Vaatekaupat voivat hyödyntää asiakkaiden antamia tietoja saadakseen asiakkaan ostamaan mahdollisimman paljon.

Big data -asiantuntija Lauri Ilison vieraili Uuden Suomen toimituksessa. Kuvassa hän havainnollistaa, miten tietomassoja voidaan järjestellä. Kuva: Linda Pelkonen / Uusi Suomi

Verkkotietokirja Wikipedian mukaan big data on erittäin suurten, järjestelemättömien tietomassojen keräämistä, säilyttämistä, jakamista, etsimistä, analysointia ja esittämistä. Big data on yhteisnimitys valtaisille tietomäärille, joiden yhteydessä ei voida soveltaa perinteisiä datanhallintatapoja.

Kansalaisista kerättävää tietoa hyödynnetään tulevaisuudessa uusilla tavoilla. Lääkärit voivat ennakoida potilaidensa terveydentilaa entistä tarkemmin datamassojen avulla. Kaupat voivat ennustaa ja tulkita asiakkaidensa käyttäytymistä tarkemmin. Valtiovalta voi vaikkapa etsiä sosiaaliturvan väärinkäyttäjiä.

”Seuraava iso juttu” ihmisten käyttäytymisen ja ilmiöiden ennustamisessa on big data, kertoo virolaisen it-yrityksen Nortalin big data -asiantuntija Lauri Ilison. Yhtiö myy asiakkailleen muun muassa työkaluja ja järjestelmiä, joiden avulla ne kykenevät käyttämään hallussaan olevaa tietoa hyödyllisesti.

Tietotekniikan kehittymisen ansiosta on olemassa valtava massa tietoa ihmisistä ja erilaisista toiminnoista.

–Meillä on valtava määrä tietoa, jota ei käytetä hyödyksi, Ilison kertoo vieraillessaan Uuden Suomen toimituksessa.

Hänen mukaansa 90 prosenttia tämän päivän datamassasta on syntynyt viimeisen kahden vuoden aikana.

–Datan määrä kasvaa yhä nopeammin. Kuuden vuoden kuluttua sitä ennustetaan olevan 50 kertaa enemmän kuin nyt. Meillä on siis paljon dataa, Ilison sanoo.

Illison esitteli Uudelle Suomelle käytännön esimerkkejä tavoista, joilla valtavia tietomassoja eli big dataa voidaan käyttää hyväksi.

1. Terveydenhuollon seuranta

Big dataa voidaan Ilisonin mukaan hyödyntää muun muassa terveydenhuollossa. Tehokkaalla datan hyödyntämisellä lääkärit voisivat ennakoida joitakin tulevia sairauksia jo ennen kuin ne ilmenevät.

Lääkärit voisivat kerätyn datan perusteella tehdä potilailleen profiilit, joista selviää, mitä sairauksia hänen sukulaisillaan ja samankaltaisen elämäntyylin omaavilla ihmisillä on. Tällä perusteella voitaisiin ennakoida, mihin sairauksiin potilaalla on suurentunut riski.

–Tulevaisuudessa lääkäri voi töihin mennessään katsoa päätteeltään, miten hänen potilaansa voivat. Tyyliin tämä on ok, samoin tämä. Hänelle minun pitäisi ehkä soittaa, koska näen tiettyjä muutoksia luvuissa, Illison kuvailee potentiaalista tilannetta.

Hänen mielestään lääkäreillä pitäisi olla päinvastainen asenne potilaita kohtaan kuin tällä hetkellä.

–He voisivat olla ennaltaehkäiseviä, ei jälkeenpäin reagoivia, Ilison sanoo.

Jo nyt vanhustenhoidossa käytetään erilaisia seuranta- tai hyvinvointirannekkeita.

–Jos on tapana herätä viimeistään kello yhdeksän aamulla, nousta käymään vessassa, mutta näin ei jonain päivänä tapahdukaan, voidaan päätellä, että jokin on vialla. Lääkäri voidaan hälyttää automaattisesti paikalle, Ilison kertoo.

2. Sosiaaliturvan väärinkäytön ehkäiseminen

Valtiot voisivat käyttää valtavia datamääriään hyödyksi vaikkapa selvittääkseen, käyttävätkö ihmiset sosiaaliturvaa väärin. Ilisonin mielestä valtiovallan kannattaisi käyttää monipuolisesti erilaisia tietolähteitä selvittääkseen, mitä ihmiset tekevät.

–Vaikuttaa siltä, että osalla sosiaaliturvaa väärin käyttävistä on tiettyjä ominaisuuksia. He tekevät tiettyjä asioita esimerkiksi internetissä. Tähän asti he ovat voineet tehdä mitä tahansa ilman, että tiedot integroitaisiin sosiaaliviraston tietojen kanssa, Ilison kertoo.

Eri lähteistä kerätyn tiedon avulla voidaan selvittää, kuuluuko kyseisen henkilön todella saada sosiaalitukea. Jos selvitetään esimerkiksi kulutuskäyttäytymistä ja verrataan sitä sosiaalituen suuruuteen, voidaan tehdä päätelmiä.

–Voimme selvittää esimerkiksi, että vuosittain henkilö ajaa autolla aika paljon. Paljon enemmän kuin tulot sosiaaliturvasta riittäisivät, Ilison sanoo.

–Jos sosiaalitukea saavan käyttäytymisessä on jotain outoa, voi olla, että se ei ole oikein, hän toteaa.

3. Kauppa ja typerä takki

Ilison kertoo esimerkin big datan hyödyntämisestä myös kaupallisissa tarkoituksissa. Hänen mukaansa yritykset voisivat hyödyntää nykyistä tehokkaammin tietoja, joita asiakkaat antavat ostaessaan tuotteita.

Jos asiakas on esimerkiksi ostanut tuotteita liikkeestä noin kuukauden välein, mutta yhtäkkiä pitääkin vaikkapa kahden vuoden tauon tuotteiden ostamisessa, voidaan päätellä, ettei hän ehkä ole tyytyväinen taukoa edeltävään ostokseensa. Vastaavanlainen tieto saattaa olla muistakin asiakkaista.

–Voimme selvittää, mitkä ovat viimeiset tuotteet, jotka ovat viimeiset ennen pitkää taukoa seuraavaan ostoon. Ehkä ne ovat niitä ostoja, jotka eivät ole parhaita, Ilison sanoo.

–Ihmiset ovat ehkä ostaneet jonkun typerän takin. Huomaamme, että moni muukin on ostanut saman typerän takin, eivätkä osta mitään pitkään aikaan. Voimme päätellä, että pitkä tauko johtuu typerästä takista.

Ilison kehottaa yrityksiä reagoimaan jo etukäteen silloin kun huomataan, etteivät asiakkaat ehkä olekaan tyytyväisiä.

–Jos tiedämme, että ostos on huono, ja on todennäköistä, että asiakas ei osta mitään pitkään aikaan, voisimme tarjota tälle asiakkaalle esimerkiksi alennusta 10 prosenttia seuraavasta ostosta. Vain sinulle meiltä. Silloin ihminen tulee uudestaan pian, Ilison kertoo.

Nortal auttaa big data –työkalun avulla asiakkaitaan selvittämään, miten he voivat käyttää hallussaan olevaa dataa hyödyksi. Nortal tekee asiakkaalle myös prototyypin järjestelmästä, jonka avulla hyödyllisiä tietoja voidaan kerätä suuresta massasta dataa.

Big datan kaupallistamiseen pyrkivät monet toimijat. Kilpailijoita on Illisonin mukaan ”jonkin verran”.

Jo tällä hetkellä monet tietotekniset palvelut käyttävät keräämäänsä dataa hyödyksi palvellakseen asiakkaitaan paremmin. Esimerkiksi musiikkipalvelu Spotify muistaa, mitä musiikkia kukin asiakas on kuunnellut, ja tarjoaa suosituksia sen mukaan. Viihdepalvelu Netflix on sisäistänyt samantyyppisen systeemin. Asiakkaat voivat Netflixissä arvostella elokuvia ja sarjoja sen mukaan mistä ovat pitäneet, ja palvelu suosittelee tämän perusteella uutta katsottavaa.