Tekoälytehosteisen big data -analytiikan hyödyntäminen kilpailija-analyysissä
Nurmi, Salla (2025-05-13)
Tekoälytehosteisen big data -analytiikan hyödyntäminen kilpailija-analyysissä
(13.05.2025)
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
avoin
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2025052150381
https://urn.fi/URN:NBN:fi-fe2025052150381
Tiivistelmä
Kilpailija-analyysi on tärkeä strateginen työkalu, jonka avulla yritys voi pyrkiä erottautumaan kilpailijoistaan ja saavuttamaan kilpailuetua. Tänä päivänä kilpailu markkinoilla on kovempaa kuin koskaan, jonka myötä myös erottautuminen on vaikeutunut. Tästä syystä kilpailija-analyysin merkitys tänä päivä on erityisen tärkeä.
Edistyneet teknologiat, kuten tekoäly ja big data -analytiikka, ovat viime vuosikymmenen aikana muuttaneet yritysten toimintaa yhä datavetoisemmaksi, ja niiden tuomia hyötyjä kartoitetaankin nyt kovaa vauhtia eri aloilla, myös markkinointitieteessä. Vaikka tekoälyn ja big data -analytiikan tuomia mahdollisuuksia on jo melko laajalti tutkittu strategisen markkinoinnin ja johtamisen yhteydessä, niiden merkitystä kilpailija-analyysin kontekstissa on toistaiseksi tarkasteltu niukasti.
Tämän pro gradu -tutkielman tavoitteena on selvittää, mitä mahdollisuuksia tekoälytehostettu big data -analytiikka tuo kilpailija-analyysiin. Tutkielmassa yhdistetään tekoäly, big data -analytiikka ja kilpailija-analyysin prosessimalli teoreettiseksi viitekehykseksi ja vastataan tarpeeseen ymmärtää syvemmin edistyneiden teknologioiden merkitystä kilpailija-analyysin prosessin eri vaiheissa.
Tutkimus toteutettiin laadullisena tutkimuksena, jonka aineisto kerättiin kahdeksan asiantuntijahaastattelun avulla. Haastattelut olivat puolistrukturoituja teemahaastatteluita, joiden teemat perustuivat tutkimuksen teoreettiseen viitekehykseen. Saatu aineisto litteroitiin ja analysoitiin temaattisen sisällönanalyysin avulla.
Tutkimuksen tulokset osoittavat, että tekoälytehosteinen big data -analytiikka tuo merkittäviä hyötyjä kilpailija-analyysin prosessiin mahdollistamalla prosessin tehostumisen, automaation, skaalautuvuuden ja multimodaalisen datan hyödyntämisen. Nämä teknologiat kykenevät keräämään ja käsittelemään suuria tietomassoja kilpailijoista tehokkaasti, tunnistamaan trendejä ja tekemään ennustuksia kilpailijoiden liikkeistä. Tämän lisäksi ne tukevat päätöksentekoa rakenteistamalla analyysiä, tarjoamalla johtopäätöksiä, toimintakehotuksia ja visuaalisia esityksiä tuloksista. Lisäksi havaittiin, että teknologian kehityksen myötä kilpailija-analyysin perinteinen lineaarinen prosessi on muuttumassa kohti dynaamisempaa, limittäistä ja jatkuvasti päivittyvää prosessia, jossa analyysin vaiheet sulautuvat toisiinsa. Myös kilpailija-analyytikon työn nähtiin siirtyvän manuaalisen työn vähentyessä kohti analyysiprosessin loppupäätä eli tulkinnan ja johtopäätösten tekemistä.
Tutkimus tarjoaa uutta teoreettista ymmärrystä siitä, miten tekoäly ja big data -analytiikka muuttavat kilpailija-analyysin prosessia, mitä hyötyjä näistä edistyneistä teknologioista on eri kilpailija-analyysin vaiheissa, ja antaa suosituksia liikkeenjohdolle teknologian hyödyntämiseen. Kilpailija-analyysin prosessin viitekehyksen näkökulmasta tutkimus syventää käsitystä kilpailija-analyysin prosessin kehityksestä kohti jatkuvaa, joustavaa ja reaaliaikaista analytiikkaa.
Edistyneet teknologiat, kuten tekoäly ja big data -analytiikka, ovat viime vuosikymmenen aikana muuttaneet yritysten toimintaa yhä datavetoisemmaksi, ja niiden tuomia hyötyjä kartoitetaankin nyt kovaa vauhtia eri aloilla, myös markkinointitieteessä. Vaikka tekoälyn ja big data -analytiikan tuomia mahdollisuuksia on jo melko laajalti tutkittu strategisen markkinoinnin ja johtamisen yhteydessä, niiden merkitystä kilpailija-analyysin kontekstissa on toistaiseksi tarkasteltu niukasti.
Tämän pro gradu -tutkielman tavoitteena on selvittää, mitä mahdollisuuksia tekoälytehostettu big data -analytiikka tuo kilpailija-analyysiin. Tutkielmassa yhdistetään tekoäly, big data -analytiikka ja kilpailija-analyysin prosessimalli teoreettiseksi viitekehykseksi ja vastataan tarpeeseen ymmärtää syvemmin edistyneiden teknologioiden merkitystä kilpailija-analyysin prosessin eri vaiheissa.
Tutkimus toteutettiin laadullisena tutkimuksena, jonka aineisto kerättiin kahdeksan asiantuntijahaastattelun avulla. Haastattelut olivat puolistrukturoituja teemahaastatteluita, joiden teemat perustuivat tutkimuksen teoreettiseen viitekehykseen. Saatu aineisto litteroitiin ja analysoitiin temaattisen sisällönanalyysin avulla.
Tutkimuksen tulokset osoittavat, että tekoälytehosteinen big data -analytiikka tuo merkittäviä hyötyjä kilpailija-analyysin prosessiin mahdollistamalla prosessin tehostumisen, automaation, skaalautuvuuden ja multimodaalisen datan hyödyntämisen. Nämä teknologiat kykenevät keräämään ja käsittelemään suuria tietomassoja kilpailijoista tehokkaasti, tunnistamaan trendejä ja tekemään ennustuksia kilpailijoiden liikkeistä. Tämän lisäksi ne tukevat päätöksentekoa rakenteistamalla analyysiä, tarjoamalla johtopäätöksiä, toimintakehotuksia ja visuaalisia esityksiä tuloksista. Lisäksi havaittiin, että teknologian kehityksen myötä kilpailija-analyysin perinteinen lineaarinen prosessi on muuttumassa kohti dynaamisempaa, limittäistä ja jatkuvasti päivittyvää prosessia, jossa analyysin vaiheet sulautuvat toisiinsa. Myös kilpailija-analyytikon työn nähtiin siirtyvän manuaalisen työn vähentyessä kohti analyysiprosessin loppupäätä eli tulkinnan ja johtopäätösten tekemistä.
Tutkimus tarjoaa uutta teoreettista ymmärrystä siitä, miten tekoäly ja big data -analytiikka muuttavat kilpailija-analyysin prosessia, mitä hyötyjä näistä edistyneistä teknologioista on eri kilpailija-analyysin vaiheissa, ja antaa suosituksia liikkeenjohdolle teknologian hyödyntämiseen. Kilpailija-analyysin prosessin viitekehyksen näkökulmasta tutkimus syventää käsitystä kilpailija-analyysin prosessin kehityksestä kohti jatkuvaa, joustavaa ja reaaliaikaista analytiikkaa.