Hei,
Haluatko olla datavetoinen (Data driven)?
Kirjoitan nyt tavasta, jonka avulla olemme auttaneet yrityksiä ottamaan datavarantonsa haltuun ketterästi ja suhteellisen pienin kustannuksin.
Näitä yksinkertaisia ohjeita noudattamalla olet datavetoisempi, kun suurin osa suomalaisista yrityksistä.
Ne ovat johdon oivallutus, datakartaston laadinta ja Demo or Die.
Hyvät lukuhetket!
Oivalluta johto
Kun keskustelen eri organisaatiossa, usein todetaan että data on meille tärkeä pääoma ja olemme datavetoisia tai meillä toteutetaan tiedolla johtamista. Onko näin käytännössä?
Seuraavaa asiaa useinkaan ole tiedostettu kunnolla.
Ison organisaation datat on tallennettu it-järjestelmissä, joita on käytössä iso määrä. Tarkoitan ERP- CRM- HRM yms. -järjestelmiä.
Ei tulla ajatelleeksi, että hankittaessa järjestelmää sinne samalla muodostuu elintärkeiden tietojen kotipesä. Datat ovat järjestelmien takana olevissa tietokannoissa, kussakin järjestelmässä erikseen ja kunkin toimittajan suunnittelemana.
Näitä tietokantoja voisi kutsua Black Boxeiksi. Niissä olevat tiedot eivät ole asiakkaan omissa käsissä, vaan järjestelmän toimittaja hallinnoi niitä. Asiakas ei itse yleensä pääse niihin käsiksi. Ne ovat mustia laatikoita myös siksi, että toimittaja ei yleensä anna kuvausta tietokannan tietorakenteista.
Jos haluamme hyödyntää dataa kokonaisvaltaisesti tai saada tietoa liiketoimintamme tilasta, meidän tulee ymmärtää näitä mustien laatikoiden tietoja, ja päästä käsiksi niihin. Se on osoittautunut vaikeaksi haasteeksi, koska ne ovat, no – mustia laatikoita.
Huomaa tässä ero sovelluskeskeiseen ajatteluun, jossa mietitään vain mitä järjestelmiä tarvitaan. Nyt ajatellaan mitä dataa meillä on, miten sitä voisi parhaiten hyödyntää ja saada siitä oikeaa arvoa liiketoiminnalle. Pidetään siis dataa itsessään yrityksen tärkeänä omaisuutena, assettina. Tämän kun ymmärtää, tapahtuu oivallus ja ymmärrys kasvaa.
Väitän, että pelkästään tämä oivallus ylimmältä johdolta tekee yrityksestä astetta datavetoisamman!
Laadi datakartasto
Olettakaamme, että nyt ymmärretään datan merkitys tärkeänä assettina, joka kuitenkin on kaukana, eri sovellusten takana siiloutuneena.
Seuraava ajatus on, että tiedot pitäisi saada ”omiin käsiin”. Yleisin ratkaisu tähän on tietovaraston tai tietoalustan (Data Platform) rakentaminen. Tietovarasto tarkoittaa sitä, että hankitaan erillinen tietokanta, johon viedään tiedot it-järjestelmistä. Tietoalustalla tarkoitetaan laajempaan käyttöön soveltuvaa arkkitehtuuria, jossa mukana on usein myös Big Data tyyppistä dataa.
Moni lähtee heti aluksi hankkimaan BI-työkalua tai käynnistämään laajaa tietovarastoprojektia.
Ehdotan, että aloitetaan kuitenkin toisenlaisella tulokulmalla. Lähde liikkeelle datakartoituksella eli liiketoimintalähtöisellä mallintamisella. Sen jälkeen tietovaraston ja/tai tietoalustan tekninen toteutus on paljon selkeämpää ja nopeampaa – siis kustannustehokkaampaa.
Datakartoitus tarkoittaa sitä, että määritellään keskeiset liiketoiminnan käsitteet ja nimetään datat. Tämä on äärimmäisen tärkeää. Ilman yhteisesti laadittuja käsitteitä ja määrittelyjä tietovarastohankkeet epäonnistuvat. Työssä määritetään liiketoimintadatojen väliset suhteet, tehdään ns pohjapiirustus, eli kuvataan niiden väliset yhteydet ylös ennen kun lähdetään konkreettisesti käsittelemään dataa.
Sitten selvitetään datojen sijainnit, eli missä kaikkialla meillä on esimerkiksi asiakas- tai tuotedataa.
Tämä oikein tehtynä suhteellisen nopea harjoitus mahdollistaa niskalenkin ottamista datakaaoksesta. Ollaan ajajan paikalla, eikä vain kyydissä.
Datakartoista on monenlaista hyötyä. Kun meillä on käsillä liiketoimintaongelma, esimerkiksi tuoteportfolion virtaviivaistaminen. Datakartastosta näemme suoraan, että nämä ovat ne alueet, joista tarvitsemme dataa ratkaistaksemme käsillä olevan liiketoimintaongelman.
Data Sciencen ja tekoälyn hyödyntäminen edellyttävät nekin että datat on ymmärretty ja kuvattu. Uusi data scientisti perehdytetään nopeasti liiketoiminnan datamaailmaan datakarttojen ja määritysten avulla.
Demo or Die
On tärkeää demota oikealla datalla aikaisin, nimenomaan jollakin tärkeällä alueella joka on kiinnostava ja hyödyllinen. Nopeasti näkyville tuotu data aiheuttaa usein ”wow-efektin” – vihdoinkin nähtiin livenä sitä mustien laatikoiden dataa! Näin saadaan uskottavuutta ja oikeita kommentteja, joiden avulla viilataan demoa.
Kannetaan siis ensin vain hieman ”ämpäreillä vettä kaivosta” datakartoituksessa mallintamiimme rakenteisiin ja tehdään prototyyppi jollakin hyvällä BI-välineellä. Jos näyttää hyvältä, rakennetaan ”vedelle putket ja pumput” eli rakennetaan osa tietovarastoa ja viedään lataukset tuotantokuntoon – siis automatisoidaan datan siirto.
Periaate on siis, että kokonaisuus suunnitellaan hyvin, heijastaen liiketoiminnan näkemystä datoista. Siis top-down. Tiedetään koko rakennus. Sitten edetään nopeasti rakennuksen osa-alueiden toteutuksiin bottom-up, mutta noudattaen koko ajan datakarttaa. Välillä tehden sopivasti demoja.
Noudattamalla liiketoimintalähtöisiä datakarttoja vältetään se yleinen ongelma, että myös tietoalustasta tulee siiloutunut. Liiketoiminnan kanssa kommunikoidaan datakarttojen avulla: tämän osan kokonaisuudesta olemme nyt toteuttaneet, tämä alue on seuraavaksi tulossa, jne.
Edistyneen Analytiikan tai tekoälyn soveltaminen perustuu samaan ajatukseen protoilusta ja demoilusta ennen tuotantoon vientiä. Siinäkin ovat taustalla selkeät datakartat. Kun puhun johdon oivaltamisesta, niin protot ja demot ovat hyvä väline siihen. Toki johdon pitää silloin panostaa Data Science-kulttuurin luomiseen, joka tukee tätä.
Uskallan väittää, että minulla on tästä jonkin verran kokemusta, koska olen osallistunut tavalla tai toisella lähes sadan tietovaraston suunnitteluun ja toteutukseen. Olen myös nähnyt epäonnistumisia.
Siksi olen kehittänyt Hovi Data Frameworkin, joka on ketterä metodi datakartoituksen toteuttamiseen siten, että liiketoiminnan, it:n ja dataosaajien yhteistyö pääsee kukoistamaan.
Vielä kun saamme siitä digitaalisen version, eli Ellien ulos, niin taistelu datakaaosta vastaan saa jälleen uuden vaihteen silmään. Ellien avulla datakartaston luominen onnistuu digitaalisesti ja kullanarvoiset datakartat säilyvät pilvessä ja ovat kaikkien saatavilla.
Yhteenveto
Mikäli haluat saada nopeasti tuloksia ja tietovaraston/tietoalustan valmiiksi, tee ensin datakartoitus.
Tekninen toteutus sen jälkeen hoituu paljon nopeammin ja lopputulos on vielä laadukkaampi, kun jos lähtisit toteuttamaan tietoalustaa suoraan, ilman tätä vaihetta. Toisin sanoen datakartasto ketteröittää raskaalta tuntuvaa projektia tuntuvasti.
Tämän olen nähnyt niin monta kertaa, eli ei missään nimessä kannata lähteä liikkeelle teknologia edellä tai sinulla on käsissäsi ikuisuusprojekti.
Ja lopuksi: Tarkoitus olisi rekrytoida noi 20 henkilöä lähitulevaisuudessa, eli jos tiedät jonkun, joka etsii uusia mahdollisuuksia ja on ollut tekemisissä Data Platform- tai Data Science -hommien parissa, niin vinkkipalkkio olisi luvassa! Etuna on tietysti parhaat kollegat ja asiakkaat sekä verkostot maailman johtaviin dataguruihin.
Ystävällisin terveisin,
Ari Hovi ja tiimi
Kiinnostaako oppia liiketoimintaprosessimallinnus
Working with Business Processes – Defining, Mapping and Analyzing Business Processes, 05.06.2018 – 06.06.2018, Helsinki
Alec on ehkä maailman kuuluisin liiketoimintaprosessien mallintaja ja tulee nyt Suomeen valmentamaan! Tule oppimaan prosessimallinnusta käytännössä, teemme kurssilla paljon harjoituksia. Alec konsultoi mm Inteliä ja Microsoftia, eli saat kuulla parhaat käytännöt maailmalta.
Kurssista tekee suositun se, että Alecin lähestymistapa on niin interaktiivinen, yksinkertainen ja riisuttu.
Tutustu kurssin sisältöön tästä
