Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
TEKNOLOGIAN TUTKIMUSKESKUS VTT OY
Big dataan pohjautuvat
liiketoimintamallit sanomalehtialan
palveluistuessa
Viestintäalan tutkimussäätiö, Loppuraportti
Anna Viljakainen, TkT
2 1.4.2016 2
Tutkimuksen tavoitteet
Tutkimuksessa haettiin vastauksia seuraaviin kysymyksiin:
#1 Miten siirtyminen palvelukeskeiseen ajatteluun ilmenee
mediateollisuudessa?
#2 Mikä rooli big datalla on perinteisen liiketoiminnan turvaamisessa ja
toisaalta uuden liiketoiminnan synnyttämisessä?
#3 Mitä haasteita ja mahdollisuuksia big data tarjoaa kustantajille alan
palveluistuessa?
VTS Big data BM tutkimusraportti
Median
palveluistuminen
4 1.4.2016 4
Digitalisaatio ja palveluistuminen media-alalla
Suuri osa yrityksistä ei tule selviämään digitalisaation aiheuttamasta muutoksesta,
elleivät yritykset hyödynnä uutta teknologiaa ja innovoi liiketoimintamalleja
Innovaatiolla tarkoitetaan uuden arvon luomista asiakkaalle
Palveluistumisella viitataan liiketoimintamallin innovaatioon, jossa asiakkaalle
tarjotaan uutta arvoa tuotteilla ja niihin liittyvillä palveluilla
Palveluistuminen on yritykselle suuri haaste sillä se kyseenalaistaa perinteiseen
valmistusteollisuuteen syvästi juurtuneet strategiat, prosessit ja ajatusmallit
Digitalisaatio ja globalisaatio ovat palveluistumisen ajureita sillä ne muuttavat
tuotteita yleishyödykkeiksi; yritysten on löydettävä uusia keinoja erottautua ja kasvaa
Digitalisaatio siis mahdollistaa yritysten kasvun; keskeinen kysymys on, miten dataa
ja data analytiikkaa hyödynnetään liiketoiminnan kehittämiseksi
Data analytiikka mahdollistaa toisaalta perinteisen medialiiketoiminnan turvaamisen
sekä uuden palveluliiketoiminnan innovoimisen, mutta sen hyödyntäminen on
media-alalla yhä lapsenkengissä
VTS Big data BM tutkimusraportti
5 1.4.2016 5
Lähtötilanne: Median palveluistuminen
Mediayritysten kasvustrategioiden fokus jo viimeiset 10 vuotta palveluissa
Palveluliiketoimintaan siirtymisen kolme keskeistä ajuria:
1. Taloudelliset motiivit
Uusi tulonlähde tuotemyynnin saturoiduttua / tuotemarginaalien pienentyessä
Enemmän pysyvyyttä / tasaisempi tulovirta talouden suhdanteiden muutoksissa
Liiketoimintamallin ja tulonlähteen innovaatio
Merkittävät liiketoimintamahdollisuudet palveluissa
2. Asiakastarpeiden muutos
B2B ja B2C asiakkaat vaativat yhä enemmän palveluita
Tarjoaman räätälöinti ja laadun parantaminen
Asiakkaat ulkoistavat omia ei-ydintoimintoja / vähentävät kumppaneiden määrää
3. Kilpailutekijät
Kilpailijoista erottautuminen / kilpailijoiden sulkeminen ulkopuolelle
Tuotemyynnin helpottaminen / vähentää tarvetta kilpailla hinnan perustella
Vahvojen asiakassuhteiden rakentaminen / asiakasuskollisuuden parantaminen
Yritysimagon parantaminen
Lähteet: Gebauer, 2008; Gebauer & Fleisch, 2007; Neely, 2008; Picard, 2005; Oliva & Kallenberg, 2003; Wise & Baumgartner, 1999
VTS Big data BM tutkimusraportti
6 1.4.2016 6
Medialiiketoiminnan siirtyminen kohti palveluajattelua
Lähteet: Vargo & Lusch, 2004, 2008; Viljakainen, 2015; Viljakainen & Toivonen, 2016
Perinteisen teollisen
liiketoiminnan logiikka
Palvelukeskeinen
logiikka
Ilmiöitä, jotka kuvaavat media-alan
muutosta
Tarjoama
Tuotantohyödykkeet
(materiaaliset tuotteet ja
immateriaaliset palvelut)
Palvelu (prosessi, jossa omaa
osaamista käytetään toisen
osapuolen hyödyksi)
Massamediatuotteista journalistisen osaamisen ja
muiden sidosryhmien osaamisen hyödyntämiseen
online ja offline yhteisöissä
Arvon
muodostus
Lisäarvon tuotanto yrityksessä ja
arvoketjussa
Arvon yhteistuotanto
ekosysteemissä
Mediatuotteiden jakelusta ja levityksestä arvon
yhteistuotantoon asiakkaiden ja muiden
kumppaneiden kanssa
Tuotteen arvo Vaihtoarvo (mediatuotteen
tavoittavuus / hinta per kontakti)
Käyttöarvo (mediatuotteen
käytön aikana koettu hyöty)
Median tavoittavuudesta kohti yksilöllisten ja
ainutlaatuisten mediakokemusten yhteistuotantoa
Yrityksen
avainresurssit Se, mitä omistamme Se, mitä tiedämme ja teemme
Massamediabrändien kaupallistamisesta kohti
vahvoja arvolupauksia ja brändejä jotka rakentuvat
vahvan osaamisen ympärille
Yrityksen rooli Hyödykkeiden tuottaja ja jakelija
Omien, asiakkaiden ja
kumppanien resurssien
hyödyntäjä ja yhdistäjä
Arvoketjun hallinnasta kohti ekosysteemejä josta
resursseja palveluntuotantoon hankitaan ja
yhdistellään
Suhde
ympäristöön
Hallitsematon, johon yrityksen
tulee sopeutua
Resurssi, jonka kanssa luodaan
yhdessä parempi tulevaisuus
Autonomiasta ja siiloajattelusta kohti toimialan
rajoja ylittäviä ekosysteemejä ja avoimuutta, jotka
synnyttävät uusia palveluinnovaatioita
Kaupallisen
toiminnan
fokus
Voiton maksimointi
Jatkuvasti parempien
asiakaskokemusten/-hyötyjen
tarjoaminen, jotka johtavat
kasvavaan tulovirtaan
Tuote- ja mainosmyynnistä palveluinnovaatioihin ja
niistä saataviin pienempiin tulovirtoihin
VTS Big data BM tutkimusraportti
7 1.4.2016 7
Palveluliiketoimintaan siirtyminen on haasteellista
Lähteet: Viljakainen, 2015; Viljakainen & Toivonen, 2015; Viljakainen, Toivonen, & Seisto, 2016
Kriittiset menestystekijät Media-alalla tutkittuja ilmiöitä
Selvästi määritelty palvelustrategia (Wise & Baumgartner, 1999)
• Mediayrityksiltä puuttuu usein konkreettinen ja selkeä palvelustrategia
• Strategian puuttuminen vähentää kykyä havaita/tuottaa palveluinnovaatioita
Syvä käsitys alati muuttuvista asiakastarpeista (Vargo & Lusch, 2004, 2008)
• Fokus yhä enemmän niche kohderyhmissä ja niiden erityistarpeissa
• Datan ja data-analytiikan merkittävä kasvu mediayrityksissä
Kyky tunnistaa palveluliiketoiminnan hyödyt ja
kaupalliset mahdollisuudet (Mathieu, 2001)
• Ylpeys ja tulot edelleen pääosin mediatuotteissa
• Riskien välttäminen ja paremmin ennakoitavissa olevien tulosten preferoiminen
Kyky nähdä palvelut lisäarvon tuottajana,
tuotelisän sijaan (Oliva & Kallenberg, 2003)
• Palvelut nähdään edelleen pääosin keinona myydä lisää mediatuotteita
• Journalistinen auktoriteetti syvällä medioiden yrityskulttuurissa
• Pelko siitä, että palvelut kannibalisoivat mediatuotteiden myyntiä
Organisaatiojärjestelyt ja tehokas resurssien
kohdentaminen (Prahalad & Ramaswamy, 2004)
• Erillisten palveluyksiköiden perustaminen
• Investointien ja resurssien vähyys palveluista saatujen alhaisten tulojen takia
• Resurssit laitetaan valtaosin mediatuotteiden kehittämiseen
Sisäisen palvelukulttuurin kehittäminen (Gebauer et al., 2005)
• Uusien käytäntöjen/työkalujen käyttöönotto, jotka tukevat palveluinnovaatioita
• Ajatustapojen muutos/rekrytointipolitiikka, jotka edistävät palveluajattelua
• Tavanomaisesti erillään työskentelevien ihmisten/toimijoiden yhteen saattaminen
Yhteistuotanto ja palveluinnovaatiot verkostoissa (Matthyssens & Vandenbempt, 2008)
• Kumppanuuksien rakentaminen perinteisen media-alan sisällä ja sen ulkopuolella
• Syvien suhteiden rakentaminen B2B asiakkaiden/mainostajien kanssa
• Vahvempien arvolupauksien rakentaminen kumppanuusverkostossa
Palvelumyynnin osaamisen kehittäminen (Ulaga & Reinartz, 2011)
• Tutkimusfokus yhä enemmän mediakokemuksessa ja sitoutumisessa (käyttöarvo)
• Nykyiset myynnin käytännöt pohjimmiltaan vaihtoarvo- ja tuotekeskeisiä
VTS Big data BM tutkimusraportti
Big datan rooli
palveluistumisessa
9 1.4.2016 9
Palvelustrategiat ja big data medialiiketoiminnassa
Tuotteeseen
keskittyvät palvelut
Käyttöön
keskittyvät palvelut
Tulokseen
keskittyvät palvelut
Avainkysymys Miten tavoitan lukijat/katsojat/kuulijat
(massan) tai mainostajan?
Miten luon parempia, asiakasta
sitouttavia kokemuksia?
Miten parannan valittujen asiakkaiden
prosesseja/liiketoimintaa?
Tarjoama Mediatuotteet ja –palvelut, mediatila Mediatuotteen tai –palvelun käyttö ja siitä
saatu hyöty
Etukäteen asiakkaan kanssa määritelty
tulostavoite1
Esimerkkejä Asiakaslehdet; erikoismainosratkaisut;
markkinointiviestinnän konsultointi
Data-analytiikkaan pohjautuvat palvelut;
Netflix –tyyppiset palvelut; mainostajille
räätälöidyt tapahtumat; natiivimainonta
Markkinointiviestinnän ulkoistus;
markkinoinnin ROI:n tai verkkokaupan
kasvattaminen, oppimismenestys (pay-
per-result –palvelut)
Big datan rooli Perinteisen liiketoiminnan turvaaminen:
mediasisältöjen rikastaminen ja
(mainonnan) kohdennettavuuden
parantaminen
Perinteisen liiketoiminnan turvaaminen ja
uuden luominen: tuotteiden/palveluiden
käytön seuranta ja asiakkaan
käyttökokemuksen parantaminen
Uuden liiketoiminnan luominen:
data analytiikan käyttö palvelun
tarjoamiseksi ja määriteltyjen
tulostavoitteiden todentamiseksi
Tarjoaman arvo Vaihtoarvo (hinta per yksikkö/kontakti) Käyttöarvo (sitouttava mediakokemus) Arvo käyttökontekstissa (hyöty asiakkaan
prosesseissa/liiketoiminnassa)
Mittaaminen Markkina- ja valuuttatutkimukset, kyselyt (Automaattinen) käytön seuranta Tulosten todentaminen data-
analytiikkaan perustuen2
Innovaatio-
toiminta
T&K yrityksen sisällä ja arvoketjussa Yhteiskehittäminen yhteisöissä Palveluntarjonnan aikana
ekosysteemissä tapahtuva oppiminen
Myynnin prosessi Ärsyke-reaktio transaktio-pohjainen malli
(push)
Massaräätälöintiin ja yhteisöllisyyteen
keskittyvä malli (push&pull)
Valituille asiakkaille palveluratkaisuihin
keskittyvä malli (pull)
Asiakassuhteet Kertaluonteinen ja seuraavan kauppaan
keskittyvä asiakassuhde (lyhyt)
Määritellyksi ajaksi asiakkaan kanssa
sovittu (vuokra)suhde (keskipitkä)
Syvä win-win asiakassuhde verkoston eri
sidosryhmien kanssa (pitkä)
Strategian
painopistealueita
Mediatuotteiden/-palveluiden kehitys,
mediamyynti, innovatiiviset
mainosratkaisut
Mediabrändin rakentaminen ja
kaupallistaminen, yhteisöjen ylläpito,
joukkoistaminen, teknologiset ratkaisut
kuten suosittelut
Yritysbrändin rakentaminen, asiakkaan
liiketoiminnan syvä ymmärrys, tiedon
läpinäkyvyys, kumppanuussuhteet, sekä
riskien hallinta ja hinnoittelu
Lähteet: Gaiardelli et al., 2014; Viljakainen, Ylén, Toivonen & Seisto, 2016
1 Esim. liiketoiminnan kasvattaminen, prosessien tehostaminen, parempi panos-tuotto jne. 2 Suorituskyvyn todentaminen (Key Performance Indicator), sekä esim. systeemidynaamiset analyysit ja arvoverkostotutkimus
10 1.4.2016 10
Big data liiketoimintamalli
Keskeiset kysymykset tehtäessä big datasta liiketoimintaa
#1 Mikä on tavoiteltu tulos?
• Olemassa olevan tuotteen/palvelun kehittäminen?
• Uuden tuotteen/palvelun/liiketoiminnan kehittäminen?
• Kilpailukyvyn kasvattaminen?
• Parempi ja syvempi ymmärrys asiakastarpeista?
• Markkinaosuuden kasvattaminen?
#2 Mitä tarjoamme ja kenelle?
• Onko tarjontamme datapohjaista, eli raakaa dataa, informaatiota, vai tietoa?
• Onko tarjontamme ei-datapohjaisia, eli ”perinteisiä” mediatuotteita/-palveluita?
• Onko kyseessä B2B vai B2C vai B2C2C asiakas?
#3 Mikä on datalähde?
• Sisäinen data: olemassa oleva (esim. päivittäinen tuotanto-/myyntidata, CRM data) tai kerätty data (esim.
joukkoistamalla tai käyttöä seuraamalla)?
• Ulkoinen data: ostettu data, asiakkaan data, vai avoin data (esim. sosiaalinen media trendit, Google
Analytics, bloggaajat)?
• Sisäisen ja ulkoisen datan yhdistelmä?
#4 Mitä osaamista meidän tulee
osata (tai ostaa)?
• Datan hakeminen, yhdisteleminen, käsitteleminen, tuottaminen, jakelu, visualisointi
• Data-analytiikka osaaminen:
• Raportoida mitä tapahtuu tai on tapahtunut (deskriptiivinen)?
• Ennakoida mitä todennäköisesti tulee tapahtumaan (prediktiivinen)?
• Kuvata mitä tulisi tehdä jotta tulevaisuudessa paremmat liiketoimintaedellytykset (preskriptiivinen)?
#5 Mikä on ansaintalogiikka?
• Datan myynti, lainaus/vuokraus/liisaus, lisensointi?
• Käyttökorvaus, tilausmaksu, mainonta?
#6 Mitkä tekijät hidastavat
tavoitteiden toteutumista?
• Muutosvastarinta yrityksen sisällä? Osaamisen ja resurssien puute? Sen hyötyä ei ymmärretä?
• Datan saatavuuteen ja laatuun liittyvät ongelmat?
• Data infrastruktuuriin tai yhdistelyyn liittyvät haasteet?
• Yksityisyyteen, laillisuuteen tai eettisyyteen liittyvät tekijät?
Lähteet: Bronlow, Zaki, Neely, & Urmetzer, 2015; Hartmann, Zaki, Feldmann, & Neely, 2014
VTS Big data BM tutkimusraportti
Tutkimuksen taustaa
12 1.4.2016 12
Online kyselytutkimus
Kvantitatiivinen kyselytutkimus toteutettiin keväällä 2015 yhteistyössä
Cambridgen yliopiston kanssa (Cambridge Service Alliance)
Kysely lähetettiin WAN-IFRA:n sähköpostilistalle, jossa on 17 000
sanomalehtialalla globaalisti toimivan henkilön yhteystiedot
Kyselyyn vastasi yhteensä 121 henkilöä
Vastaajia 47 maasta, eri yrityksistä
Tutkimuksen tulokset ovat suuntaa-antavia (ei tilastollisesti yleistettäviä) pienen
vastausmäärän takia
Analyysissä keskityttiin hiljaisten signaalien tunnistamiseen, jotka antavat viitteitä
tulevasta kehityksestä
Tulokset osoittavat, että big data ja data-analytiikka ovat uusia aluevaltauksia
sanomalehtialalla, mutta niitä hyödyntävät kustantajat osoittavat positiivisia
merkkejä lisääntyneestä kyvystä hakea aktiivisesti uusia palveluinnovaatioita ja
liiketoiminnan kasvua
VTS Big data BM tutkimusraportti
13 13 1.4.2016
Vastaajien taustatiedot
65,3 27,3
5,8 1,7
Vastaajien asema (%)
Omistaja / ylin johto
Keskijohto
Työntekijä
Muu
N %
Toimitus 51 33,3%
Johtaminen, talous ja hallinto 35 22,9%
IT ja kehitys 27 17,6%
Myynti ja markkinointi 27 17,6%
Tuotanto 13 8,5%
Yhteensä 153 100%
VTS Big data BM tutkimusraportti
65% vastaajista ylempiä
toimihenkilöitä
Vastaajien työnkuva, lukumäärä (N), (%)*
* Vastaajat saivat valita useamman vaihtoehdon
77%:lla yli 10-vuoden kokemus
media-alalta
14
Tutkimuksen tuloksia
15 1.4.2016 15
Strategian laatiminen big datan käytölle antaa
paremmat edellytykset liiketoiminnan kasvulle
Lähes puolet vastaajayrityksistä on laatinut strategian big datan käytölle 1-5 vuotta sitten
(39%: 1-2 vuotta sitten, 9%: 3-5 vuotta sitten)
36% aikovat laatia strategian seuraavan 1-2 vuoden aikana
Strategia on yleisempi yrityksissä, jotka toimivat suuremmilla markkina-alueilla
Verrattaessa alan keskiarvoon, big data strategian omaavat kustantajat ovat kaupallisesti
menestyneempiä (korkeampi myynnin kasvu, suuremmat tulot uusista tuotteista, parempi
asiakastyytyväisyys, sekä kannattavuus)
Strategialla ja data-analytiikka osaamisella on yhteys
Kustantajat, joilla ei ole strategiaa keskittyvät useammin ”perinteiseen” data-analytiikkaan: datan
keräämiseen ja raportointiin siitä mitä on tapahtunut
Kustantajat, joilla on strategia käyttävät dataa sofistikoituneemmin: datan keräämisen ja raportoinnin
lisäksi tulevaisuuden ennakointiin, sekä päätöksentekoon ja liiketoiminnan ohjaukseen
Sofistikoituneempaa data-analytiikkaa harjoittavat kustantajat ovat keskimääräistä
voitollisempia ja kannattavampia (ROA)
50%:lla vastaajista joilla on big data yksikkö, ei kuitenkaan ole big data strategiaa joka antaisi
paremmat edellytykset big datan hyödyntämiseen ja osaamisen kehittämiseen
VTS Big data BM tutkimusraportti
16 16 1.4.2016
Erillinen datayksikkö ja sen päätavoite
9
17
34
15
25
0 5 10 15 20 25 30 35 40 45 50
Preskriptiivinen analytiikka (kuvata mitä tulisitehdä)
Prediktiivinen analytiikka (ennakoida mitätodennäköisesti tulee tapahtumaan)
Deskriptiivinen analytiikka (kertoa mitä tapahtuu/ontapahtunut)
Datan aggregointi (tiedon kerääminen/yhdistely)
Ei erillistä datayksikköä
VTS Big data BM tutkimusraportti
17 1.4.2016 17
Vastaajayrityksissä harjoitetaan pääosin pitkälti
nykytilan kuvaamiseen keskittyvää data-analytiikkaa
Erillinen datayksikkö puuttuu erityisesti pieniltä ja keskisuurilta kustantajilta
(alle 250 työntekijää)
Kustantajat, joiden tuloista suurempi osuus tulee verkosta ovat
monipuolisempia big datan hyödyntäjiä
Datan aggregointia (eli tiedon keräämistä ja yhdistelyä) käytetään
korostuneesti olemassa olevien tuotteiden kehittämiseen ja uusien
kohderyhmien tunnistamiseen
Prediktiivinen analytiikka (’Mitä todennäköisesti tulee tapahtumaan?’) korostuu
uusien tuotteiden ja palveluiden kehittämisessä
Prediktiiviseen ja preskriptiiviseen analytiikkaan (’Mitä meidän tulisi tehdä?’)
keskittyvät yksiköt käyttävät monipuolisemmin datalähteitä, eli sisäisten ja
ulkoisten datalähteiden yhdistelmiä
VTS Big data BM tutkimusraportti
18 1.4.2016 18
Big data strategia antaa paremmat eväät uuden
palveluliiketoiminnan innovoimiseen
Strategian omaavat kustantajat käyttävät monipuolisemmin eri datalähteitä, eli
sisäisten ja ulkoisten datalähteiden yhdistelmiä
Kustantajat, joilla on big data strategia ovat taipuvaisempia sekä ylläpitää
perinteistä liiketoimintaa, että aktiivisesti hakea uusia liiketoiminta-avauksia.
Tulevien kehityshankkeiden fokus on useammin uusien tuotteiden ja
palveluiden innovoinnissa, nykyisen tarjoaman laajentamisessa, sekä uusille
teknologia-alueille jalkautumisessa.
Ilman strategiaa olevat kustantajat keskittyvät pääasiallisemmin vanhan
liiketoiminnan turvaamiseen. Tulevat kehityshankkeet keskittyvät
keskimääräistä useammin mm. nykyisen tarjoaman laadun parantamiseen
sekä uusien markkinoiden/kohderyhmien saavuttamiseen nykyisillä tuotteilla ja
palveluilla.
VTS Big data BM tutkimusraportti
19 19 1.4.2016
Resursseihin investoiminen lähivuosien aikana (%)
42
52
53
72
82
90
0 20 40 60 80 100
Johtaminen
Toimituksen resurssit
Mediamyynti & markkinointi
Tuotekehitys
Data-analytiikka osaaminen
Teknologian kehittäminen
Yhä enemmän tai erittäin tärkeää
VTS Big data BM tutkimusraportti
20 1.4.2016 20
Fokus yhä enemmän resursseissa, joilla
synnytetään uutta palveluliiketoimintaa
Kustantajat, joilla on strategia ja erillinen big data yksikkö ovat keskimääräistä
valmiimpia investoimaan resursseihin jotka edistävät uuden liiketoiminnan
synnyttämistä (teknologian kehittäminen, data-analytiikka osaaminen ja
tuotekehitys)
Kustantajat, joilla ei ole strategiaa tai yksikköä ovat taipuvaisempia
investoimaan resursseihin joilla tuetaan perinteistä kustannustoimintaa
(mediamyynti ja markkinointi, toimitus ja johtaminen)
Data-analytiikka osaamiseen ja teknologian kehittämiseen suunnatut
investoinnit korostuvat erityisesti suurissa (>250 henkilöä) yrityksissä, sekä
kustantajilla jotka käyttävät ulkoisia sekä sisäisten että ulkoisten datalähteiden
yhdistelmiä.
Toimituksellisiin resursseihin investoiminen korostuu kustantajilla, jotka
käyttävät paljon ulkoisia datalähteitä.
Tuotekehitysosaamiseen investoiminen korostuu niillä, jotka keskittyvät
pääasiallisesti sisäisiin datalähteisiin.
VTS Big data BM tutkimusraportti
21 21 1.4.2016
Suurimmat esteet big datan käytössä (%)
26
27
32
65
66
68
79
0 20 40 60 80 100
Ei koettua hyötyä/arvoa
Yksityisyyteen, laillisuuteen, eettisyyteen liittyvät tekijät
Datan laatu
Data infrastruktuuri ja yhdisteleminen
Datan saatavuus
Analytiikkaosaamisen/-resurssien puute
Muutosvastarinta yrityksen sisällä
Samaa / täysin samaa mieltä
VTS Big data BM tutkimusraportti
22 1.4.2016 22
Suurimmat esteet big datan hyödyntämisessä
liittyvät edelleen yrityksen sisäisiin haasteisiin
Yrityskulttuuriin, datan saatavuuteen ja laatuun liittyvät haasteet korostuvat
erityisesti pienillä ja keskisuurilla kustantajilla (<250 henkilöä)
Muutosvastarintainen yrityskulttuuri on haaste sekä strategian omaavilla, että
sitä vasta suunnittelevilla kustantajilla
Datan saatavuuteen, sekä yksityisyyteen, laillisuuteen ja eettisyyteen liittyvät
haasteet korostuvat niillä, joilla on big data strategia
Analytiikkaosaamisen ja resurssien puute vaivaa korostuneesti niitä, jotka
yhdistelevät dataa sekä sisäisistä että ulkoisista lähteistä
Datan saatavuus on erityinen ongelma ulkoisia datalähteitä hyödyntäville
VTS Big data BM tutkimusraportti
23 23 1.4.2016
Tavoitteet big data-analytiikalle (%)
62
72
73
78
80
80
80
83
83
86
86
92
0 20 40 60 80 100
Kustannustehokkuuden/tuottavuuden parantaminen
Lanseerausaikojen lyhentäminen
Dynaaminen tuote/palvelu hinnoittelu
Strateginen suunnittelu
Nykyisten resurssien käytön tehostaminen
Datajournalismi
Kohdennetut palvelut kohdennetuille yleisöille
Uusien markkinoiden/kohderyhmien tunnistaminen
Kohdennetut tuotteet kohdennetuille yleisöille
Mainonnan kohdentaminen, segmentointi
Liiketoimintamallin innovaatio
Yrityksen päätöksenteon parantaminen
Samaa / täysin samaa mieltä
VTS Big data BM tutkimusraportti
24 1.4.2016 24
Big datalta odotetaan paljon: vanhan bisneksen
ylläpitämistä ja uuden palvelubisneksen innovointia
Kustantajat, joilla on big data strategia ja jotka aktiivisesti hakevat uusia
liiketoiminta-avauksia näkevät big datan hyödyt erityisesti strategisessa
suunnittelussa, kohdennettujen tuotteiden ja palveluiden kehittämisessä,
lanseerausaikojen lyhentämisessä, sekä datajournalismissa.
Kustantajat, joilla ei ole strategiaa hakevat big datasta vastauksia useammin
sisäisen kustannustehokkuuden ja tuottavuuden parantamiseen, nykyisten
resurssien parempaan hyödyntämiseen, sekä dynaamiseen hinnoitteluun.
VTS Big data BM tutkimusraportti
25
Yhteenveto
26 1.4.2016 26
Big datan ja analytiikkaosaamisen nykytila ja
tulevaisuus
Valtaosa kustantajista käyttää edelleen ’perinteistä’ analytiikkaa eli tietojen yhdistelyä tai dataa
kuvaamaan sitä mitä tapahtuu/on tapahtunut; on odotettavissa että yhä useampi kustantaja
siirtyy hyödyntämään dataa ja datalähteitä monipuolisemmin strategisen päätöksenteon tueksi
Suurimmat esteet datan hyödyntämiseen löytyvät talojen sisältä; ensimmäiseksi on puututtava
asenteiden muutokseen, osaamisen kehittämiseen ja infrastruktuurin rakentamiseen. Myös
datan saatavuuteen liittyviin ongelmiin on haettava aktiivisesti ratkaisua
Puolelta tutkituilta kustantajilta puuttuu big data strategia, joka antaisi paremmat edellytykset
big datan hyödyntämiseen ja uuden palveluliiketoiminnan synnyttämiseen
Big data strategia myös edesauttaa monipuolisemman data analytiikka osaamisen
kehittämistä, jolla on yhteys yrityksen parempaan kaupalliseen menestykseen
Odotukset data analytiikan tuomiin hyötyihin ovat korkealla – sillä haetaan ratkaisuja erityisesti
uusien liiketoiminta-avauksien edistämiseksi; fokus on yhä enemmän investoinneissa, joilla
edistetään datan ja teknologian hyödyntämistä uuden liiketoiminnan synnyttämiseksi
Data analytiikka nähdään mahdollistavan toisaalta perinteisen medialiiketoiminnan
turvaamisen sekä uuden B2B ja B2C palveluliiketoiminnan innovoimisen
VTS Big data BM tutkimusraportti
27 1.4.2016 27
Big datan rooli kustantajan strategiassa
Mitä dataa tai data analytiikkaa kustantaja hyödyntää riippuu vahvasti yrityksen
valitsemasta strategiasta
Palvelustrategiat voidaan karkeasti jakaa kolmeen ryhmään:
1. Strategiat, jotka keskittyvät tuotteisiin ja niitä ylläpitävien/edistävien palveluiden
myyntiin. Data analytiikan tehtävä on tuottaa tietoa jolla kehitetään kilpailijoita
parempia ja yritykselle kannattavampia tuotteita ja palveluita.
2. Strategiat, jotka keskittyvät asiakaspalveluun ja tuotteiden käyttöön perustuvien
palveluiden myyntiin. Data analytiikan tehtävä on ymmärtää palvelun käyttöä ja
edistää käyttöön liittyvää asiakastyytyväisyyttä ja -uskollisuutta.
3. Strategiat, jotka keskittyvät asiakkaan liiketoiminnan/prosessien parantamiseen.
Data analytiikan tehtävä on parantaa palveluntarjoajien kykyä saavuttaa
etukäteen sovittuja tulostavoitteita sekä todentaa/hinnoitella saavutetut tulokset.
Mediayritykset ovat siirtymässä yhä enemmän perinteisistä mediatuotteisiin keskittyvistä
palveluista kohti pidemmälle kehittyneitä palveluratkaisuja, jolloin datan, datalähteiden ja
monipuolisemman data-analytiikka osaamisen merkitys kasvaa
Siirtyminen kohti tuloksiin keskittyviä palveluita kasvattaa kustantajien riskejä ja muuttaa
vahvasti alan toimintamalleja ja kumppanuussuhteita; se myös vaatii liiketoimintamallin
innovaatiota VTS Big data BM tutkimusraportti
28 1.4.2016 28
Data analytiikan merkitys liiketoimintamallissa
Big dataan pohjautuvan liiketoimintamallin pitäisi kyetä
vastaamaan seuraavaan kuuteen kysymykseen:
1. Mikä on tavoiteltu tulos ja tulevaisuuden palvelustrategia?
2. Mitä tarjotaan ja kenelle?
3. Mitä dataa käytetään?
4. Mitä data-analytiikka osaamista tarvitaan?
5. Mikä on ansaintalogiikka?
6. Mitkä ovat tavoitteiden toteutumisen haasteita joihin tulee puuttua?
VTS Big data BM tutkimusraportti
TEKNOLOGIASTA TULOSTA
Lisätietoa tutkimuksesta
+358 50 583 1338
30 1.4.2016 30
Lähteet
Bronlow, J., Zaki, M., Neely, A. & Urmetzer, F. (2015) Data and Analytics - Data-Driven Business Models: A Blueprint for Innovation Blueprint for Innovation.
Cambridge Service Alliance Working Paper Series at University of Cambridge, (No. February).
Gaiardelli, P., Resta, B., Martinez, V., Pinto, R. & Albores, P. (2014). A classification model for product-service offerings. Journal of Cleaner Productions,
66(1), 507-509.
Gebauer, H. (2008). Identifying service strategies in product manufacturing companies by exploring environment–strategy configurations. Industrial
Marketing Management, 37(3), 278-291.
Gebauer, H. & Fleisch, E. (2007). An investigation of the relationship between behavioral processes, motivation, investments in the service business and
service revenue. Industrial Marketing Management, 36(3), 337-348.
Gebauer, H., Fleisch, E., & Friedli, T. (2005). Overcoming the Service Paradox in Manufacturing Companies. European Management Journal, 23(1), 14-26.
Hartmann, P., Zaki, M., Feldmann, N. & Neely, A. (2014). Big Data for Big Business? A Taxonomy of Data-driven Business Models used by Start-up Firms.
Cambridge Service Alliance Working Paper Series at University of Cambridge, (No. March).
Mathieu, V. (2001). Service strategies within the manufacturing sector: benefits, costs and partnership. International Journal of Service Industry
Management, 12(5), 451-475.
Matthyssens, P. & Vandenbempt, K. (2008). Moving from basic offerings to value-added solutions: Strategies, barriers and alignment. Industrial Marketing
Management, 37(3), 316-328.
Neely, A. (2008). Exploring the financial consequences of the servitization of manufacturing. Operations Management Research, 1(2), 103-118.
Picard, R. (2005). Media Product Portfolios: Issues in Management of Multiple Products and Services. (R.G. Picard, Ed.) (p. 272). Lawrence Erlbaum.
Prahalad, C. K. & Ramaswamy, V. (2004). The Future of Competition: Co-Creating Unique Value with Customers (p. 272). Boston, MA: Harvard Business
School Press.
Oliva, R. & Kallenberg, R. (2003). Managing the transition from products to services. International Journal of Service Industry Management, 14(2), 160-172.
Ulaga, W. & Reinartz, W. (2011). Hybrid offerings: How manufacturing firms combine goods and services successfully. American Marketing Association,
75(November), 5-23.
Vargo, S. & Lusch, R. (2004). Evolving to a New Dominant Logic. Journal of Marketing, 68(1), 1-17.
Vargo, S. & Lusch, R. (2008). Service-dominant logic: continuing the evolution. Journal of Academy of Marketing Science, 36(1), 1-10.
Viljakainen, A. (2015). Exploring the transformation of media sector through the lens of service-dominant (S-D) logic. Doctoral thesis. Espoo: Finland.
Viljakainen, A. & Toivonen, M. (2016). Digitalisation and service business model innovation in media. Forthcoming.
Viljakainen, A., Toivonen, M. & Seisto, A. (2016). Industry transformation towards service(s): Implications on media management and media economics.
Forthcoming.
Viljakainen, A., Ylén, P. , Toivonen, M. & Seisto, A. (2016). Servitization of media. Forthcoming.
Wise, R. & Baumgartner, P. (1999). Go Downstream: The New Profit Imperative in Manufacturing. Harvard Business Review, 77(5), 133-141.
VTS Big data BM tutkimusraportti