Esitykseni CMADFI 2105:ssa 26.1.2015.

1. Kaija Pöysti, M.Sc., Senior Partner
Managerin matematiikka –
miksi yhteisömanageri tarvitsee
viestintäosaamisen lisäksi
myös analytiikkaosaamista
CMADFI 2015 Lahti 26.1.2015

2. Mitä kaikkea tiedät yhteisöstäsi…
… kun vain seuraat sitä
http://www.slideshare.net/socious/datadriven-online-community-management?from=ss_embedhttp://www.slideshare.net/socious/datadriven-online-community-management?from=ss_embed

3. http://www.slideshare.net/rhappe/the-state-of-community-management-2014?qid=92abcc7f-8c22-40a3-bb8d-8a41aab109aa&v=default&b=&from_shttp://www.slideshare.net/rhappe/the-state-of-community-management-2014?qid=92abcc7f-8c22-40a3-bb8d-8a41aab109aa&v=default&b=&from_s

4. • PilotointiPilotointi
• Yhteisön kehittäminenYhteisön kehittäminen
• SisällötSisällöt
• ToiminallisuudetToiminallisuudet
• AktivointiAktivointi
• Uudet ilmiötUudet ilmiöt
• Tavoitteet ja niitä selittävät tekijätTavoitteet ja niitä selittävät tekijät
• ROIROI
• Kuukausittain, viikottain – vai jatkuvasti?Kuukausittain, viikottain – vai jatkuvasti?
Analytiikan käyttö
Mitä tapahtui
Miksi tapahtuu

5. Digitaalinen liiketoiminta:
menneisyyden raportoimisesta
tulevaisuuden tekemiseen
Historian raportointi ja
kontrollointi
Tosiaikaisen datan keruu ja
analyysi =ymmärrys
Tulevaisuuden toiminnan
ohjaus: kun ymmärretään
“miksi”, tiedetään “mitä”.
© Kaija
Pöysti

6. • Big Data =Big Data = kaikkikaikki ilmiöstä saatava datailmiöstä saatava data
• Datapisteitä voi olla sata yhtä hyvin kuinDatapisteitä voi olla sata yhtä hyvin kuin
miljardimiljardi
• Datan laatuDatan laatu
• Puuttuuko dataa, onko siinä virheitä taiPuuttuuko dataa, onko siinä virheitä tai
autokorrelaatiotaautokorrelaatiota
• Data engineers vs. Data scientistsData engineers vs. Data scientists
• Toinen kerää datan toisenToinen kerää datan toisen
analysoitavaksianalysoitavaksi
• Mitä datajoukkoja voit analysoida ristiinMitä datajoukkoja voit analysoida ristiin
• Avoin data: säätilasta tv-ohjelmiinAvoin data: säätilasta tv-ohjelmiin
• Korrelaatio ja kausaliteettiKorrelaatio ja kausaliteetti
Muutama asia Big Datasta

7. Korrelaatio ja kausaliteetti
• Mitkä ovat yhteisön tavoitteetMitkä ovat yhteisön tavoitteet
• Mitkä ovat tavoitteiden todelliset selittävät tekijätMitkä ovat tavoitteiden todelliset selittävät tekijät

8. http://www.slideshare.net/socious/datadriven-online-community-management?from=ss_embedhttp://www.slideshare.net/socious/datadriven-online-community-management?from=ss_embed
Visualisointi
• Mitä kaavioita näytät ja mitä niistä voi päätelläMitä kaavioita näytät ja mitä niistä voi päätellä
• Erilaiset kaaviotyypit ja visualisointitavatErilaiset kaaviotyypit ja visualisointitavat

9. • Analytiikkaa löytyy kohta joka lähtöönAnalytiikkaa löytyy kohta joka lähtöön
• Toyota Way: kysy 5 kertaa “Toyota Way: kysy 5 kertaa “miksimiksi””
KISS – avoid Analysis Paralysis
http://www.gooddata.com/bi-solutions/enterprise-analytics/yammer-analyticshttp://www.gooddata.com/bi-solutions/enterprise-analytics/yammer-analytics

10. Kaija Pöysti
kaija.poysti@intosome.fi
+358 400 505727
@kaijapoysti