Datan kartoituksesta

Hei,

Olen kirjoittanut blogisarjaa, joka alkoi jutulla datan merkityksestä johdolle. Seuraavaan artikkeliin laadin ikään kuin kyselyn, jonka avulla voi arvioida oman organisaation kysyä hyödyntää dataa.  Käsittelin myös datan keräämistä ja varastointia – joka on jokaisen datavetoiseksi organisaatioksi aikovan perusedellytys.

Lue alta lisää, mitä tekemistä kartoilla on datan kanssa. Hyviä lukuhetkiä!

 

Maailman ilman karttoja

Kuvittele hetki elämää maailmassa, jossa ei olisi karttoja. Tuntisit toki lähiseudun ja osaisit suunnistaa. Kaupungin toisella puolella asuva serkkusi tuntee puolestaan tuon alueen, joka taas sinulle on vieras – ja vastaavasti yleensäkin löytyy eri alueiden tuntijoita. Tienviittoja ja katukilpiä olisi vain satunnaisesti, mutta lähiseudun asukkaat kyllä tuntevat paikallisten katujen nimet. Maantiede olisi siis sirpaloituneena eri ihmisten päissä.

Kuvittele seuraavaksi, että tehtäväsi olisi tehdä kartat. Osaisit ehkä itse piirtää lähialueen ja merkitä teiden nimetkin. Sitten siirtyisit kauemmaksi ja kyselisit ihmisiltä, jotka tuntevat tuon alueen. Aluksi kartassasi olisi paljon harmaita alueita, mutta sitä mukaa kun osaajia löytyy, kartta täydentyisi; olisihan hyvä pohja jo olemassa. Kartan laatu ja tarkkuus paranevat koko ajan.

Organisaatioiden tiedot ovat ikään kuin liiketoiminnan maantiedettä!

 

Organisaatio tarvitsee kartan datoistaan

Organisaatio datojen kanssa on hieman sama juttu. Osa tuntee hyvin taloushallinnan tiedot, toiset tuotannonohjauksen. Suurin osa tietämyksestä on kuitenkin hiljaista tietoa, sitä ei ole dokumentoitu. Laatimalla tiedoista karttoja tilanne paranee.

Datasta puhutaan paljon. Organisaatioiden datat ovat it-järjestelmien uumenissa. Silti monesti eri hankkeissa purjehditaan kuin ilman karttaa. Datakartat mahdollistavat paremman ymmärryksen myös liiketoiminnasta: Kun nyt esimerkiksi asiakastietoja on monissa eri järjestelmissä, datakartoituksen avulla saamme kaikki asiakastiedot kuvattua, meille syntyy asiakastietojen kartta. Tämän kartan avulla on hyvä kommunikoida liiketoiminnan ja IT-väen kesken tai toimittajien kanssa. Vuorovaikutuksen parantuminen on avainasia.

 

Valitse tarkkuusaste tilanteen mukaan

Kuten oikea karttakin, tietokartta kuvaa aina jotakin aluetta tietyllä tarkkuudella. Se kuvaa tietojen välisiä riippuvuuksia. Jos Google mapissa zoomaa vähän ylöspäin, näkee mistä osista Helsinki muodostuu, näkee isoimmat kadut, mutta ei enää kadunnimiä. Alempana näkyy taas pienempi alue, mutta tarkasti. Vastaavasti voi tehdä eri tasoisia datakarttoja eri käyttötarkoituksiin. Jos katsomme jonkun maan karttaa, näemme kyllä mitä kaupunkeja siellä on. Emme ehkä tiedä kovinkaan paljon noista kaupungeista. Voimme katsoa Wikipediasta eri kaupunkien tietoja ja kuvauksia ja esimerkiksi mikä oli kaupungin edellinen nimi. Nämä kuvaukset täydentävät karttaa. Vastaavasti tehdään datakartan käsitteille erilliset kuvaukset. Määritellään mitä meillä tarkoitetaan, kun puhutaan asiakkaasta, potentiaalisesta asiakkaasta, tai accountista ja kuvataan myös synonyymit. Me emme voi kaivaa, analysoida mitään dataa vaikkapa asiakkaasta, mikäli emme ole määritelleet asiakkaan käsitettä kunnolla.

Datakartta on aluksi osittain puutteellinen, mutta kartan tavoin siinä on hyvä pohja jota voi täydentää ja parantaa. Ennen sirpaloitunut datatietämys alkaa kumuloitua.

 

Katoituksella jaettu ymmärrys omastakin liiketoiminnasta paranee

Jos todella olisit tuo kartantekijä, josta ylempänä kerroin, oppisit todella paljon siitä mitä kartoitat, myös sinulle aluksi vieraita alueita. Voisit myös kertoa muille, minkälaisia seutuja missäkin on. Voisit avustaa kaupunginsuunnittelijoita ja vierailijoita. Sama pätee It-hankkeisiin: jokaisen asianosaisen, on hän sitten liiketoiminnan edustaja, sisäinen it-asiantuntija tai ulkoinen konsultti, pitäisi voida katsoa karttaa tehdessään projektia. On suorastaan hulluutta, jos näin ei tehdä.

Olen tehnyt urani aikana paljon datakarttoja ja voin kertoa, että siinä työssä oppii hämmästyttävän nopeasti ymmärtämään ennestään vierasta liiketoimintaa. Voin luvata, että yhteisen ymmärryksen luominen organisaation datoista asianosaisten välille ja sitä kautta liiketoiminnasta pienentää projektin kuin projektin riskejä valtavasti.

 

Liiketoimintalähtöisyys edellä

Miltä alueilta sitten tarvitsemme datakarttoja? Koska yrityksen tärkeät tiedot ovat usein kaukana tietojärjestelmien takana olevissa dokumentoimattomissa tietokannoissa. On syytä tehdä kunkin järjestelmän tiedoista sopivalla tarkkuudella oleva datakartta. Ei siis missään nimessä tule lähteä liian yksityiskohtaiselle tasolle turhaan. Lisäksi tehdään liiketoimintalähtöisesti datakartta, joka kuvaa tavoitetilaa, jonka mukaan tiedot oikeasti halutaan nähdä. Se toimii lähtökohtana tietovaraston tai laajemmin Tietoalustan (Data Platform) rakentamiselle (josta olen puhunut aiemmissa blogeissa).

 

Se ei ole lopulta iso harjoitus

Olemme kehittäneet Hovi Data Framework -konseptia juuri siksi, että olisi nopeampaa rakentaa datakarttoja. Aloittelevaa kartantekijää auttaa suuresti jos on menetelmä joka kertoo miten eri tietyypit merkitään, miten kuvata erilaisia maastoja ja miten symboleita on hyvä käyttää. Työ nopeutuu, jos on valmis menetelmä ja eräänlainen peruskarttapohja, jota voi käydä muokkaamaan.

 

Ystävällisin terveisin,

Ari & tiimi

 

Tutustu ehdottomasti alla oleviin koulutustilaisuuksiin – nyt on tulossa maailman huippuosaajat Suomeen puhumaan!

Data Science on nyt kaikkien huulilla, tule siis maailman johtavan datagurun, yhdysvaltalaisen Stephen Brobstin koulutukseen. Hän on Barac Obaman entinen neuvoantaja ja yksi Yhdysvaltojen vaikutusvaltaisimmista teknologiajohtajista.

Data Science, Big Data Analytics and Advanced practices in Data Visualization, 26.09.2017 – 27.09.2017

Koulutus soveltuu myös liiketoiminnan edustajille ja kaikille, jotka haluavat nostaa organisaationsa tiedolla johtamisen tasoa sekä luoda edellytykset tekoälyn hyödyntämiselle tulevaisuudessa. Koulutus järjestetään jo kolmatta kertaa ja palaute on aina todella hyvää.

Lisätiedot ja ilmoittautuminen tästä.

 

Uutena tilaisuutena järjestämme Big Data ja Analytiikka-asiantuntija Mike Fergusonin koulutuksen:

Building an Enterprise Data Lake, 02.11.2017  -03.11.2017

Mike Ferguson kiertää ympäri maailmaa ja on yksi kysytyimpiä puhujia tiedonhallinnan alueella. Tätä ei kannata jättää väliin, mikäli haluat pysyä data-asioiden aallonharjalla.

Lisätiedot ja ilmoittautuminen tästä.

Jaa:

Kommentoi:

Kirjoittaja:

Ari Hovi

FM Ari Hovi toimii päätoimisesti konsulttina erikoisalueenaan Data Warehouse / Business Intelligence, käsitemallinnukset, tietoarkkitehtuurimallinnukset ja -määritykset sekä Business Intelligence / tietovarastoratkaisujen auditointi. Ari on Suomen kokeneimpia käsite- ja tiedonmallintajia (Data Modeling).

Ari on vetänyt uransa aikana yli sata käsitemallinnusworkshoppia ja ollut osallisena yli kuudessakymmenessä tietovarastohankkeessa. Tyypillisiä konsultointihankkeita ovat tietovarastojen arkkitehtuuri- ja strategiaselvitykset ja tietovarastojen tietosisällön mallinnus sekä yritystason tietoarkkitehtuurien ja Master Data -mallien laadinta.

Ari kuuluu The Data Warehouse Institute Finlandin (TDWI) hallitukeen sekä Kokonaisarkkitehtuuri -osaamisyhteisön KAOS isännistöön. Hän on DAMA Finlandin ehdokas kansainvälisen Data Management Excellence 2015 –tunnustuksen saajaksi.

Ari on myös tietokirjailija, teoksia aiheista Tietovarastointi, Tietokannan suunnittelu ja SQL. Hänen artikkeleitaan on julkaistu mm. TIVI-lehdessä, Kauppalehdessä ja Tietoasiantuntijat -lehdessä.

 

Haluatko uusimmat uutiset ja kurssitiedot Arihovista?