Hei,
Puhuin hiljattain ihmisen kanssa, joka on ns liiketoiminnan edustaja, eli ei data-alan erikoisasiantuntija. Data-alalla jostain syystä kaikkia muita, paitsi toisia data-alan edustajia kutsutaan “liiketoiminnaksi”:)
Käytiin liiketoiminnan kanssa läpi data-alan asioita ja hän esitti mielenkiintoisen kysymyksen.
Miksi on niin paljon data-alkuisia termejä?
On big dataa, data governancea, data warehouse, data lakea, data qualityä, data meshiä, fabricia, lineagea jne.
Tämä data-alan ulkopuolinen ihminen piti tätä ilmiötä hämmentävänä. Tarvitaanko näitä kaikkia ihan oikeasti?
Hän sanoi, että loppujen lopuksi on olemassa yritys, joka tuottaa jotain, tuotetta tai palvelua, ja sitten myy niitä asiakkaille. Kaikki muu on sitten tätä tukevaa toimintaa.
Kerron hänelle, että ok, voit asian redusoida näin yksinkertaisin sanankääntein, mutta todellisuus on todella paljon monimutkaisempi.
Iso organisaatio on, pardon my french, helvetinmoinen kompleksi, jossa on miljoona ristiin rastiin menevää prosessia. On tuotantoa, logistiikkaa, taloutta, HR:ää, markkinointia jne.
Keskustelukumppanin allekirjoitti kaiken tämän pitkän huokauksen saattelemana, koska lopulta asia on kaikille isossa organisaatiossa työskentelevälle itsestään selvä.
Mutta edelleen tämä ei selitä data-alkuisten termien määrää.
Kerroin, että luonnollisesti johto haluaa tietää ja seurata, että kuinka monta tuotetta/palvelua tulee putkesta ulos, ja ketkä niitä ostaa ja kuinka paljon. Ja kaikkea muuta tähän liittyvää. Väitätkö että johdat vain mutu tuntumalla eikä sinua kiinnosta viime kuun myynti?
Ja kun mennään korkeammalle tasolle, niin liiketoiminnalla on miljoona muuta yksityiskohtaista tieto tarvetta. Ja dataa tarvitaan digitalisaatiossa ja tekoälyn kehittämissä, mutta ei mennä nyt siihen.
Kaveri oli skeptinen ja pohti, että tekevätkö data-alan ihmiset silti asiat liian vaikeaksi, mikä siinä on niin vaikeaa?
Sitten pidin pitkän palopuheen.
Kaikki data asuu IT-järjestelmien tietokannoissa ja niissä olevissa tuhansissa tauluissa. Osa datasta on reguloitua, eli on lakiin perustuvia sääntöjä että miten esim henkilötietoja käsitellään.
Jos mietitään, että halutaan ynnätä datoja yhteen, esim laskea voittomarginaalia tai myytyjä tuotteita per maayksikkö, niin tietojen pitää olla yhdenmukaisia, eli niitä joudutaan muokkaamaan ja käsittelemään.
Ja varmasti tärkeää, herra liiketoiminnan edustaja, että se sinun data jota ynnätään ja käsitellään sellaista dataa johon voi luottaa, eli että luvut on oikein?
Tiedot, joita yhdistellään on eri osastoilla ja eri ihmisten takana, eli pitää miettiä että kuka vastaa tuotanto- ja kuka HR-datasta.
Saarnasin, että koko systeemi on hyvin paljon monimutkaisempi kuin päältä näyttää!
Ihan yksinkertaisenkin tietotarpeen tyydyttäminen on iso show ja vaatii vaikka mitä säätöä.
Keskustelukumppani alkoi pikkuhiljaa ymmärtää – ainakin vähän.
Hän alkoi myös lämmetä asialle. Kaveri esitti jatkokysymyksenä: mistä dataosaajat tietää mikä data on tärkeää, kun sitä on niin paljon? Ja he mistä tietävät, mitä dataa kulloinkin tarvitaan?
Sanoin, että sitä luonnollisesti pitää kysyä teiltä liiketoiminnan ihmisiltä, ei kai kukaan sinun puolesta osaa sitä sanoa. Toki myös on mahdollista päätellä, että liiketoiminta on halunnut tällaista tietoa ennen, ehkä he haluavat samaa kamaa myös jatkossa.
Tässä kohtaa tuli hiljaisuus. Kysymällä? Päättelemällä? Kävi ilmi, ettei hän ihan tarkkaan tiennyt että mitä kaikkea dataa prosesseissa syntyy.
Väitin että kai sinä nyt tunnet oman alueesi prosessit ja mitä dataa niistä syntyy?
Hän meni vakavaksi ja selitti, että tottakai hän tuntee, mutta tarkemmin mietittynä asia ei ole niin yksinkertainen.
Hetken pohdittuaan hän alkoi kertoa, että hän myyntijohtajana tuntee CRM:n, mutta osastot ja funktion liittyvät toinen toisiinsa, eli vaikka hän vastaa myynnistä, niin talousosasto hoitaa laskutuksen, joka ei kuulu teknisesti hänen tontille. Eikä hän tiedä tämän funktion nyansseista mitenkään kovin tarkasti.
Rupesimme yhdessä miettimään, että näinhän se on, organisaatiot ovat lopulta aivan kuin aivojen hermoverkot: kaikki liittyy kaikkeen monimutkaisten yhteyksien kautta.
Prosessit eivät ole suoraviivaisia, vaan enemmän kudelmia, joissa data liikkuu suuntaan ja toiseen.
Jäin pohtimaan tätä keskustelua.
Onko niin että dataosaajat koittavat tuottaa dataa liiketoiminnalle kahdella tapaa: päättelemällä heidän vanhoista tietotarpeista tai kysymällä liiketoiminnalta? Toimiiko tämä hyvin?
Ensimmäisessä vaihtoehdossa tilanne on se, ettei dataosaajilla ole mahdollisuutta keskustella ja tuottaa määrityksiä yhdessä liiketoiminnan kanssa – ainakaan kovin usein. Kulttuuri voi olla sellainen, ettei heitä viitsitä “häiritä”.
Ainoa vaihtoehto on siis tutkia menneitä tietotarpeita ja niiden avulla koittaa suunnistaa tietokantojen uumenissa.
Toisessa vaihtoehdossa jutellaan kyllä liiketoiminnan kanssa, selvitetään tietotarpeet, mutta sitä tehdään pistemäisesti ja per esimies.
Myös prosessien tai osastojen välisten leikkauspisteiden selvitys jää puutteelliseksi.
Mitä siis tulisi tehdä?
Minusta tärkeintä datan hyödyntämisessä on yhdessä liiketoiminnan kanssa luoda tätä ymmärrystä liiketoiminnasta ja siitä, miten eri palikat liittyvät toisiinsa.
Toisin sanoen luoda yhteinen ymmärrys tästä kudelmasta.
Rohkenen väittää, että on täysin mahdotonta tuottaa liiketoimintaa hyödyttävää dataa ilman edellä mainittua.
Kannattaa unohtaa dw:eet ja datajärvet- mökit ja meshit ihan suorilta käsiltä, jos ei tiedetä ja ymmärretä miten liiketoiminta toimii.
Menetelmä näkökulmasta mikään ei ole yhtä tehokas tähän, kun liiketoimintalähtöinen datanmallinnus.
Eli tehdä mallinnusta yhdessä liiketoiminnan sekä muiden tahojen kanssa. Kun olen seurannut tällaisia sessioita, olen huomannut että se on kaksisuuntainen prosessi, eli myös liiketoiminta ymmärrys kasvaa prosessin myötä.
Uskon, että tämä on yksi syy sillä, että kouluttajamme Alec Sharp on vieraillut Suomessa jo kymmen vuotta ja kouluttanut satoja alan osaajia.
Hän on tämän alueen yksi kovimmista asiantuntijoista maailmassa. Esim Ellien Chief Product Officer Juha Korpela muistaa aina mainita, että koulutus aikoinaan muutti ratkaisevasti hänen näkemyksiään datan hyödyntämisestä.
Itse asiassa koko Ellie datanmallinnus & governance sovellut perustuu pitkälti Alecin oppeihin.
Kannattaa siis harkita Alec Sharpin tulevaa koulutusta (pitkästä aikaa live-koulutus aiheesta Business-Oriented Data Modelling Masterclass, 23.-25.5.2022) – tapa jolla katsot dataa voi muuttua lopullisesti!
Ystävällisin terveisin,
Johannes Hovi
