14.07.2017

Etnografia valjastaa ”tiheän datan” yritysten käyttöön

Antti Kiviranta

Iso data” (big data) on ollut analytiikan ja markkinoinnin muotisana jo kohta 20 vuotta. Tietoyhteiskunta jossa elämme tuottaa ja tallentaa koko ajan käsittämättömiä määriä informaatiota päivittäisestä käyttäytymisestämme. Oikeilla työkaluilla tästä valtavasta tietomassasta voidaan suodattaa ja prosessoida hyvinkin yksityiskohtaisia havaintoja, joiden pohjalta johtamisen, markkinoinnin ja tuotekehityksen toimintastrategioita voidaan tehostaa. 

Tai näin ainakin luvataan. Muutama vuosi sitten behavioristisen taloustieteen professori Dan Ariely lohkaisi osuvasti: ”Iso data on kuin teiniseksi: kaikki teinit puhuvat siitä, kukaan ei oikeastaan tiedä miten se tehdään, mutta kaikki luulevat että muut tekevät sitä, joten kaikki sanovat tekevänsä sitä.”

Iso data on viime vuosina saanut osakseen kritiikkiä, sillä se häivyttää käsittelemänsä yksilöt kasvottomaksi numeeriseksi dataksi ja voi pahimmillaan vääristää tuottamiansa tuloksia ja arvioita, jos isoa dataa lähestytään objektiivisena esityksenä todellisuuden tilasta. Valtavista mittasuhteistaan huolimatta jokainen datakokoelma ja -taulukko on aina malli todellisuudesta, ja mallin kokoamisperusteet vaikuttavat sen luotettavuuteen ja käytettävyyteen.

big thick.png

Päätöksenteossa luotetaan perinteisesti määrälliseen tietoon. Pelkkään tilastotietoon luottaminen ei kuitenkaan ole tae menestykseen. Yritysmaailmassa puhutaan usein harhaanjohtavasti intuitiosta, kun johtoporras lopettaa pelkkään numerotietoon tuijottamisen. Kyse ei aina kuitenkaan ole silkasta umpimähkäisyydestä, vaan ihmistuntemuksen ja laaja-alaisen kokemuksen tuomisesta päätöksentekoon.

Big data kaipaakin rinnalleen thick dataa eli tiheää dataa, jonka tuottamisessa etnologit, antropologit sekä muut humanististen tieteiden ja yhteiskuntatieteiden tutkijat ovat avainasemassa. Tiheästä datasta luennoinut Tricia Wang viittaa uudella käsitteellä suoraan Clifford Geertzin 1970-luvulla hahmottelemaan tiheään kuvaukseen, joka metodina on nykyaikaisen etnografisen kenttätyötutkimuksen keskiössä. Geertz on verrannut tiheää kuvausta sipulin kuorimiseen: jonkin asian – vaikkapa tietyn käyttäytymismallin tai kokonaisen sosiaalisen yhteisön – ytimeen pääsemiseksi kokonaisuutta on purettava kerros kerrokselta, tunnistaen eri tasojen liittymäkohdat toisiinsa.

Siinä missä iso data merkitsee isojen aineistojen koneellista prosessointia, tiheä data tarkoittaa paljon pienempien mutta harkitusti valittujen aineistojen käsittelemistä asiantuntijan ammattikokemuksella. Etnografinen tutkimus tuottaa ja kokoaa monimuotoista kerrontaa ja havainnointia sekä koostaa niistä analyysin kautta kertomuksia. Harkitsevaisessa päätöksenteossa nämä kertomukset, jotka kumpuavat suoraan paikoista ja henkilöiltä joita päätöksenteko koskettaa, ovat kultaakin kalliimpia. 

Maailmallakin vielä verrattain tuore tiheän datan käsite on lähes tuntematon suomalaisessa yrityskentässä. Käytännön tasolla tällaista tutkimustietoa tuottavia yrityksiä kuitenkin jo löytyy, sillä tiheällä datalla on ollut tarvetta monella rintamalla, kuten esim. tuotekehityksessä, organisaatiotutkimuksessa ja vaikkapa erityisopetuksen ja kaupunkipysäköinnin kehittämisessä.

Etnografista tiheää dataa ei pidä nähdä ison datan korvaajana, vaan enemmänkin sen täydentäjänä. Isolla datalla saadaan selvyys tiettyihin asioihin, mutta kvantitatiivinen aineisto kaipaa rinnalleen kvalitatiivista ja ihmislähtöistä analyysiä, kun halutaan ymmärtää miksi ja miten ihmiset toimivat, eikä vain mitä he tekevät. Meidän humanistien ja yhteiskuntatieteilijöiden tehtävänä on tuottaa sosiaalisesta ja ihmislähtöisestä tiedosta yritysasiakkaille lähestyttävää ja hyödynnettävää tietoa.

Antti Kiviranta on etnologian kandidaatti ja semiotiikan maisteri. Hän toimii tutkijana ”tiheää dataa” tuottavassa ja analysoivassa tutkimus- ja konsulttiyhtiö Genbussa,  jonka perusti vuonna 2016 Historian ja etnologian laitoksen jatko-opiskelija Jyri Mäkelä kahden yhtiökumppaninsa kanssa  Ks. myös Genbun ja tiheän datan suhteesta kertova Thick Data complements Big Data.

Kuvalähde: Genbu Oy.