Data Science -tiimissämme työskentelevä Ossi Lehtinen tutki aikaisemmin fyysikkona atomeita teoreettisen laskennan avulla. Tehtyään väitöskirjan materiaalifysiikasta ja työskenneltyään tutkijana ulkomailla hän huomasi kuitenkin kaipaavansa työtä hieman lähempänä ihan tavallista, arkista elämää. Samaan aikaan tutkijan osaamista ja työskentelymenetelmiä kaivattiin toisenlaisen konkretian äärellä, nimittäin SOK:n marketkaupan valikoimasuunnittelussa.

”Tällainen uran jatkumo tuntui luontevalta ja mielenkiintoni heräsi, kun huomasin SOK:n työpaikkailmoituksen Data Scientistin paikasta. Vaikka minulla ei syvällistä mielikuvaa SOK:sta alan työpaikkana ollutkaan, päätin ottaa yhteyttä rekrytoivaan esimieheen ja hakea tehtävään. Niin päädyin vaihtamaan akateemisen maailman ja atomit appelsiineihin ja nyt on käynnissä jo kuudes vuoteni marketkaupan ketjuohjauksessa”, hymyilee Ossi.

Rikkaimmat näkökulmat syntyvät monitieteellisessä asiantuntijatiimissä

Ossi työskentelee parhaillaan 12-henkisessä marketkaupan tiimissä, jossa on asiantuntijoita monelta eri taustalta: on fyysikkoa, kauppatieteilijää, elintarviketieteilijää ja prosessiosaajaa. Mielenkiintoista tiimin yhteistyössä on juuri se, että monipuolisella kokoonpanolla saadaan aikaan rikkaita näkökulmia ja ratkaisuja.

”Fyysikon ja elintarviketieteilijän päihin vain pälkähtää ihan erilaisia ajatuksia. Vaikka työmme on tiivistä yhteistyötä liiketoiminnan kanssa, värittää tiedetausta silti vahvasti omaa ajatteluani ja lähestymistapojani erilaisiin ongelmiin”, Ossi kuvailee.

Työssään Ossi tiimeineen pyrkii luomaan kattavan ymmärryksen siitä, mitä suuressa asiakasomisteisessa koneistossa tapahtuu datan näkökulmasta. Asiakasomistajajärjestelmän, eli vihreän kortin hyödyntäminen ostosten yhteydessä synnyttää valtavan määrän monenlaista dataa asiakkaiden tarpeista sekä heidän ostamistaan palveluista ja tuotteista. Tätä dataa, sekä prosesseja ja ilmiöitä datan taustalla analysoidaan Ossin tiimissä, jotta asiakkaat saisivat käyttöönsä parhaita mahdollisia tuotteita ja palveluita.

”Osuuskauppatoiminta näkyy työssämme siten, että kaikki tekemisemme tähtää arvon tuottamiseen asiakasomistajille. Tärkein tarkoituksemme on datan avulla selvittää asiakkaiden tarpeet ja tuoda kysytyimpiä palveluita ja tuotteita mahdollisimman lähelle niitä tarvitsevia asiakkaita”, Ossi kertoo.

Hyperlokalisaatio on mielenkiintoinen, datalla ohjattu tapa kehittää myymälöiden valikoimia

Esimerkkinä asiakkaiden tarpeiden kartoittamisesta ja täyttämisestä on hyperlokalisaatio. Ossi pyrkii datan avulla ymmärtämään esimerkiksi, mitä tietyssä kaupungissa tai korttelissa sijaitsevan marketin hyllyistä tulisi perusvalikoiman lisäksi löytyä. ”Olen tutkinut datapohjaisesti, millaisia tuotteita pitäisi olla Helsingissä Bulevardin S-marketissa verrattuna Kuusamon Saleen. Eri myymälöiden ja kaupunkien asiakkaiden tarpeissa voi olla valtavia eroja. Asiakasomistajajärjestelmämme on laajalti käytössä, joten pystymme tarkkaankin näkemään, millaisia tarpeita missäkin päin Suomea on”, Ossi kertoo.

"Vain taivas on rajana, kuinka hienojakoista asiakasymmärrystä voidaan luoda."

Datan avulla voidaan etsiä ja mallintaa alaryhmiä ja nähdä esimerkiksi tietyn myymälän asiakaskunnassa suurella todennäköisyydellä erityisen iso määrä lapsiperheitä. Toisaalta tietyn alueen asiakaskunnan ostokäyttäytymisen pohjalta voidaan luoda ennustemalli siitä, missä päin Suomea voisi olla kaikkein eniten kysyntää seuraavan sushibaarin perustamiselle.

”Mitä enemmän nyansseja datan hyödyntämiseen lisätään, sitä jännittävämmäksi homma käy. Tietyssä mielessähän asiakaskunnan atomi on yksittäinen asiakas. Vain taivas on rajana, kuinka hienojakoista asiakasymmärrystä voidaan luoda. Tarkimmillaan mietimme, miten voimme kokonaisen alaryhmän sijaan palvella yksittäistä asiakasta parhaiten ja tuoda hänen lähikauppaansa juuri hänelle sopivimpia tuotteita”, Ossi pohtii.

Ossin tiimin analysoima data saattaa päätyä suoraan myymälän työntekijöiden tiedoksi, että tietylle tuotteelle olisi laajempaakin kysyntää. Tällöin data peilautuu aina siihen, kuinka paljon tietyssä myymälässä on esimerkiksi hyllytilaa tuotetyypille. Toisaalta datasta luotu raportti saattaa päätyä johdolle, jossa osataan sen pohjalta esimerkiksi suunnitella parempaa markkinointia tai korjata tuotteiden hintoja.

Käytössä Data Scientistien näkemysten mukaan järkevimmät menetelmät, työkalut ja teknologiat

Data Scientistit SOK:lla pyrkivät siis ymmärtämään asiakkaitamme ja erilaisia ilmiöitä, mutta ensin valtava määrä dataa täytyy saada muotoon, jossa sitä on helppoa analysoida ja hyödyntää. Käytössä on Ossin mukaan työkalut ja menetelmät, jotka ovat aidosti järkevimpiä ja parhaita kuhunkin tehtävään.

”Laskentaympäristöt ja koodi pyörivät pilvessä. Meillä on Amazonin AWS:ssä data lake, johon kootaan katalogisoituna kaikki se data, jota pyöritämme. Data lakessa pääsemme käsiksi dataan kuin dataan. Datan katalogisointiin käytämme Glue Catalogia, ja numeroiden murskaamiseen käytämme esimerkiksi AWS Athena -palvelua. Analyysejä ja laskentaa pyöritämme R-ohjelmointikielen sekä Pythonin avulla”, Ossi avaa.

Toistuvia analyyseja varten tehdään Docker container, joka pyörii itsenäisesti pilvessä. Näin jatkuvat tapahtumat suoritetaan hallitusti CI / CD-putkessa. Automaattinen analyysi saattaa päätyä Ossin tiimin koodaaman robotin vinkkaamana myymälään, jossa päästään selvittämään, olisiko esimerkiksi asiakkaan toivomalle tuotteelle laajempaakin kysyntää. Automatisoitu raportti voi myös päätyä johdolle tilanteessa, jossa iso määrä tiettyä tuotetta uhkaa datan valossa jäädä varastoon ja korjaavia toimia tarvitaan.

"Data ohjaa vahvasti päätöksentekoa, mikä tekee meidän työstämme palkitsevaa. Data Scientistien näkemyksiä halutaan kuulla."

Uusimmille teknologioille ja innovaatioille rohkaistaan löytämään sopivia käyttötapoja järkevästi ja yhteinen tavoite tähtäimessä. Kuitenkaan esimerkiksi neuroverkkoja ja tekoälyä ei käytetä vain tekoälyn vuoksi, vaan tarkoitus on valita se ratkaisu, joka todella aikaansaa parhaan hyödyn.

”Tämä on mielestäni palkitseva tapa tehdä töitä ja meidän tiimin odotetaan käyttävän omaa luovuuttamme parhaan ratkaisun löytämisessä. Samalla johto on tosissaan tiedolla johtamisen suhteen. Data ohjaa vahvasti päätöksentekoa, mikä tekee meidän työstämme palkitsevaa. Data Scientistien näkemyksiä halutaan kuulla”, Ossi sanoo.

Tämä teksti on osa #dataässä-blogisarjaamme, jossa avaamme datan merkitystä ja datan kanssa työskentelevien asiantuntijoiden arkea SOK:lla.