Moi,
Kirjoittelin hieman lempiaiheestani sekä siihen kehittämästäni menetelmästä.
Olen yli 25 vuotta tehnyt töitä organisaatioiden kanssa tavoitteena hyödyntää dataa mahdollisimman tehokkaasti. Olen osallistunut tavalla tai toisella yli kuuteenkymmeneen tietovarastohankkeeseen ja käsitemallinnushankkeita on ollut yli 120. Asiakkaina ovat olleet Suomen suurimpia yrityksiä sekä julkishallinnon organisaatioita. On ollut opettavaista aikaa!
Usein jo mielletään, että organisaation tiedot ovat arvokas resurssi, pääoma. Klarna julistaa, että tärkeimmät resurssit ovat henkilöstö ja data. Trafi on julkaissut erillisen tietotilinpäätöksen. Big Data -hype on nostanut datan keskiöön, on alettu puhua dataymmärryksestä ja datatietoisuudesta. Kuten Hannu Järvi oivasti blogissaan totesi, data-alueella korkoa koron päälle-mekanismi (lue Datan vallankumous -blogi tästä) tulee erottelemaan menestyjät nopeasti. Mikäli dataa ei ymmärretä kokonaisvaltaisesti, päädytään automatisoimaan yksittäisiä toimintoja omissa siiloissa, eikä kokonaisvaltainen digitalisointi tai koneoppimisen hyödyntäminen tule onnistumaan.
Jotta tiedot olisivat hallinnassa, ne pitää kuvata ja määritellä, ja niiden pitää olla nopeasti saatavilla. Tietojen kuvauksessa paras menetelmä on käsitemallinnus. Työssäni törmään usein siihen, että käsitemallinuksia ei ole tehty, tai niitä on tehty paikallisesti eri puolilla organisaatiota.
Tarvitaan organisaatiotasoinen, ylätasoinen käsitemalli. Se kuvaa graafisin symbolein organisaation keskeisimmät käsitteet ja niiden väliset riippuvuudet. Sitä voi verrata asemakaavaan, joka näyttää rakennukset ja väylät helikopterikuvana, mutta ei yksityiskohtaisesti. Kuten mikä tahansa oikean mittakaavan kartta, ylätason käsitemallikin mahtuu A4:lle, kun taso on oikea.
Ylätason käsitemalli kuuluu liiketoiminnan alueelle. Se ei siis ole teknistä tietokannan suunnittelua. Se laaditaan liiketoiminnan asiantuntijoiden kanssa. Ihmisillä on hiljaista tietoa datasta, joka näin saadaan sieltä pääkopan sisältä kuvatuksi. Monet asiakkaani ovat sanoneet mallinnuksen jälkeen, että onpa hyvä kerrankin saada kokonaiskuva tästä datasotkusta.
Ylätason mallista on monenlaista hyötyä. Se on erittäin hyvä kommunikoinnin väline. Kun kerrankin määritellään mitä me tarkoitamme asiakkailla, tuotteilla, palveluilla jne., alamme puhua paremmin samaa kieltä. Eräässä mallinnusistunnossani liiketoiminnan kanssa keskusteltiin pitkään siitä, onko tilaus se, että henkilö on rekisteröitynyt nettipalvelumme ilmaiskäyttäjäksi vai se, joka on tilannut maksullisen palvelun. Monessa palaverissa on varmaan puhuttu näistä tilauksista iloisesti, tarkoittaen eri asioita. Ainoastaan hyvän käsitemallin avulla yrityksen tietovarasto tai MDM-hanke voi oikeasti onnistua. Siitä on suurta hyötyä myös uutta tietojärjestelmää valittaessa. Se on elintärkeä suunniteltaessa digitaalisia palveluja.
Ongelmana laajojen alueiden mallinnuksessa on, että niistä tulee helposti …, no laajoja. Kuluu siis liikaa aikaa ja työ koetaan abstraktiksi ja vaikeaksi. Juuri siksi olen vuosien varrella kehittänyt menetelmää, jonka avulla ylätason mallin voi laatia nopeasti. Olen huomannut tiettyjä yhdenmukaisuuksia tehdessäni käsitemalleja lukuisille eri toimialoille. Tiivistämällä tämän kokemuksen olen laatinut universaalin mallin, jota voi käyttää pohjana kaikilla toimialoilla.
Moderni Data Platform pitää toki sisällään myös alueita, joita ei tarvitse heti mallintaa. Data Lakeen voidaan tuoda dataa laajasti ilman malleja. Sitten voidaan testailla ja protoilla. Jos data tulee yrityksen tuotannolliseen käyttöön, on mallinnuksen paikka. Silloin ylätason malli on taas suureksi avuksi. Sitä myös tarvittaessa ylläpidetään näiden uusien datojen tuoman ymmärryksen siivittämänä.
Olen alkanut kutsua yllä kuvaamani menetelmää nimellä Hovi Data Framework. Se on metodi rakentaa ylätason käsitemalli:
– nopeasti
– joustavasti
– jo olemassa olevaan tilanteeseen, ei tarvitse lähteä puhtaalta pöydältä
Tulen mielelläni kertomaan lisää konseptista, eli minuun voi olla koska vain yhteydessä.
Ystävällisin terveisin,
Ari Hovi
