DEEVA

Deevan tavoitteena on auttaa yrityksiä ymmärtämään data-analytiikan mahdollisuudet ja tukea yrityksiä saavuttamaan ajantasoinen tietotaito data-analytiikan reaaliaikaiseen, nopeaan ja monipuoliseen hyödyntämiseen kuluttajalähtöisen liiketoiminnan kehittämisessä. Hankkeessa etsitään vastausta tutkimuskysymykseen: millaisia datan, tunteiden ja kokemusten yhdistäviä arvonluonnin tapoja, ilmenemismuotoja ja konteksteja digitalisaatio mahdollistaa? Yritysten kanssa rakennetaan kokonaisvaltainen arvon yhteisluonnin prossessi, joka sisältää data-analyysin tavoitteiden asettamisen, impelementoinnin ja tulosten hyödyntämisen uusien liiketoiminta-aktiviteettien ja palvelujen kehittämisessä.

DEEVA-hankkeessa hyödynnetään digitalisaation tarjoamia mahdollisuuksia luoda datasta arvoa ja kehittää syvälliseen asiakaskokemuksen ymmärtämiseen perustuvia uusia, asiakasohjautuvia palvelutuotteita sekä arvon yhteisluontia tukevia menetelmiä.

Hanke toteutetaan yhdessä laajan ja monipuolisen yritysverkoston kanssa. Hankkeeseen osallistuu yhteensä 20 yritystä, edustaen erikokoisia yrityksiä ja useaa eri toimialaa, mukaan lukien energia-, media-, pankki-, ICT-, kiinteistö-, kauppa- ja palveluala. Monialainen yritysverkosto tukee yhteisoppimista ja uusien oivallusten saavuttamista. Hankkeen monitieteinen toteuttajatiimi koostuu kolmesta kotimaisesta korkeakoulusta; Tampereen teknillinen yliopisto, Turun ammattikorkeakoulu ja Tampereen ammattikorkeakoulu sekä kuudesta kansainvälisestä yhteistyökorkeakoulusta.

Hankkeessa syntyy eri kohderyhmille suunnattujen julkaisujen lisäksi asiakaskokemuksen mittareita ja tunnedatan reaaliaikaisia analyysityökaluja ja -sovelluksia. Sovellusten tuottama tieto saadaan osaksi yritysten arkipäivästä toimintaa, tukemaan mm. monikanavaisen palveluympäristön hallintaa, uudenlaisten palvelutuotteiden syntymistä sekä yhteisluontiin perustuvien ekosysteemien kehittämistä.

Tutkimus jakautuu kolmeen pääalueeseen: 1) Erilaisten datalähteiden samanaikainen käyttäminen, 2) Arvon yhteisluonnin prosessimallin luominen data-analyysin soveltamiseen, 3) Data empowerment eli datan rakentaminen merkitykselliseksi.