Hei,
Kirjoitin viime blogissa ajatuksiani Data and AI Leadership Executive Survey 2022 -tutkimusraportista. Kyseisen tutkimuksen mukaan vaikka AI-ja datahankkeet onnistuvat entistä paremmin, datavetoisen kulttuurin luominen sakkaa.
Nyt datakatalogitoimittaja Alation on julkaissut oman tutkimuksen State of Data Culture Report , 2022 Q1.
Aihe siis liippaa hyvin läheltä edellistä blogiani, eli jatkan tavallaan siitä mihin jäin.
Datakulttuuri-indeksin laadinta
Sukelletaan hieman syvemmälle tutkimukseen.
Tutkimuksen vastaajina oli isojen yritysten (2,500+ työntekijää) 620 kpl data- ja analytiikka johtajaa 14 eri markkina-alueesta.
Datakulttuurin vahvuuden mittaamista varten kehitettiin datakulttuuri-indeksi. Se rakentui kolmesta mittarista:
- Datan löydettävyys: kyky löytää dataa tiettyä käyttötapausta varten
- Datanlukutaito (Data Literacy): Kyky tehdä perusteltuja johtopäätöksiä datasta sekä ymmärtää tulkinnan rajat ja yleisimmät vääristymät (biases)
- Data Governance: datanhallinan kokonaisprosessi, datan luotettavuus, säännöt sekä regulaatiot
Tutkimuksessa mitattiin, kuinka laajasti edellä mainitut datakulttuuri-indeksin osat ovat juurtuneet yritysten käytäntöihin.
Datakulttuuri on yhteydessä liiketoiminnan tuloksiin
Yli puolilla yrityksillä vähintään yksi osa-alue oli juurtunut laajasti tekemiseen. 15 % vastaajista oli vahva kaikilla kolmella osa-alueella.
Parhaiten suoriutuneista yrityksistä lähes kaikki (90 %) saavutti myös liikevaihdon kasvua viimeisen 12 kk:n aikana. Tämä on mielestäni tärkeä tutkimustulos – mikäli datakulttuurin kasvattaminen on sidoksissa taloudellisiin lukuihin, sille on helpompi saada investointeja ylimmältä johdolta.
Silloin sen tekeminen on oikeutettua ja asiat menevät eteenpäin.
Yrityksiä, jotka suoriutuvat hyvin kaikissa kolmessa osa-alueessa on kuitenkin vähemmän kuin vuosi sitten – 2021 niitä oli 29 % vastaajista, 2022 vain 15 %.
Onko tähän vaikuttanut sitten korona vai mikä, vaikea sanoa. Kuten edellisessä blogissa päättelin, yksi syy voi olla että mitä enemmän tekee datahankkeita, sitä enemmän niitä odotetaan – odotusten kasvaessa myös pettymysten riski kasvaa.
Vähän samaan tapaan, kun korkean tietotason vuoksi huippuammattilainen tietää, kuinka vähän loppujen lopuksi tietää. Kun taas aloittelija voi vähäisenkin tietomäärän omaksuttua julistautua kaikkitietäväksi.
Yksi syy voi olla kasvanut “teknologia-uskovaisuus”. Datakenttää dominoi pitkälle uudet teknologiat sekä kehittäjien armeijat, joiden työ saattaa olla irtaantunut kauas liiketoiminnan tavoitteista.
Monet vastaajista raportoivat myös liian pienistä budjeteista. Lähes kaikki (98 %) sanoo budjettien olevan liian pieniä datatekemiseen. Yllätyksenä ei tule sekään, että parhaiten suoriutuvat yritykset olivat sentään hieman paremmassa asemassa: 60 % heistä raportoi saavansa lähes tarvittavan budjetin.
Tulos muistuttaa varmasti klassista muna-kana-asetelmaa, eli mikäli datatekeminen ei hyödytä liiketoimintaa, ei sille allokoida riittävää budjettia. Ja ilman riittävää budjettia, on vaikea kehittää mitään.
Liiketoiminnan tulisi omistaa datansa
Tässä tulee kuitenkin tutkimuksen mielenkiintoisin havainto:
Data-aloitteet tuovat eniten bisneshyötyjä (kustannussäästöt, liikevaihdon kasvu), mikäli datan omistaa bisnes, verrattuna tilanteeseen, jossa datan omistaa IT (tai muut tekninen osaaja).
Kuva 1. Liiketoiminnan kannattaa omistaa data, jos halutaan sen hyödyntämisen oikeasti hyödyttävän yritystä
Tämä siis tarkoittaa suomeksi sitä, että esimerkiksi myyntijohtajan ja hänen tiiminsä tulisi omistaa myyntidata. Omistaminen puolestaan tarkoittaa sitä, että myyntiporukan pitäisi huolehtia sen laadusta ja ymmärtää, miten data muodostuu oman alueensa järjestelmissä.
Heidän tulisi myös osallistua dataprojektien toteuttamiseen – vetäjän paikalla mielellään.
Tämä trendi on jatkuvasti kasvussa, entistä enemmän halutaan sitouttaa liiketoimintaa data-analytiikkaan sen sijaan, että data kuuluisi vain IT:n tontille.
Hyvä datalukia suhtautuu tuloksiin varauksin
Vielä lopuksi hieman paradoksaalisesti täytyy todeta, että tähänkin tutkimukseen, sen tuottamaan “dataan” sekä minun johtopäätökseeni tulee suhtautua varauksellisesti.
Datanlukutaito, eli juuri se mitä tämä tutkimus väittää mittaavansa, tarkoittaa juuri kriittistä suhtautumista datan oikeellisuuteen.
Mitä motiiveja tutkimuksen tuottajalla on? Tässä tapauksessa tilaaja on datakatalogitoimittaja, eli motiivit ovat tietysti kaupalliset. Millaiset ovat olleen kysymyksen asettelut, onko otoskoko ollut riittävä, onko tutkimus toistettaviin siten että tulokset pysyvät samoina?
Kuten huomaatte, datan hyödyntäminen on erittäin tehokas tapa kun perustellaan argumenttia, päätöstä tai mielipidettä.
Siksi datanlukutaitoa pitäisi oikeasti pitää kriittisenä organisaatiotaitona itse kullekin. Hannu Järvi kirjoitti hyvin siitä aikaisemmassa blogissaan.
Ystävällisin terveisin,
Johannes Hovi
Ps. Liiketoiminnan kanssa kommunikointiin suosittelemme Tiedon Mallinnus-kurssia elokuussa:
Tietojen mallintaminen – Data Modeling
Kyseessä ei ole pelkkä tietokannan suunnittelu -kurssi, vaan kattaa käsitteiden mallintamisen liiketoimintaihmisten kanssa, arkkitehtuurityyppisen mallinnuksen sekä laajat, yritystasoiset tietomallinnukset. Myös laajat mallinnukset voi laatia nopeasti ja tehokkaasti – oikeilla menetelmillä ja organisoinnilla. Kurssilla saat myös ensikosketuksen suosittuun Ellie-mallinustyökaluun!
Lisätiedot ja ilmoittautuminen tästä.
