Data-analytiikka arvonluonnissa
Pärssinen, Elmo (2023)
Kandidaatintyö
Pärssinen, Elmo
2023
School of Engineering Science, Tuotantotalous
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe20230823103792
https://urn.fi/URN:NBN:fi-fe20230823103792
Tiivistelmä
Tämän kandidaatintyön tavoitteena on selvittää, miten data-analytiikkaa hyödyntämällä luodaan arvoa. Työn alussa perehdytään data-analytiikkaan, sen keinoihin ja termeihin. Tämän jälkeen perehdytään arvoon, arvonluontiin, asiakasarvoon sekä edellisten eroavaisuuksiin. Lopuksi käydään läpi arvonluontia data-analytiikan avulla case yritystä hyödyntäen. Tutkimus on toteutettu kirjallisuuskatsauksena. Työssä esitelty case esimerkki havainnollistaa tutkittavaa asiaa ja se perustuu työssä olevaan kirjallisuuteen.
Data-analytiikka on datan hyödyntämistä datan lähteestä aina datan avulla tehtyihin johtopäätöksiin saakka. Data-analytiikassa on eri tasoja, joiden käyttö vaatii enemmän resursseja, mutta lopputulokset ovat myös informatiivisempia.
Termejä arvo ja asiakasarvo käytetään välillä kirjallisuudessa ristiin ja niiden eriyttäminen on välillä hankalaa. Arvolla tarkoitetaan kuitenkin yleensä esimerkiksi yrityksen kokemaa arvoa, kun taas asiakasarvolla juuri kuluttaja-asiakkaan kokemaa arvoa. Asiakasarvo voidaan määritellä yksinkertaisesti yksiulotteisella määritelmällä panoksen ja hyödyn suhteena, tai siinä voidaan käyttää moniulotteisempia määritelmiä.
Perinteinen yksinkertaiseen jakolaskuun perustuva asiakasarvo ei toimi hyvin data-analytiikkaan vahvasti luottavissa tuotteissa, sillä datapohjaiset tuotteet perustuvat usein tuotteen ilmaisuuteen tai pieneen hintaan, jolloin jakolaskun jakaja olisi todella pieni. Case yrityksessä data ja data-analytiikka on koko yrityksen liiketoiminnan keskiössä. Yrityksen perusliiketoiminta luottaa vahvasti sen itse keräämään ja muualta saatuun dataan, mutta datan strukturoimattomuus on suuri haaste. Asiakkaan kokema asiakasarvo on kuitenkin suuri.
Data-analytiikka on datan hyödyntämistä datan lähteestä aina datan avulla tehtyihin johtopäätöksiin saakka. Data-analytiikassa on eri tasoja, joiden käyttö vaatii enemmän resursseja, mutta lopputulokset ovat myös informatiivisempia.
Termejä arvo ja asiakasarvo käytetään välillä kirjallisuudessa ristiin ja niiden eriyttäminen on välillä hankalaa. Arvolla tarkoitetaan kuitenkin yleensä esimerkiksi yrityksen kokemaa arvoa, kun taas asiakasarvolla juuri kuluttaja-asiakkaan kokemaa arvoa. Asiakasarvo voidaan määritellä yksinkertaisesti yksiulotteisella määritelmällä panoksen ja hyödyn suhteena, tai siinä voidaan käyttää moniulotteisempia määritelmiä.
Perinteinen yksinkertaiseen jakolaskuun perustuva asiakasarvo ei toimi hyvin data-analytiikkaan vahvasti luottavissa tuotteissa, sillä datapohjaiset tuotteet perustuvat usein tuotteen ilmaisuuteen tai pieneen hintaan, jolloin jakolaskun jakaja olisi todella pieni. Case yrityksessä data ja data-analytiikka on koko yrityksen liiketoiminnan keskiössä. Yrityksen perusliiketoiminta luottaa vahvasti sen itse keräämään ja muualta saatuun dataan, mutta datan strukturoimattomuus on suuri haaste. Asiakkaan kokema asiakasarvo on kuitenkin suuri.
