Hei,
Nyt on virkistävä kesäloma takana ja aika palata taas kirjoitushommiin.
Sain paljon hyvää palautetta viime blogistani, joka käsitteli datakeskeistä ajattelua. Olen kirjoituksissani verrannut usein suomalaisia yrityksiä amerikkalaisiin ohjelmistojätteihin, kuten Googleen tai Amazoniin.
Osa lukijoista hyvin oikeutetusti ajattelee vertailun olevan hieman epäreilu: nämähän ovat nuoria teknologiayrityksiä, jotka luonnostaan ovat datalla ohjautuvia.
Ja he ovat oikeassa. Eihän jokainen yritys voi yhtäkkiä ruveta Googleksi. Toki pitää pyrkiä kehittymään, mutta on olemassa tietyt realiteetit.
Nykytilanne – pysyykö Suomi mukana?
Suurimmat suomalaiset organisaatiot toimivat esimerkiksi teollisuudessa, vähittäiskaupassa tai ovat suuria julkisen puolen työllistäjiä. Liiketoimintalogiikka, tuotteet ja palvelut ovat hyvin erilaisia kuin teknologiayrityksillä. Myös perinteet, kulttuuri ja käytännöt ovat toisenlaisia.
Näin data-ammattilaisena kuitenkin katson teknologiayrityksiä tyytyväisenä, koska ne todella elävät datasta ja näyttävät esimerkkiä muille. Ne myöskin noudattavat, hieman ironisesti, ikivanhoja tiedonhallinnan teesejä ja periaatteita – jos data on tärkeä assetti, kohtele sitä sen mukaisesti.
Kirjoituksianikin hyvin todennäköisesti lukematta ne ovat keksineet samat parhaat käytännöt itse ja tulleet samoihin päätelmiin datan hyödyntämisestä – etuna niillä on se, että ne lähtivät tyhjältä pöydältä.
Kirjoitan nyt suomalaisesta tiedonhallinnasta, koska väitän tuntevani sen aika hyvin.
Jos käytetään esimerkkinä vaikkapa suomalaista teollisuusyritystä, on pakko unohtaa hetkeksi googlet ja facebookit ja otettava huomioon tietyt realiteetit. Näitä ovat esimerkiksi:
- Datat ovat siiloissa eikä niihin aina pääse käsiksi.
- Käytetään laajoja valmisohjelmistoja ja odotetaan niiden raportointiominaisuuksien riittävän.
- Ihmiset ovat niin ikään siiloissa, johtajat ymmärtävät liiketoimintaa mutta eivät datan systemaattista hyödyntämistä.
- Data ei ole ydinfunktio, vaan usein IT:n alla oleva tukifunktio.
Näiden tosiasioiden kanssa pitää elää. Tilanne on aivan sama ulkomaalaisilla ”perinteisen” puolen yrityksillä, oli se sitten amerikkalainen tai saksalainen.
Väitän, että Suomessa on jopa parempi tilanne kun muualla – tämän vahvistaa moni ulkomaalainen kollegani.
Olen huomannut perinteisillä yrityksillä olevan kaksi erilaista lähestymistapaa datanhallintaan, joita kutsun tässä tarvelähtöiseksi ja valmiuslähtöiseksi. Kerron vielä kolmannesta lähtökohdasta, joka yhdistää parhaat palat kahdesta edellisestä.
Tarvelähtöinen tiedonhallinta
Usein lähdetään siitä, että johdolla on tarpeita liittyen raportointiin, analytiikkaan tai ylipäätänsä tarve saada tietoa liiketoiminnan tilasta. Johto haluaa tietoa käyttökatteesta, myynnistä, markkinoinnin toimivuudesta, rekrytoinnin läpimenoajoista, tuotannosta tai vaikkapa verkkokapasiteetin optimoinnista.
Tämä käynnistää tapahtumasarjan, jossa lähdetään rakentamaan ja kehittämään monenmoista systeemiä siihen, että johto saa tarvitsemansa tiedon. Usein tässä onnistutaan, eli lopulta tiedot saadaan kaivettua ja analysoitua.
Kutsun tätä lähestymistapaa tarvelähtöiseksi, koska siinä on liiketoiminnan tarpeet veturina: tyydytetään tietty tietotarve miettimättä laajempia kokonaisuuksia. Jos tarve on toistuva, rakennetaan BI-ratkaisu ja ehkä jopa paikallinen tietovarasto. Näin johto saa tarvitsemansa tiedon automaattisesti ja jopa itse rakennettua erilaista analytiikkaa.
Tämä sinänsä on hyvä lähestymistapa, sillä liiketoiminta on mukana ja näkee datahankkeiden tulokset. Projektit toteutetaan yleensä liiketoiminnan kanssa, mikä tietysti on edellytyskin. Eihän kukaan muu osaa heidän puolestaan sanoa, mitä dataa halutaan analysoitavan. Mitä suppeampi on tietotarve, sitä nopeampi projekti on myös toteuttaa.
Tässä lähestymistavassa piilee kuitenkin ongelmia. Saatetaan tehdä paljon paikallisia tietovarasto- ja muita tallennusratkaisuja. Tallennamme siis samaa dataa moneen kertaan moneen eri paikkaan. Kukaan ei pysy enää kärryillä mikä data on oikeaa ja missä vaikkapa asiakasdataa hallitaan keskitetysti.
Toinen haaste on se, että liieketoiminnan tietotarpeet muuttuvat jatkuvasti. Ensi viikolla halutaankin jotain muuta tietoa, ja se pitää saada myös raporteille, onnistuuko? Tarpeiden laajentuessa työ käy vaikeammaksi.
Jos siis teemme liian paikallisia ja tiettyyn yksittäiseen tarpeeseen sidottuja ratkaisuja, menetämme valmiuden tehdä laajennuksia ja ottaa huomioon uusia tietotarpeita. Menee valtavasti aikaa ja resursseja hukkaan siinä, että samaa dataa kaivetaan eri ihmisten toimesta aina uudestaan ja uudestaan – meillä on käsissämme pian datakaaos.
Myös tekoälyprojektit jäävät paikallisiksi nice-to-know harjoituksiksi: ne eivät etene tässä lähestymIstavassa koskaan tuotantoon asti.
Valmiuslähtöinen tiedonhallinta
Tarvelähtöisestä, kapean näkökulman mallin vaihtoehtona tai jatkeena mietitään laajempaa, eri organisaatioyksiköt huomioon ottavaa menettelyä. Aletaan rakentaa yritystason tietovarastoa eli EDW:tä. IT:ssä tehdään myös MDM-, Data Governance -, Data Quality – ym. hankkeita.
Kaikki nämä prosessit kasvattavat valmiutta hyödyntää dataa. Kun tulee uusia tarpeita, vaikkapa moderni Data Vault-mallinnettu ratkaisu mahdollistaa laajennettavuuden. Dataa säilötään Big Data -teknologioiden avulla, joista saadaan kaivettua vaikka mitä liiketoiminnan tarvitsemaa dataa.
Enää ei tehdä pelkästään yhden yksikön johdolle raportteja, kuten tarvelähtöisessä tiedonhallinnassa, vaan ajatellaan pidemmälle ja laajemmin. Näkökulma kuulostaa hyvältä. Kuitenkin tässäkin on ongelmia.
Käy usein niin, että datan hyödyntämisen prosessit ja yksiköt ovat alkaneet elämään omaa elämäänsä – joskus täysin irrallaan liiketoiminnasta. Hankkeen alullepanijat ovat ehkä jo vaihtaneet työtehtäviä eikä uusi yksikön vetäjä tiedä, miksi projekti on edes alunperin käynnistetty. Olen törmännyt hankkeisiin, joissa tietovaraston rakentaminen on kestänyt vuosia ilman, että liiketoiminta on saanut siitä mitään hyötyä.
Valmiuslähtöisen tiedonhallinnan potentiaalisia haasteita ovat hitaus ja byrokraattisuus. Matka liiketoiminnan panostuksesta varsinaiseen hyötyyn voi käydä liian pitkäksi. Jos dataprojektit eivät hyödytä liiketoimintaa, menevät rahahanat kiinni.
En tahdo kritisoida data-ammattilaisia: siellä tehdään vaativaa ja ammattitaitoa edellyttävää työtä. Paukkuja on pantava siihen, että dataprojekteja tehdään tiiviimmässä yhteistyössä liiketoiminnan kanssa.
Liiketoiminnalle viesti on, että opetelkaa data-alan perusteet: datat ovat siellä IT-järjestelmien uumenissa eikä se kaikki ole noin vain saatavilla.
Oppimislähtöinen tiedonhallinta
Kutsukaamme kolmatta lähestymistapaa oppimislähtöiseksi tiedonhallinnaksi.
Se perustuu kolmeen peruspilariin:
1. Kokeilevaan lähestymistapaan, jossa liiketoiminta on kiinteästi mukana: hyöty pitää saada nopeasti esiin. Tässä lainataan tarvelähtöisestä ajattelusta ideoita. Konsulttimme Jari Ylinen kutsuu tätä oppimiskeskeistä lähestymistapaa osuvasti nimellä Demo or Die. Tällä hän tarkoittaa sitä, että tehdään jatkuvasti kokeiluja ja tuodaan dataa liiketoiminnan katsottavaksi.
2. Toinen peruspilari on liiketoiminnan valistaminen ja kouluttaminen datan hyödyntämisen periaatteista. Liiketoimintakin välillä innostuu uusista tuulista, mutta luonnollisesti ymmärrys tekniikoista ei aina ole ajan tasalla. Tähän liittyy myös organisatorinen oppiminen: oivallukset data-analytiikasta (tai tekoälykokeiluista) tulee hyödyntää uudestaan siten, että osaaminen kehittyy koko organisaation tasolla.
3. Kolmas peruspilari on ehkä tärkein: panosta kollaboraation eli yhteistyön parantamiseen. Teknisellä puolella on usein hyvää osaamista ja teknologiaa. Kaikkien näiden vuosien jälkeen edelleen on kuilua kommunikoinnissa liiketoimintaihmisten ja IT-henkilöiden välillä. Tämä tulee oikeasti erittäin kalliiksi.
Vaikka uudet teknologiat ovat tärkeitä, eivät ne pääse oikeuksiinsa, jos nämä kolme peruspilaria eivät ole kunnossa.
Kumpaa siis suosin, tarvelähtöistä vain valmiuslähtöistä tiedonhallintaa? Sanon, että best of both worlds: rakenna valmiutta yhdessä liiketoiminnan kanssa ja pidä huoli siitä, että ymmärrys kasvaa kokeilujen kautta.
Datakeskeinen ajattelu ei ole vain teknologiayritysten etuoikeus – jopa kaikista perinteisin yritys halutessaan pystyy siihen. Se, ettei meistä kaikista voi tulla googlea, ei tarkoita taantumusta tai kehityksen pysähtymistä.
Vaikka tekoäly ei korvaa kaikkia työpaikkoja tänään tai huomenna, on suomalaisten organisaatioiden varauduttava tulevaisuuden muutoksiin.
Olen ottanut sillan rakentamisen näiden kahden lähestymistavan välille itseäni sekä yritystäni ohjaavaksi periaatteeksi: kasvata datavalmiutta liiketoimintakeskeisesti. Siksi olen kehittänyt Hovi Data Framework -menetelmän, joka auttaa juuri tähän. Olemme rakentaneet nyt tästä digitaalisen version nimeltä Ellie.
Kalenteri on taas täyttymässä mitä mielenkiintoisimmista projekteista datan paremman hallinnan tiimoilta. Nyt meillä on vielä Ellie tässä apuna, joten syksystä on tulossa mielenkiintoinen!
Ystävällisin terveisin,
Ari Hovi & tiimi
P. S. Syksyn 2018 koulutuskalenterissa jälleen kova paketti data- ja tekoäly-koulutuksia.
Haluatko esimerkiksi oppia, miten miten DW/BI projekteja nopeutetaan merkittävästi? Nyt tarjoamme kanadalaisen Scott Amblerin valmennuksen syksyllä 2018.
Disciplined Agile Data Warehousing (DW)/Business Intelligence Workshop 27.09.2018 – 28.08.2018
Valmennuksessa opit uuden ja ketterän menetelmän dataprojektien toteutukseen Scott Amblerin johdolla. Scott on myös Dan Linstedtin kumppani, eli myös kaikki Data Vault -ihmiset mukaan!
Lisätiedot kurssista tästä.
