Towards better organizational analytics capability:a maturity model

Autor: Lassila, T. (Tuomas)
Jazyk: angličtina
Rok vydání: 2020
Popis: Data and analytics are changing the markets. Significant improvements in competitiveness can be achieved through utilizing data and analytics. Data and analytics can be used to support in all levels of decision making from operational to strategic levels. However, studies suggest that organizations are failing to realize these benefits. Many of the analytics initiatives fail and only a small partition of organizations’ data is used in decision making. This happens mostly because utilizing data and analytics in larger scale is a difficult and complex matter. Companies need to harness multiple resources and capabilities in a business context and use them synergistically to deliver value. Capabilities must be developed step by step and cannot be bought. Bottlenecks like siloed data, lack of commitment and lack of understanding slow down the development. The focus of this thesis is to gain insight on how these resources and capabilities can be managed and understood better to pursue a position where modern applications of data and analytics could be utilized even better. The study is conducted in two parts. In the first part, the terminology, disciplines, analytics capabilities, and success factors of data and analytics development are examined through the literature. Then a comprehensive tool for identifying and reviewing these analytics capabilities is built through analyzing and combining existing tools and earlier insights. This tool, organizational analytics maturity model, and other findings are then reviewed and complemented with empirical interviews. The main findings of this thesis were mapped analytics capabilities, success factors of analytics, and the organizational analytics maturity model. These results help practitioners and researchers to better understand the complexity of the subject and what dimensions must be taken into account when pursuing success with data and analytics.Kohti parempaa organisaation analytiikkakyvykkyyttä : maturiteettimalli. Tiivistelmä. Datan ja analytiikka muuttaa eri organisaatioiden välistä kilpailua. Huomattavia parannuksia kilpailukyvyssä voidaan saada aikaan oikeanlaisella datan ja analytiikan hyödyntämisellä. Data ja analytiikkaa voidaan käyttää kaikilla päätöksen teon asteilla operatiivisista päätöksistä strategiselle tasolle asti. Tästä huolimatta tutkimukset osoittavat, että organisaatiot eivät ole onnistuneet saavuttamaan näitä hyötyjä. Monet analytiikka-aloitteet epäonnistuvat ja vain pientä osaa yritysten keräämästä datasta hyödynnetään päätöksenteossa. Tämä johtuu pääosin siitä, että datan ja analytiikan hyödyntäminen isossa kontekstissa on vaikeaa ja monimutkaista. Organisaatioiden täytyy valjastaa useita resursseja ja kyvykkyyksiä liiketoimintakontekstissa ja käyttää näitä synergisesti tuottaakseen arvoa. Näitä kyvykkyyksiä ei voida ostaa suoraan, vaan ne joudutaan asteittain kehittämään osaksi organisaatiota. Kehitykseen liittyy myös paljon ongelmakohtia, jotka hidastavat kokonaiskehitystä. Siiloutunut data ja sitoutumisen ja ymmärryksen puute ovat esimerkkejä kehityksen kompastuskivistä. Tämän opinnäytteen tarkoitus on syventää ymmärrystä siitä, miten näitä resursseja ja kyvykkyyksiä hallitaan ja ymmärretään paremmin. Miten organisaatio pääsee tilaan, jossa se voi hyödyntää moderneja datan ja analytiikan mahdollisuuksia? Tutkimus muodostuu kahdesta osasta. Ensimmäisessä osassa käsitellään terminologia, analytiikkakyvykkyydet ja niiden menestystekijät. Sen jälkeen luodaan kokonaisvaltainen työkalu, organisaation analytiikkamaturiteettimalli, kyvykkyyksien tunnistamiseksi ja kehittämiseksi. Tämä malli rakennetaan ensimmäisten löydösten pohjalta. Tutkimuksen toisessa osassa aiemmat löydökset ja rakennettu malli validoidaan ja täydennetään empiirisillä haastatteluilla. Tämän työn päälöydökset ovat kartoitetut analytiikkakyvykkyydet, niiden menestystekijät ja organisaation analytiikkamaturiteettimalli. Nämä löydökset auttavat ammattilaisia ja tutkijoita ymmärtämään paremmin aiheen monimutkaisuuden ja mitä dimensioita tulee ottaa huomioon, kun pyritään menestykseen datan ja analytiikan avulla.
Databáze: OpenAIRE