Hei,

Olen tehnyt taas ison määrän datakarttoja asiakkailleni.

Menetelmäni Hovi Data Framework (HDF) perustuu ketterään tapaan visualisoida liiketoimintadataa. Jos mietitään mitä tahansa data-, digitalisaatio tai vaikkapa AI-projektia, pitää aina ensin ymmärtää liiketoimintaa ja mitä ongelmaa ollaan ratkomassa.

Lähes kaikki liiketoimintatieto organisaatioiden it-järjestelmissä sekä ulkoisissa lähteissä, josta se voidaan toki kaivaa ulos. Se on kuitenkin monelle ymmärtämättömässä muodossa, tauluissa tai koodikielellä. Tässä ei kenellekään mitään uutta.

Se mikä saattaa olla uutta, on sen kartoittamisen nopeus.

Mikä on holistinen datanäkemys?

Risto Siilasmaa sanoo tekoälyn tärkeyttä korostavassa esitelmässään, että oikea data on keskeisen tärkeää AI-hankkeissa. Hänen mukaansa pitää olla holistinen (kokonaisvaltainen) datanäkemys yrityksen tiedoista. Pitää olla datastrategia nyt, jotta ollaan valmiit AI-toteutuksiin.

Juuri tällaisesta datanäkemyksestä on kyse, kun konsultoinnissa kuvaamme usein koko organisaation liiketoimintadatat yhdelle A4:lle hyödyntäen HDF:ää.

Se on haastava tehtävä, mutta HDF-menetelmä auttaa laatimaan mallin sopivalle tasolle, jolloin se on oikeasti hyödyllinen. Lisäksi tehdään aluekohtaisia, tarkempia karttoja, esimerkiksi asiakas-alueesta tai tuotannosta.

Eräässä asiakasyrityksessä kartoitamme parhaillaan koko yrityksen datoja, ja käytössä on ”datakarttatase” josta näkee, mitkä alueet on jo mallinnettu ja mitkä kesken.

Tästä organisaatiot eivät voi saada tarpeeksi. He haluavat yleensä, että teemme sitä heille lisää. On kiva tunne nähdä, että ihmisten silmät kirkastuvat ja koetaan a-haa elämyksiä. Tuoltako liiketoimintamme näyttää?! Miksei meillä ole ennen ollut tällaista? Tästähän on valtava apu! Tätä työtä pitää jatkaa… ja niin edespäin.

Datakartan avulla säästetään kustannuksissa

Jokainen liiketoiminnan alue voidaan jakaa pienempiin karttoihin, mutta logiikka pysyy samana. Kun heillä on käytössään oman liiketoiminnan datakartta siihen kuuluvine määrityksineen, he säästävät valtavat määrät data, analytiikka- sekä muiden It-hankkeiden kustannuksissa.

Se johtuu siitä, että heillä on ikään kuin rakennuksen pohjapiirustus itsellä käytettävissä, joiden perusteella voidaan neuvotella toimittajien kanssa siten, että ratkaisu vastaa omia tarpeita. Jos näin ei tehdä, toimittaja ottaa vahvan kannan pohjapiirustuksen laadintaan.

Mutta he eivät osaa sitä tehdä tuosta vain. He eivät tunne liiketoimintaasi, mitä muita IT-järjestelmiä sinulla on jo käytössä, missä datat sijaitsevat yms.

Luonnollisesti organisaatioiden pitää käyttää toimittajia, mutta suosittelen datakartan piirtämistä. Suosittelen myös kysymään toimittajalta tähän apua, eli että osaavatko tehdä mallinnuksen ketterästi.

Data Science vaatii liiketoimintaymmärrystä

Saman datakartan avulla voit toteuttaa data-analytiikka Data Science hankkeita vähintään 1/3 kustannuksin ja paremmalla laadulla. Tutkitusti Data Scientistin työstä menee 70-80 % datan hakemiseen ja preparointiin, siis ennen kuin hän pääsee varsinaiseen analysointiin.

Data Scientist ei yleensä tunne yrityksen liiketoimintaa syvällisellä tasolla – väärinymmärryksiä syntyy – jolloin lisäksi ne varsinaiset analyysit ja algoritmitkin menevät ainakin ensimmäisillä kerroilla pieleen. Hän saattaa hallita yhden alueen todella hyvin, mutta kukaan ei voi olla esimerkiksi tuotanto, -henkilöstö, -markkinointiasiantuntija saman aikaisesti.

Miten saada Data Scientist tuottavammaksi? Jos Data Scientistin kanssa keskustellaan yllä kuvattujen datakarttojen avulla, ymmärrys paranee huomattavasti – ja väärinymmärrykset vähenevät.

Jos meillä ei ole käsitteet määriteltynä, tulee jo ihan peruskäsitteistä ongelmia. Datakartat näyttävät mitä dataa meillä jo on ja mitä dataa pitää kiireesti alkaa hankkimaan talon ulkopuolelta.

Datakartattojen avulla lähdetään analysoimaan oikeaa dataa ja etsimään sitä oikeista paikoista. Tulokset vastaavat tällöin oikeaa maailmaa ja tulokset ovat hyödynnettävissä liiketoiminnan kehitykseen.

Tuohon Data Scientistin aikasyöppöön eli datan hakemiseen auttaa datakarttojen ja määritysten lisäksi hyvä Data Platform, mutta se on toisen blogin aihe.

Tekoälyprojektit edellyttävät datan ymmärrystä

Nyt on AI-hype päällä ja kaikki siitä puhuvat. Me näemme, että onnistuneen AI:n takana on arvokasta dataa, joka on ymmärretty, kuvattu ja saatavilla. Tämä on juuri meidän keskeistä aluettamme.

AI-aluetta on turha mystifioida, kyse on vain uusien teknologioiden sekä metodien soveltamista. Nyt en puhu roboteista tai ns. general intelligencestä, vaan konkreettisista ratkaisuista toimintojen automatisointiin.

Osaamista on tällä hetkellä vielä hyvin vähän, sekä Suomessa että maailmalla. Onneksi meillä on sitä omasta takaa sekä verkostomme kautta hyvä asema tässä.

Miksi tyytyä vähään, kun on mahdollista hyödyntää parasta. Olemme pitkällä keskusteluissa Deep Learning/AI-huippuosaajan kanssa, joka työskentelee leading edge -teknologioiden parissa alan kovimpien gurujen kanssa.

Ensi kevääksi suunnittelemme hänen vetämiään workshoppeja Suomen Data Science -huipuille, jotka haluavat oppia viimeisimmät kehitysaskeleet.

 

Datakartoituksesta tulee mahtava tunne, kun huomataan että ollaan päässyt asiassa konkreettisesti eteenpäin AI:n tiellä! Eli päästään siitä vaiheesta, että kuunnellaan konsulttien esitelmiä ja puheita IBM Watsonista tai luetaan artikkeleita amerikkalaisten jättiyritysten kokemuksista.

 

Voin kertoa tästä lisää esim tulevissa blogeissa, koulutustilaisuuksissa tai vaikkapa kahvin äärellä.

Vielä ehtii loistavasti näiden kansainvälisten asiantuntijoiden koulutuksiin:

Advanced Data Modelling, 27.11.2017 – 28.11.2017

Kanadalainen Alec Sharp on yksi kautta-aikojen suositummista valmentajistamme. Hän tekee jatkuvasta konsultointia suurimmille yhdysvaltalaisille organisaatioille, eli näkemyksiä hänellä riittää. Kyky rakentaa tietomalleja johdon kanssa on erittäin kysytty osaaminen ja heistä on nyt pulaa.

Lisätiedot kurssista tästä.

Disciplined Agile Data Warehousing (DW)/Business Intelligence (BI) Workshop, 04.12.2017 – 05.12.2017

Valmennuksen vetäjä on maailman johtava Agile-asiantuntija ja nyt hän tulee Suomeen kouluttamaan ketteristä menetelmistä nimenomaan BI/DW-alueella. Kannattaa tulla mukaan!

Lisätiedot kurssista tästä.