Kuinka rakentaa datavetoinen organisaatio ja kulttuuri?
Datastrategian osana yrityksen on hyvä tutkia omaa dataorganisaatiota ja tiedolla johtamisen kulttuuria. Dataorganisaation toimintamalli ja organisaatiorakenne määrittävät, miten datatuotteiden rakentaminen ja toimitus on toteutettu, millaiset kehitysprosessit ohjaavat päivittäistä työtä ja kuinka yhteistyö liiketoiminnan kanssa toimii.
Tiedolla johtamisen kulttuuri taas auttaa yrityksiä toteuttamaan monimutkaisiakin datahankkeita ja varmistamaan hankkeiden arvontuotannon. Leipomalla datan hyödyntäminen sisälle yrityksen päivittäiseen toimintaan varmistutaan siitä, että dataprojektit pystyvät tuottamaan niiltä odotettua lisäarvoa eivätkä ne jää käyttöönottovaiheessa torsoiksi.
Tässä blogissa tutkimme erilaisia tapoja järjestää datatiimien organisaatiorakenne, käymme läpi kehitysprosessien peruspilareita liiketoiminnan tarpeista valmiisiin tuotteisiin ja annamme vinkkejä datavetoisen kulttuurin rakentamisesta yrityksen sisälle.
Organisaatiorakenne ja toimintamalli: Kuinka järjestellä dataosaaminen mahdollisimman tehokkaasti
Aikaisemmassa blogikirjoituksessamme Tavoitetilan määritys: Kuinka määrittää datastrategian suunta? kävimme läpi kaksi eri vaihtoehtoa dataorganisaatiolle: keskitetty datatiimi tai hajautetut osaajat liiketoimintayksiköiden sisällä. Ratkaisevana tekijänä näissä kahdessa vaihtoehdossa ovat yrityksen prioriteetit: arvostetaanko enemmän tiivistä yhteistyötä datatiimin sisällä vai dataosaajien ja liiketoiminnan välillä. Toki myös yrityksen koko ja resurssit vaikuttavat näihin ratkaisuihin ja tyypillisesti hajautettu malli tarvitsee tarpeeksi laajan henkilöstön toimiakseen.
Organisaatiorakennetta tärkeämpi osa dataorganisaatiossa on sen toimintamalli. Tällä tarkoitetaan kokonaisvaltaista päivittäisiä toimintatapoja, joilla yritys suunnittelee, organisoi ja toteuttaa datan ja analytiikan hyödyntämistä.
Dataorganisaatioiden toimintamalleja määritellessämme olemme tunnistaneet viisi keskeistä osa-aluetta, jotka auttavat yrityksiä pohtimaan datan ja analytiikan toimintamalleja eri näkökulmista:
- Yhteistoiminta liiketoiminnan kanssa
- Kehitysputki: Kuinka tarve muuttuu valmiiksi datatuotteeksi
- Organisaatiorakenne
- Roolit, vastuut ja kyvykkyydet
- Ulkoiset sidosryhmät
Yhteistoiminta liiketoiminnan kanssa
Kuten kaikessa IT:ssä, myös datan ja analytiikan pohjimmainen tarkoitus on tukea liiketoimintaa ja auttaa sitä selvittämään kohdatut haasteet. Täten on äärimmäisen tärkeää, että dataorganisaation ja liiketoiminnan välinen yhteistyö on mahdollisimman saumatonta. Yksi tapa vähentää kitkaa on järjestellä dataosaajat osaksi liiketoimintayksiköitä, kuten yllä olevassa hajautetussa mallissa on tehty. Näin liiketoiminnoilla on omat osoitetut analytiikkaresurssit, joiden käytöstä heidän ei tarvitse kilpailla muiden yksiköiden kanssa. Tämä auttaa myös dataosaajia erikoistumaan tiettyihin prosesseihin ja järjestelmiin sekä ymmärtämään paremmin juuri heidän yksikkönsä liiketoiminnallisia tarpeita.
Jos yrityksen datatiimi on keskitetty, tulee yhteistoimintaan kiinnittää erityistä huomiota. Tämä voidaan toteuttaa osallistamalla liiketoimintapäättäjiä kuukausi- ja viikkopalavereihin, tekemällä hankkeiden priorisointijärjestelmästä mahdollisimman läpinäkyvä sekä luomalla selkeät kommunikointikanavat IT:n ja liiketoiminnan välille.
Kehitysputki: tarpeesta valmiiksi datatuotteeksi
Kehitysputkella tässä kontekstissa tarkoitetaan niitä prosesseja, joiden kautta liiketoiminnan tarve muuttuu valmiiksi datatuotteeksi. Ensimmäisessä vaiheessa liiketoiminta tuo tarpeen esille datatiimille, jonka jälkeen se siirtyy tehtävälistalle. Tehtävälistan tarkoituksena on säädellä, mihin hankkeisiin dataresursseja käytetään ja priorisoida ne toisiinsa nähden. Priorisointiprosessin ja siihen vaikuttavien tekijöiden tulisi olla mahdollisimman avoimet, jotta vältytään turhilta sisäisiltä konflikteilta. Tyypillisesti hankkeen kriittisyys, haastavuus, arvontuotanto sekä tiketin luomisajankohta ovat tekijöitä, jotka vaikuttavat siihen, missä järjestyksessä hankkeita toteutetaan.
Kun hanke otetaan kehitykseen, se siirtyy yrityksen kehitysputkeen. Vahvoissa dataorganisaatioissa nämä kehitysputket sisältävät yleensä kehitystä tukevan sovelluksen, kuten Jiran tai Azure Boardsin. Näiden avulla voidaan toteuttaa ketterää kehitystä, ja monimutkaiset kokonaisuudet voidaan pilkkoa helpommin ymmärrettäviin tehtäviin. Nämä ratkaisut tarjoavat myös yleensä kokonaisvaltaisen näkemyksen käynnissä olevista hankkeista sekä niiden priorisoinnista. Kehitysputkeen kuuluvat yleensä myös testiympäristöt, automatisoidut testauskäytännöt, versionhallinta ja dokumentointi. Tällä tavoin kehitys ja muutokset ovat hallittuja, mikä on erityisen tärkeää kriittisten järjestelmien yhteydessä. Kehitysputken lopussa ovat julkaisukäytännöt, joiden avulla lopputuote saadaan julkaistua liiketoiminnan käyttöön.
Organisaatiorakenne
Organisaatiorakenteeseen vaikuttaa erityisesti yrityksen koko ja päätös siitä, toteutetaanko datakehitystä sisäisesti vai ulkoisesti. Isommissa yrityksissä tulee harkita erilaisia tiimirakenteita, jotka voidaan joko määrittää liiketoimintayksikön mukaan tai vaihtoehtoisesti dataosaajien ympärille. Esimerkiksi liiketoimintaan sidotussa datatiimissä tyypillisesti toimivat data engineerit, data scientistit, business ja data analystit sekä projektipäälliköt. Toinen mahdollisuus on muodostaa tiimejä kompetenssien ympärille, jolloin esimerkiksi data scientistit toimivat omassa tiimissään ja suorittavat eri liiketoimintoihin liittyviä tehtäviä sekalaisesti. Molemmissa malleissa on etuja, kuten aiemmin on kuvattu, ja rakennetta miettiessä yritysten on tärkeää punnita omia prioriteettejaan: halutaanko esimerkiksi panostaa datakyvykkyyksien tason nostamiseen vai liiketoiminnan arvontuotantoon?
Roolit, vastuut ja kyvykkyydet
Toimintamallia laatiessa on tärkeää miettiä myös henkilöiden roolitusta, niihin liittyviä vastuita sekä tarvittavia kyvykkyyksiä. Datatiimien henkilöillä voi olla useita erilaisia rooleja. Osa rooleista voi liittyä tekniseen osaamiseen, kuten dataputkien rakentaminen ja BI-työkalujen käyttö, jolloin yksi henkilö pystyy tarpeen mukaan tekemään töitä monessa vaiheessa dataputkea. Varsinkin isommissa tiimeissä tarvitaan myös organisointikykyä, johon liittyviä rooleja ovat esimerkiksi Scrum masterina tai agile coachina toimiminen, tiimien esimiehenä tai vetäjänä oleminen sekä projektijohdolliset tehtävät.
Eri roolien määrittäminen ja niihin liittyvien tehtävien ja vastuiden kirjaaminen on tärkeää. Näin varmistutaan siitä, että tiimillä on kaikki edellytykset toimia ja kaikki tehtävät tulevat hoidetuiksi. Toisaalta tämä suojelee myös työntekijöitä, kun heiltä vaadittavat asiat on selkeästi listattu ja eri vastuut on jaettu tasapainoisesti. Näin vältetään ylikuormitusta varsinkin senior osaajien kanssa.
Kun rooleja määritellään, samalla on hyvä pohtia niiden vaatimia kyvykkyyksiä. Mikäli jotain kyvykkyyksiä puuttuu, yrityksellä on kolme vaihtoehtoa: kouluttaa työntekijöitä ja rakentaa kyvykkyydet sisäisesti, palkata uusia henkilöitä, jotka tuovat tarvitut kyvykkyydet mukanaan, tai turvautua ulkopuoliseen apuun ja hankkia kyvykkyydet alihankintana. Valinta riippuu usein vaaditun kyvykkyyden vaativuusasteesta, kriittisyydestä sekä siitä, kuinka pitkään kyvykkyyttä tullaan tarvitsemaan. Näin yritys takaa, että heillä on tarvittava osaaminen, jolla datahankkeet saadaan vietyä onnistuneesti läpi.
Ulkoiset sidosryhmät
Viimeisenä toimintamallissa on tärkeää huomioida sisäisten sidosryhmien (kuten liiketoiminnan) lisäksi myös mahdolliset ulkoiset sidosryhmät. Osa datatuotteista voidaan kehittää suoraan esimerkiksi asiakkaiden, toimittajien tai yhteistyökumppaneiden käyttöön. Tyypillisesti tiedon jakaminen ja toiminnan organisointi on helpompaa yrityksen sisällä, ja se monimutkaistuu huomattavasti, kun ulkopuolisia toimijoita tulee mukaan. Ulkoisten sidosryhmien kanssa on tärkeää huomioida roolien selkeys, yhteistoiminnan kitkattomuuteen pyrkiminen sekä yhteiset työskentelykäytännöt. Teknisestä näkökulmasta lisähaastetta tuovat käyttäjäoikeuksiin ja tietoturvaan liittyvät kysymykset sekä tiedon jakaminen organisaation ulkopuolelle.
Datavetoisen kulttuurin rakentaminen ja muutoksen johtaminen
Tiedolla johtamisen ja datavetoisen kulttuurin kehittäminen on äärimmäisen tärkeää. Jos yrityksen kulttuuriin ei kuulu oleellisena osana tietoon perustuva päätöksenteko, datahankkeiden jalkautus muuttuu hyvin haastavaksi, niiden tuottama arvo pienenee ja usein lopputuotteen käyttö voi jäädä toivotusta. Vanhan sananlaskun mukaan köydellä ei voi työntää, ja tämä kuvaa varsin hyvin datahankkeita organisaatiossa, jossa tiedolla johtamista ei ole omaksuttu osaksi kulttuuria. Yritys voi lanseerata ja toteuttaa näyttäviä dataprojekteja, mutta niiden tarjoamat hyödyt voivat usein jäädä vajavaisiksi, jos työntekijöiden puolelta niille ei ole imua. Näissä tilanteissa muutosjohtaminen ja kulttuurin rakentaminen nousevat tärkeään rooliin.
Muutosjohtaminen ja kulttuurin rakentaminen kulkevat käsi kädessä. Kulttuurin rakentamista voi ajatella useiden eri muutosten yhteisvaikutuksena. Jokaisen onnistuneen muutoksen avulla organisaation kulttuuri ja toimintatavat muuttuvat hieman, ja ajan kuluessa esimerkiksi organisaation tiedolla johtamisen käytännöt vakiintuvat osaksi kulttuuria.
Tämän takia muutoksen onnistunut läpivienti on elintärkeää. Alla olevassa kuvassa on listattu onnistuneelle muutosjohtamiselle tyypillisiä piirteitä:
Isojen kulttuuristen muutosten läpivienti on haastavaa ja vaatii aikaa. Vanhoja tapoja on vaikea muuttaa, ja uudet ideat kohtaavat usein muutosvastarintaa. Tärkeää kulttuurimuutoksissa on tunnistaa tavoiteltava tila, jakaa muutos hallittaviin osiin ja olla kärsivällinen. Realistinen suhtautuminen kulttuurimuutoksen vaativuuteen on ensimmäinen askel kohti onnistumista.
DB Pro Services tarjoaa kattavia ratkaisuja ja asiantuntijapalveluita tiedolla johtamisen haasteisiin. Tarjontamme kattaa muun muassa datastrategian, modernien data-alustojen, sekä edistyneen analytiikan kokonaisuudet, kuin myös vaativat datamigraatiot. Ota yhteyttä, niin autamme sinua ja organisaatiotasi hyödyntämään tietoa tehokkaasti ja menestymään kilpailussa!
Tämä blogi on osa datastrategia-blogisarjaamme, josta julkaistaan uusia kirjoituksia tulevina kuukausina. Edellisen blogikirjoituksen löydät täältä: Tiedonhallinta: Kuinka hyödyntää organisaation dataa laajasti, mutta hallitusti
DB Pro Services Oy
Sinua saattaa kiinnostaa myös:
SQL-tietokanta – historia, nykytila ja tulevaisuus: nykytila
Power BI pro ja eri lisensiointimallit
Tiedonhallinta: Kuinka hyödyntää organisaation dataa laajasti, mutta hallitusti
Mikä on Lakehouse tietoalustaratkaisu ja kuinka organisoida data tehokkaasti Lakehousessa?
