• joulukuu 08, 2017

Datamaturiteetin arviointi

Yritykset kysyvät minulta usein, että millä tolalla heidän data-asiansa ovat verrattuna esim kilpailijoihin. Tämä johtuu siitä, että datan merkitys yrityksille ja muille organisaatioille on noussut aivan uudelle tasolle.  Silti tämä on vasta alkua.

Menestyneimmät yritykset ymmärtävät nyt, että digitalisointi sekä tekoälyn hyödyntäminen on suoraan yhteydessä kykyyn hyödyntää dataa. Ja he ymmärtävät myös sen, että onnistuminen digitalisaatiossa vaikuttaa suoraan kilpailukykyyn.

Suosittelen siis datamaturiteetin nostamista kiireellisesti, sillä yritykset joilla datat ovat hallinnassa voittavat, muut eivät tahdo ehtiä mukaan.

Tullaan toisaalta heti haasteen äärelle, miten sitten analysoida omaa sisäistä datamaturiteettiaan?

Alla on hieman neuvoja tähän.

Koska datamaturiteetti on hyvällä tasolla?

Voimme sanoa, että datamaturiteetti on hyvällä tasolla, mikäli seuraavat asiat ovat kunnossa.

1.    Tiedot on kuvattu ja ymmärretty

Tiedämme mitä dataa meillä on, niistä on datakartat ja määritelmä – on siis holistinen näkemys dataan

2.    Tiedot ovat saatavilla

Kaikki yrityksen tiedot ovat saatavilla ja yhdistettävissä. Tämä edellyttää yhteistä fyysistä tai virtuaalista Data Platformia

3.    Tietojen laatu on riittävää

Huonolaatuinen data tuottaa ongelmia hyötyjen sijaan

4.    Tietosuoja on kunnossa

Noudatetaan tietosuoja-asetuksia, suojataan omat data ja, kuten muutkin arvokkaat resurssit, vakuutetaan datat

Datamaturiteetin arviointi

Organisaation datamaturiteetin arvioinnissa voidaan hyödyntää alla olevaa jaottelua. Jokaista osa-aluetta voidaan tarkastella itsenäisinä alueina ja arviointiin voidaan laatia numeerinen mittaristo.

1.    Strategia

Näkemys datan merkityksestä muutaman vuoden tähtäimellä. Edellyttää myös sitä, että resursseja ja vapauksia annetaan alas asiantuntijoille, joista syntyy uusia innovaatioita. Suunnitelmat siitä, mitä dataa meillä pitää olla muutaman vuoden kuluttua sekä toimenpiteet, miten tuo data (joka voi olla ulkoista) saadaan käyttöön.

2.    Arkkitehtuuri ja menetelmät

Data Platform -arkkitehtuuri, joka maksimoi tulevaisuuden vapausasteet. Siitä huolimatta, ettei juuri nyt ole Big Data -tarpeita, niihin pitää varautua. Tähän kuuluu myös pilviarkkitehtuuri sekä tiedonmallinnusmenetelmät.

3.    Organisointi ja kompetenssit

Organisaation tulee huolehtia siitä, että sillä on riittävästi data-osaamista itsellä. Esim  Chief Data  Officer eli CDO, tietovastaavien (data steward) nimittämiset ovat tälläisiä keinoja. Organisaation rakenteiden tulee mahdollistaa luova prototyyppien rakennus, joista vain osa johtaa tuotantoon. Myös johdon ja muiden asiantuntijoiden dataosaaminen tulee olla riittävällä tasolla.

4.    Työkalut

Sopivien teknologioiden ja ohjelmistojen hankinta ja hyödyntäminen.  Edellyttää erityisosaamista markkinoilla olevista teknologioista sekä niiden hankinnoista.

Myös open source -teknologioiden hyödyntäminen on tässä olennaista.

5.    Resurssit ja rahoitus

Ilman rahaa ja resursseja ei voida kehittää toimintoja. Jos yrityksen hallitus ei koe datan olevan tärkeää, he eivät sisällytä tätä toimitusjohtajan valintakriteereihin. Ja jos toimitusjohtaja ei ymmärrä datan merkitystä liiketoiminnalle, ei hän osaa vaatia sitä muilta johtoryhmän jäseniltä.

Sudenkuoppia

Teknologiatoimittajan esittelyssä hyvät työkalut tuntuvat ratkaisevan kaikki ongelmat, mutta valmista ei tule, jos arkkitehtuuri ei ole hyvä tai organisointi on puutteellista.

Olen niin ikään täysin varma siitä, että yksi teknologiatoimittaja ei voi ratkaista asiakkaansa kaikkia datahaasteita eikä yrityksestä tule datavetoinen yhden toimittajan avulla.

Saattaa kuulostaa houkuttelevalta, että olisi yksi ”yhden luukun” periaatteella toimiva kumppani, mutta se ei ikävä kyllä toimi niin.

Ilman strategiaa ja johdon näkemyksiä taloon syntyy runsaasti erillisiä datasiiloja, joiden dataa on vaikea yhdistää. Ilman oikeita henkilöitä ja osaamista toimittajat ottavat helposti liian suuren vallan.

Suunnittelu on halvempaa kuin toteutus, suunnitelmia on vielä helppo muuttaa, mutta epäonnistuneet toteutukset ovat kalliita korjata.

Suunnittelulla tarkoitan tässä esimerkiksi hyvin laadittuja datakarttoja ja Data Platform -arkkitehtuuria. Kannattaa usein hieman jarruttaa ja miettiä tässä kuvattua kokonaisuutta ennen kuin ryntää osastokohtaisin pikaratkaisuihin.

Aiheeseen liittyen, suosittelemme alla Stephen Brostin kurssia erittäin lämpimästi. Se on todella vaikuttava katsaus datan hyödyntämisen nykytilaan ja tulevaisuuteen.

Yhdysvaltojen yksi vaikutusvaltaisimmista teknologiajohtajista, Teradatan CTO Stephen Brobst tulee jälleen Suomeen tammikuussa vetämään suositun kurssin:

Data Science, Big Data Analytics and Advanced practices in Data Visualization, 24.01.2018 – 25.01.2018.

Koulutuksen ovh on 1 900 € per osallistuja, mutta nyt tarjoamme sen Early Bird -hintaan 1 000 € ennen vuoden vaihdetta ostetuista lipuista.

Valmennus soveltuu kaikille, joita kiinnostaa datan hyödyntäminen, AI sekä organisaation kehittyminen datavetoiseksi.

Lisätiedot kurssista tästä. 

Jaa:

Kommentoi:

Haluatko uusimmat uutiset ja kurssitiedot Arihovista?

Tilaa uutiskirje

Tyrehdytä tiedonjanosi!

Uutiskirjeen tilaajana saat ajankohtaista tietoa datan hyödyntämisestä, tekoälystä sekä muista ajankohtaisista aiheista tiedohallinnan maailmasta. Olemme data-alan johtava kouluttaja ja konsultti, joten saat tietoa suoraan kentältä. Saat samalla myös parhaat tarjoukset kansainvälisten huppuasiantuntijoiden valmennustilaisuuksiin.