Moni yritys saattaa lykätä omaa digitalisaatiokehitystään sillä verukkeella, että data ei ole vielä ”valmista” tai ”oikeaa”. Annetaan esimerkki: yritykseen on juuri tullut uusi erp-ohjelmisto, jonka tarkoituksena on auttaa yritystä toiminnanohjaamiseen esimerkiksi asiakkuushallinnassa. Dataa ei vielä ole olemassa kuin parin päivän ajanjaksolta, mutta yritystä kiinnostaisi tutkia, miten toiminnanohjausjärjestelmän datan analysoinnin voisi toteuttaa vastaamaan tulevaisuuden tarpeita. Kynnys datan hyödyntämisen tutkimiseen voi tuntua alkuun korkealta, mutta lähtöaskeleiden ei tarvitse olla suuria. Kannattaa muistaa, että analysoimaton data on hyödyntämätön resurssi (Alatalo & Järvenpää, 2025) ja mahdollisuudet yhteistyön käynnistämiseen ja tekemiseen löytyvät Hämeen ammattikorkeakoululta (HAMK).
Hämeen ammattikorkeakoulussa tieto- ja viestintätekniikan kiertotalous -koulutuksen opiskelijat pääsevät HAMK Design Factoryn johdolla opiskelemaan data-analytiikkaa, tiedolla johtamista ja data-analytiikan työkaluja. Opintojakso ajoittuu joka vuosi alkamaan noin maaliskuun puolessa välissä ja kestää kahdeksan viikkoa. Tänäkin vuonna (2025) meillä starttasivat teemoiltaan monipuoliset projektit, jotka sisälsivät tuotannon mittarointia sekä ajosuoritteen ja talousdatan analysointia. Näitä data-analytiikan projekteja tehdään yritysten kanssa yhteistyössä viikoittaisissa palavereissa.
Malliaineistosta oivalluksiin ja prototyyppeihin
Yksi projekteista, jossa haluttiin tutkia projektien läpimenoa tuotannon ja talouden näkökulmasta, käynnistyi tavanomaista uteliaammalla otteella. Vaikka käytettävissä ei ollut ”virallista” dataa vaan ainoastaan malliaineistoa, tämä ei pysäyttänyt kehitystyötä. Päinvastoin – malliaineisto osoittautui erinomaiseksi pohjaksi prototyyppien kehittämiselle.
Opiskelijatiimit sukelsivat dataan ja alkoivat rakentaa innovatiivisia visualisointeja ja käyttöliittymäelementtejä. Jokainen tiimi lähestyi haastetta omasta näkökulmastaan, mikä johti monipuoliseen ratkaisuvalikoimaan. Toiset keskittyivät kojelautanäkymiin, toiset kehittivät interaktiivisia suodattimia, jotka tekivät monimutkaisesta datasta helposti ymmärrettävää. Dataa pystyi myös ”imitoimaan”, ja sitä sai generoitua lisää, mikä mahdollisti prototyypin käyttäjätestaamisen jo ennen isompaa tulevaa datamäärää. Näin voitiin pysyä askeleen edellä prototyypin rakentamisessa jo varhain: voitiin tunnistaa tulevan datan tarpeita ja vaatimuksia sekä kehittää käyttäjäkokemusta ennen varsinaista datan käyttöönottoa.
Projektin suurin opetus oli ehkä se, kuinka matalan kynnyksen yhteistyö voi tuottaa yllättävän hyviä tuloksia. Viikoittaiset palaverit toimeksiantajan kanssa loivat jatkuvan kehityssilmukan, jossa ideat jalostettiin käytännön ratkaisuiksi. Yrityksen edustaja sai kokousten aikana kommentoida ideoita ja kehittää opiskelijatiimien kanssa sitä, miten heidän dataansa voisi järkevästi esittää.
Yhteistyön matalan kynnyksen ansiosta kokeilun kulttuuri pääsi kukoistamaan. Ei tarvinnut odottaa täydellistä dataa tai valmista strategiaa – riitti, että oli kiinnostavaa haastetta ja motivoituneita opiskelijoita. Tämä lähestymistapa mahdollisti nopean prototyyppien kehittämisen ja ideoiden testaamisen ilman suuria investointeja tai riskejä.
Opiskelijat osoittivat, että luovuus ja tekninen osaaminen voivat kompensoida puuttuvaa tai epätäydellistä dataa. He loivat pohjan, jolle todellinen data voidaan myöhemmin rakentaa.
Rohkeus kokeilla kannattaa
Tämäkin projekti on erinomainen esimerkki siitä, miksi yritysten kannattaa lähteä rohkeasti kokeilemaan yhteistyötä oppilaitosten kanssa. Opiskelijat tuovat mukanaan tuoreet näkökulmat, uusimmat työkalut ja ennen kaikkea innostuksen ratkaista todellisia liiketoimintahaasteita.
Ei kannata odottaa, että kaikki tähdet ovat kohdallaan. Malliaineisto riittää alkuun, ja matalan kynnyksen yhteistyö voi tuottaa yllättävän innovatiivisia ratkaisuja sekä aihioita jatkokehittämiseen. Kun yritys ja opiskelijat yhdistävät voimansa, syntyy jotain sellaista, mitä kumpikaan ei olisi yksin saavuttanut.
Lähteet
Alatalo S. & Järvenpää, A.-M. (11.2.2025). Analysoimaton data on hyödyntämätön resurssi. HAMK Beat. https://blog.hamk.fi/hamk-beat/analysoimaton-data-on-hyodyntamaton-resurssi/
Kirjoittajat
