Tarinat kulissien takaa

Asiantuntijamme avautuvat

Kategoria: Analytiikka

Kuka antoi kolmosen arvosanaksi?

Pidin viikko sitten Talentum Eventsillä kurssin: Asiakkuuksien johtaminen analytiikan avulla. Saamani kurssipalaute on alla. Kiitos kaikille osallistujille ja iso kiitos palautteesta. Se vie kurssia oikeasti eteenpäin.

Hyvä konsultti tuo turvaa eikä lisää asiakkaan pelkoa

IT-ala on pullollaan teknistä jargonia. On jos jonkinmoista softaa, alustaa, platformia, tekniikka… Kehitys kehittyy huimalla vauhdilla. On vaikea pysyä mukana. Alkaa pelottaa.

Pelkoa ja inhoa Las Vegasissa (eli miten tuoda yrityksiin journalismia)

Kaikesta hienosta kehityksestä tiedon visualisoinnin ja edistyneen analytiikan (data science) saralla huolimatta, tiedolla johtamisen yhtenä haasteena on sisällön tulkinta. Miten raporttia tai analyysiä pitäisi tulkita? Meneekö meillä hyvin vai huonosti? Tarvitaanko jotain toimia?

Deep learning – Mitä se on?

”Deep learning”- termiin törmää nykyisin monessa yhteydessä, esimerkiksi lukiessaan kagglen kilpailujen tuloksia tai alan kirjoituksia (machine learning). Google Trendsistä tarkastettuna ”deep learning” tai tuttavallisemmin syväoppiminen on alettu hypettämään 2012 vuoden lopusta lähtien ja termin viljeleminen internetissä on ollut liki eksponentiaalisessa nousukiidossa. Mistä oikein on kyse?

Analytiikkaa Azure ML:llä: Osa 2, Teknisen ympäristön pystyttäminen Azureen

Käytännön analytiikan blogisarjamme jatkuu. Viime kerralla määrittelimme liiketoimintaongelman, joka pitää ratkoa ja sovimme toimenpiteistä joilla tähän päästään. Ennen kuin päästään itse datan pariin, pitää meidän pystyttää tekninen ympäristö. Käydään se nyt läpi.

Analytiikkaa Azure ML:llä: Osa 1, Liiketoimintaongelman määrittäminen

Käytännön ennustavan analytiikan blogisarjamme ensimmäinen osa kuvaa kuvitellun yrityksemme liiketoimintaongelman. Eli määritellään miksi analytiikkaa ylipäätään lähdetään tekemään. Yrityksen esittely

Miten tehdä ennakoivaa analytiikkaa Azure Machine Learning:llä

Aloitamme lyhyen blogisarjan miten tehdä analytiikkaa Azure Machine Learning:llä. Sarja käydään läpi tehokkaasti vajaassa 3 viikossa, sisältäen 3-4 juttua. Sarja päättyy Talentum Eventsillä pitämääni asiakasanalytiikka koulutukseen, jossa koko prosessi käydään läpi.

Myynnin seuranta on turhaa

Myynti on seuraus. Eurot jotka kilahtavat kassaasi ovat seuraus yrityksesi ponnistuksista, oikeista tai vääristä toimista, sattumasta, luonnonvoimista. Kun seuraat myyntieurojasi eli laskutustasi, katsot lopputulemaa. Jotain mihin et voi koskaan vaikuttaa. Löysät on jo housuissa. Aivan kuten jääkiekkovalmentaja tuijottaisi hävityn ottelun jälkeen pelkästään lopputulosta. Numeroita taululla. Ja koittaisi näin keksiä miten tähän tultiin. Miksi taas tuli pataan?…

Kuinka mitata kahden tuotteen myynnin välistä korrelaatiota ja käyttää toista tuotetta toisen kysynnän ennustamisessa hyväksi?

Monesti olen törmännyt kysymykseen ”Miten mitataan kahden eri tuotteen myynnin välistä korrelaatiota?” tai vastaavasti ”Miten tuotteen A myynnin historiaa voidaan käyttää tuotteen B kysynnän ennustamisessa lähitulevaisuuteen?”. Konseptina näissä kysymyksissä esiintyivät aikasarjat.

Päästäksesi auton rattiin, pitää käydä koulunpenkillä

Mika Aho kirjoitti oivasti Talentum Eventsin blogissa data-ohjautuvan kulttuurin muodostumisesta. Hyviä pointteja, käy lukaisemassa täältä. Tykkäsin erityisesti ideasta järjestää yrityksen sisällä yhteisiä datapajoja – tilaisuuksia, joissa dataa (raportteja, visualisointeja, työpöytiä) ihmetellään yhdessä, tulkitaan ja keskustellaan. Ei jätetä siis poloista päätöksentekijää itse tulkitsemaan mittareita ja kpi-arvoja.

Yhteydenotto

Mikäli olet kiinnostunut yrityskohtaisista palveluista tai sinulla kysyttävää palvelujemme sisällöstä, niin ota yhteyttä oheisella lomakkeella tai soita Mikalle numeroon 040 845 8432.