Datasta ei aina saada arvoa
Julkista keskustelua seuratessa syntyy välillä vaikutelma, että datan hyödyntäminen on moderni sampo, joka kuin itsestään tuottaa omistajalleen vaurautta ja onnea. Siitä löytyy ratkaisu kipeisiin ongelmiin – kuten sote-palveluiden kriisiin.
Hovilla olemme seuranneet, miten organisaatioiden IT-osastoille ja ulkoisille toimittajille kaadetaan rahaa modernien data-alustojen rakentamiseen toivoen, että syntyy kilpailuetua ja uutta liiketoimintaa. Usein tulokset jäävät kuitenkin panostuksiin nähden hyvin vaatimattomiksi. Miljoonaluokan investoinnilla ei välttämättä saavuteta minkäänlaista uutta liiketoimintahyötyä.
Liiketoimintavetoisuus ja yhteistyö ratkaisee
Hovilla kuitenkin edelleen uskomme datan hyödyntämisen potentiaaliin. Olemme nähneet myös, miten parhaimmillaan syntyy kierre, missä data synnyttää uutta liiketoimintaa ja liiketoiminta uutta dataa. Keskimäärin datavetoiset organisaatiot menestyvät kilpailijoitaan paremmin.
Mikä siis erottaa onnistuneita ja epäonnistuneita hankkeita? Mikä on avain siihen, että datasta saadaan todellista liiketoimintahyötyä?
Usein ratkaisuksi datakehittämisen ongelmiin tarjotaan uutta menetelmää tai työkalua. Menetelmiä ja työkaluja paljon isommassa roolissa onnistumisessa on kuitenkin toimiva liiketoiminnan ja data-asiantuntijoiden yhteistyö. Siihen vaikuttavat ainakin johtaminen, strategia, roolitukset ja yhteiset työskentelytavat. Liiketoiminta ei voi jättää datan johtamista IT-osaston ja ulkoisten toimittajien varaan. Myöskään data-asiantuntijat eivät voi kaivautua omaan siiloonsa ja unohtaa, miksi datatyötä tehdään.
Konteksti on datatyössä oleellista
Hovi on pitkään kouluttanut tiedon mallinnusta ja puhunut sen puolesta. Tiedon mallinnus on työskentelytapa, joka tehokkaasti fasilitoi liiketoiminnan ja teknisten asiantuntijoiden yhteistyötä.
Mallinnus on kontekstin rakentamista datalle. Ilman kontekstia data on vain sekava kasa merkityksettömiä numeroita, merkkijonoja ja aikaleimoja. Mitä laajemmin kontekstia ymmärtää, sitä paremmin datan voi organisoida ja sitä voi hyödyntää mielekkäällä tavalla. Vaikka kuinka on data-alan ammattilainen ja tietää kaiken erilaisista teknologioista ja tiedon hyödyntämisen parhaista käytännöistä, se vie uuden organisaation datan kanssa mihinkään, jos liiketoimintakonteksti puuttuu.
Työtä ohjaava konteksti tulee strategiasta
Tiedon mallinnus on datan kanssa kädet savessa toimivalle ammattilaiselle tuttu tapa hahmottaa datan kontekstia. Vähän laajemmasta liiketoimintanäkökulmasta kontekstia datanrakennustyölle antaa datastrategia. Se ohjaa tekemisen suuntaa, painopisteitä ja prioriteetteja.
Ilman strategiaa on vaikea hahmottaa, mitä oikeastaan olemme tekemässä ja miksi. Datatyö ei optimaalisesti tue liiketoimintaa ja ainakin oikealla tavalla tulosorientoituneiden henkilöiden motivaatio on hukassa.
Oleellista on, että datastrategia ei ole erillinen liiketoimintastrategiasta. Sen rooli on viedä strategiaa vähän pidemmälle kohti konkretiaa datan hyödyntämisen näkökulmasta.
Data-asiantuntijat mukaan strategiatyöhön
Strategiatyö on johtajille usein luontevaa ja tuttua ja sitouttaa heitä tehokkaasti. Sen sijaan teknisemmin ja konkreettisemmin orientoituneilta data-ammattilaisilta se voi vaatia aivojen taivuttamista uuteen asentoon – pitää pystyä nostamaan lentokorkeutta.
Tiedon mallinnuksessa liiketoiminta tulee data-asiantuntijoita vastaan. Liiketoiminta dokumentoidaan datatyötä tukevaan muotoon ja samalla liiketoiminalle alkaa muodostua kuva datasta. Strategiatyössä tekniset asiantuntijat pääsevät mukaan liiketoiminnan kehittämiseen ja sen toimintatapoihin. He tulevat siis liiketoimintaa vastaan. Tiedolla johtaminen on kuitenkin lopulta liiketoiminnan kehittämistä.
Tekniset asiantuntijat ottavat strategian paremmin omakseen ja se alkaa ohjata käytännön tekemistä todennäköisemmin, jos tekijät otetaan mukaan strategiaprosessiin. Lisäksi he voivat tuoda strategiatyöhön arvokasta kokemusta käytännön datatyöstä organisaatiossa.
Strategiatyön myötä datatyötä on helpompi priorisoida ja ohjata liiketoimintalähtöisesti. Todennäköisesti tekemiseen löytyy myös uutta merkityksellisyyttä ja intoa.
Esimerkki: Strategiaprosessi IPR-alan organisaatiossa
Fasilitoimme datastrategiaprosessin IPR-alalla toimivalle edunvalvontaorganisaatiolle. Suunnittelimme organisaation uudistetun strategian ja aikaisemman datastrategian pohjalta sarjan työpajoja uuden datastrategian muodostamiseksi. Liiketoimintastrategiasta pääsimme hyvin liikkeelle, koska datan hyödyntäminen oli siinäkin nostettu keskeiseksi teemaksi. Kaikkia työpajoja ei suunniteltu alussa kokonaan valmiiksi, vaan myöhemmät työpajat muotoutuivat aikaisempien keskustelujen pohjalta.
Työpajoissa oli mukana organisaation johtoryhmä, liiketoiminta-alueiden johtajia sekä IT- ja datatiimiläisiä. Kaikki olivat innolla mukana keskusteluissa ja tunnistivat tarpeen lähentää liiketoiminnan ja datatiimin välistä yhteistyötä. Tämän kehittäminen muodostuikin työpajojen kantavaksi teemaksi.
Yhteistyössä organisaation omien ihmisten kanssa kirjoitimme työpajatyöskentelyn lopputuotoksena strategiapaperin, jossa oli määritetty jo selkeitä suuntaviivoja sille, miten strategian käytännön toteutuksessa päästään alkuun ja mitä vaiheita siihen liittyy.
Vielä strategiapaperia tärkeämpinä lopputuloksina muodostuivat:
- ylimmälle johdolle, liiketoiminta-alueiden johdolle ja datatiimille yhteinen ymmärrys siitä, että datan kehittäminen on liiketoiminnan kehittämistä
- havahtuminen siihen, miten ratkaisevassa roolissa liiketoiminnan ja datatiimin yhteistyö on datastrategian onnistuneessa muodostamisessa ja toteuttamisessa
- ylimmän johdon, liiketoiminnan ja datatiimin innostus lähteä hakemaan datasta uutta arvoa yhdessä
Ydinneuvomme
Kuten tiedon mallinnuksessa datastrategiatyössäkin yhdessä kuljettu matka ja yhteisen ymmärryksen muodostuminen liiketoiminnan ja dataihmisten välille on tärkeämpää kuin työn varsinainen lopputulos.
Mitä osallistavampaa strategiatyö on, sitä laajempi tuki strategialle muodostuu organisaatiossa. On tärkeää saada myös data-asiantuntijoita osallistumaan datastrategiatyöhön ja ajattelemaan liiketoimintakontekstia laajemmin kuin itse tietosisältöjen kannalta. Datan liiketoimintakontekstiin kuuluu enemmän kuin tietomalli ja raporttimääritykset.
Tämä kaikki tietysti edellyttää, että data-ammattilaiset ansaitsevat paikkansa strategisissa keskusteluissa, eli ovat aidosti kiinnostuneita liiketoiminnasta ja sen kehittämisestä sekä pystyvät kommunikoimaan liiketoiminnan kielellä.
Mirjamaria Petäjäniemi
