Data strategy Archives - DB Pro Services

Edellisessä datastrategian blogikirjoituksessamme kävimme läpi nykytilan kartoitusta, jonka päämääränä on selvittää strategian kehityksen lähtökohdat. Kun lähtökohdat ovat selvillä, voidaan katse kääntää tulevaisuuden tavoitteisiin. Seuraavaksi tarkastelemme, mitä seikkoja organisaatioiden tulisi ottaa huomioon, kun määritellään datan ja tiedolla johtamisen tavoitetilaa. Tavoitetilan määrittely on äärimmäisen tärkeää, koska yleensä sen toteuttamiseen tarvittavat askeleet sisältävät organisaatiolle haastavia muutoksia. Siksi määränpää on tärkeää pitää kristallin kirkkaana silmissä, jotta voidaan varmistaa strategian muodostavan selkeän polun kohti sitä.

Tässä tekstissä käymme läpi tavoitetilan määrittelyä strategisella tasolla ja avaamme yleisimpiä strategisen tason valintoja, joita yrityksen pitää tehdä. Tulevissa blogeissamme syvennymme entisestään arkkitehtuuriin, tiedonhallintaan sekä organisaatiorakenteeseen että prosesseihin, joiden avulla yrityksen datakyvykkyyttä kehitetään kohti asetettuja tavoitteita.

Käyttötapaukset varmistavat datan tukevan liiketoimintaa

Kuten aiemmissa blogikirjoituksissa on korostettu, datastrategian tulee olla yhteneväinen liiketoimintastrategian kanssa, jonka yrityksen hallitus määrittää yhteistyössä johtoryhmän kanssa. Kuten nykytilan arvioinnissa, myös datan tavoitetilan määrittelyssä on äärimmäisen tärkeää varmistaa, että projekti saa riittävän korkean tason ohjausta (Lue lisää: Datastrategia: Nykytilan määrityksen toteutus ja sudenkuopat). Yrityksen tulevaisuuden suunta ei välttämättä ole vielä selvillä, joten ohjauksen avulla varmistetaan, että datastrategia tukee organisaation liiketoiminnan suunnitelmia.

Kun strateginen linjaus on varmistettu, voidaan siirtyä käytännön tavoitetilan tarkasteluun. Dataorganisaation tärkein tehtävä on tukea yrityksen suuntaa ymmärtämällä ja vastaamalla liiketoiminnan tarpeisiin. Jotta näitä tarpeita voidaan tukea myös tulevaisuudessa mahdollisimman kattavasti, on tärkeää ymmärtää liiketoiminnan tulevaisuuden suunta. Tehokas työkalu tähän ovat liiketoiminnan käyttötapaukset.

Liiketoiminnan käyttötapaukset kuvaavat suoraan, millaisia tarpeita liiketoiminnalla on. Kun tulevaisuuden suuntaa lähdetään määrittämään, on arvokasta selvittää, millaisia uusia käyttötapauksia liiketoiminnalla on. Tämän jälkeen voidaan pohtia, kuinka data ja tiedolla johtaminen voivat mahdollistaa ja tukea niitä. Tämä tuki voi ilmetä analytiikkatuotteiden kehittämisenä, uusien prosessien hienosäätönä tai kokonaan uusien kyvykkyyksien hankintana. Esimerkiksi generatiivinen tekoäly muuttaa parhaillaan jokaisen organisaation toimintatapoja. Jotta siitä saataisiin maksimaalinen hyöty, datan perustusten on oltava kunnossa.

Liiketoiminnan käyttötapausten kautta datastrategian tavoitetilan määrittäminen on järkevää, sillä silloin varmistetaan, että vastataan oikeisiin tarpeisiin. Jos dataorganisaatio lähtisi ensin miettimään, mitä yrityksen datalla voisi tehdä, ja kehittäisi itse analytiikkatuotteita, olisi vaarana, että ydintarpeet jäävät huomioimatta. Pahimmassa tapauksessa aikaa ja resursseja käytetään triviaalien tai olemattomien ongelmien ratkaisuun. Tällöin datastrategia ei ole yhteneväinen liiketoiminnan keskeisten tavoitteiden kanssa, ja sen tuoma arvo voi jäädä heikoksi.

Offensiivinen vai defensiivinen datastrategia?

Kuten ensimmäisessä blogikirjoituksessamme tuotiin esille (Lue lisää: Datastrategia liiketoiminnan tukena), datastrategian lähestymistavat voidaan karkeasti jakaa kahteen tyyppiin: defensiiviseen ja offensiiviseen. Näiden kahden ääripään välille muodostuva jana määrittää yrityksen suhtautumisen datastrategiaan.

Defensiivisessä päässä yritykset panostavat riskien minimointiin datan hallinnan, datan yhtenäisyyden ja tietoturvan kautta. Yleensä defensiivisessä datastrategiassa keskitytään perusasioiden kuntoon laittamiseen, joiden päälle uusia kyvykkyyksiä pystytään tulevaisuudessa rakentamaan.

Offensiivisessa strategiassa keskitytään maksimaaliseen datan hyödyntämiseen ja tuotettavan lisäarvon maksimointiin. Tämä tarkoittaa usein kontrollien löysäämistä, ja eri yksiköt voivat saada vapauksia rikastaa ja muokata dataa tarpeidensa mukaan.

Yritysten sijainti janalla ei ole staattinen, vaan se voi muuttua ajan kuluessa. Tyypillisesti yritykset, joilla datamaturiteetti on alhainen, aloittavat defensiivisestä päästä. Kun perusasiat kuten datan yhtenäisyys ja laatu alkavat olla kunnossa, organisaatiot haluavat luonnollisesti saada enemmän irti datastaan ja siirtyvät kohti offensiivista päätyä.

Kun datastrategian suuntaa lähdetään määrittämään, on tärkeää pohtia, missä kohtaa janaa yritys tällä hetkellä sijaitsee. Tämä linjaus määrää usein, mihin asioihin datastrategiassa tulisi keskittyä: Defensiivisessä lähestymistavassa polttopisteessä ovat prosessit ja teknologiat eli niin sanotut perusasiat. Offensiivinen datastrategia taas keskittyy datan hyödyntämiseen päätöksenteossa edistyneen analytiikan ja raportoinnin kautta ja pyrkii samalla muovaamaan yrityksen kulttuuria datavetoiseksi.

Strategiset valinnat vaikuttavat datastrategiaa luontiin

Defensiivisen ja offensiivisen valinnan lisäksi yritysten tulee pohtia muitakin ylätason päätöksiä, jotka vaikuttavat siihen, miten datastrategiaa rakennetaan. Näitä ovat esimerkiksi seuraavat aihealueet:

Sisäinen vai ulkoistettu dataorganisaatio?

Yritykset voivat tuottaa datatoiminnot joko sisäisesti, ulkoistaa datakehityksen ulkopuoliselle toimittajalle tai hyödyntää dataorganisaation toteutuksessa hybridimallia. Hybridimallissa yrityksen dataosaamisen ydinkyvykkyydet ovat sisäisiä, mutta niitä täydennetään tarpeen mukaan palkkaamalla ulkoisia osaajia.

Valinta sisäisen kehityksen ja ulkoistamisen välillä riippuu pitkälti yrityksen datamaturiteetista ja datatyön määrästä. Jos tekemistä on harvakseltaan tai se muodostuu kerran toteutettavista kokonaisuuksista, voi ulkoistaminen olla houkutteleva vaihtoehto. Mikäli taas tekemistä on paljon ja sekä kehittämisen että ylläpidon tarve on jatkuva, on sisäisten kyvykkyyksien rakentaminen luultavasti järkevämpi ratkaisu ainakin pitkällä aikavälillä. Kuitenkin alkuvaiheessa on hyvä hyödyntää ulkoista tukea, mikäli yrityksen omat kyvykkyydet lähtevät matalalta tasolta. Näin myös sisäistä dataosaamista saadaan kiihdytettyä hybridimallisen yhteiskehityksen kautta.

Ovatko tärkeimmät sidosryhmät sisäisiä vai ulkoisia?

Tärkeimmät sidosryhmät vaikuttavat suuresti siihen, mihin asioihin datastrategian kehityksessä kannattaa keskittyä. Yleensä tärkeimmät dataorganisaation sidosryhmät ovat olleet sisäisiä liiketoiminnan päättäjiä ja yrityksen johtoa, jotka muodostavat raporttien ja analytiikan loppukäyttäjäryhmän. Mikäli yrityksellä ei ole tarvetta jakaa dataansa yrityksen ulkopuolelle, voi organisaatio keskittyä sisäiseen datan hyödyntämiseen ja prosesseihin.

Nykyään kuitenkin yhä useammin yritykset haluavat jakaa omaa dataansa myös ulkoisille sidosryhmille ja kumppaneille joko ilmaiseksi tai maksua vastaan. Myös erityyppinen viranomaisraportointi on politiikan ja regulaatioiden myötä yleistynyt Euroopassa eri toimialoilla. Tämä kaikki luo uuden ulottuvuuden datastrategiaan, kun julkisia integraatioita on pohdittava tarkemmin. Tähän tarvitaan esimerkiksi API-strategian, jossa määritellään, kuinka tietoa jaetaan organisaation ulkopuolelle ja millaisia integraatioita siihen tarvitaan.

Nykymaailmassa yritykset haluavat hyödyntää yhä enemmän dataansa. Sisäisen hyödyntämisen lisäksi data luo myös uusia liiketoimintamahdollisuuksia, kun laadukasta dataa voidaan tarjota myös ulkoisille käyttäjille. Isommissa yrityksissä on myös toteutettu malleja, joissa eri yksiköt voivat sisäisesti tarjota omia datasettejään toisille credit-järjestelmää hyödyntäen. Credit-järjestelmässä eri yksiköt voivat laskuttaa toisiltaan tietyn summan datatuotteiden käytöstä ja tämä laskutus lisätään yksikön budjettiin käytettäväksi. Ensisilmäyksellä toisten yksiköiden laskuttaminen organisaation sisällä saattaa kuulostaa turhanpäiväiseltä idealta, joka lisää datan siiloutuneisuutta. Oikein toteutettuna se voi kuitenkin kannustaa yksiköitä panostamaan omiin datatuotteisiinsa, koska siitä voi saada budjetillista hyötyä. Näin yrityksen datamaturiteetti kokonaisuutena kohoaa ja eri yksiköt voivat tehdä itsenäisesti päätöksen kehittävätkö he datatuotteita itse vai hyödyntävätkö he muiden tuotoksia.

Onko dataorganisaatio keskitetty vai hajautettu?

Riippuen yrityksen koosta dataorganisaatio voi olla joko keskitetty tai hajautettu eri liiketoimintayksiköihin.

Keskitetyssä mallissa dataosaajat toimivat kaikki samassa yksikössä. Mallin etuna on läheinen yhteistyö ja sparrailu muiden datakollegoiden kanssa. Tämä malli on tyypillisempi dataorganisaatiorakenne defensiivisessä datastrategiassa. Kun kaikki tekniset asiantuntijat ovat samassa tiimissä, on apu aina lähellä ja tekninen yhteiskehitys on saumatonta. Haittapuolena on kuitenkin etäisyys liiketoimintahenkilöihin ja -päättäjiin.

Hajautetussa mallissa taas dataosaajat on jaettu eri liiketoimintayksiköihin, joissa he toimivat läheisesti liiketoimintapäättäjien kanssa. Tämä nopeuttaa uusien datatuotteiden kehitystä ja poistaa kitkaa liiketoimintatarpeen ja teknisen toteutuksen väliltä. Kun jokaisella liiketoimintayksiköllä on omat osaajansa, ei yksiköiden tarvitse kilpailla keskenään resursseista. Tämä malli on tavanomaisempi offensiivisessa datastrategiassa. Kääntöpuolena on osaamisen ja tekemisen siiloutuminen. Pahimmassa tapauksessa monessa yksikössä painitaan samojen ongelmien kanssa ja kehitetään ratkaisuja saman aikaisesti. Jos kontrolli ja hallinto ei ole kunnossa, on mahdollista, että ajan saatossa ratkaisut, teknologiat ja prosessit alkavat eriytymään liikaa sovituista standardeista.

Edellä kuvatun ongelman välttämiseksi on tärkeää, että osaajat pitävät yhteyttä liiketoimintayksiköiden yli ja jakavat tietoja keskenään. Tämä hoituu usein matriisiorganisaatiorakenteen avulla, jossa dataosaajat ovat sijoitettuna eri tiimeihin, mutta kuuluvat myös yhteiseen dataosaajien kollektiiviin. Tämän kollektiivin johdolla on vastuu, että tarvittavat kontrollit, standardit ja prosessit on määritelty ja niiden toteutumista valvotaan keskitetysti. Kollektiivin jäsenet pitävät keskenään tiivisti yhteyttä ja sparrailevat toisiaan.

Kummallakin yllä mainituista malleista on hyviä ja huonoja puolia. Hajautettu malli tarvitsee luonnollisesti enemmän osaajia ja on siksi käytössä pääosin isommissa yrityksissä. Keskitetty malli taas toimii vallan mainiosti pienissä firmoissa, mutta tuo mukanaan skaalautuvuusongelman liiketoimintayksiköiden määrän kasvaessa. Alla oleva kuva havainnollistaa, millaiselta eri organisaatiomallit näyttävät:

Tavoitetilan osa-alueet

Kun ylätason strategiset päätökset on tehty, voidaan alkaa keskittyä tavoitetilan yksityiskohtiin. Nämä voidaan jakaa kolmeen isoon kokonaisuuteen:

Arkkitehtuuriin & teknologioihin
Prosesseihin & hallintoon, sekä
Organisaatioon & kulttuuriin

Tulemme käymään nämä osa-alueet yksitellen läpi tulevissa blogikirjoituksissamme, mutta niiden sisällön voi tiivistää seuraavasti:

Arkkitehtuuri & teknologiat

Arkkitehtuurikartoitukseen kuuluu tavoitearkkitehtuurin määritys, teknologia-arvioiden ja -valintojen toteutus, sekä migraatiopolun laatiminen nykytilasta tulevaisuuden tavoitteeseen. Lisäksi kartoitetaan mahdolliset toimittajat ja tarvittavat lisenssit.

Tiedonhallinta

Tiedonhallintaan kuuluu master data -strategian laatiminen, tiedonhallintaprosessien määritys sisältäen datan laadunvalvonnan, roolituksen ja yleiset toimintatavat sekä tietoturvaan ja yksityisyyteen liittyvät kokonaisuudet. Tavoitteena on siis kehittää kokonaisvaltainen yrityksen tarpeisiin vastaava data governance -toimintamalli sisältäen kaikki oleelliset aihealueet.

Organisaatio & prosessit

Organisaatiomallin rakentaminen, dataorganisaation eri roolien määritys sekä datakulttuurin luominen ovat keskiössä, kun organisaatio alkaa pohtimaan, kuinka tiedolla johtamista toteutetaan yrityksen sisällä. Lisäksi tähän kokonaisuuteen kuuluvat vaadittujen kyvykkyyksien hankinta joko palkkaamalla, kouluttamalla tai ulkoistamalla resursseja. Myös datakehityksen prosesseihin ja DevOps-toimintatapoihin kiinnitetään huomiota.

DB Pro Services tarjoaa kattavia ratkaisuja ja asiantuntijapalveluita tiedolla johtamisen haasteisiin. Tarjontamme kattaa muun muassa datastrategian, modernien data-alustojen, sekä edistyneen analytiikan kokonaisuudet. 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: Datastrategia: Nykytilan määrityksen toteutus ja sudenkuopat.

Kaiku Kettunen

Project Manager

kaiku.kettunen@dbproservices.fi

DB Pro Services Oy

Kun datastrategiaa aletaan rakentamaan, ensin on selvitettävä yrityksen nykytilanne. Aloituspisteen ymmärtäminen on elintärkeää, jotta yritys voi tarkasti määrittää tavoitetilan sekä linjata askeleet, joilla se saavutetaan. Ennen nykytilan kartoittamista ei välttämättä ole täysin selvää, mitä dataan liittyviä ongelmia yrityksessä on, mitkä ovat niiden juurisyyt tai mitä osa-alueita yrityksen tulisi priorisoida. Nykyisen tilannekuvan, kyvykkyyksien, prosessien ja data-arkkitehtuurin ymmärtäminen on ensimmäinen askel, kun datastrategian rakentaminen aloitetaan. Koska datastrategiaa rakennettaessa on tärkeää ymmärtää sekä liiketoiminnan strateginen näkökulma että teknisen toteutuksen yksityiskohdat, DB Pro Servicen datastrategiaprojektit toteutetaan aina kokeneen arkkitehdin ja strategiakonsultin yhteistyönä.

Mitä nykytilan kartoitus pitää sisällään

Nykytilan kartoitus sisältää kolme suurta kokonaisuutta:

Liiketoimintatarpeiden kartoitus
Nykyarkkitehtuurin kartoitus
Nykyisten prosessien ja organisaatiokyvykkyyksien kartoitus

Liiketoimintatarpeiden kartoituksen tavoitteena on ymmärtää yrityksen strateginen suunta. Organisaation strategisten tavoitteiden ymmärtäminen on tärkeää, jotta kehitettävä datastrategia voi tukea niitä mahdollisimman hyvin. Liiketoimintastrategian tavoitteiden selkeyttämiseksi on tärkeää varmistaa johtoryhmätason ohjaus datastrategian kehitykselle alkaen toimitusjohtajasta, jonka vastuulla kokonaisstrategian jalkauttaminen on. Tärkeänä osana ohjausprosessia on myös CIO (Chief Information Officer), joka vastaa kokonaisvaltaisesta IT-strategiasta.

IT-strategia kattaa tyypillisesti kaiken ohjelmistokehityksestä IT-tukeen. Datastrategia taas on merkittävä osa IT-strategiaa, jota luotsaa CDO (Chief Data Officer). Pienemmillä organisaatioilla ei välttämättä ole CDO-roolia, jolloin datastrategian kehittäminen voi olla esimerkiksi CIO:n vastuulla. Näiden elementtien avulla muodostuu looginen polku, jossa ensin rakennetaan ymmärrys kokonaisvaltaisesta liiketoimintastrategiasta ja sitä tukevasta IT-strategiasta, minkä jälkeen datastrategiaa voidaan kehittää tukemaan tätä kokonaisuutta.

Kun strategiselta tasolta siirrytään käytännön tasolle, on tärkeää selvittää liiketoiminnan päivittäiset datatarpeet ja miten niihin tällä hetkellä vastataan. Ymmärtämällä datan loppukäyttäjän tarpeet ja kipupisteet voidaan kehityskohdat tunnistaa paremmin, mikä johtaa laadukkaampiin ratkaisuihin, jotka hoitavat juurisyitä oireiden sijaan.

Seuraavaksi perehdytään nykyiseen arkkitehtuuriin. Tässä vaiheessa kartoitetaan korkean tason data-arkkitehtuuri ja siihen liittyvät teknologiaratkaisut. Keskiössä ovat nykyisten valintojen elinkaari, datalähteet, järjestelmien väliset integraatiot sekä tietovirtakaaviot. Nykyarkkitehtuurin ymmärtäminen on tärkeää, jotta voidaan tehdä strategisia päätöksiä esimerkiksi teknologioiden riittävyyden ja keskittämisen osalta.

Viimeisenä osa-alueena ovat organisaation nykyiset prosessit ja kyvykkyydet. Tämän kartoituksen aikana selvitetään millainen organisaatiorakenne ja toimintamalli dataorganisaatiolla on. Kartoitukseen sisältyvät tiedonhallinnan käytännöt, master datan hallinnointi, sisäiset kehitysprosessit (kuten DevOps) sekä yrityksen sisäiset kyvykkyydet ja kulttuuri. Näin pyritään saamaan kokonaiskuva siitä, miten dataorganisaatio on rakennettu yrityksen sisällä, millainen tiedonhallinnan kypsyys on ja kuinka datavetoisesta organisaatiosta ylipäätään on kyse.

Näiden kolmen kokonaisuuden kautta saadaan kuva yrityksen datakompetenssista, joka vaikuttaa mihin datastrategian osa-alueisiin organisaation tulisi tavoitetilan määrityksessä keskittyä. Jos yritys on vasta alkuvaiheessa, on parempi keskittyä perusasioihin, kuten arkkitehtuuriin ja tiedonhallintaan. Edistyneemmissä organisaatioissa voidaan taas miettiä tarkemmin esimerkiksi datakulttuurin edistämistä ja ketterää itsepalvelukehitystä.

Datakompetenssin tason kuvaamisessa auttaa kompetenssimatriisin rakentaminen. Matriisin kehittäminen alkaa nykyisten kyvykkyyksien määrittämisestä organisaation eri tasoilla ja täydentyy prosessin aikana tavoitetilan kuvauksella. Näin matriisi kuvaa selkeästi, missä osa-alueilla suurimmat erot nykytilan ja tavoitetilan välillä sijaitsevat, ja tarvittavat muutokset voidaan priorisoida vastaamaan liiketoimintastrategian tavoitteita. Tämä puolestaan auttaa datastrategian tiekartan laatimisessa, kun kehityksen painopisteiden ovat selkeät.

Kartoituksen toteutus

Nykytilan kartoitus toteutetaan vahvassa yhteistyössä asiakasorganisaation kanssa ja sisältää sekä dokumentaation läpikäyntiä että haastatteluja ja työpajoja. On erityisen tärkeää, että dataympäristön ja -organisaation tuntevat henkilöt pääsevät jakamaan näkemyksensä mahdollisimman laajasti liiketoimintapäättäjistä IT-henkilöstöön. Näin saadaan näkemys sekä oireista että juurisyistä ja varmistetaan, että datastrategia tukee liiketoimintaa kokonaisuutena.

Ennen datastrategiaprojektin alkua asiakkaalle lähetetään strukturoitu tietopyyntö, jossa listataan tarvittavat tietotarpeet. Dokumentaation määrä ja laatu vaikuttavat varsinkin arkkitehtuurin ja teknologioiden kartoitukseen. Hyvin dokumentoidut järjestelmät ja arkkitehtuuri helpottavat kokonaisuuden ymmärtämistä ja nopeuttavat kartoitusprosessia. Mikäli dokumentointi on puutteellista tai se on jätetty kokonaan tekemättä, kokonaiskuvan muodostaminen ja selvittelytyö ovat hitaampia. Teknisen dokumentoinnin lisäksi kartoitukseen kuuluu mahdollisten prosessi- ja organisaatiokaavioiden tarkastelu, jolloin dataorganisaation rakenne ja standardoidut prosessit auttavat nykytilan ymmärtämisessä.

Haastatteluissa ja työpajoissa tavoitteena on antaa henkilöstön itse kertoa, millainen yrityksen tiedolla johtamisen nykytila on. Parhaan lopputuloksen saamiseksi on tärkeää sisällyttää projektiin mahdollisimman monipuolisia taustoja yrityksen johdosta teknisiin toteuttajiin. Näin saadaan mahdollisimman laaja kuva vahvuuksista, haasteista ja ratkaisuehdotuksista. Haastatteluja ja työpajoja kannattaa molempia hyödyntää kartoituksessa. Yksilöhaastatteluissa organisaation edustajat pääsevät kertomaan näkemyksensä yksin, jolloin vahvasti äänessä olevat henkilöt eivät dominoi keskustelua. Toisaalta työpajoissa syntyy luonnollista keskustelua ja sparrausta, mikä mahdollistaa paremman lopputuloksen. Joka tapauksessa sekä haastattelut että työpajat tulee suunnitella huolella, jotta varattu aika voidaan hyödyntää mahdollisimman tehokkaasti. Kysymysten standardisointi, vastausten kvalifiointi sekä agendan aikataulutus ovat tehokkaita tapoja saada palaverista maksimaalinen hyöty irti. Esimerkiksi työpajassa on tärkeää huolehtia siitä, että kaikille aiheille ja harjoituksille riittää aikaa eikä viimeisiä aiheita jouduta kiirehtimään läpi.

Sudenkuopat

Nykytilan määrityksessä on olemassa selkeitä sudenkuoppia, jotka voidaan välttää huolellisella valmistelulla:

1. Liiketoimintastrategian suunta ei ole selkeä

Jos liiketoimintastrategia ei ole projektitiimille selkeä, datastrategiaa voidaan alkaa rakentamaan väärään suuntaan. Syitä tähän voi olla esimerkiksi epäselvä strateginen suunta, meneillään oleva liiketoimintastrategian määrittäminen tai riittävän korkean tason ohjauksen puuttuminen. On siis tärkeää varmistaa johtoryhmätason ohjaus strategian kehitykselle, jotta datakompetenssia ei aleta ohjaamaan väärään suuntaan.

2. Oikeita sidosryhmiä ja -henkilöitä ei tunnisteta

Joskus haastatteluihin ja työpajoihin kutsuttavia henkilöitä on vaikeaa tunnistaa varsinkin isoissa organisaatioissa. Mikäli tällaisia henkilöitä jää huomaamatta on vaarana, että paljon hiljaista tietoa jää piiloon datastrategiaa luodessa. Tämän vuoksi on tärkeää arvioida huolella erilaiset näkökulmat, joita strategiatyössä tarvitaan ja varmistaa, että tärkeimmät henkilöt ovat mukana prosessissa. Tämä tapahtuu hyvän valmistautumisen avulla. Myös strategiaprosessin ollessa jo käynnissä on hyvä kysellä esimerkiksi haastateltavilta henkilöiltä, ketkä heidän mielestään tietävät järjestelmistä eniten tai kuka osaisi kertoa jostain ongelmasta enemmän.

3. Vajavainen dokumentaatio

Heikkolaatuinen dokumentaatio voi johtaa tilanteeseen, jossa jokin tärkeä asia jää huomioimatta. Tämä ongelma korostuu yrityksissä, joissa dataorganisaation koko on ollut pieni ja henkilöstössä on ollut vaihtuvuutta. Tämä voi johtaa tilanteeseen, jossa kukaan nykyisistä työntekijöistä ei omaa täyttä tietoa esimerkiksi jostain lähdejärjestelmän integraatiosta. Yleensä nämä vajavat tiedot ovat sen verran spesifejä, että ne eivät yksinään vaaranna datastrategian kehitystä. Tämä on kuitenkin hyvä pitää mielessä, kun arkkitehtuurikartoitusta toteutetaan.

4. Varjojärjestelmät ja -IT

Joissain yrityksissä voi olla tilanne, jossa eri liiketoimintayksiköt tai yksittäiset henkilöstön jäsenet ovat poikenneet keskitetyistä datajärjestelmistä ja alkaneet toteuttaa omia ratkaisujaan erilaisiin ongelmiin ja käyttötapauksiin. Tällaisessa tilanteessa virallinen näkemys järjestelmien käytöstä ja kehitystarpeista eroaa todellisuuden kanssa, jolloin kehitettävä datastrategia ei välttämättä tule tukemaan todellisia tarpeita. Tämä ongelma korostuu isoissa yrityksissä, joissa on useita toimistoja ja yksiköitä eri sijainneilla. Paras tapa suojata datastrategian kehitys tältä sudenkuopalta on osallistaa mahdollisimman laajasti eri toimijoita kehitysprojektiin. Tämä ei välttämättä tarkoita, että kaikkia heitä tulisi haastatella. Esimerkiksi etukäteen lähetettävä kirjallinen kysely voi antaa isolle joukolle mahdollisuuden jakaa tietoaan strategiaprosessin ydinryhmälle, jolloin pystytään välttämään varjojärjestelmien ja hiljaisen tiedon huomiotta jättäminen.

5. Määritettyjen prosessien ja todellisuuden eroavaisuudet

Joskus määritetyt ja kaavioihin piirretyt prosessit eroavat todellisista toimitavoista. Näissä tapauksissa on tärkeää varmistaa haastattelujen aikana, että prosessikaaviot vastaavat myös todellisuuden käytäntöjä. Sama koskee myös esimerkiksi arkkitehtuurikuvauksia. Näin vältetään kommunikaatiokatkot konsulttiyrityksen ja asiakkaan välillä. Yleisenä nyrkkisääntönä on hyvä muistaa, että paperille kirjoitettujen dokumentaatioiden todenmukaisuus on aina hyvä varmistaa käytännön työtä tekeviltä asiantuntijoilta.

6. Käsitteiden ja nimeämisten yhdenmukaisuus

On tärkeää, että nykytilanmäärityksen yhteydessä muodostetaan yhtenäinen sanasto, jotta kaikki ymmärtävät mistä puhutaan (esimerkiksi mitä datastrategia pitää sisällään). Usein ihmiset voivat samoja termejä eri asioista tai eri termejä samoista asioista. Myös asiakokonaisuuksien laajuus vaihtelee henkilön mukaan. Ottamalla nämä haasteet huomioon alkuvaiheessa voidaan väärinkäsitysten määrää vähentää.

DB Pro Services tarjoaa kattavia ratkaisuja ja asiantuntijapalveluita tiedolla johtamisen haasteisiin. Tarjontamme kattaa muun muassa datastrategian, modernien data-alustojen sekä edistyneen analytiikan kokonaisuudet. 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: Datastrategia liiketoiminnan tukena.

Kaiku Kettunen
Project Manager
kaiku.kettunen@dbproservices.fi
DB Pro Services Oy

Mitä on tiedolla johtaminen?

Tiedolla johtaminen on noussut yhdeksi keskeisimmäksi kilpailutekijäksi yritysten ja organisaatioiden menestyksessä. Tämä blogikirjoitus käsittelee tiedolla johtamista vuonna 2023 ja tulevaisuudessa. Kirjoituksen varrella käymme läpi mitä tiedolla johtaminen on, sen merkitystä liiketoiminnan kehittämisessä sekä yleisiä kompastuskiviä, joihin organisaatiot törmäävät pyrkiessään tehokkaaseen tietopohjaiseen päätöksentekoon.

Tietojohtaminen vs. tiedolla johtaminen

Tietojohtaminen ja tiedolla johtaminen ovat kaksi läheisesti toisiinsa liittyvää käsitettä, mutta niillä on kuitenkin eroja. Nämä erot liittyvät pääasiassa niiden painopisteisiin ja lähestymistapoihin.

Tietojohtaminen keskittyy tiedon hallintaan, prosessointiin ja jakamiseen organisaatiossa. Se sisältää prosessit ja käytännöt, joiden avulla organisaatiot keräävät, tallentavat, prosessoivat ja jakavat dataa. Tietojohtamisen tavoitteena on mahdollistaa tiedon tehokas ja oikea-aikainen hyödyntäminen organisaation eri osa-alueilla.

Tiedolla johtaminen puolestaan viittaa päätöksenteon ja strategian kehittämiseen organisaatiossa käyttäen hyväksi saatavilla olevaa tietoa. Se pyrkii hyödyntämään tietojohtamisen prosesseja ja käytäntöjä parempien, tietoon perustuvien, päätösten tekemiseksi. Tiedolla johtaminen keskittyy analytiikkaan, raportointiin ja datan hyödyntämiseen, jotta organisaatio voi tehdä strategisia valintoja ja parantaa suorituskykyään. Tämän avulla organisaatiot kykenevät parantamaan toimintansa tehokkuutta, tuottavuutta ja kilpailukykyä. Näin varmistetaan päätöksenteon perustuvan objektiivisiin tietolähteisiin, arvausten ja mututuntuman sijasta.

Yhteenvetona voidaan todeta tietojohtamisen olevan laajempi käsite, joka kattaa organisaation kaikki tiedonhallinnan prosessit ja käytännöt. Tiedolla johtaminen puolestaan keskittyy tietoon perustuvan päätöksenteon ja strategian kehittämiseen hyödyntämällä tietojohtamisen rakenteita ja resursseja. Molemmat käsitteet ovat tärkeitä organisaatioiden menestyksen kannalta, ja ne täydentävät toisiaan tehokkaan, tietopohjaisen, päätöksenteon saavuttamiseksi. Blogissa käsittelemme tietojohtamisen ja tiedolla johtamisen muodostamaa kokonaisuutta.

Tiedolla johtaminen 2023: Uusia suuntauksia

Vuonna 2023 tiedolla johtamisen kehitys jatkuu vauhdilla. Uusia painopisteitä ovat mm. tekoälyn ja koneoppimisen entistä laajempi hyödyntäminen, reaaliaikaisen tiedon kerääminen ja analysointi, sekä tietosuojan ja tietoturvan entistäkin tärkeämpi rooli. Myös IoT-laitteiden ja niiden reunalaskennan (edge computing) yleistyminen luo uusia mahdollisuuksia päätöksenteon automatisointiin. Generatiivinen tekoäly kuten suuret kielimallit (esimerkiksi ChatGPT, GitHub Copilot) ja kuvia generoivat mallit (DALL-E, Midjourney) tuovat tekoälyä entistä lähemmäs työntekijöiden arkea.

Datalukutaidon (data literacy) merkitys korostuu entisestään. Tietoa hyödynnetään monipuolisesti organisaatioiden eri osa-alueilla, jolloin datalukutaitoa tarvitaan työnkuvasta riippumatta. Samanaikaisesti datan hallinnan (data governance) merkitys korostuu. Hyvän hallinnan avulla organisaatiot varmistavat tiedon olevan oikea-aikaisesti työntekijöidensä hyödynnettävissä päätöksenteon tueksi.

Toimiva data-alusta: Tiedolla johtamisen perusta

Kaiken tiedolla johtamisen perustana on toimiva data-alusta, joka mahdollistaa organisaation datan keräämisen, säilyttämisen, analysoinnin ja jakamisen. Laadukas data-alusta on avainasemassa, jotta organisaatio pystyy optimaalisesti hyödyntämään tietoa päätöksenteossaan ja toimintansa kehittämisessä.

Laadukkaan data-alustan hyödyt tiedolla johtamiseen

Yhtenäistetty tiedonhallinta: Data-alusta kokoaa eri lähteistä tulevan tiedon yhteen paikkaan, mikä helpottaa tiedonhallintaa ja analysointia. Tämä vähentää manuaalista työtä, tiedon sirpaloitumista, ja auttaa organisaatiota saamaan paremman näkyvyyden kerättyyn tietoonsa.
Laadukkaan tiedon varmistaminen: Hyvä data-alusta mahdollistaa automatisoidun tiedon laadun ja relevanssin varmistamisen, jolloin organisaatio voi luottaa päätösten perustuvan oikeaan ja ajantasaiseen tietoon. Tämä parantaa päätöksenteon tarkkuutta ja vähentää virheiden riskiä.
Reaaliaikainen analytiikka: Toimiva data-alusta mahdollistaa reaaliaikaisen tiedon keräämisen ja analysoinnin, mikä auttaa organisaatiota reagoimaan nopeasti muutoksiin ja hyödyntämään uusia liiketoimintamahdollisuuksia. Reaaliaikainen analytiikka voi esimerkiksi auttaa tunnistamaan myyntitilanteen muutoksia, asiakaskäyttäytymisen trendejä tai tuotantoprosessien pullonkauloja.
Tietoturva ja tietosuoja: Laadukkaasti toteutettu data-alusta huomioi tietoturvan ja tietosuojan vaatimukset, varmistaen henkilötietojen käsittelyn ja tietovarantojen hyödyntämisen tapahtuvan vastuullisesti ja lainmukaisesti. Tietoihin käsiksi pääsy on suojattu asianmukaisesti, minkä avulla tietovuotojen riskit saadaan minimoitua. Tämä suojaa organisaation tietovarantoja sekä vahvistaa asiakkaiden ja sidosryhmien luottamusta organisaatioon.
Joustavuus ja skaalautuvuus: Hyvä data-alusta on joustava ja skaalautuva, jolloin se pystyy mukautumaan organisaation tarpeisiin ja kasvamaan sen mukana. Tämä tarkoittaa, että organisaatio voi laajentaa ja kehittää tiedolla johtamisen toimintojaan ilman, että data-alusta muodostuu pullonkaulaksi.

Investointi toimivaan data-alustaan on olennainen osa organisaation tiedolla johtamisen strategiaa. Se varmistaa laadukkaan pohjan tiedon hyödyntämisen päätöksenteossa, toiminnan kehittämisessä ja innovoinnissa, sekä auttaa varmistamaan tietoturvan ja tietosuojan noudattamisen.

Data-alustan suunnittelu

Kun valitaan data-alustaa organisaation tarpeisiin, on tärkeää huomioida seuraavat asiat:

Yhteensopivuus organisaation olemassa olevien järjestelmien ja teknologioiden kanssa
Helppokäyttöisyys ja käyttöönoton vaatimat resurssit
Kyky integroida eri tietolähteitä ja muokata niitä analysointia varten
Alustan tietoturvan ja tietosuojan ominaisuudet ja niiden vastaavuus organisaation vaatimuksiin
Joustavuus, skaalautuvuus ja kehittämismahdollisuudet tulevaisuudessa
Kustannustehokkuus

Panostamalla laadukkaaseen data-alustaan, organisaatiot pystyvät rakentamaan vahvan perustan tiedolla johtamiselle ja varmistamaan päätösten ja toimenpiteiden pohjautuvan luotettavaan ja ajantasaiseen tietoon. Tämä auttaa organisaatioita pysymään kilpailukykyisinä ja menestymään kehittyvässä toimintaympäristössä, jossa tiedon merkitys korostuu jatkuvasti.

Lue verkkosivuiltamme, kuinka DB Pro Services voi auttaa yritystänne laadukkaan data-alustan toteuttamisessa.

Tiedolla johtaminen nykypäivänä 2023: Katse tulevaisuuteen

Tiedolla johtaminen ei ole ainoastaan historiadatan päälle rakennettujen raporttien ja tilastojen analysointia. Vaikka jo tapahtuneen ymmärtäminen on edelleen tärkeää, nykypäivänä entistä olennaisempaa on katsoa tulevaisuuteen ja hyödyntää tietoa ennakoivasti. Tämän seurauksena organisaatioiden on kyettävä tunnistamaan trendejä, ennakoimaan muutoksia ja tekemään tulevaisuuteen suuntaavia päätöksiä datan pohjalta.

Tulevaisuuteen katsovan tiedolla johtamisen hyödyt

Nopeasti muuttuvat toimintaympäristöt: Nykypäivänä toimintaympäristöt muuttuvat nopeasti ja organisaatioiden on kyettävä sopeutumaan uusiin haasteisiin ja mahdollisuuksiin. Tulevaisuuteen katsova tiedolla johtaminen auttaa ennakoimaan tulevia trendejä ja kehityssuuntia, jolloin organisaatio voi valmistautua niihin ajoissa.
Kilpailuetu: Kun organisaatio kykenee ennakoimaan tulevia muutoksia ja reagoimaan niihin nopeasti, se voi saavuttaa kilpailuetua markkinoilla. Tulevaisuuteen suuntautuva tiedolla johtaminen voi auttaa esimerkiksi tunnistamaan uusia liiketoimintamahdollisuuksia tai varautumaan kilpailijoiden toimiin.
Asiakaslähtöisyys: Ymmärtämällä asiakkaiden tarpeita ja odotuksia tulevaisuudessa, organisaatiot voivat kehittää tuotteitaan ja palveluitaan paremmin vastaamaan niitä. Tämä voi parantaa asiakastyytyväisyyttä ja sitoutumista sekä lisätä organisaation menestymisen mahdollisuuksia.
Innovaatiot ja teknologian hyödyntäminen: Tulevaisuuteen suuntautuva tiedolla johtaminen edistää innovaatioiden kehittämistä ja uusien teknologioiden hyödyntämistä. Organisaatiot voivat esimerkiksi käyttää tekoälyä ja koneoppimista ennusteiden tekemiseen, automatisoida prosesseja tai kehittää täysin uusia liiketoimintamalleja.
Riskienhallinta: Tulevaisuuteen suuntautuva tiedolla johtaminen auttaa organisaatioita tunnistamaan ja hallitsemaan riskejä paremmin. Ennakoivat analyysit voivat auttaa varautumaan esimerkiksi taloudellisiin, operatiivisiin ja teknologisiin riskeihin, jolloin organisaatio voi toteuttaa ennakoivia toimenpiteitä niiden minimointiin tai välttämiseen. Tämä vähentää mahdollisia tappioita ja parantaa organisaation kestävyyttä muuttuvissa olosuhteissa.

Miten lähteä liikkeelle tulevaisuuteen katsovan tiedolla johtamisen kanssa?

Tulevaisuuteen suuntautuvan tiedolla johtamisen toteuttaminen edellyttää organisaation investoivan oikeisiin työkaluihin, taitoihin ja kulttuuriin. Tämä tarkoittaa muun muassa seuraavia asioita:

Laadukkaan data-alustan suunnittelu ja rakentaminen tiedolla johtamisen pohjaksi.
Tietojen kerääminen ja analysointi eri tietolähteistä, kuten markkina-analyyseistä, sosiaalisen median datasta ja IoT-laitteista. Myös avointen ulkopuolisten datalähteiden hyödyntäminen on tärkeää.
Ennuste- ja simulointimallien kehittäminen, joiden avulla voidaan arvioida eri skenaarioiden todennäköisyyksiä ja vaikutuksia.
Oikeanlaisen osaamisen ja asiantuntemuksen hankkiminen, esimerkiksi rekrytoimalla datakehittäjiä, tekoälyasiantuntijoita tai strategisia suunnittelijoita.
Tiedolla johtamisen kulttuurin vahvistaminen organisaatiossa, jossa korostetaan tietoon perustuvaa päätöksentekoa ja jatkuvaa oppimista. Yrityksen kulttuurin muokkaaminen on kaikkien päätöksiä tekevien henkilöiden vastuulla. Muutos tietopohjaiseen päätöksentekoon on pitkä prosessi.

Kun organisaatiot pystyvät hyödyntämään tulevaisuuteen suuntautuvaa tietoa tehokkaasti, ne voivat paremmin varautua ja reagoida muutoksiin, kehittää kilpailukykyisiä tuotteita ja palveluita sekä hallita riskejä. Tämä auttaa organisaatioita menestymään jatkuvasti kehittyvässä markkinassa, jossa laadukkaan tiedon merkitys on entistä suurempi.

Tietotyöläisen arjen tekoäly

Huomio: Vaikka tekoälybotit antavatkin erittäin hyviä vastauksia ja sparraustukea, tulee niiden kanssa olla tarkkana. Tekoäly kykenee vastaamaan itsevarmasti myös väärässä ollessaan. Mitään organisaation salaista tietoa/dataa ei tule syöttää tekoälylle, mikäli on pieninkin vaara tiedon leviämisestä organisaation ulkopuolelle.

Generatiiviseen tekoälyyn pohjautuvat sovellukset, kuten OpenAI:n ChatGPT, ovat mullistaneet tietotyöläisten arjen monin tavoin. Nämä innovatiiviset työkalut auttavat helpottamaan tiedolla johtamista ja tarjoavat apua ongelmatilanteiden ratkomisessa.

Luonnollisen kielen prosessointiin perustuvat chatbotit voivat toimia tehokkaana sparrausapuna. Ne auttavat työntekijöitä vastaamaan kysymyksiin, etsimään tietoa, laatimaan raportteja ja paljon muuta. Sovellukset tarjoavat nopeasti ja laadukkaasti tietoa, mikä auttaa työntekijöitä tekemään päätöksiä ja ratkaisemaan ongelmia. Tämä puolestaan helpottaa tiedolla johtamista ja mahdollistaa entistä tehokkaamman työskentelyn. Käytännössä ohjelmat tarjoavat henkilökohtaista osaavaa sparrausapua työpäivän aikana kohdattaviin ongelmiin. (Tai vaikkapa apua blogin visuaalisen ilmeen parantamiseen). Ja mikä parasta — Mallit kehittyvät tällä hetkellä erittäin vauhdikkaasti, tuoden jatkuvasti uusia ominaisuuksia työntekijöiden käyttöön.

Monet kielimallit tarjoavat mahdollisuuden mallin tuunaukseen organisaation sisäisellä datalla, kuten esimerkiksi yrityksen sisäisen intranetin tiedostoilla. Näin organisaatiot saavat käyttöönsä räätälöityjä ja tehokkaita työkaluja, jotka ymmärtävät yrityksen erityispiirteitä, terminologiaa ja toimintatapoja. Tämä auttaa parantamaan työntekijöiden tuottavuutta, tehostamaan sisäistä viestintää ja päätöksentekoa sekä tarjoamaan parempaa asiakaspalvelua. Näin organisaatiot voivat saavuttaa kilpailuetua ja parantaa liiketoimintansa tuloksia.

Operatiivinen tietojohtaminen tekoälyn avulla

Operatiivisessa tietojohtamisessa tekoälyllä on merkittävä rooli, sillä se mahdollistaa päätöksenteon automatisoinnin ja tehostaa organisaation toimintaa. Tekoälyä hyödyntämällä organisaatiot voivat parantaa päätöksenteon nopeutta, tarkkuutta ja tehokkuutta sekä reagoida nopeasti muuttuviin markkinaolosuhteisiin ja kilpailutilanteisiin.

Automatisoitu päätöksenteko tekoälyn avulla perustuu edistyneen analytiikan menetelmien käyttöön. Menetelmien avulla analysoidaan suuria tietomääriä ja tunnistetaan rakenteita ja trendejä. Näin tekoäly kykenee itsenäisiin päätöksiin esimerkiksi hinnoittelusta, luottopäätöksistä, asiakaspalvelusta ja resurssien kohdentamisesta.

Operatiivinen tietojohtaminen tekoälyn avulla tuo mukanaan useita etuja. Ensinnäkin automatisoitu päätöksenteko vähentää inhimillisen virheen mahdollisuutta ja parhaimmillaan parantaa päätösten luotettavuutta. Se myös vapauttaa henkilöstön aikaa keskittyä strategisempiin ja luovempiin tehtäviin, kun rutiininomainen päätöksenteko hoidetaan automaattisesti. Lisäksi tekoäly kykenee käsittelemään ja analysoimaan valtavia tietomääriä, mikä mahdollistaa entistä tarkempien ja dataperusteisten päätösten tekemisen.

On kuitenkin tärkeää huomata, että tekoälyn avulla automatisoitu päätöksenteko ei täysin poista tarvetta ihmisen osallistumiselle ja valvonnalle. Ihmisen asiantuntemus ja harkintakyky ovat edelleen tärkeitä varmistamaan, että tekoäly tekee eettisiä, vastuullisia ja oikeita päätöksiä. Tämän vuoksi organisaatioiden tulisi panostaa tekoälyn ja henkilöstön välisten yhteistyömallien kehittämiseen, jotta voidaan hyödyntää molempien vahvuuksia ja saavuttaa parhaat mahdolliset tulokset operatiivisessa tietojohtamisessa.

Yleisiä ongelmia tiedolla johtamisessa

Datan heikko laatu ja saatavuus

Tiedon puutteet tai virheellinen data voivat vaikuttaa päätöksenteon laatuun ja johtaa virheellisiin johtopäätöksiin. Organisaatioiden on varmistettava, että käytettävä tieto on paikkansapitävää, ajantasaista ja helposti saatavilla. Organisaatiolla tulee olla selkeät käytännöt datan keräämiseen, säilytykseen, jalostamiseen ja ylläpitoon. Hyödynnä automaatiota ja tekoälyä datan laadun parantamiseksi ja ajantasaisuuden varmistamiseksi.

Hajautettu ja sirpaleinen tieto

Monissa organisaatioissa tieto on hajautettu eri järjestelmiin ja osastoihin, mikä voi vaikeuttaa kokonaiskuvan hahmottamista ja yhtenäisten päätösten tekemistä. Tiedon konsolidointi ja keskitetty hallinta ovat ratkaisevan tärkeitä tehokkaan tiedolla johtamisen kannalta. Hyödynnä keskitettyä data-alustaa tiedon konsolidointiin ja yhtenäistämiseen. Näin saat paremman kokonaiskuvan organisaation toiminnasta ja voit tehdä tietoon perustuvia päätöksiä tehokkaammin.

Heikot analytiikka- ja raportointityökalut

Vanhentuneet tai rajoitetut analytiikka- ja raportointityökalut voivat estää organisaatioita hyödyntämästä tietoa tehokkaasti. Nykyaikaisten työkalujen käyttöönotto voi parantaa tiedon analysointia ja raportointia. Esimerkiksi Microsoft PowerBI tarjoaa nykyaikaisen ratkaisun laadukkaiden interaktiivisten raporttien tekoon.

Vaikeus muuttaa tieto toiminnaksi

Tiedon kerääminen ja analysointi ovat vain osa tiedolla johtamisen prosessia. Organisaatioiden on myös kyettävä muuttamaan tieto konkreettisiksi toimenpiteiksi ja strategioiksi. Tämä edellyttää hyvää viestintää, selkeitä tavoitteita ja johdon sitoutumista. Vahvista organisaatiosi strategista suunnittelua ja viestintää varmistaaksesi, että tieto muuttuu toiminnaksi.

Koulutuksen ja osaamisen puute

Tiedolla johtaminen edellyttää laajaa osaamista ja taitoja, kuten analytiikkaa, tilastotiedettä ja teknistä asiantuntemusta. Organisaatioiden on panostettava henkilöstön koulutukseen ja ammatilliseen kehittymiseen, jotta he voivat tehokkaasti hyödyntää tietoa päätöksenteossa. Vaaditaan panostusta henkilöstön koulutukseen ja kehittämiseen, jotta heillä on tarvittavat taidot ja osaaminen tiedolla johtamiseen. Tämä voi sisältää sekä teknistä koulutusta että pehmeämpiä taitoja, kuten kriittistä ajattelua ja ongelmanratkaisua.

Yhteenveto

Tiedolla johtaminen on keskeinen kilpailutekijä nykypäivän liiketoiminnassa. Se auttaa organisaatioita tekemään parempia päätöksiä, kehittämään toimintaansa ja sopeutumaan muuttuvaan toimintaympäristöön. Tässä blogissa käsittelimme tiedolla johtamisen määritelmää, sen osa-alueita ja merkitystä nykypäivänä, sekä yleisiä kompastuskiviä, joihin organisaatiot törmäävät pyrkiessään tehokkaaseen tiedon hyödyntämiseen.

Vuonna 2023 tiedolla johtamisen trendit kuten tekoälyn ja koneoppimisen laajempi hyödyntäminen, reaaliaikaisen tiedon kerääminen ja analysointi sekä tietosuojan ja tietoturvan korostuminen ovat entistä tärkeämpiä. Jotta organisaatiot voivat hyötyä tiedolla johtamisesta parhaalla mahdollisella tavalla, on tärkeää kehittää jatkuvasti tiedolla johtamisen prosesseja, osaamista ja kulttuuria.

DB Pro Services tarjoaa kattavia ratkaisuja ja asiantuntijapalveluita tiedolla johtamisen haasteisiin. Tarjontamme kattaa muun muassa datastrategian, modernien data-alustojen sekä edistyneen analytiikan kokonaisuudet. Ota yhteyttä, niin autamme sinua ja organisaatiotasi hyödyntämään tietoa tehokkaasti ja menestymään kilpailussa!

Joni Keto-Tokoi
Lead Data Scientist
joni.keto-tokoi@dbproservices.fi
DB Pro Services Oy

Johdanto

Tietoon perustuva päätöksenteko on nykypäivän liiketoiminnassa yhä tärkeämpää. Se auttaa yrityksiä tekemään parempia päätöksiä, optimoimaan toimintaa ja saavuttamaan kilpailuetua. Tiedon jalostamisen peruspilareina toimivat tietovarastointi ja raportointi. Tässä blogikirjoituksessa käsitellään näitä kahta keskeistä osa-aluetta ja selitetään, miksi ne ovat niin tärkeitä liiketoiminnalle.

Mitä on tietovarastointi?

Tietovarastointi tarkoittaa yläkäsitteenä prosessia, jossa yrityksen eri toiminnoista kerätty data tallennetaan keskitettyyn paikkaan yhtenäistetysti. Tämä tietovarasto on suunniteltu niin, että dataa on helppo käsitellä, jakaa ja tutkia erilaisten raporttien ja analyysien muodossa. Tietovarastoinnilla ei tarkoiteta pelkästään datan säilyttämistä, vaan se kattaa myös muita datan elinkaareen kuuluvia asioita. Tietovarasto parantaa operatiivisten järjestelmien suorituskykyä ja saatavuutta, koska raportointia ei tarvitse tehdä enää niiden päältä, vaan raportoinnin työkuormat ohjataan kulkemaan tietovaraston kautta. Myös raporttien teko tietovarastosta on helpompaa kuin vastaavan tiedon onkiminen operatiivisista järjestelmistä. Käydään seuraavaksi läpi laadukkaan tietovarastoinnin ominaisuuksia.

Tietoturva

Datan turvallisuus on erityisen tärkeää nykypäivän digitaalisessa ympäristössä, jossa tietomurrot ja -vuodot ovat yleistyneet. Laadukkaat tietovarastot ovat suunniteltu noudattamaan tietoturvan parhaita käytäntöjä, kuten laadukkaan salauksen ja pääsynhallinnan. Monet tietovarastot hyödyntävät monitasoista autentikointia (MFA) ja roolipohjaista pääsynhallintaa varmistaakseen, että vain oikeutetut henkilöt pääsevät käsiksi arkaluontoiseen tietoon. Lisäksi ne voivat sisältää erilaisia valvontamekanismeja, jotka ilmoittavat epäilyttävästä toiminnasta, jotta mahdollisiin tietoturvariskeihin voidaan puuttua välittömästi.

Tietoturva ei ole vain tekninen vaatimus, vaan myös liiketoiminnallinen tarve. Se on olennainen osa yrityksen mainetta ja luottamusta, ja sen laiminlyönti voi johtaa paitsi taloudellisiin tappioihin, myös vahinkoon yrityksen brändille.

Lähdeintegraatiot

Lähdeintegraatiolla tarkoitetaan tietovarastoinnin prosessia, jossa eri datalähteistä kerätty tieto yhdistetään yhteen keskitettyyn tietovarastoon. Tämä ei ole pelkästään datan siirtämistä paikasta toiseen, vaan se sisältää usein myös datan muuntamista, puhdistamista ja rikastamista, jotta se on sisällöltään eheää ja yhdenmukaista, ymmärrettävässä muodossa raportointia ja analytiikkaa varten, sekä yhteismitallista muiden lähteiden kanssa.

Laadunhallinta

Datan laadunhallinta on olennainen osa tietovarastoinnin prosessia. Huonolaatuinen tai virheellinen data voi johtaa väärään analyysiin ja päätöksentekoon, mikä voi olla kallista yritykselle. Siksi tietovarastointiin sisältyy useita vaiheita datan laadun varmistamiseksi. Esimerkiksi datan puhdistaminen tarkoittaa virheellisen tai puuttuvan tiedon korjaamista, normalisointi puolestaan tarkoittaa datan muuttamista yhteensopivaan ja vertailukelpoiseen muotoon. Validointi taas on prosessi, jossa varmistetaan, että data on luotettavaa ja täyttää ennalta määritellyt laatuvaatimukset.

Nämä toimenpiteet eivät ole yksittäisiä tehtäviä, vaan ne ovat osa jatkuvaa laadunhallintaprosessia, joka alkaa datan keräämisestä ja jatkuu läpi koko sen elinkaaren. Tämä takaa tietovarastosta saadun tiedon olevan aina mahdollisimman tarkkaa, ajantasaista ja luotettavaa, mikä on välttämätöntä tehokkaalle päätöksenteolle.

Saatavuus

Laadukaskaan tieto ei tuota lisäarvoa, mikäli se ei ole kenenkään saatavilla. Datan saatavuus on kriittinen tekijä tietovarastoinnin onnistumisessa ja vaikuttaa suoraan yrityksen kykyyn tehdä informoituja päätöksiä. Laadukas tietovarasto on suunniteltu niin, että se mahdollistaa datan helpon ja nopean jakamisen eri osastojen, tiimien ja jopa ulkoisten sidosryhmien, kuten asiakkaiden tai kumppaneiden, kesken. Tämä poistaa pullonkauloja ja tehostaa päätöksentekoprosessia.

Nykyteknologian ansiosta tietovarastot tarjoavat dataa reaaliaikaisesti ja eri laitteille – mukaan lukien mobiililaitteet. Tämä mahdollistaa joustavuuden ja liikkuvuuden, mikä on erityisen tärkeää etätyöympäristöissä ja globaaleissa organisaatioissa.

Lisäksi hyvin suunniteltu tietovarasto tukee erilaisia käyttöoikeusasetuksia, jolloin voidaan varmistaa, että henkilöt pääsevät käsiksi vain heille relevanttiin tietoon. Tämä ei ainoastaan paranna tietoturvaa, vaan myös tekee datan hyödyntämisestä tehokkaampaa, kun jokainen tiimi tai osasto voi keskittyä juuri siihen dataan, joka on heille olennaista.

Arkistointi ja varmuuskopiointi

Datan pitkäaikainen säilyttäminen ja varmuuskopiointi ovat keskeisiä tietovarastoinnin elementtejä, jotka toimivat yrityksen datan turvaverkkona. Ne eivät ainoastaan suojaa arvokasta dataa, vaan myös mahdollistavat sen palauttamisen odottamattomissa tilanteissa, kuten tietojärjestelmäongelmissa. Tämä sisältää säännölliset varmuuskopiot ja datan elinkaaren hallinnan kattaen myös arkistoinnin ja versionhallinnan. Nämä toimet yhdessä varmistavat datan eheyden ja saatavuuden – myös kriisitilanteissa.

Mitä on raportointi?

Raportointi on keskeinen osa yrityksen tiedonhallintaa ja päätöksentekoprosessia, joka linkittyy vahvasti tietovarastointiin. Se tarkoittaa prosessia, jossa kerätty ja tietovarastossa säilytetty data muunnetaan merkitykselliseksi tiedoksi erilaisten raporttien ja analyysien avulla. Raportit voivat olla monimuotoisia, kattaen kaiken yksinkertaisista myyntitilastoista aina johdon mittaristoihin, monimutkaisiin ennakoiviin analyyseihin ja algoritmeihin, jotka ennustavat yrityksen tulevaisuuden suuntaviivoja. Käydään seuraavaksi läpi raportoinnin keskeisimpiä elementtejä.

Laadukas raportointijärjestelmä

Laadukas raportointijärjestelmä on joustava, skaalautuva ja helppokäyttöinen. Se mahdollistaa datan nopean ja tehokkaan analysoinnin, ja sen tulokset ovat helposti jaettavissa eri sidosryhmille. Nykyaikaiset raportointityökalut, kuten Microsoft Power BI, tarjoavat mahdollisuuden reaaliaikaiseen seurantaan, automatisoituun raportointiin ja monipuolisiin visualisointeihin, jotka tiivistävät tiedosta helpommin ymmärrettävää ja hyödynnettävää.

Visualisointi

Raportoinnin yksi keskeisistä elementeistä on datan visualisointi, joka tarkoittaa tiedon esittämistä graafisessa muodossa, kuten kuvaajina ja taulukoina. Hyvä visualisointi auttaa tekemään monimutkaisesta datasta helpommin ymmärrettävää ja saavutettavaa, ja se voi tuoda esiin näkemyksiä, jotka jäisivät helposti huomaamatta pelkästään raakadatan tarkastelussa. Visualisointien esittämisen tulee olla selkeää ja ytimekästä, keskittyen olennaisiin tietoihin ja mahdollistaen nopeat ja informoidut päätökset.

Laadukas visualisointi helpottaa tiedon esittämistä. Huomataan helposti tuotteen 2 poikkeava käytös päivinä 15–20.

Käyttäjäystävällisyys

Raporttien tulee olla helposti saatavilla ja ymmärrettäviä kaikille niille, joille ne on tarkoitettu. Tämä tarkoittaa, että raporttien tulisi olla selkeitä, visuaalisesti houkuttelevia ja helppolukuisia. Nykyaikaiset raportointityökalut mahdollistavat usein interaktiivisen raportoinnin, jossa käyttäjät voivat tutkia dataa itsenäisesti ja porautua yksityiskohtiin tarpeen mukaan.

Reaaliaikaisuus

Yhä useammin raportoinnin odotetaan olevan reaaliaikaista tai lähes reaaliaikaista, jotta päätöksentekijät voivat reagoida nopeasti muuttuviin tilanteisiin ja hyödyntää mahdollisuuksia ajoissa. Reaaliaikainen raportointi voi auttaa organisaatioita pysymään kilpailukykyisinä dynaamisessa liiketoimintaympäristössä, ja se voi tukea proaktiivista, dataohjattua, päätöksentekoa. Tämä edellyttää vahvaa teknologista infrastruktuuria ja kykyä käsitellä ja analysoida suuria datamääriä tehokkaasti ja luotettavasti.

Kuinka tietovarastointi ja raportointi liittyvät toisiinsa?

Tietovarastointi ja raportointi ovat syvästi kytkeytyneitä prosesseja, jotka yhdessä mahdollistavat informaation muuntamisen merkityksellisiksi oivalluksiksi ja päätöksenteon tueksi. Tietovarastointi kattaa datan keräämisen, integroinnin, pitkäaikaisen säilyttämisen sekä hallinnan, ja luo näin vankan perustan, jolle raportointi rakentuu. Raportointi puolestaan keskittyy datan analysointiin, visualisointiin ja jakamiseen. Näin organisaation jäsenille luodaan mahdollisuus ymmärtää ja hyödyntää dataa tehokkaasti.

Kun nämä kaksi elementtiä – tietovarastointi ja raportointi – toimivat saumattomasti yhdessä, mahdollistavat ne yrityksille kyvyn navigoida datavetoisessa maailmassa, tehdä informoituja päätöksiä ja luoda strategioita, jotka ovat linjassa yrityksen tavoitteiden ja markkinatilanteen kanssa. Tämä yhdistelmä on erityisen voimakas, kun se integroidaan osaksi yrityksen kulttuuria ja päätöksentekoprosesseja, mahdollistaen aidosti datavetoisen organisaation.

Esimerkkitapaus: Sirpaloituneesta datasta laadukkaaksi tietovarastoksi

Sirpaloituneen datan ongelma

Yrityksissä dataa syntyy monista eri lähteistä, kuten myynnistä, markkinoinnista, tuotannosta ja asiakaspalvelusta. Tämä data on usein tallennettu erillisiin järjestelmiin, jotka eivät välttämättä ole yhteensopivia keskenään. Tämä johtaa sirpaloituneeseen dataympäristöön, joka tekee tiedon hallinnasta ja analysoinnista haastavaa.

Ratkaisuna keskitetty tietovarastointi

Ensimmäinen askel sirpaloituneen datan kokoamisessa on dataintegraatio. Tässä vaiheessa eri lähteistä tuleva data tuodaan yhteen, keskitettyyn, sijaintiin. Nykyään raakadata tuodaan yleensä pilvessä toimivaan tietoaltaaseen (data lake). Raakadata jatkaa matkaansa tietoaltaasta tietomalliltaan strukturoituun tietovarastoon, josta se on saatavilla eri raportointi- ja analytiikkatyökalujen käyttöön. Etenkin taulukkomuotoisen datan tietovarastona käytetään usein SQL-tietokantoja.

Dataintegraatio ELT-prosessilla

Yksi yleisimmin käytetty menetelmä datan integroimiseksi on ELT-prosessi, joka on lyhenne sanoista Extract, Load ja Transform (kerää, lataa, muunna). ELT:llä tarkoitetaan kolmiosaista prosessia, jossa data ensin kerätään lähdejärjestelmistä, ladataan tietoaltaaseen ja lopulta muokataan yhdenmuotoiseksi tietovarastoon.

Lopputuloksena keskitetty tietovarasto

Lopputuloksena saatu tietovarasto suunnitellaan niin, että sieltä on helppo hakea, käsitellä ja analysoida dataa. Se toimii yrityksen keskeisenä tietopankkina, josta eri osastot ja johdon edustajat voivat helposti saada tarvitsemansa tiedot.

Tämä keskitetty lähestymistapa ratkaisee monia sirpaloituneen datan aiheuttamia ongelmia, kuten tiedon eheyden ja saatavuuden haasteet. Se mahdollistaa myös tehokkaan, konsolidoidun raportoinnin ja analyysin, jotka ovat keskeisiä tiedolla johtamisessa.

Kokonaisuudessaan keskitetty tietovarastointi ei ole vain tekninen toimenpide, vaan strateginen investointi yrityksen tulevaisuuteen. Se luo perustan, jolle voidaan rakentaa tehokas tiedolla johtamisen ekosysteemi.

Lopuksi

Datavetoinen päätöksenteko on enemmän kuin vain numeroiden tuijottamista; se on kokonaisvaltainen lähestymistapa, joka yhdistää tietovarastoinnin ja raportoinnin voiman. Joten, jos haluat tehdä parempia päätöksiä, optimoida toimintaasi ja saada kilpailuetua, on aika panostaa peruspilareihin: tietovarastointiin ja raportointiin.

Tiedolla johtaminen vaatii oikeanlaista osaamista ja työkaluja. Me DB Pro Servicellä ymmärrämme nämä haasteet ja olemme erikoistuneet auttamaan yrityksiä rakentamaan tehokkaita tietovarastointi- ja raportointiratkaisuja. Tarjoamme kattavia palveluita, jotka kattavat koko tiedolla johtamisen elinkaaren – lähtien datan keräämisestä ja integroinnista aina edistyneeseen analytiikkaan ja raportointiin.

Olemme työskennelleet monenlaisten yritysten ja toimialojen parissa, ja meillä on laaja kokemus erilaisten dataympäristöjen hallinnasta. Käytämme alan parhaita käytäntöjä ja uusimpia teknologioita varmistaaksemme, että saat parhaan mahdollisen hyödyn datastasi.

Ota yhteyttä meihin, jos olet kiinnostunut viemään datasi seuraavalle tasolle. Asiantuntijamme ovat valmiita auttamaan sinua löytämään juuri sinun yrityksellesi sopivan ratkaisun. Katsotaan yhdessä, kuinka voimme auttaa sinua saavuttamaan tavoitteesi datan avulla.

Joni Keto-Tokoi

Lead Data Scientist

joni.keto-tokoi@dbproservices.fi

DB Pro Services Oy

Johdanto

Tulemme seuraavien kuukausien aikana julkaisemaan blogisarjan datastrategian kehittämisestä ja implementoinnista. Tämä sarja antaa kuvan siitä, kuinka me DB Pro Servicessä lähestymme datastrategiaprojekteja ja mitä osa-alueita strategian kehitystyö pitää sisällään. Blogisarjan luettuasi tunnistat datastrategian oleellisimmat rakennuspalikat, tiedät eri lähestymistavat ja osaat nimetä askeleet, joiden avulla datastrategia muuttuu teoriasta käytännöksi. Ensimmäisessä kappaleessa käymme läpi mitä datastrategia oikeastaan tarkoittaa ja kuinka sen rakentaminen saadaan aloitettua.

Mitä on datastrategia ja kuinka se tukee liiketoimintaa?

Modernissa liike-elämässä tiedolla johtamisesta on tullut yrityksille elintärkeä strateginen osa-alue. Organisaatiot pyrkivät hyödyntämään hallussaan olevaa dataa mahdollisimman laajasti, oli kyse sitten sisäisestä päätöksenteosta tai datan myymisestä kumppaneille. Tiedolla johtamisen keskiössä on kyky muuntaa raakadata ensin informaatioiksi ja sitten tiedoksi, johon päätökset voidaan perustaa. Datastrategian päämääränä on tukea liiketoiminnan tavoitteita varmistamalla, että johtohenkilöillä on päätösten tukena kaikki oleellinen tieto. Käytännön tasolla datastrategia määrittää kuinka yritys hankkii, organisoi, hallinnoi, analysoi ja hyödyntää sen tietopääomaa samalla huolehtien, että dataorganisaation suunta on linjassa liiketoiminnallisten tavoitteiden kanssa.

Datastrategian kautta yritys linjaa, mihin osa-alueisiin se kohdentaa resurssejaan. Tämä tehdään arvioimalla nykytilanne, muodostamalla visio ja linjaamalla askeleet, jotka ottamalla tavoitetila saavutetaan. Näitä askelia voivat olla esimerkiksi data-arkkitehtuurin uudistaminen, organisaation toimintamallin määrittäminen, prosessien kartoitus (esimerkiksi master datan hallinta tai kehitysprosessit) tai tietoturvan ja tietohallinnon kehitys. Se mihin osa-alueisiin strategiassa kannattaa keskittyä riippuu yrityksen datakyvykkyyksistä ja toimintaympäristöstä.

Kun strategia on kehitetty, jäljelle jää sen jalkauttaminen organisaatioon. Tässä kohtaa strategiset tavoitteet muuttuvat teoriasta käytännöiksi parantaen esimerkiksi tiedonhallinnan laatua ja data-analytiikan maturiteettia. Näiden parantuneiden kyvykkyyksien kautta yritykset pääsevät nauttimaan datastrategian mahdollistamista konkreettisista liiketoimintahyödyistä. Näitä hyötyjä ovat esimerkiksi analyysin kautta parannettu asiakaskokemus, datan avulla optimoidut ja automatisoidut liiketoimintaprosessit ja -toiminnot, nopeampi ja laadukkaampi tietoon pohjautuva päätöksenteko sekä paremmat valmiudet vastata tietosuojalakien ja säädösten vaatimuksiin. Kaikki tämä kulminoituu rahallisiin tuloksiin joko säästöjen tai kasvaneen tuoton kautta.

Datastrategian rakentamisen lähestymistavat

Datastrategian rakentamista voi lähestyä useasta eri lähtökohdasta organisaation digitaalisista kyvyistä ja liiketoiminnan tarpeista riippuen. Nämä lähestymistavat voidaan suurpiirteisesti jakaa kahteen eri kategoriaan: Defensiiviseen eli puolustavaan ja offensiiviseen eli hyökkäävään datastrategiaan. Näistä kahdesta eri näkökulmasta käytetään välillä myös termejä data management strategy (defensiivinen) ja data strategy (offensiivinen), mutta tässä blogissa pidättäydytään alkuperäisissä nimityksissä.

Kuten jo nimestä voi päätellä, defensiivinen datastrategia keskittyy riskien minimointiin ja voimakkaaseen kontrolliin. Tyypillisiä painopisteitä tällaisessa strategiassa ovat vahva ja keskitetty tietohallinto, korkea tietoturvan taso ja datan yksityisyyden vaaliminen. Puolustavat toimenpiteet pyrkivät takaamaan datan yhtenäisyyden organisaation sisällä hyödyntämällä single source of truth -arkkitehtuurimallia (SSOT). Tässä mallissa yritys huolehtii master data managementin avulla siitä, että kaikkialla yrityksessä käytetään samaa datamallia ja sen muokkaus on hyvin rajattua. Näin varmistutaan siitä, että esimerkiksi avainluvut ovat yhtenevät eri yksiköiden välillä.

Offensiivinen strategia taas keskittyy liiketoiminnan tarpeiden tukemiseen ja datan hyödyntämiseen kaikilla organisaation osa-alueilla. Tyypillisesti hyökkäävä datastrategia koittaa edistää yrityksen kasvua, kannattavuutta ja asiakastyytyväisyyttä mahdollistamalla kattavan data-analytiikan toteutumista läpi organisaation. Jotta dataa pystytään hyödyntämään jokaisessa yksikössä mahdollisimman laajasti, tarvitaan usein datamallien joustavuutta. Tämä taas johtaa usein multiple versions of truth -arkkitehtuurimalliin (MVOT). Tässä mallissa data pohjaa edelleen yhtenäiseen master data managementin avulla hallittuun single source of truthiin, mutta organisaation eri osilla on vapaammat kädet muokata dataa ja mallinnusta heidän tarpeisiinsa sopivaksi. Tämäkin malli vaatii kuitenkin robustia datahallintoa onnistuakseen, koska kaikki eroavat datamallit on pystyttävä kartoittamaan takaisin alkuperäiseen master dataan.

Kaikki yritykset sijaitsevat näiden kahden ääripään välisellä janalla. Organisaatioiden tulee määrittää oma nykyinen sijaintinsa janalla ja tavoitetila, jota kohti datastrategia pyrkii yritystä viemään. Tämä tavoite on harvoin staattinen ja muuttuu ajan sekä organisaation kehityksen myötä. Täydellinen 50/50 jako lähestymistapojen välillä ei myöskään usein ole järkevä tavoite. Datapäättäjien tulee arvioida vaihtoehtoja ja tehdä strategisia valintoja toimintaympäristönsä mukaan. Jos tavoitteena on toimia digitaalisena edelläkävijänä ja antaa datan ohjata kaikkea toimintaa, offensiivinen vaihtoehto vaikuttaa houkuttelevalta. Kuitenkin tässä tapauksessa tietohallinto vaikeutuu ja datan laatu sekä yhtenäisyys voivat kärsiä, jolloin esimerkiksi viranomaisraportointi voi olla vaikeampaa. Tämä ongelma korostuu tilanteissa, jossa yrityksen datamaturiteetti on vielä matala. Ymmärtämällä oman yrityksen prioriteetit ja kehittämällä sen mukaisen datastrategian organisaatio voi varmistua, että dataa hyödynnetään juuri heille sopivalla tavalla.

Miten strategian rakentaminen aloitetaan

Datastrategian rakentaminen aloitetaan ymmärtämällä liiketoiminnan nykytila, tavoitteet ja strategia. Näin varmistutaan siitä, että datastrategia tukee yrityksen suuntaa. Tämä ymmärrys auttaa myös datapäättäjiä määrittelemään, missä kohtaa offensive-defensive janalla yritys sijaitsee ja mitä toimia tulee priorisoida. Kun ymmärrys liiketoimintastrategiasta on selvä, voidaan aloittaa dataorganisaation nykytilan ja tavoitetilan määrittäminen. Samoin kuin liiketoimintastrategiassa, tämä vaihe auttaa tunnistamaan aukot nykyhetken ja tulevaisuuden välillä. Tällöin on helpompi linjata mihin data-alueisiin yrityksen tulisi keskittää resurssejaan.

Seuraavaksi vuorossa on tulevan datastrategian rakennuspalikoiden määrittäminen. Nämä rakennuspalikat voidaan karkeasti jakaa kolmeen isoon kokonaisuuteen: Arkkitehtuuriin & teknologioihin, tiedonhallintaan sekä organisaatioon ja prosesseihin. Tulemme käymään nämä kolme kokonaisuutta läpi yksityiskohtaisemmin myöhemmissä blogeissa, mutta tiivistettynä ensimmäinen kokonaisuus kattaa teknisen toteutuksen data-arkkitehtuurista teknologiavalintoihin, toinen tietohallinnan ja -suojan käytännöt kuten data governancen, master datan hallinnan sekä tietoturvan ja kolmas organisaation rakenteeseen, kyvykkyyksiin, henkilöstöön ja prosesseihin liittyvät näkökulmat.

Kun rakennuspalikat ja strategian fokus on määritetty, voidaan siirtyä tiekartan suunnitteluun. Siinä palaset pilkotaan sopivan kokoisiksi osioiksi, joille voidaan budjetoida resurssit ja luoda aikataulutus. Näin syntyy konkreettinen suunnitelma strategian rakentamisesta ja implementoinnista. Suunnitelmaan kuuluu oleellisesti myös tarvittavien kontrollien määritys liittyen esimerkiksi datan laatuun, yksityisyyteen ja tietoturvaan sekä riskianalyysin tekeminen tulevista toimista.

Kun strategia on valmis ja tiekartta aloitteiden toteuttamiselle määritetty, voidaan siirtyä datastrategian jalkauttamiseen koko yritykseen. Parhaiten tämä onnistuu tunnistamalla liiketoiminnan avainkäyttötapauksia, joista toteuttaminen saadaan liikkeelle. Tunnistamisen jälkeen käyttötapaukset priorisoidaan vaativuuden ja liiketoiminnallisen vaikutuksen mukaan, jonka jälkeen tarkemmat määritykset voidaan kehittää. Kun käyttötapauksiin liittyvä määrittely on tehty, voidaan datastrategiaa alkaa implementoimaan niiden kautta. Toteuttamalla strategiaa liiketoiminnan kannalta kriittisten käyttötapausten kautta varmistetaan, että strategian vaikutus on alusta alkaen mahdollisimman suuri. Kun strategian jalkautus on saatu alulle käyttötapausten kautta, käytännöt ja prosessit voidaan skaalata koko yrityksen mittakaavaan.

Yhteenveto

Yritykselle datastrategia on tärkeää, jotta varmistetaan että:

yrityksen dataorganisaatio tukee liiketoiminnan kehityssuuntaa
yrityksen tietopääoman potentiaali pystytään muuttamaan liiketoimintavaikutukseksi
Tietopääoman laatu, hallinta ja tietoturva on ajan tasalla

Ilman datastrategiaa ja yhteistä suuntaa yritykset riskeeraavat datan laadun, saatavuuden (siiloutuminen), hyödyntämisen ja jopa liiketoimintastrategian onnistumisen.

Kaiku Kettunen
Project Manager
kaiku.kettunen@dbproservices.fi
DB Pro Services Oy