Miten myydään data-projekti liiketoiminnalle?

Hei,

Olen kirjoittanut viime aikoina siitä, miksi semanttinen kerros on tärkeä tekoälyn teollisessa hyödyntämisessä, miksi contextual layer on data-alan kuumin buzzword juuri nyt, ja miksi itse asiassa datan mallinnus on se kuuluisa ”matalalla roikkuva hedelmä”, josta savotta kannattaisi aloittaa.

Mutta miten näin abstraktit aiheet perustellaan liiketoiminnalle? Mietitään nyt vaikkapa teollisuusyrityksen tuotantoyksikön johtajaa. Hän ei ymmärrä yhtään, miten semantiikka tai tiedon mallinnus liittyy ikipäivänä hänen työhönsä.

Jo historiasta tiedämme, että data governance on todella vaikeasti myytävissä. Jos nyt ihan rehellisiä ollaan, niin data governance ja data modeling eivät ole bisnekselle relevantteja aiheita lainkaan, vaikka ne meille dataihmisille ovat.

Kuitenkin datan mallinnuksen tulisi hyödyttää nimenomaan liiketoimintaa, eli lisätä myyntiä, säästää kustannuksissa tai tehostaa prosesseja. Tai auttaa tekoälyn hyödyntämisessä.

Ja datan mallinnuksen budjetti tulee aina kuitenkin liiketoiminnalta. Miljoonan dollarin kysymys on, miten myydä näitä abstrakteja aiheita liiketoiminnalle? Miten perustella niiden hyöty? Miten saat buy-inin bisnekseltä? Riihikuivan lisäksi melkein yhtä tärkeää on heidän mukanaolonsa ja sitoutumisensa.

Käyn siis tässä blogissa läpi, miten saadaan kulmahuone mukaan talkoisiin. Bisneksen sitouttaminen on tärkeää, mutta siitä puhutaan yllättävän vähän.

 

Miten päädyin myyntiin?

Tein psykologian opiskelijana gradua kognitiotieteen laitokselle, ja aineistoa piti kerätä haastattelemalla insinöörejä insinööritoimistoissa, kuten Etteplan, Granlund ja vastaavat.

Soittelin kaikki päivät firmoille ja pyysin päästä haastattelemaan heitä, jos heillä olisi aikaa.

Seuraavana kesänä hain töihin brittiläiseen työpsykologisia ohjelmistoja kehittävään yritykseen nimeltä SHL, koska heillä oli psykologihaku auki. Menin haastatteluun, ja tietysti kysyivät, mitä olen viimeksi tehnyt. Kerroin haastattelututkimuksesta, jossa soittelin ihmisille ja pyysin tapaamisia.

Haastattelija kysyi tarkentavasti, eli siis soittelit tuntemattomille ihmisille tunteja päivässä ja pyysit päästä tapaamaan? Sanoin, että kyllä, näin juuri.

Parin päivän jälkeen sain soiton siitä, että ottaisimme sinut töihin, mutta emme psykologiksi. Työtehtäväsi olisi juuri se, mitä olit tehnyt, eli soittelisit tuntemattomille ja sopisit palavereja. Tätä kutsuttiin B2B-myynniksi ja business developmentiksi. Olin, että ok, voihan sitä kokeilla.

Se oli ensimmäinen myyntityöni, ja sen jälkeen olen ollut kaupallisissa rooleissa kohta 20 vuotta. Tavallaan yksi haastattelu määritti koko sen jälkeisen urani pohjavireen. Psykologiksi en ikinä päätynyt.

 

Myynti on myös vaikuttamista

Olen sittemmin myynyt ohjelmistoja ja palveluja isoille suomalaisille ja eurooppalaisille yrityksille. Olen myös hakenut miljoonien edestä rahoitusta, mikä on sekin yhdenlaista myymistä, ihmisten vakuuttamista.

Kaikessa myynnissä ei edes kyse ole ostamisesta, vaan olen esimerkiksi ”myynyt” ideoita ja saanut ihmisiä innostumaan. Kun puhun myynnistä, en tarkoita pelkästään konkreettista myymistä, vaan nimenomaan ihmisiin vaikuttamista.

Juuri sitä kutsutaan sisäiseksi myynniksi, että saamme oman organisaation liiketoiminnalle ”myytyä” data governancen tai vaikkapa semanttisen mallinnuksen projektin.

Liiketoiminta tekee asioita pelkästään kahdesta syystä: pakosta tai siitä, että se hyödyttää heitä jotenkin.

Esimerkiksi data governance on sellainen osa-alue, että sitä tehdään osittain pakosta: olemme tottuneet siihen, että meidän täytyy noudattaa tiettyjä vaikkapa HR-käytäntöjä. Välillä teemme omasta mielestämme turhia ja byrokraattisilta tuntuvia juttuja. Me kuitenkin ymmärrämme, että vaikka ne tuntuvat tylsiltä, isossa kuvassa niitä on pakko tehdä.

Tämä on kuitenkin vaikea alhaalta toteuttaa, ellei sitten ole jotain tapaa vaikuttaa ylimpään johtoon.

Toinen vaihtoehto on myydä hyötyjen kautta. Se on mukavampaa ja yleensä palkitsevampaa tekemistä, koska toisin kuin pakon alla, ihmiset ovat motivoituneita.

 

Kaikilla meillä on omat henkilökohtaiset tavoitteemme

Yksi isoimmista opeista itselläni on, että ihminen ajattelee ensin itseään: mitä minä tästä hyödyn? Ja vasta sitten organisaatiota.

Kuulostaa itsekkäältä, mutta näin se vaan on. Vai oletko kuullut jonkun haluavan pienempää palkkaa, koska hän ajattelee organisaation etua? Tai irtisanoutuvan, koska työnantajalla on vaikea taloudellinen tilanne?

Nuo ovat äärimmäisiä esimerkkejä, mutta ne silti pätevät. Kerron esimerkin.

Olin nuori myyjä ja tarjoamani pilvipohjainen HR-ratkaisu oli sellainen, että sen avulla voitiin rekrytoida parempia myyjiä ja sitä kautta kasvattaa myyntiä. Näytimme dataa, että näin paljon myynti meidän ratkaisullamme kasvoi. Tarjosin sitä eräälle HR-johtajalle. Hän innostui ja sanoi, että tämä on tosi hyvä, palaan pian asiaan!

Eivät palanneet. Valitin pomolle masentuneena, kunnes mietimme tarkemmin tilannetta.

HR:n tehtävä ei ole kasvattaa myyntiä, vaan se on myyntijohtajan tavoite. HR-johtajaa ei palkita myynnin kasvusta. Hän ei itse asiassa hyödy mitenkään siitä, että kasvattaisi myyntiä. Hyvässä lykyssä hän vielä kilpailee toimitusjohtajan huomiosta myyntijohtajan kanssa, niin viimeinen asia, mitä hän haluaa tehdä, on myynnin kasvattaminen.

Jos mietimme tiedon mallinnusta, täytyy miettiä, miten kyseinen liiketoiminnan ihminen hyötyy tästä henkilökohtaisesti.

Esimerkiksi:

Data-alusta auttaa sinua kehittämään tuotantoprosessia, mutta emme voi kehittää sitä, jos et kerro meille, miten product, item ja puolivalmiste eroavat toisistaan SAP:ssa. Ja nämä ovat vain jäävuoren huippu, näitä on paljon vielä lisää.

Pystyt HR-dataa hyödyntämällä ennakoimaan työvoiman tarpeet ja kausivaihtelut, ja tällä ratkaisulla käännät toimitusjohtajan huomion myynnistä HR:ään. Sitä ennen meidän täytyy määrittää, mistä IT-järjestelmistä nämä tiedot tulevat ja millä spekseillä.

Me voimme vähentää talouden raportointivirheitä 50 %, mutta sitä ennen meidän pitää selvittää datan omistajuuteen liittyvät kysymykset.

Ja niin edelleen. Meidän täytyy pystyä kommunikoimaan, että mitä paremmat speksit ja vaatimusmäärittelyt me teemme, sitä paremmin ja todennäköisemmin sinä saat bonuksen, toimitusjohtajan huomion, vältät auditointiriskin tai mikä hyvänsä se onkaan, mitä tavoittelet.

Silloin aukeavat budjetin nyörit.

 

Kielen valinta ja samaistuminen

Kuten alussa tuli puheeksi, data-ala on täynnä mitä erikoisempaa terminologiaa. Toisaalta sama se muillakin aloilla, eli kaikilla on oma slanginsa.

Olen ollut tilanteissa itsekin, joissa en ymmärrä puoliakaan siitä, mitä koodari koittaa sanoa. Vietämme niin paljon aikaa omassa kuplassamme, että emme tule aina tietoisiksi siitä, että muut eivät ymmärrä meitä samalla tavalla kuin oma tiimi.

Koska asia on näin, joudumme tietoisesti säätämään puheenpartamme vastapuolen taajuudelle. Vältä siis teknistä kieltä, äläkä yliarvioi vastapuolen osaamista. Ihan perusasiat, kuten vaikkapa tietovarasto, tietokanta ja SQL, voivat olla heille vieraita termejä. Teknisten tietomallien esittely on todella hyvä tapa päästä bisneksestä eroon.

Käsitemallinnus ja data governance ovat historiallisesti vaikeita termejä. Voi olla jossain kohtaa parasta, ettei käytä edes niitä, vaikka juuri siitä olisi kyse. Siinä vaan pakka sekoittuu liikaa.

Toki kaikki ymmärtävät, että data-ihminen on erikoistunut data-asioihin ja logistiikan osaaja oman alansa syövereihin, eli on ok olla tietämättä jotain. Mieli ja asenne on aina hyvä pitää avoimina.

Käytä sisäisiä championeja

Ulkoisessa myynnissä käytetään usein termiä champion, eli joku vastapuolen edustaja, joka on ”ostanut” ideasi ja vie sitä eteenpäin omassa viiteryhmässään. Sisäisessä myynnissä se voi tarkoittaa kiinnostunutta bisneksen edustajaa, joka näkee datatekemisen arvon ja haluaa edistää sitä.

Tässä kohtaa kannattaa tehdä demoja ja POC:eja: ensin pienesti ja sitten, jos homma toimii, voidaan skaalata. Champion saa muut liiketoiminnan edustajat innostumaan ja toimii sisäisenä referenssinä.

On myös tärkeää saada nopea onnistuminen. Muistan aina isäni, data-alan legenda Ari Hovin sanat: tuo liiketoiminnalle jotain tuloksia, esimerkiksi sellaista dataa, jota he eivät ole aiemmin nähneet, ennen kuin viet mitään tuotantoon. Näin he pysyvät lämpiminä ja sitoutuneina.

Tällainen startup-tyyppinen iterointi on suotavaa: kokeillaan eri asioita, mitataan onnistumista datalla ja opitaan nopeasti.

 

Ja sitten se kuuluisa taikasana: tekoäly

Jokainen isompi firma miettii tällä hetkellä tekoälyä ja budjetoi sen kehittämiseen. Bisnestyypit ovat hypelle alttiita – ja sitä kannattaa hyödyntää. He haluavat Nordic Business Forumissa kertoa, että meillä tehdään tekoälyä. Se on inhimillistä, eikä siinä ole mitään vikaa.

Mutta tässä on se, mitä moni ei vielä ymmärrä: tekoälyn hyödyntäminen ei ole kiinni siitä, kenellä on kiiltävimmät työkalut. Kyse on siitä, että mietitään uudelleen koko tapa, jolla dataa hankitaan, muokataan ja hyödynnetään.

Tekoäly nostaa metadatan kriittiseen rooliin. Kokenut data engineer saattaa hyvällä tuurilla ymmärtää, mitä ”missä valuutassa myynnit lasketaan” tai ”mitä jää jäljelle kaikkien vähennysten jälkeen” tarkoittaa – mutta tekoäly ei. Jos haluat hyödyntää chatbotteja täysimääräisesti, sinun täytyy kuvata taulut, niiden väliset yhteydet ja sarakkeet. Tiedon mallinnus on tähän ensimmäinen ja välttämätön askel.

Nykyään ensimmäinen kysymys dokumentaatiota tehdessä pitäisi olla: voiko tekoäly lukea tämän? Tietomalli on yksi parhaista vastauksista tähän kysymykseen.

 

Lopuksi: myy hyödyillä, ei teknologialla

Data governance, semanttinen mallinnus ja tiedon mallintaminen eivät myy itse itseään, eivätkä niiden pidäkään. Se, mikä myy, on ratkaisujen sitominen vastapuolen liiketoiminnallisiin tavoitteisiin. Ne voivat olla myynnin kasvu, kuluissa säästäminen, auditointiriskin minimointi tai tekoäly, joka oikeasti toimii.

Ne ovat yllättävän usein myös johtajan henkilökohtaisia tavoitteita, kuten lupaus paremmasta bonuksesta, toimitusjohtajan huomiosta tai uralla etenemisestä. Kun seuraavan kerran istut liiketoimintajohtajan kanssa samassa huoneessa, unohda käsitemallinnus ja semanttinen kerros. Kysy ensin: mitä sinä haluat saavuttaa? Vastaus kertoo sinulle, miten data-projekti kannattaa myydä – ja kenelle.