kevyitä lähtöjä data-analytiikkaan
TRANSCRIPT
Kevyitä lähtöjä data-analytiikkaanJukka Huhtamäki @jnkkaTampereen teknillinen yliopisto
Data-analytiikka liiketoiminnan kehittämisessämaanantaina 24. lokakuuta 2016#Data4BizTraining @edutechtut
Kolme näkökulmaa
1. Uutta otetta data-analytiikaan
2. Lean Startup ja datalähtöinen kehitys
3. Välinekimara: kevyesti liikkeelle!
Näkökulma 1:Uutta otetta data-analytiikkaan
ETL DADExtract Transform Load
Data EngineeringData Warehouse
Forever
Discover AccessDistill
Data ScienceWhatever means
Now
Smart data
We need a movement with a quicknessYou are the witness of changeAnd to counteractWe gotta take the power back
De la Rocha et al. (1992)
MAD skillz (Cohen et al. 2009)
Magnetic: Data warehouses should draw data like a magnet, not repel it. Sharing data within organization should be the default
Agile: It should be straightforward for anyone to start analyzing data (analytics democracy)
Deep: Analysis should be as deep as analysts’ skills allow, not as shallow as IT rules
https://en.wiktionary.org/w/index.php?title=juonikas&oldid=31154683
Case Google Analytics• Custom dimensions:
https://developers.google.com/analytics/devguides/collection/analyticsjs/custom-dims-mets
http://bit.ly/gacustom2015
(Parker, 2014)
Näkökulma 2: Lean Startup ja datalähtöinen kehitys
Hyvä mittari etenee oikealle ja ylös?
This is the curse of vanity metrics, numbers which look good on paper but aren't action oriented: website hits, message volume, or "billions and billions served." (Ries, 2010)
“
https://speakerdeck.com/rossi/ls-for-real-sw-day
Askel #1: Sivulatauksista toimintojen mittaamiseen
Avainmittarit (Maurya, 2010)
Prosessit & konversio• Vrt. Nielsenin 1-
9-90 -sääntö (2006)
• Lisää aktiivisia, merkittävästi lisää muita?
(Maurya, 2010)
Kohortit
(Maurya, 2010)
A/B-testaaminen• Hypoteesi >
toteutus > käyttöön, vertailu kontrolli-ryhmään
• Nopea iteraatio, esim. 2 x päivässä (x tiimien määrä)
(Kuva: Widrich, 2012)
Repeat: Overview > DetailsAt a more specific level what I think this comes down to is this: measure everything but focus on one thing at a time. And use an exploratory approach, every so often, to dig into your data to solve the key problems you have. Think of yourself as a detective and problem solver, and you’re using data to find the answers.
“ Ben Yoskovitz,
when interviewed by
Ash Maurya
http://bit.ly/ebd2014leananalytics
Katso myös: https://bitly.com/ebd2014leananalytics+
Big data driven & Lean?
Kuvalähde: Maurya (2013),http://leanstack.com/lean-analytics-the-one-metric-that-matters-and-other-provocations/
Yhteenvetoa• Startup-yrityksen tavoitteena on löytää kestävä
liiketoimintamalli – saman lähestymistavan soveltaminen onnistuu myös yritysjäteissä
• Liiketoimintamallin keskeinen osa on kasvumoottorin valinta: viraali, maksullinen, sitouttava – tätä voi tarkastella esimerkiksi tuotekohtaisesti
• Näinkö: hypoteesien generointi datalähtöisesti (eksploratiivinen visuaalinen analyysi tai koneoppiminen) ja testaaminen lean-mittarein?
Lean Startup haltuun!
• Aleksi Rossi: Lean Startup For Real!?
Aleksi Rossi, @AlekRossi
Ville Kautto, @villekautto
Havaintoja Lean Startupista?
Näkökulma 3: Kevyitä lähtöjä data-analytiikkaan
(Card, Mackinlay & Shneiderman, 1999)
(Pirolli & Card, 2005)(Hansen et al., 2009)
Ohjelmointikirjasto/sovelluskehys: D3.js
Toteutus esimerkiksi
(Card ja muut, 1999)
Web
Reading the Riots on Twitter (Procter, Vis and Voss, 2012):http://www.slideshare.net/Flygirltwo/reading-the-riots-on-twitter-lift12
Konfiguroitava kirjasto: Highcharts
(Card ja muut, 1999)
Web
/ /
Toteutus esimerkiksi
Vuorovaikutteinen laskenta: R & Rstudio (…, Matlab)
Image source: OUseful.Info, the blog…
Toteutus esimerkiksi
(Card ja muut, 1999)
Web
alteryx.com
Yhdisteltävää riittää!
Lopuksi – kiitos!Jukka Huhtamäki
[email protected]/jnkkafi.linkedin.com/in/jukkahuhtamaki/