Fiksumpaa analyysia sosiaalisesta mediasta

Alussa oli mutu. Sitten tuli kyselytutkimusdata ja se korvasi mutun. Sitten tuli Big Data ja se täydensi kyselytutkimusdataa. Lopuksi tuli sosiaalisen median data, ja se sekoitti kaiken muun datan…

Viime viikolla oli Smarter Social Media Analysis -Tekes-hankkeen päätösseminaari Helsingin yliopistolla. Puolitoista vuotta pohdimme akateemisten tutkijoiden, Taloustutkimuksen ja muiden analytiikkayritysten sekä markkinoijien yhteistyönä, millaista analyysia some-datasta voi oikein tehdä, millaisia johtopäätöksiä siitä voi vetää ja miten sitä voisi käyttää liiketoiminnassa päätöksenteon tukena.

Hanke opetti meille, että vaikka mm. tekoälyä ja supertietokoneita hyödyntämällä voimme analysoida isoja sosiaalisen median datamassoja, on kaikessa tekemisessä vielä paljon haasteita. Saatavilla olevat datat ovat lähes aina vinoutuneita suhteessa koko väestöön, usein vahvastikin. Toisaalta kehittyneimmätkään tekoälyalgoritmit eivät yllä tulkinnassa ihmisaivojen tasolle ja tekevät ”hölmöyksiä”. Teoreettista viitekehystä ei olla vielä ehditty kunnolla rakentaa akateemisellakaan puolella. Ja niin edelleen.

Kuitenkin kyseinen Tekes-hanke oli hyvä. Se opetti, että päätöksentekijän kannattaa välttää ns. ”mustia laatikoita” eli some-analyyseja ja työkaluja, jotka tuottavat kyllä kivoja lukuja ja graafeja, mutta eivät kerro, miten niihin tuloksiin on päästy. Mustat laatikot ovat lähes poikkeuksetta täynnä virheitä, puutteellisia analyysitekniikoita, mutkien oikomista ja vääriä tulkintoja. Joku sanoisi sitä disinformaatioksi.

Hanke opetti myös, että fiksumpi sosiaalisen median analyysi on koneen ja ihmisen yhteistyötä. Tekoälyä täytyy opettaa ja vielä tapauskohtaisesti. Jokainen analyysi-case on omansa. Kaikki analysoitava data pitää myös valmistella tekoälyä varten – sellaisenaan somen raakadata on liian raakaa, jotta mikään tekoäly saisi siitä kunnollista tolkkua.

Kolmanneksi fiksumpi some-analyysi tarvitsee tutkijalta laajaa ymmärrystä eri sosiaalisen median alustojen ominaispiirteistä ja kulttuureista. Millaisia ovat Twitterin käyttäjät versus Facebookin käyttäjät. Millaista sisältöä eri alustoilla on tapana jakaa ja luoda. Some-tutkijan pitää osata myös etnografista havainnointia – some aukeaa kunnolla vasta sitten, kun tutkija itse sukeltaa keskustelujen sisään.

Lopuksi, kunnollinen liiketoimintaa hyödyttävä some-analyysi vaatii aikaa, sitä ei saa valmiina eikä tehtyä päivässä. Muuten voi käydä kuten alussa maalailin, että some-data tulee ja sotkee kaiken muun tiedon.

---

Kari Roose, Taloustutkimus Oy