Tarmo Toiger: puudulik andmeanalüütika on saamata jäänud kasu
Küsisime KPMG juhtimiskonsultatsioonide valdkonna juhilt Tarmo Toigerilt, mis on õigupoolest andmeanalüütika ja miks sellest viimastel aastatel nii palju räägitakse. Millist kasu võiksid ettevõtted, riigiasutused ja organisatsioonid saada oma andmete nutikast kasutamisest?
Mis on andmeanalüütika?
Andmeanalüütika on sisuliselt andmete parem ja tõhusam kasutamine, rakendades selleks mitmeid analüütilisi mudeleid. Nii ettevõtted kui ka riigiasutused koguvad oma tegevuse käigus suurel hulgal andmeid, kuid nende kasutamine otsustusprotsessides või ärilistel eesmärkidel on kas puudulik või olematu. Andmed on vara ja varaga tuleb osata ümber käia. Andmeanalüütika eesmärk ongi panna kogutud andmed organisatsiooni heaks tööle.
E-riigi süsteemi tõttu on meil ju hulgaliselt andmeid. Kas võib öelda, et ka riik ei oska neid hästi kasutada?
Ühtepidi on riik väga heas kirjas, sest lähtutakse põhimõttest, et inimeselt või organisatsioonilt küsitakse andmeid vaid üks kord ning seejärel neid ristkasutatakse. Statistikaamet on selles valdkonnas tõeline pioneer ja seadnud endale ambitsiooniks saada riigi andmeanalüütikakeskuseks. Finants- ja demograafiliste andmete kõrval riigisektorist rääkides tuleb siiski nentida, et reaalselt massandmeid otsuste tegemisel ei kasutata. Need andmed ja võimekus on meil tegelikult olemas, ent küsimus on teadlikkuses ja poliitilises tahtes: mida meil oleks andmeanalüütikaga võimalik saavutada ning kas me seda ka tahame.
Kõige lihtsam näide on pensionisüsteem, kus me saaksime praeguste andmete põhjal modelleerida mitmeid tulevikustsenaariumeid väikeste segmentideni välja. Paraku puudub selleks poliitiline tahe, ehkki vajadus on samas ilmne. Teine näide on pangandussektorist, kus rahapesujuhtumid näitavad, et pangad on jätnud suure osa suhteliselt avalikku andmestikku oma riskijuhtimises kasutamata.
Nii riik kui ka pangad väidavad samas, et andmeid hoitakse ja kasutatakse heaperemehelikult.
Andmeanalüütikaga justkui tegeletakse, aga see taandatakse enamasti raporteerimise või aruandluse tasemele, liikumata sügavamale – seetõttu pole võimalik saada ka maksimaalset kasu. Andmeanalüütika võrdsustataksegi pelgalt raporteerimise, aruandluse ja visualiseerimisega, kuid analüütika iseenesest on ju andmete ettevalmistamine ja modelleerimine paremate otsuste tegemiseks. Seega oluline osa ahelast on katmata.
Kuidas seda olukorda muuta? Mis peaks olema riigi ja ettevõtjate esimesed sammud?
Investeeringud on möödapääsmatus. Kui näiteks mitmed rahvusvahelised organisatsioonid hurjutavad Eestit seetõttu, et me ei investeeri piisavalt teadus- ja arendustegevusse, siis tegelikult peegeldub see suhtumine ka meie organisatsioonides, mis pole siiani leidnud võimalust, vajadust või tahet investeerida andmeanalüütikasse. Lõpuks kannatab ju seetõttu otsuste kvaliteet nii riigijuhtimises kui äris.
KPMG aastakonverentsil Juhtimine, maksud ja rahandus digiajastul jagatakse nippe, kuidas digitaalne innovatsioon enda kasuks pöörata, õigesti muudatusi hallata ning ellu viia.
Lisainfo ja registreerimine SIIN.
Sama probleem tekib robootika kasutamises ettevõtetes. Robootikalahendused võimaldavad suunata rutiinsemad, lihtsamad ja väiksema lisandväärtusega tööd inimestelt robotitele, vabastades seega tööjõudu, millest meil on parajasti suur puudus. Kuid robootika rakendamine ise eeldabki andmeanalüüsi ning modelleerimist, sest robot pole tänapäeva mõistes mitte humanoid, vaid teinekord lihtsalt koodijupp. Selleks et robot töötaks, on tarvis teada, millist probleemi ta lahendab ning kuidas ta seda tegema peaks – need vastused annabki andmeanalüütika.
Meil on andmete näol palju enam väärtust, kui me ise mõistame, aga nende kasutamiseks tuleb leida õiged inimesed, kes tunnevad ära õiged lahendused.
Nii et isegi andmeanalüütika ja robootika puhul on võtmeks ikkagi inimene?
Jah, alustada tuleb inimestesse investeerimisest. On tarvis inimesi, kellel on nii oskused kui ka tahe kasutada andmestikku täies ulatuses ning investeerida süsteemidesse, mis seda võimaldavad. Investeeringu toob ju peaaegu kohe tagasi eespool mainitud inimressursi parem kasutamine, sest rutiinse töö tegijad saavad keskenduda sisulisemale poolele. Mõnes valdkonnas on inimtööjõudu võimalik säästa peaaegu 90% ulatuses, näiteks rahapesunõuete ja üldiste pangandussanktsioonide kontrollimise protsessis. Andmeid ristkasutades on võimalik automaatselt tuvastada kõrge riskiga tehingud ning pangandussektoris räägiksime me seega kümnetest ja sadadest miljonitest eurodest, mida on võimalik kokku hoida, võimaliku mainekahju vältimisest rääkimata.
Milline on KPMG kompetentsus andmeanalüütika valdkonnas?
Tugev. Oleme ju hästi positsioneeritud, sest töötame protsesside ja lahendustega nii IT- kui ka äritasandil ja see võimaldab meil toimida teatavas mõttes tõlgina: oskame tõlkida oma klientide ärivajadused IT-keelde ja vastupidi. Näiteks IT-teenuste puhul kasutavad ettevõtted sageli välist teenusepakkujat, kes teeb küll projektipõhiselt oma töö ära, saavutades ärilise tulemuse või parenduse, aga sellega ka asi piirdub. Andmeanalüütikas tuleb aga selgelt mõista ärilist vajadust ning leida sellele vastav tehnoloogiline lahendus.
Meie kogemus näitab, et andmeanalüütilistes ja äriliselt olulistes küsimustes vajavad IT-inimesed ettevõtte vajaduste paremaks mõistmiseks tuge. Selleks omakorda on tarvis spetsiaalsete oskustega inimesi, kes toimiksid jällegi tõlgina IT ja ärilise poole vahel, kuid neid saavad koosseisulisena endale lubada vaid üksikud Eesti suurorganisatsioonid.
KPMG töötab Eestit ja Soomet katva võrgustikuna ja meie meeskonda kuulub üle 30 eksperdi. Nende igapäevatöö on andmeanalüütika lahenduste leidmine ja kohaldamine organisatsioonides, alustades modelleerimisest ja andmete lahtimõtestamisest, lõpetades klientide nõustamisega andmete raporteerimise, organiseerimise ja visualiseerimise vallas. Samas otsivad meie eksperdid alati võimalusi, et kasutada maksimaalselt ära juba tehtud investeeringuid ning maksimeerida neist saadavat tulu.
Kas andmeanalüütika rakendamine on alati lihtne ja sujuv?
Mitte alati. Koos andmeanalüütika võimekuse ning tehisintellekti ja masinõppelahenduste rakendamise kasvuga tekib paratamatult küsimus, mis see loodud mudel õigupoolest teeb. Igasuguse eduga kaasneb ka risk ja antud juhul on sageli probleemiks see, et lõpuks ei saa organisatsioonis keegi aru, mida üks süsteem teeb. Kas süsteem diskrimineerib mingit andmete hulka või loob ebaadekvaatseid otsustusmudeleid? Kas need otsused ja nende aluseks olevad andmed üldse vastavad organisatsiooni printsiipidele ning eesmärkidele? On tarvis spetsialisti, kes oskaks mõtestada tehisintellekti soovitusi nõnda, et neist oleks otsustusprotsessides päriselt abi. KPMG aitabki auditeerida ja analüüsida klientide mudeleid ning nende põhjal tehtud otsuste adekvaatsust. Sisuliselt teeme kindlaks, mida see n-ö must kast peab tegema ja kas ta seda tegelikult ka teeb.
Ituudised.ee toetajad:
