Tavoitetilan määritys: Kuinka määrittää datastrategian suunta?

Kaiku Kettunen

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