Big dataan perustuvat liiketoimintamallit sanomalehtialan ... · markkinoinnin ROI:n tai verkkokaupan kasvattaminen, oppimismenestys (pay-per-result –palvelut) ... Data-analytiikka

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


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


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


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


Big datan rooli

palveluistumisessa

9 1.4.2016 9

Palvelustrategiat ja big data medialiiketoiminnassa

Tuotteeseen

keskittyvät palvelut

Käyttöön


Tulokseen


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


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


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%


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


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


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


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.


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


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.


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


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


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


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.


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


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?


TEKNOLOGIASTA TULOSTA

Lisätietoa tutkimuksesta

[email protected]

+358 50 583 1338

mailto:[email protected]

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.


Documents

Big dataan perustuvat liiketoimintamallit sanomalehtialan ... · markkinoinnin ROI:n tai verkkokaupan kasvattaminen, oppimismenestys (pay-per-result –palvelut) ... Data-analytiikka