datan avulla.

Lähteet:

A. Abbasi, S. Sarker, and R.H. Chiang, “Big data research in information systems: Toward an inclusive research agenda”, Journal of the Association for Information Systems, (17:2), 2016, pp. 1- 32.

A. Alharthi, V. Krotov, and M. Bowman, “Addressing barriers to big data”, Business Horizons, (60:3), 2017, pp. 285-292.

F. Germann, G.L. Lilien, and A. Rangaswamy, “Performance implications of deploying marketing analytics” International Journal of Research in Marketing, (30:2), 2013, pp. 114-128.

R. Herschel, and V.M. Miori, “Ethics & Big Data”, Technology in Society, (49), 2017, pp. 31- 36.

I. Lee, “Big data: Dimensions, evolution, impacts, and challenges”, Business Horizons, (60:3), 2017, pp. 293-303.

C.F. Hofacker, E.C. Malthouse, and F. Sultan, “Big data and consumer behavior: Imminent opportunities”, Journal of Consumer Marketing, (33:2), 2016, pp. 89-97.

O. Matthias, I. Fouweather, I. Gregory, and A. Vernon, “Making sense of Big Data–can it transform operations management?”, International Journal of Operations & Production Management, (37:1), 2017, pp. 37- 55.

D.H. Shin, “Demystifying big data: Anatomy of big data developmental process”. Telecommunications Policy, (40:9), 2016, pp. 837-854.

U. Sivarajah, M.M. Kamal, Z. Irani, and V. Weerakkody, “Critical analysis of Big Data challenges and analytical methods”, Journal of Business Research, (70), 2017, pp. 263-286.

H. Wang, Z. Xu, H. Fujita, and S. Liu, “Towards felicitous decision making: An overview on challenges and trends of Big Data”, Information Sciences, (367), 2016, pp. 747-765.

I. Yaqoob, I. A. T. Hashem, A. Gani, S. Mokhtar, E. Ahmed, N.B. Anuar, and A.V. Vasilakos, “Big data: From beginning to future”, International Journal of Information Management, (36:6), 2016, pp. 1231-1247.