10.08.2021

Käyttäjäkeskeisyys ratkaisee data-alan voittajat – siitä pitää huolen Darwinin laki

Asiakas on aina oikeassa.

Tämä totuus on kyseenalaistettu säännöllisin väliajoin – ja usein hyvin perustein.

Klassikkoesimerkki on Henry Fordin sanomaksi väitetty lausahdus: ”Jos olisin kysynyt ihmisiltä, mitä he haluavat, he olisivat sanoneet nopeampia hevosia.”

Steve Jobs taas on moderni klassikko siitä, miten näkemykselliset yksilöt ja organisaatiot saattavat tietää asiakkaita itseään paremmin, mitä nämä tarvitsevat.

Läpimurtoihin tarvitaan näkemyksellisiä ihmisiä. Totuus on kuitenkin edelleen se, että läpimurtojen jälkeen pitää kuunnella asiakkaita, miten tuotteita ja palveluita kehitetään eteenpäin. Väistämätön kehityskulku kaikilla aloilla onkin, että alan kypsyessä on siirryttävä asiakaskeskeisiin toimintamalleihin, jos halutaan menestyä kilpailluilla markkinoilla. Matkapuhelin- ja autoteollisuus ovat nykyään kypsiä toimialoja, jotka kuuntelevat tarkalla korvalla asiakkaitaan.

Käyttäjä on IT:n asiakas

IT-ala on kypsymässä oleva toimiala. Joiltakin osin ala on hyvinkin kypsässä vaiheessa, toisilta osin ei. Asiakas on IT-palveluiden käyttäjä. IT-alalla asiakaskeisyys tarkoittaa siis käyttäjäkeskeisyyttä. 

Ketä nämä käyttäjät sitten ovat?

  • Yrityksen sisäisten IT-ratkaisujen kuten ERP:n tai CRM:n käyttäjiä ovat pääsääntöisesti yrityksen työntekijät.
  • Ulkoisten digipalveluiden käyttäjiä ovat mm. asiakkaat ja yhteistyökumppanit.

IT-alallakin ollaan siirrytty menestyksekkäästi käyttäjäkeskeisiin toimintamalleihin. 

Sen sijaan, että viisaat IT-asiantuntijat päättäisivät käyttäjien puolesta, mitä nämä tarvitsevat, käyttäjien tarpeet ohjaavat kehitystä mm. Epicien ja User Storien avulla.

Menetelmät eivät ole täydellisiä, mutta juuri kukaan ei kyseenalaista käyttäjäkeskeisten lähestymistavan tarpeellisuutta vaan menetelmiä määrätietoisesti kehitetään puutteiden korjaamiseksi.

Data-ala on vasta kypsymässä

Datan hyödyntämisesssä suuret läpimurrot tapahtuivat ihan hetki sitten. Esimerkiksi tekoälykehityksessä läpimurto tapahtui vuonna 2012, kun Deep Learning -algoritmit voittivat täystyrmäyksellä perinteiset analyyttiset ratkaisut useilla eri sovellusalueilla konenäöstä ja puheentunnistukseen. 

Kehitys on vasta alussa ja ala kypsyystasoltaan alhainen. 

Epäkypsällä data-alalla tarvitaan paitsi Fordin ja Jobsin kaltaisia visionäärejä, myös suurta joukkoa meitä muita data-alan ammattilaisia auttamaan käyttäjiä, koska he eivät välttämättä itse osaa pyytää autoa vaan nopeampia hevosia.

Data-ala kuitenkin kypsyy ja sekin muuttuu käyttäjäkeskeiseksi. Sen on itse asiassa pakko muuttua. Kansainvälisten huippukouluttajiemme kertomukset data-hankkeiden onnistumisprosenteista ovat välillä karseaa kuultavaa. Esimerkiksi muutama vuosi sitten lähes kaikki tietoallashankkeet epäonnistuivat. Samansuuntaisia, joskaan ei ihan näin lohduttomia arvioita kuulee kaikentyyppisistä datahankkeista. 

Suurin osa epäonnistumisista tapahtuu heti alussa. Tavoitteiden ja vaatimusten asetannassa epäonnistutaan. Toisin sanoen käyttäjätarpeita ei kuunnella tai ymmärretä.

Data-alan kypsyessä käyttäjävetoiset toimintatavat tulevat Darwinin lain mukaisesti yhtä varmasti kuin se, että vahvimmat voittavat. Kaikki organisaatiot eivät muutoksessa onnistu, mutta onnistujat valtaavat alan ja epäonnistujat poistuvat näyttämöltä.

Käyttäjävetoiseksi minimoimalla turha kompleksisuus

Käyttäjävetoisiin toimintatapoihin pitäisi siis siirtyä, mutta miten?

Kypsillä käyttäjäkeskeisillä aloilla on kehitetty välineitä, jotka ovat käyttäjille mahdollisimman yksinkertaisia ja helppoja niin että ne palvelevat täysimääräiseksi käyttäjän päämääriä, mutta kaikki ylimääräinen kompleksisuus on minimoitu. 

Omakotitalon käyttäjä on asukas ja arkkitehti hänen edustajansa. Arkkitehtipiirustusten avulla he työstävät yhdessä suunnitelmaa kohti käyttäjän tarpeita. Kaikki sellainen kompeksisuus, josta käyttäjän ei tarvitse huolehtia, kuten tarkemmat sähkö- ja LVI-suunnitelmat voidaan jättää konepellin alle. 

Yleisellä tasolla tätä käytäntöä voidaan kutsua abstrahoinniksi. Monimutkaiset asiat abstrahoidaan sellaiselle tasolle, jota käyttäjä osaa hyödyntää.

IT-alalla abstrahointi on terminä paljon tutumpi. Abstrahointia tehdään sovelluskehityksen kaikilla tasoilla niin, että kaikki ylimääräinen kompleksisuus jätetään konepellin alle. 

Aiemmin mainitut Epicit ja User Storyt ovat abstrahoinnin välineitä käyttäjärajapinnassa. 

Käyttäjän ei tarvitse huolehtia toteutuksen yksityiskohdista, jos hänen tarpeensa ymmärretään täsmällisesti ja ne ohjaavat kehitystä. 

Sovelluskehityksessä ollaan otettu viidentoista vuoden aikana jättiharpauksia käyttäjäkeskeisyydessä – UI/UX:stä on tullut se osa-alue, jonka ehdoilla kehitystä lopulta tehdään. Sovellusten helppokäyttöisyys, intuitiivisuus, sisäinen logiikka sekä käyttökokemus ovat kaiken digikehittämisen ytimessä.

Miten minimoidaan datahankeiden kompleksisuus

Palataan alkuperäiseen kysymykseen. Miten data-alalla pitäisi siirtyä käyttäjäkeskeisiin toimintatapoihin? Miten asioita voitaisiin abstrahoida datahankkeissa?

Datahankkeet ovat IT-hankkeita, joten mm. Epicit ja User Storyt ovat relevantteja siinä kuin kaikissa muissakin IT-hankkeissa. 

Datahankkeista voi kuitenkin löytää yhtäläisyyksiä myös toiseen edellisistä esimerkeistäni. Tietomallit toimittavat hyvin samantyyppistä tehtävää datahankkeissa, mitä arkkitehtipiirustukset omakotilalon rakentamisessa. 

Fyysisen toteutuksen kompleksisuus voidaan tarvittaessa piilottaa konepellin alle ja käyttäjän tarpeet ohjaavat kehitystä konseptuaalisen ja loogisen tietomallin avulla. Välineet käyttäjälähtöiseen abstrahointiin löytyy siis IT-alan yleisistä hyviksi koetuista käytännöista täydennettynä tietomallinnuksella.

Tiedonmallinnus on käyttäjäkeskeisen kehityksen välineenä korvaamaton. Se miten tieto on organisoitu määrää sen, mitä sillä voidaan tehdä – miten käyttäjän päämäärät voidaan saavuttaa.  Tietomallinnus on ratkaisu, mutta se vaatii kehittämistä

Tietomallinnus on välttämätöntä, mutta se ei kuitenkaan ole tae menestyksestä, koska tarpeiden kuvaaminen ei aina ole helppoa edes mallintamalla. Sama tilanne siis kuin yleensäkin IT-alan käyttäjäkeskeisten käytäntöjen kanssa. 

Yhä harvempi kiistää lähestymistavan tarpeellisuutta, mutta pitää määrätietoisesti työskennellä menetelmien puutteiden korjaamiseksi.

Miten me olemme tehneet käyttäjäkeskeisten toimintatapojen kehittämiseksi

Ellie on monelle teistä tuttu työkalu. Ellien kehityksen lähtökohtana oli kehittää maailman helpoin ja nopein datanmallinnustyökalu tehostamaan tietotyötä. 

Ellie-tiimi on onnistunut tässä tavoitteessa erinomaisesti. Kansainvälisen osaajaverkostomme yksimielinen palaute on ollut se, että Ellie on onnistunut täyttämään sellaisen aukon markkinoilla, jolle on huutava tarve.

Täällä Ari Hovin puolella olemme kehittäneet käyttäjäkeskeisiä menetelmiä, koska paraskaan työkalu ei yksinään riitä.

Jotta asioita voidaan kehittää käyttäjien ehdoilla, pitää tunnistaa, ketä nämä käyttäjät ovat.

Toimeksiannoissamme olemme tunnistaneet seuraavat käyttäjäryhmät, joilla kullakin on omia haastavia tarpeitaan, joiden ratkaisemiseen on kiinnitettävä erityishuomioita.

Ryhmät eivät ole erillisiä, toisensa poissulkevia, vaan monen käyttäjän työtehtävät ovat yhdistelmiä useista näistä. 

Tämä ei ole myöskään kattava lista, vaan lista niistä käyttäjäryhmistä, joiden erityistarpeisiin olemme tähän päivään mennessä löytäneet myös ratkaisuja. 

Tällaisia käyttäjäryhmiä ovat:

  1. tiedolla johtavat asiantuntijat ja johtajat
  2. datatuotteiden kehittäjät (kuten verkkokaupan suosituskone- tai search-toiminto)
  3. analyytikot / analyyttisten ongelmien ratkaisijat
  4. digitaalisten palveluiden kehittäjät
  5. muut IT-ratkaisujen kehittäjät (ERP, CRM ym.)

Käyttäjäryhmä 1 on se kaikista ilmeisin. Käyttäjäryhmälle 1 oleellista on määrittää tietotarpeet mahdollisimman täsmällisesti, jotta toteutus vastaa tarpeita. 

Käyttäjäryhmälle 3 itse analyyttisen pohdinnan prosessi on se kaikista keskeisin. Tietomallinnuksen avulla asioiden välistä vuorovaikutusta voidaan kuvata niin, että helpotetaaan analyytikon pohdintaa, kun hän työstää ongelmalleen mahdollisesti lukuisia erilaisia ratkaisutapoja.

Käyttäjäryhmällä 4 yleiset IT-hankkeiden käytännöt User Storeineen ovat niitä kaikista oleellisimpia, mutta keskeistä on johtaa näistä myös tietokantojen rakenteet. Tunnettu tosiasia on, että hyvällä tietomallilla voidaan merkittävästi yksinkertaistaa sovelluslogiikkaa – tai toisin päin – erinomaisellakaan sovelluslogiikalla ei pystytä korjaamaan tietomallin ongelmia. 

Käyttäjäryhmän 5 tarpeet ovat monilta osin samanlaisia kuin ryhmällä 4. Kuitenkin tällöin mennään paljon enemmän pakettiratkaisujen ehdoilla, joka aiheuttaa omia haasteita.

Datatuotteiden kehittäjät – eli käyttäjäryhmä 2 – on konkreettinen esimerkki siitä, että ryhmät eivät ole poissulkevia vaan käytännöt tarpeet ovat yhdistelmiä monista.

En ole työskennellyt Zalandolla (euroopan suurin vaatekauppa verkossa), mutta voin spekuloida, miten itse pyrkisin työskentelemään tämän tyyppisessä yrityksessä. Datatuotteiden kuten suosituskoneen kehittämisessä keskeisiä välineitä olisivat ketterän kehityksen patteristo Epiceineen ja User Storeineen. 

Kuitenkin suosituskone – siis se moottori joka suosittelee asiakkaalle hänelle mahdollisimman hyvin sopivia tuotteita – on keskeinen taistelutanner, jossa Zalando yrittää voittaa kilpailijansa ja päinvastoin. Tämä on jatkuvaa kehitystyötä, jossa analyytikot työstävät jatkuvasti monia eri kehityspolkuja. Datatuotteiden kehittäjien tarpeissa yhdistyvät siis vahvasti ryhmien 3 ja 4 tarpeet.

Tietomallinnus on merkittävä osa ratkaisua kaikille näille käyttäjäryhmille, mutta se pitää yhdistää heidän muuhun työvälineistöön – käyttäjän ehdoilla.

Oikein hyvää alkanutta syksyä kaikille!

Ystävällisin terveisin,

Hannu Järvi

PS. Tervetuloa uusitulle SQL-kurssille:

SQL perusteet, 2.9 – 3.9.2021

SQL on data-ammattilaisen perustyökalu tiedonlouhintaan. Se on myös ensimmäinen askel Data Sciencen maailmaan: SQL on tässä työtehtävässä kaikista olennaisin taito. Vuoden 2021 Data Science työpaikkailmoituksissa SQL on toiseksi kysytyin taito.

Ari Hovin ainutlaatuiset harjoitukset ja kurssiin sisältyvä SQL-kirja takaavat, että opit varmasti. Suomen Top30 yritysten vakiokurssi, jonka saat yrityskohtaisena myös isommalle porukalle. Etätoteutus ja mahdollisuus valita kurssikieleksi englanti, mahdollistaa kansainvälisten tiimien valmentamisen kustannustehokkaasti.

Lue tästä lisää kurssin sisällöstä.

Saattaisit olla kiinnostunut myös näistä

Ketterä kehitys

SQL perusteet

Lue lisää
Datan hallinta

Tietojen mallintaminen – Data Modeling

Lue lisää