Vierailevana tähtenä blogissamme on tällä kertaa Ellie Technologies Oy:n Juha Korpela. Juha vastaa Ellie-mallinnustyökalun tuotekehityksestä ja kertoo alla Ellien tulevaisuuden suunnitelmista.
Perusongelma: lähestymme tiedonhallintaa väärästä suunnasta
Tieto on tärkeää pääomaa ja tiedonhallintaan panostetaan – näitä viestejä kuulemme kaikenlaisista yrityksistä enemmän ja enemmän. Mutta mikä on oikeasti tärkeää – tietokannatko? Raportit? Tekoäly?
Todellisuudessa liiketoiminta pyörii aivan muiden asioiden ympärillä. Oikeasti tärkeitä asioita ovat asiakkaat, tuotteet ja tilaukset. Näinhän Arikin on meille kaikille jo vuosia toistellut! Onkin erikoista, että siitä huolimatta lähestymme usein tiedonhallintaa teknisenä ongelmana, johon etsimme teknisiä ratkaisuja.
Ellie nostaa kontekstin keskiöön
Me Elliellä näemme, että kaiken tiedonhallinnan on lopulta rakennuttava liiketoiminnallisen kontekstin, merkityksen, päälle. Datalla ei ole arvoa, jos emme ymmärrä mistä data meille kertoo. Tämän vuoksi Ellietä on lähdetty toteuttamaan ensimmäiseksi käsitemallinnustyökaluna.
Käsitemallinnus on keino tunnistaa ja kuvata liiketoiminnan keskeiset oliot ja niiden väliset suhteet. Tästä syntyvä malli toimii pohjapiirrustuksena kaikelle datatyölle, olipa kyseessä tietovarastointi tai jokin edistynyt tekoälyratkaisu. Ellie on rakennettu tukemaan näiden mallien luomista: näin saadaan datalle konteksti, ja ymmärretään mitä ollaan oikeasti tekemässä.
Tänä päivänä Ellie on erinomainen (paras!) työkalu liiketoimintalähtöiseen käsitemallinnukseen, ja sillä voidaan rakentaa ja ylläpitää arvokkaita tietopankkeja koko organisaation tietopääoman hallintaan. Uudelleenkäytettävät ja helposti lähestyttävät mallit tuottavat hyötyä laajalle, kauas yksittäisten projektien ulkopuolelle.
Mallinnuksen eri tasot ja niiden linkitys Ellien tulevaisuuden perustana
Tietomallinnuksesta tunnistetaan yleisesti kolme perustasoa: käsitemallinnus, looginen mallinnus ja fyysinen mallinnus. Käsitemallinnuksen Ellie hoitaa kotiin jo nyt; seuraava versiomme vuodenvaihteen tienoilla tuo loogisen mallinnuksen kerroksen, jossa käyttäjät voivat luoda tarkempia malleja erilaisten teknisten määrittelyjen tarpeisiin. Kolmas taso, fyysiset mallit eli konkreettisten tietokantojen kuvaukset, näkyy myös meillä horisontissa.
Elliestä ei kuitenkaan olla tekemässä fyysisten tietokantojen rakentamisen työkalua; sen jätämme tietokanta-asiantuntijoille suunnitelluille teknisille työkaluille. Meidän visiossamme on tärkeää, että mallinnuksen kolme tasoa linkittyvät toisiinsa. Haluamme voida näyttää, miten jokin liiketoiminnallinen käsite (kuten “Asiakas”) linkittyy loogisella tasolla suunniteltuihin entiteetteihin (kuten “DIM_CUSTOMER”), ja miten se taas on osaltaan toteutettu johonkin tietokantaan (esim. taulu “dbo.D_CUST”).
Eri tasoisten mallien ja niissä kuvattujen entiteettien välillä navigointi antaa Ellien käyttäjille mahdollisuuden “zoomata” eri abstraktiotasojen välillä. Tällöin fyysisenkin tason data, joka usein on teknistä ja hankalasti nimettyä, löytää merkityksensä käsitetasolta – ja meidän on mahdollista käsitetason linkkausten kautta taas löytää muita, mahdollisesti mielenkiintoisia fyysisiä datoja. Näille eri tasoisille malleille ja niiden linkkauksille rakentuu Ellien tulevaisuuden perusta.
Visiona liiketoimintalähtöinen “metatietokartta”
Kun jo nyt Elliessä voi nähdä eri entiteettien linkittyvän toisiinsa mallien yli, voi tulevaisuudessa nähdä linkityksiä myös mallinnustasojen yli. Käytännössä tämä tarkoittaa, että Ellieen rakentuu eräänlainen kartta, jossa voimme navigoida paikasta (ts. entiteetistä) toiseen. Tämän koko organisaation “metatietokartan” ja siinä navigoimisen tuominen käyttäjälle helposti lähestyttävään muotoon on Ellien pidemmän aikavälin tavoitteen ydin.
Metatietokartan keskiössä säilyy liiketoimintalähtöinen käsitemallinnus, koska se on ainoa tapa tuoda datalle todellista merkitystä. Tuon keskipisteen ympärille alamme rakentaa: ensimmäiset askeleet otetaan loogisiin ja fyysisiin malleihin, mutta sen jälkeen vain taivas on rajana. Mahdollisia metatietoryhmiä, joiden tuomista Ellieen (ajallaan!) pohdimme, ovat mm. prosessi-, järjestelmä- ja roolimetatiedot: kuka omistaa datan, missä se sijaitsee, missä sitä käytetään… Tämän lisäksi meille alkaa syntyä mahdollisuuksia tulkita “kartan” sisältöä ja yhteyksiä automaattisesti, ja ryhtyä älykkäästi esim. tarjoamaan käyttäjille tietoa asiayhteyksistä joita he eivät välttämättä ole vielä itse huomanneet.
Mikä on tulevaisuuden Ellien ja datakatalogien suhde?
Yhä useammin ja useammin organisaatioissa kootaan kaikenlaista metatietoa datakatalogeihin. Niiden ongelmana on, että ne lähtevät liikkeelle fyysisen metadatan mahdollisimman tehokkaasta, automaattisesta keräämisestä. Merkityksen löytäminen ei välttämättä ole helppoa wikipedia-tyyppisestä katalogista, joka on pullollaan yksityiskohtia tietokantatauluista, sarakkeista ja arvojoukoista.
Ellien lähtökohta on kääntää tämä alhaalta-ylöspäin ajattelu päälaelleen ja tuoda organisaation tietopääoma nähtäville siitä ainoasta suunnasta, joka meitä todella kiinnostaa: liiketoiminnallisen merkityksen suunnasta. Kun pohditaan esim. maantiekuljetusten optimoinnin mahdollisuuksia, ei olla kiinnostuneita tietokantatauluista, vaan kuljetuksista ja reiteistä – ja kun nämä keskeiset käsitteet on kuvattu ja linkitetty muuhun metatietoon, voidaan löytää niiden kautta kaikki muu tarpeellinen.
Näemme että Ellie tulee tarjoamaan eräänlaisen ihmisläheisen kosketuspinnan siihen kaikkeen metatietoon, jota datakatalogiin ehkä on kerätty, ja tuon ensimmäisen kosketuksen jälkeen selkeät reitit, joita pitkin dataa tarvitsevat voivat navigoida organisaation dataviidakon läpi.
Käsitemallinnus on ja pysyy Ellien erityisalueena, koska näemme että se on paras tapa ymmärtää tiedon merkitystä. Sen päälle meidän on hyvä alkaa rakentaa karttaamme. Työ on jo käynnissä – hyppää mukaan vaikkapa liittymällä Ellien postituslistalle, tai nappaamalla itsellesi ilmainen Ellien kokeilulisenssi!
Ystävällisin terveisin,
Juha Korpela, Chief Product Officer, Ellie Technolgies Inc.
Ps. DAMA:n koulutustarjonnan kehittämisestä vastaava itse Chris Bradley vetää uuden koulutuksen datan laadunhallinnasta:
Practical Data Quality Management
Huono datan laatu voi olla yrityksille eksistentiaalinen kriisi, koska silloin päätöksen eivät perustu todelliseen tietoon liiketoiminnasta ja markkinasta.
Myös BI:n, data-analytiikan sekä AI/ML:n hyödyntäminen edellyttää laadukasta dataa.
Tässä koulutuksessa opit datan laadunhallinta prosessien lanseeraamisesta käytännön esimerkkien kautta.
Koulutuksessa käydään läpi myös kymmeniä tositarinoita kansainvälisten organisaatioiden laadunhallinta aloitteiden onnistumisista ja sudenkuopista.
Tutustu kurssiin sekä sen sisältöön tarkemmin tästä.
