koskeva epävarmuus on vähentynyt. Perinteisen analytiikan hyödyntäessä historiapai-notteista dataa pääsääntöisenä lähteenään, voidaan big data -analytiikan myötä analy-soida myös tulevaisuuspainotteista dataa reaaliaikaisesti ja nopeasti. Tällöin esimerkiksi erilaisten käyttäytymiskaavojen ja trendien tunnistaminen strukturoimattoman datan ana-lysoinnin pohjalta on mahdollista ja strateginen päätöksentekoympäristö vakautuu.
Big data -analytiikka mahdollistaa merkittäviä muutoksia myös päätöksenteon ympäris-tössä. Perinteinen data-analytiikka mahdollistaa strukturoidun ja määrällisesti rajoitetun datan analysoimisen päätöksenteon tukemiseksi. Big data -analytiikan myötä pystytään taas lähteä analysoimaan niin strukturoitua, strukturoimatonta kuin semistrukturoituakin dataa, jota strategisen päätöksenteon kompleksinen toimintaympäristö tarvitsee luotet-tavaan päätöksentekoon.
Nykypäivän liiketoimintaympäristössä on yhä tärkeämpää pystyä analysoimaan dataa reaaliaikaisesti ja hyödyntämään strategisen päätöksenteon yhteydessä faktapohjaista tietoa. Tähän big data -analytiikka pystyy tarjoamaan ratkaisuja. Dataa syntyy jatkuvasti suuria määriä ja sitä on kyettävä analysoimaan reaaliaikaisesti, sillä datan sisältämä in-formaatio myös vanhenee yhä nopeammin. Lisäksi datapohjaiset päätökset tuovat tutki-tusti pidemmällä aikavälillä keskimäärin parempia tuloksia kuin esimerkiksi vastaavat in-tuitioon perustuvat. Big data -analytiikka tarjoaakin päätöksentekijöille mahdollisuuden luoda valistuneempia havaintoja vallitsevista olosuhteista, joiden perusteella on mahdol-lista tehdä luotettavampia päätöksiä strategista päätöksentekoa peilaten.
Big data -analytiikan muokatessa päätöksentekoa yhä datapohjaisemmaksi, on päätök-sentekoprosessin struktuuri tämän seurauksena muuttunut myös hajautetummaksi.
Ylimmän johdon merkitys on toisaalta korostunut prosessin alku- ja loppupäässä, mutta samalla selkeästi vähentynyt prosessin keskivaiheilla. Liiketoimintaosaamisen lisäksi päätöksentekoprosessi tarvitseekin nyt alempien yritystasojen erityisosaamista juuri suurten datamassojen keräämiseen, jalostamiseen ja analysointiin, jotta päätöksenteon tueksi saadaan relevanttia ja oikeaa tietoa tehokkaasti.
6.2 Tutkimuksen arviointi
Tämän tutkimuksen tavoitteena oli muodostaa lukijalle selkeä yleistason käsitys big da-tasta, big data -analytiikasta, yrityksen strategisen päätöksenteon toimintaympäristöstä ja näitä yhdistävistä tekijöistä. Syvällisemmän ymmärryksen saavuttamiseksi keskeistä olisi ollut aihealuetta koskevien osa-alueiden yksityiskohtainen käsittely ja erilaisten ma-temaattisten mallien käsittely, mutta tämän tutkimuksen laajuuden rajaamiseksi näistä luovuttiin.
Aineiston puolesta tutkimuksella oli vahva ja selkeä perusta, sillä sitä oli monipuolisesti ja runsaasti saatavilla. Tämän pohjalta oli selkeästi havaittavissa, että big datan ja data-ohjautuvuuden vaikutukset strategiseen päätöksentekoon on tunnistettu ja niistä on muodostunut keskeinen tutkimuskohde päätöksenteon osa-alueilla. Tutkimusta koske-vassa aineistossa oli havaittavissa joitain aineistokohtaisia tulkinta- ja käsite-eroja, mutta
selkeitä ristiriitaisuuksia aineistojen välillä ei havaittu. Erot painottuivat pitkälti aineistojen relevanssiin ja uutuusarvoon liittyviin seikkoihin, sillä tutkimusaihetta koskevaa aineistoa ilmestyy jatkuvasti lisää, jolloin ajankohdaltaan vanhempi aineisto tarkentuu tai päivittyy vastaamaan viimeisimpiä faktatietoja asiasta.
Koska Big data -analytiikka on todella laaja kokonaisuus, ei tämän tutkimuksen yhtey-dessä kaikkia sen osa-alueita pystytty käsittelemään. Tutkimuksen ulkopuolelle jäivät esimerkiksi big datan konkreettiset prosessointi- ja analysointimenetelmät, kuten data warehousing, liiketoimintatiedon hallinta (business intelligence) sekä big data -analytiik-kaa koskevat järjestelmä- ja osaamisvaatimukset yrityksiltä.
Tutkielman keskeisimpinä tuloksina tunnistettiin erilaisia big data -analytiikan vaikutuksia yrityksen strategiseen päätöksentekoprosessiin ja nostettiin esille niistä keskeisimpiä il-miöitä. Tämän lisäksi huomioita tehtiin myös perinteisen analytiikan vaikutuksista pää-töksentekoon ja vertailtiin niitä big datan pohjalta ilmenneisiin vaikutuksiin. Tuloksien ja havaintojen pohjalta tutkimusprosessin alussa määritettyihin päätutkimuskysymykseen ja sitä tukeviin alatutkimuskysymyksiin onnistuttiin siis vastaamaan, minkä puolesta tut-kimuksen voidaan ajatella onnistuneen.
6.3 Jatkotutkimus
Tässä tutkimuksessa ei otettu kantaa jatkuvasti kehittyvien big datan analysoimisen eri tekniikoiden kuten koneoppimisen ja tekoälyn käytännön rooleihin strategisen päätök-senteon yhteydessä. Tämän hetken teknologian kehityksen ja teknologiatrendien va-lossa näyttäisi kuitenkin siltä, että päätöksenteko olisi siirtymässä yhä enemmän itse-näiseksi ja automatisoiduksi operationaalisen ja taktisen tason lisäksi myös strategisella tasolla. Tämän pohjalta jatkotutkimus voisikin syventyä analysoimaan, kuinka jatkuvasti kehittyvät teknologiat kuten koneoppiminen ja datan louhinta vaikuttaisivat tässäkin tut-kimuksessa käsiteltyyn strategiseen päätöksentekoprosessiin, sen eri aspekteihin ja big datan hyödyntämiseen tässä päätöksentekoprosessissa.
LÄHTEET
Ackoff, R. L. (1999). From Data to Wisdom. Ackoff’s Best. New York: John Wiley & Sons.
pp.170–172. [Verkkodokumentti]. [Viitattu 23.03.2021]. Saatavilla: https://softwa-rezen.me/wp-content/uploads/2018/01/datawisdom.pdf
Bhadani, A. & Jothimani D. (2016). Big Data: Challenges, Opportunities and Realities.
Bellinger, G., Castro, D. & Mills, A. (2004). Data, Information, Knowledge, and Wisdom.
[Verkkodokumentti]. [Viitattu 03.04.2021]. Saatavilla: https://www.systems-thin-king.org/dikw/dikw.htm
Capriotti, R. (2014). Big data: Bringing big changes to accounting. Pennsylvania CPA Journal. Vol. 85(2), pp. 36-38.
Davenport, T. H. & Dyché, J. (2013). Big data in Big Companies. International Institute for Analytics. [Verkkodokumentti]. [Viitattu 06.04.2021]. Saatavilla: http://datascien-
ceassn.org/sites/default/files/Big%20Data%20in%20Big%20Companies%20-%20Tom%20Davenport.pdf
de Jong, Yannick. (2019). Levels of Data Analytics. [Verkkodokumentti]. [Viitattu 15.03.2021]. Saatavissa: http://www.ithappens.nu/levels-of-data-analytics/
Dobinson, P. (2017). Big Data vs. Traditional Approaches to Measuring the Business Impact of Learning. [Verkkodokumentti]. [Viitattu 12.03.2021]. Saatavissa: https://trainin- gindustry.com/magazine/sept-oct-2017/big-data-vs-traditional-approaches-to-measu-ring-the-business-impact-of-learning/
Eckerson, W. W. (2007). Predictive Analytics. [Verkkodokumentti]. [Viitattu 14.03.2021].
Saatavilla: https://www.researchgate.net/profile/Waranpong_Boonsiritomachai/publica-
tion/307571066_Exploring_business_intelligence_and_its_depth_of_matu- rity_in_Thai_SMEs/links/585017a708ae4bc8993b6696/Exploring-business-intelligence-and-its-depth-of-maturity-in-Thai-SMEs.pdf
Eisenhardt, K. M. (1999). Strategy as strategic decision making. [Verkkodokumentti].
[Viitattu 12.03.2021]. Saatavilla: https://search.proquest.com/open-view/77fd6c1bacb5444468fc83ec4a1e9153/1?pq-origsite=gscholar&cbl=26142
Elbanna, S. (2006). “Strategic decision-making: Process perspectives.” International Journal of Management Reviews. Vol 8(1), pp. 1-20.
Fink, A. (2005). Conducting Research Literature Reviews: From the Internet to the Pa-per. Thousand Oaks: Sage Publications, Inc.
Fitri H., Nugraha A. T., Hakimah Y. & Manihuruk C. (2019). Strategic management of organizational knowledge and competency through intellectual capital. Vol. 19(2) Fernandes, L. (2014). The journey from data to knowledge and wisdom. [Verkkodoku-mentti]. [Viitattu 21.03.2021]. Saatavilla: https://www.lin- kedin.com/pulse/20140722053326-3033591-the-journey-from-data-to-knowledge-and-wisdom/
Fosso Wamba, S., Akter, S., Edwards, A., Chopin, G. & Gnanzou, D. (2015). How “big data” can make big impact: Findings from a systematic review and a longitudinal case study. International Journal of Production Economics. Vol 165, pp. 234–246.
Gandomi, A. & Haider, M. (2015). Beyond the hype: Big data concepts, methods and, analytics. International Journal of Information Management. Vol 35(2), pp. 137-144.
Ghasemaghaei, M., Ebrahimi, S. & Hassanein, K. (2018). Data analytics competency for improving firm decision making performance.
Huettel, S. A., Song, A. W. & McCarthy, G. (2005). Decisions under Uncertainty: Proba-bilistic Context Influences Activation of Prefrontal and Parietal Cortices.
Jeble, S., Kumari, S. & Patil, Y. (2018). Role of Big Data in Decision Making. Vol. 11(1), pp. 36-44
Jeyarathmm, M. (2007). Strategic Management.
Kaisler, S. H., Armour, F. J., Espinosa, A. & Money, W. H. (2014). Big Data and Analytics Kaisler, S. H., Armour, F. J., Espinosa, A. & Money, W. H. (2014). Introduction to Big Data
Khatri, N & Alvin Ng, H. (2000). The Role of Intuition in Strategic Decision Making Lipshitz, R. & Strauss, O. (1997). Coping with uncertainty: A naturalistic decision-making analysis. Organizational Behavior and Human Decision Processes. Vol 69(2), pp. 149–
163.
Lukic, J. (2017). The impact of big data technologies on competitive advantage of com-panies. Vol. 14, pp. 255-264.
Marr, B. (2015). Big Data: Using SMART Big data. Analytics and Metrics to Make Better Decisions and Improve Performance. Chichester: John Wiley & Sons.
McAfee, A. & Brynjolfsson, E. (2012). Big data: the management revolution. [Verkko-dokumentti]. [Viitattu 13.03.2021]. Saatavilla: https://wiki.uib.no/info310/ima-ges/4/4c/McAfeeBrynjolfsson2012-BigData-TheManagementRevolution-HBR.pdf McGuire, T., Manyika, J. & Chui, M. (2012). Why Big Data is The New Competitive Ad-vantage. Ivey Business Journal. Vol 76(4).
Osinga, F. (2007). Science, Strategy and War: The Strategic Theory of John Boyd.
Pickell, D. (2018). Structured vs Unstructured Data – What's the Difference? [Verkko-dokumentti]. [Viitattu 09.03.2021]. Saatavilla: https://learn.g2.com/structured-vs-unstructured-data
Porter, M. (1996). What Is Strategy? Harvard Business Review, pp. 61–78.
Provost, F. & Fawcett, T. (2013). Data Science and its Relationship to Big Data and Data-Driven Decision Making. [Verkkodokumentti]. [Viitattu 15.03.2021]. Saatavila:
https://www.liebertpub.com/doi/full/10.1089/big.2013.1508
Ritholtz, B. (2010). Intelligence Hierarchy: Data, Information, Knowledge, Wisdom.
[Verkkodokumentti. [Viitattu 12.03.2021]. Saatavilla: https://ritholtz.com/2010/12/hie-rarchy-of-visual-knowledge/.
Russom, P. (2011). Big data analytics. [Verkkodokumentti]. [Viitattu 23.02.2021]. Saa-tavilla: https://vivomente.com/wp-content/uploads/2016/04/big-data-analytics-white-pa-per.pdf
Sharma, R. (2019). Big Data vs Data Analytics: Difference Between Big Data and Data Analytics. [Verkkodokumentti]. [Viitattu 24.04.2021]. Saatavilla:
https://www.upgrad.com/blog/big-data-vs-data-analytics-difference-between-big-data-and-data-analytics/
Spaulding, N. (2019). Big Data: Making It “BIG” For E-Commerce Trends. [Verkkodoku-mentti]. [Viitattu 15.03.2021]. Saatavilla: http://www.instantshift.com/2019/10/18/big-data-for-ecommerce/
Stobierski, T. (2019). THE ADVANTAGES OF DATA-DRIVEN DECISION-MAKING.
[Verkkodokumentti]. [Viitattu 09.03.2021]. Saatavilla: https://on-line.hbs.edu/blog/post/data-driven-decision-making
van der Aalst, W. (2016). Process Mining: Data Science in Action.
Vermeulen, P. A. M. & Curseu, P. L. (2000). Entrepreneurial Strategic Decision-making:
A Cognitive Perspective.
Walker, W. E., Harremoës, P., Rotmans, J., van der Sluijs, J. P., van Asselt, M. B. A., Janssen, P. & Krayer von Krauss, M. P. (2003). Defining Uncertainty: A Conceptual Ba-sis for Uncertainty Management in Model-Based Decision Support.
Waller, M. A. & Fawcett, S. E. (2013). Data Science, Predictive Analytics, and Big Data:
A Revolution That Will Transform Supply Chain Design and Management.
Wang, K. & Liu, H. (1999). Discovering Structural Association of Semistructured Data Wright, T. (2009). How to Create a Winning Business Level Strategy. [Blogikirjoitus].
[Viitattu 11.03.2021]. Saatavilla: https://www.cascade.app/blog/business-level-strategy Xia, F., Wang, W., Bekele, TM. & Liu, H. (2017). Big Scholarly Data: A Survey.
Yan, J. (2013). Big Data, Bigger Opportunities. [Verkkodokumentti]. [Viitattu 20.04.2021].
Saatavilla: http://www.meritalk.com/pdfs/bdx/bdx-whitepaper-090413.pdf
Zakir, J., Seymour, T. & Berg, K. (2015). Big Data Analytics. Issues in Information Sys-tems. Vol 16(2), pp. 81-90.
Zimmermann, H.-J. (2000). An application-oriented view of modeling uncertainty. Vol 122(2), pp. 190-198.