Make data-analysis great again

Siinä se oli muutamia viikkoja sitten teksti TV:n pääsivulla luki: ”Trump johtaa selvästi”. Eihän tässä näin pitänyt mielipidekyselyiden mukaan käydä…Miten tähän oikein päädyttiin?

Kun vaalit oli käyty ja tulos varmistunut, alkoi ison meren takana kohu siitä, miksi mielipidekyselyt ennustivat tuloksen väärin ja eikö dataa ja tilastoja osattu käsitellä oikein. Syiksi esitettiin vääränlaista otantaa kyselyissä, väärin esitettyjä kysymyksiä ja virhemarginaalien ymmärtämättömyyttä. Lisäksi epäonnistuneeseen analyysin syyksi esitettiin sitä, ettei uutta ilmiötä osattu käsitellä oikein.

Kun tulosta katsoo ”data-analyysi silmälasien” läpi, yksi olennainen tekijä yllättävään tulokseen suurelle yleisölle on virhemarginaalin vähäinen ymmärrys. Vaaleja edeltäneet mielipidekyselyt kertoivat ensin Hillaryn voittavan selvästi ja mitä lähemmäksi vaaleja mentiin, sitä tiukemmaksi kisa kävi. Olennaista tällaisessa tilanteessa on huomioida muutoksen suunta, sen voimakkuus sekä ymmärtää, milloin ollaan virhemarginaalin sisällä, emmekä voi enää tehdä yksiselitteisiä johtopäätöksiä. Lisäksi on hyvä muistaa, että mielipidekyselyn ei tarkoitus ennustaa vaan kertoa mikä nykytila on. Eli niissä käytetyt menetelmät eivät tyypillisesti kerro tilanteen kehittymisestä vaan siitä, mikä lopputulos olisi jos vaalit pidettäisiin nyt.

Kaikenlaisen dataan perustuvan tarkastelun lähtökohtana on määritellä perusteellisesti kysymys, mihin halutaan vastausta ja valita sen jälkeen soveltuvat työkalut tarkastelun toteuttamiseksi. Tämän lisäksi on pyrittävä ymmärtämään tarkasteltava kokonaisuus riittävän hyvin, jotta tarkastelun piiriin osataan ottaa kaikki siihen olennaisesti vaikuttavat muuttujat mukaan. Tämä ei tietenkään ole helppoa ja muistan lukeneeni, että aikanaan Suomessakin ennusteita korjattiin nk. kommunistikertoimilla. Mutta tämäkin osattiin ottaa huomioon, vasta kun ilmiöstä alkoi olla kokemusta useampien vaalien pohjalta..

Onkin hyvä muistaa, että myös USA:n vaaleissa osa mielipidekyselyistä ennusti tilanteen oikein ja jotkut toimijat tekivät oikeita johtopäätöksiä datasta. Ei siis kuopata dataan ja tilastoon perustuvaa analyysiä, sillä niillä on jatkossa paljon annettavaa elämän eri osa-alueilla!

Liiketoiminnassa on kyse hyvin samankaltaisesta asiasta. Datan kerääminen useista eri lähteistä ja useiden muuttujien tarkastelu vaatii syy seuraussuhteiden ymmärrystä. Tänäpäivänä muuttujien tarkastelu on periaatteessa helppoa, koska dataa syntyy lähes kaikesta ja kaikkea pystytään mittamaan. Tässäkään tilanteessa data ei ole niinkään itseisarvo, vaan arvo syntyy datan analysoinista tiedoksi ja vasta tiedon kautta voidaan saavuttaa tuloksia.

Olemme luoneet sinulle white paperin tiedolla johtamisesta, miten mittausinformaatio jalostetaan toimenpiteiksi.