Hei,
Olen ollut mukana lukemattomissa it-, ja dataprojekteissa urani aikana. Minut usein pyydetään paikalle, kun ollaan kehittämässä tai hankkimasta uutta it -järjestelmää tai teknologiaa, oli se sitten ERP,- Big Data,- tai Business Intelligence -projekti. Tehtäväni on auttaa asiakasta siinä, että nykytilanne ja tarpeet saadaan selkeytettyä kerralla.
Kun teemme it-järjestelmäkehitystä, – tai hankintaa, yritysten pitää suunnistaa lukemattomien omien tietojärjestelmien muodostamassa viidakossa.
Asiakkailla on luonnollisesti jokin liiketoiminnan tehostamiseen liittyvä tarve, jota nykyinen järjestelmä ei oikein kunnolla hoida. Sitten heidän pitää jotenkin kommunikoida toimittajille, että tällainen it -järjestelmä, tai mikä vain toteutus tulisi saada saada aikaiseksi. Taipuuko teidän SAP, Oracle, Microsoft, Workday tai muut teknologia -tähän?
Paras tapa lähestyä tilannetta, on laatia ikään kuin kartta tai pohjapiirustus liiketoiminnasta. Osaat suunnistaa vieraassa paikassa kartan avulla tai voit viestiä pohjapiirustuksen avulla rakentajalle, että tämmöinen talo pitäisi saada. Sama pätee it-projekteihin.
Olen alle kirjannut ohjeita menettelytavalle, jonka itse olen todennut erittäin toimivaksi ja niin ovat näemmä asiakkaatkin, niin paljon palveluamme nyt kysytään.
Termit selväksi
Ensin käydään liiketoiminta läpi ja määritetään, että mitä eri termeillä tarkoitetaan. Aluksi joku miettii, että, miksi näin tehdään mutta tällä on täysin ratkaiseva merkitys. Asianosaiset puhuvat samoista asioista eri termeillä ja nimellä. Tätä tapahtuu kaikkialla eikä siltä voi välttyä. Nämä ovat myös bisnepäätösiä: vain liiketoiminta osaa määrittää, että mikä on vaikkapa asiakkaan tai tuotteen määritelmä.
On tärkeää käyttää samaan kieltä, kun liiketoiminnan edustaja. Hyvä tapa on kysyä prosessia, esim henkilö kirjoittaa laskun. Substantiivit ovat niitä potentiaalisia termejä jotka hyväksytään yhdessä.
Kun tämä on tehty, on kaikille selvää, että mitä milläkin tarkoitetaan ja että mikä ero on tuotteella, nimikkeellä ja valmisteella. Käsitteiden selkeytyksellä on todella merkittävä rooli kaikkien asianosaisten yhteistyön kannalla: näin jokainen osapuoli tietää mistä puhutaan. Yhtäkkiä meillä olemassa yhteinen kieli ja tunnetusti yhteinen kieli helpottaa kommunikaatiota huomattavasti.
Puhu oikealla tasolla
On niin ikään äärimmäisen tärkeää, että puhutaan oikealla tasolla oikeassa kohtaan. Karkeasti ottaen meillä on kolme tasoa, ylätaso, aluekohtainen taso sekä tietokantataso.
Ylätaso, joka kattaa koko organisaation toiminnan. Kuulostaa isolta projektilta mutta ei ole sen työläämpi projekti, kun muutkaan tasot. Ideana on vain puhuta tarpeeksi korkealla tasolla käyttäen termejä esim. asiakas, tuotanto ja sopimus.
Aluekohtaisella tasolla puhutaan esim. funktioista, kuten talous, henkilöstö tai tuotanto. Talouden puolella puhumme usein kustannuspaikoista, tileistä ja vienneistä.
Tietokantataso on sitten nimensä mukaisesti tekninen ja tietokantatuotekohtainen taso.
Moni kokenutkin it-osaaja tai koodari saattaa kokea oikealla tasolla puhumisen oikeassa kohtaa vaikeaksi. Tekninen osaaja menee usein liian nopeasti tietokantaan asti tai muuten käytetään teknistä sanastoa. ERP-konsultti, joka tarjoaa esim. SAP:ia, saattaa mennä hyvin tarkalle tasolle jo alkumetreillä, koska tietää tasan tarkkaan, miten kaikki omassa tuotteessa menee.
Kuitenkin tässä vaiheessa tulisi käydä asiakkaan reaalimaailmaa läpi ylemmällä tasolla, eikä mennä liian aikaisin liian syvälle. ERP-konsultti hankaa vastaan: miksi käyttää aikaa sellaiseen, johon ohjelmisto ei kuitenkaan taivu ja määritellä jotain ideaalimaailmaa. Miksei suoraan sanota, että näin ohjelmisto toimii, ei sitä voi lähteä kokonaan muuttamaan!
No ei voi, mutta näin asiakkaan kannalta vältytään ikäviltä yllätyksiltä, kun heti selviää mitkä on asiakkaan tarpeet. Veikkaan että on myös toimittajan etu, että heti tulee selväksi mikä onnistuu ja mikä ei.
Vaikka tunnet tuotteesi tai olet huippukoodari, malta pysyä oikealla tasolla: se maksaa itsensä takaisin.
Datan jako tyyppeihin
Kun aletaan mallintaa tietoja eli piirtää datakarttoja, saattaa työ tuntua isolta, miten pystymme saamaan selvyyttä tästä datakaaoksesta. Yksi tapa saada selkeyttä on jakaa käsitteet tyyppeihin. Kaikki liiketoimintakäsitteet voidaan jakaa kolmeen tyyppiin: masterkäsitteet, sopimuskäsitteet ja tapahtumakäsitteet.
Määrittelemällä ensin masterkäsitteet päästään nopeasti alkuun. Isossakin organisaatiossa masterdatakäsitteitä on yllättävän vähän (tässä ei huomioida koodistoja), n. 8 – 12 kpl. Nämä ovat juuri niitä tietoja, jotka kiinnostavat eri puolilla taloa, esimerkkinä vaikkapa asiakas- ja tuotetiedot. Niitä on usein siirretty ja kopioitu moniin eri tietojärjestelmiin.
Sopimuskäsitteet kuvaavat liiketoiminnalle tärkeitä sopimuksia ja sitoumuksia, joilla on alku- ja loppupvm, kuten projekti, vakuutus, puhelinliittymä tai vaikkapa kampanja. Sopimustyyppisiä käsitteitä on yleensä enemmän kuin masterkäsitteitä, mutta vähemmän kuin tapahtumatyyppisiä käsitteitä. Sopimuskäsitteet eivät voi elää yksinään, vaan ne liittyvät aina masterkäsitteisiin.
Sopimuksissa on osapuolina usein asiakas ja meidän organisaatioyksikkö ja ehkä näiden osapuolien joku henkilö. Lisäksi sopimus liittyy usein johonkin tuotteeseen.
Tapahtumat kuvaavat nimensä mukaan sitä mitä on tapahtunut. Tapahtumatyyppisiä käsitteitä on usein paljon. Tapahtumat liittyvät sopimuksiin ja masterkäsitteisiin. Esimerkkejä ovat lasku, tilaus, tilitapahtuma ja asiakaskontakti.
Luokittelemalla käsitteet ylläkuvatulla tavalla saadaan isoonkin kokonaisuuteen ryhtiä ja päästään vauhdilla alkuun organisaation ”tietomaiseman” datakartan tekemisessä.
Visualisoi
Nyt kun on selvitetty asiakkaan tietomaisema, määritelmät ja yhteydet, ne kannattaa piirtää ylös mahdollisimman yksinkertaiseen graafiin. Mind map on menetelmä jota moni käyttänyt ilmiöiden hahmottamiseen. Meidän menetelmämme on samankaltainen, mutta keskittyy asiakkaan datan mallintamiseen liiketoimintalähtöisesti.
Juuri yksinkertainen ja visuaalinen tuotos saa asiakkaiden silmät kirkastumaa: saatiinko oikeasti koko alue kuvattu noin yksinkertaisesti? Kyllä vain, kun pysytään oikealla tasolla.
Visuaalinen graafi on helppo ymmärtää ja nimenomaan jaettu ymmärrys on avain projektin onnistumiseen, kuten kaikki tiedämme. Se toimii ikään kuin psykologisena sopimuksena asianosaisten välillä: kaikki hyväksyvät, että näillä termeillä mennään ja näin liiketoiminnan osa-alueet liittyvät toisiinsa.
Jos tulee myöhemmin epäselvyyksiä, niin palataan takaisin malliin ja hommat palautuvat mieleen. Visuaalinen malli onkin hyvä olla kaikkien saatavilla koko projektin ajan. Asiakkaan näkökulmasta malli on jatkuvasti päivittyvä datakartta, joka täydentyy, kun tulee uusia järjestelmiä. Näin ollen se ei ole projektikohtainen, vaan jatkuvaan käyttöön tuleva.
Datakatalogi
Usein suosittelen, että kun on määritelty liiketoimintakäsitteet ja niiden väliset yhteydet, on hyödyllistä kirjata käsitteiden kuvaukset sekä synonyymit ja se, että missä it-järjestelmissä datat sijaitsevat. Syntyy datakatalogi.
Esim kun ollaan määritelty käsite asiakas, niin selvitetään missä muita termejä sille on ja missä järjestelmissä meillä on asiakasdataa. Sitä voi olla esim SAP:issa, Salesforcessa, Google Analyticsissa sekä Exceleissä. Hyvin monessa paikkaa siis.
Myöhemmin kun halutaan tehdä, vaikka avainasiakasohjelma, niin datakalogin avulla tekijät tietävät mikä on avainasiakkaan määritelmä ja mistä järjestelmistä dataa voi kaivaa analysoitavaksi.
Tällä menettelyllä vältetään päällekkäiset työt ja se, että miten voidaan hyödyntää olemassa olevat datan integraatiot. Ettei aina tarvitse aloittaa tyhjästä tai tehdä moneen kertaa samaa työtä.
Datakatalogi muodostuu vaiheittain ja on ikään kuin CRM-järjestelmä, mutta asiakastietojen sijaan ylläpidämme tietoja tietojärjestelmien datoista. Hyödyt ovat samat tyyppisen, kun CRM:ssä: tiedot liiketoimintadatoista ovat ajan tasalla ja kaikkien saatavilla. Tämä on nimenomaan ratkaisu tilanteeseen, jossa meillä on korporaatiorakenne ja suuri määrä eri it-järjestelmiä käytössä. Yhdenmukaiset kuvaukset auttavat suunnistamaan it-järjestelmien viidakossa ja hallitsemaan isoja datamääriä.
Mitä hyötyä tästä menettelystä on?
Yhteisen viitekehyksen luominen hyödyttää kommunikaatiota osapuolten välillä, mutta myös organisastion eri yksikköjen ja osastojen välillä.
It-projektit eivät tapahdu tyhjiössä vaan ne on sovitettava nykytilanteeseen. Eri osissa organisaatiota on lukuisia it-järjestelmiä, jotka tietysti tuntuvat yksikkökohtaisilta, mutta ne palvelevat kaikki organisaation tarpeita. Menettely auttaa juuri osastojen välisten järjestelmien määrityksissä, nykytilan ja tulevaisuuden kokonaisvaltaisessa yhteensovittamisessa tehokkaasti.
HUS:illa oli palaverissa printattuna jo aiemmin tekemäni malli, kun ruvettiin toteuttamaan projektia. Oltiin hyvin nopeasti kartalla tilanteesta.
Asiakkaani hyödyntävät niitä tarjouspyynnöissä. Aina kun tehdään uusi järjestelmä tai sovellus, malli otetaan uusiokäyttöön.
It-järjestelmähankkeessa konsullti kartoittaa menetelmällä tilanteen nopeasti ja yhteensopivuushaasteet selviävät alkuvaiheessa.
Data Science ja tekoälyprojektissa saadaan menetelmän avulla kuvattua data scientisteille liiketoiminnan keskeisten käsitteiden merkitys, jolloin heidän aikansa ei mene hukkaan väärinkäsityksiin.
Menetelmän avulla tietovarasto, – tai BI-projektissa voidaan ottaa huomioon laajennettavuus ja muuttuvat tietotarpeet.
Ohjelmistoprojektissa tekijöille voidaan antaa pohjapiirustus, jonka mukaan edetä sekä selkeä kuvaus liiketoiminnasta.
Hyödyt ovat siis melkoiset.
Hovi Data Framework
Olemme kehittäneet tässä kuvaamaani menettelyä pitkään ja yhdessä isojen organisaatioiden kanssa. Sen toteuttaminen pitää sisällään tietyn metodin ja sapluunat.
Kuten moni jo tietää, olen antanut sille nimen Hovi Data Framework (HDF). Jos miettii prosessia, niin saman tyyppistä speksausta tehdään aina muutenkin, vaikkei mitään erityistä metodia olekaan käytössä. Mallinnusta tehdään kuitenkin liian intuitiivisesti. HDF-metodilla se voidaan tehdä systemaattisesti sekä ketterästi.
HDF on nimenomaan viitekehys, koska se on käsitteellisesti looginen ja universaali: kaikki toimialat, yksiköt ja funktiot ovat mallinnettavissa sen avulla. Se soveltuu kaikkiin tilanteisiin, jossa liiketoiminta määrittää tekniselle toteuttajalle tarpeitaan.
Sen periaatteet ovat tasottaisuus (ylätaso, alue ja tietokanta), käsitetyypit sekä visuaalisuus, eli tietyin periaattein tehty pelkistetty visuaalinen malli. HDF sisältää myös ohjeet eri tasojen mallinnukseen, asiakkaan haastatteluun sekä selkeän graafin piirtämiseen.
Koko HDF.n voisi kiteyttää siihen, että se takaa paremman yhteistyön eri osapuolten välille, oli sitten kyseessä it-, data- tai tekoälyhanke. Voimme näin pienentää sitä harmaata aluetta, joka usein syntyy liiketoiminnan ja it:n välille tai tilaajaosaston ja toimittajan välille.
Jos jokainen osapuoli, on hän sitten tilaaja, sisäinen it-asiantuntija tai ulkopuolinen konsultti käyttää yhdessä sovittua mallia, pääsemme puolet nopeammin tuloksiin ja vähemmillä virheillä. Olen tämän nähnyt lukemattomia kertoja.
Mutta miten pidämme huolen siitä, että visuaaliset mallit ja kuvaukset pysyvät tallessa ja että oikeat ihmiset voivat niitä hyödyntää? Usein tehdyt mallit ja kuvaukset hukkuvat ”mappi ö:hön” tai ovat vanhentuneita. Puhumme tässä tärkeästä asiasta. Organisaatiot kuitenkin haluavat hyödyntää ja kehittää niitä myös tulevaisuudessa: kuten sanottu, uusia järjestelmiä sovelluksia tulee jatkuvasti lisää.
Tähän haasteeseen olemme kehittämässä HDF:stä digitaalisen tuotteen, Ellie -nimisen applikaation. Se on helppokäyttöinen, selaimessa toimiva liiketoimintadatan mallinnustyökalu, joka mahdollistaa tehtyjen mallien helpon jakamisen, ylläpidon ja uusiokäytön.
Ellieen on sisäänrakennettu HDF:n mukainen metodologia – näin saadaan mallinnukset tapahtuvat nopeammin ja helpommin, ja koko organisaatiotasolla. Pyrimme ominaisuuksien rakentamisessa siihen, että käyttäjä voisi hyödyntää metodia ilman, että on opiskellut aihetta 25 vuotta kuten minä. Se sisältää valmiita rakennusosia, datakatalogin sekä tukee kollaboraatiota.
Nyt on juuri tulossa ensimmäinen beta 1.0 versio pilottiasiakkaan käyttöön. Heiltä saadun palautteen avulla kehitämme sitä edelleen SaaS-pohjaiseksi työkaluksi, jonka käyttöönotossa autamme mielellämme.
PS. Katsasta tämä mielenkiintoinen koulutus:
Englantilainen Data Management vaikuttaja Chris Bradley tulee nyt Suomeen valmentamaan aiheesta:
Information Management Fundamentals & Certification Preparation, 09.04.2018 – 11.04.2018.
Early Bird -tarjous – 30 %! Saat tämän alennuksen varatessasi kurssipaikan nyt, viimeistään 7.3.2018!
Koulutus kattaa koko tiedonhallinnan alueen ja on siksi kattavin olemassa olevista Data Management koulutuksista Suomessa. Sen jälkeen osallistujat voivat halutessaan suorittaa DAMA:n kansainvälinen CDMP sertifioinnin, joka on jokaiselle data-ammattilaiselle erittäin hyödyllinen.
Valmennus on todella suositeltava kaikille organisaatioille ja yrityksille, jotka haluvat yhdenmukaistaa käytäntöjään ja saada mahdollisimman kokonaisvaltaisen osaamisen modernista tiedohallinnasta.
Lue lisää tästä
