Hei,
Keskustelen paljon sekä liiketoiminnan että data-alan ihmisten kanssa. On mielenkiintoista huomata, miten eri tavalla he suhtautuvat data-alustoihin ja niiden rooliin niin sanotussa tiedolla johtamisessa.
Kyse on lopulta siitä, miten liiketoiminta hyödyntää dataa päätöksenteossa. Tarvitaanko siihen data-alustaa, tietovarastoja tai lakehouse-ratkaisua? Ja mitä ylipäätään on tiedolla johtaminen? Onko se sama asia kuin englanniksi sanottu data driven?
Kutsun tässä blogissa kaikkia näitä lakehouseja ja muita vastaavia yleisnimellä data-alusta, kattaen kaikki alustavendorien ja markkinointigurujen termit.
Minusta data-alustoilla on edelleen paljon käyttämätöntä potentiaalia, ja niiden hyötyjä tulisi pystyä perustelemaan liiketoiminnalle paremmin. Siksi tämä kirjoitus.
Mitä on raportointi?
Kun teemme data-alustoja, juhlapuheissa kerromme, kuinka yrityksestä tulee data driven ja kuinka teemme parempia päätöksiä datan avulla. Data-alustalla on data consumereita, eli sisäisiä asiakkaita, liiketoiminnan edustajia. Heistä puhutaan usein vain “liiketoimintana”, ikään kuin he olisivat jokin toinen rotu.
(Jännä sivuhuomio, joka ei liity suoraan tähän blogiin: kaikki tukifunktiot puhuvat muista funktioista “liiketoimintana”. Datatiimille HR on liiketoimintaa, ja HR:lle datatiimi taas edustaa bisnestä.)
Kun tämä myyttinen liiketoiminta tekee raportointia, siihen liittyy usein velvollisuus raportoida tietyssä muodossa esihenkilöille, hallitukselle tai ulkoisille sidosryhmille. Raportointivaatimukset tulevat ulkoapäin tai ne vain periytyvät. Tulee uusi johtaja, ja hän raportoi samalla tavalla kuin edeltäjänsä.
Myös KPI:t toimivat näin. Ne määritellään kerran mittaamaan suoriutumista. KPI:iden kehittäminen ja käyttö on oma tieteenalansa ja kokonaan oman bloginsa aihe, joten en ota niihin tässä sen enempää kantaa.
Käytännössä raportointikäytäntöjä ja mittareita muutetaan harvoin, koska muutos on iso urakka. Lisäksi viranomaisraportointi, tunnetuimpana tilinpäätös, on täysin vakioitua, eikä siihen voi juuri vaikuttaa.
Kun olin itse toimitusjohtajana, sijoittajille ja esimerkiksi EU:lle piti toimittaa tietyt raportit ja KPI:t. Niitä ei voinut muuttaa. Näitä raportteja käytetään isoissa toimitusjohtaja- ja hallitustason päätöksissä, kuten investoinneissa, strategiassa ja palkitsemisessa.
Kuitenkaan tämän tyyppistä päätöksentekoa ei voi pitää tiedolla johtamisena tai datan laajamittaisena hyödyntämisenä läpi organisaation. Pelkkä KPI:iden olemassaolo ei tee organisaatiosta data driveniä tai mahdollista flexata nuorison termein, että tiedolla johtamisen maturiteetti on huipussaan.
Väitän, että iso osa data-alustojen käyttötapauksista on nimenomaan vakiomuotoista raportointia. Kaikki ne Data Vaultit ja muut isot “tietoaltaat” on rakennettu ensisijaisesti tätä varten.
Data päätöksenteossa
Edellä kuvasin raportoinnin logiikkaa. Monille tämä tulee yllätyksenä: näitä raportteja ei usein käytetä liiketoiminnan varsinaisessa päätöksenteossa, siis siinä, mitä yleensä tarkoitetaan tiedolla johtamisella.
Mitä ovat bisnespäätökset? Esimerkiksi:
- ostetaanko jokin yritys
- investoidaanko uuteen tuotantolaitokseen
- palkataanko lisää henkilöstöä johonkin maayksikköön
Tai analysoidaan prosessien pullonkauloja laskutuksessa, logistiikassa tai markkinoinnissa. Arvioidaan investointien ROI:ta (return on investment).
Nämä ovat eri asioita kuin KPI:t tai vakiomuotoinen raportointi. KPI:stä on tällaisessa analyysissä usein vain vähän hyötyä. Päätöksentekoa varten data kerätään tiettyä näkökulmaa varten, eikä siihen välttämättä käytetä data-alustaa lainkaan.
Dataa hyödynnetään myös sovelluksissa, joissa kone tekee automaattisesti päätöksiä, kuten verkkokaupoissa ja digitaalisissa palveluissa. En mene tässä tarkemmin esimerkiksi Amazonin tai Supercellin tapoihin käyttää dataa sovelluksissaan, koska nämä poikkeavat melko paljon perinteisestä data-alustan käytöstä.
Data-alustoja hyödynnetään toki myös ad hoc -tapauksissa, mutta mielestäni aivan liian harvoin. Tai tiedämmekö me dataihmiset edes, mihin päätöksiin data-alustaa käytetään? Usein keskustelu pyörii arkkitehtuurien ja teknologioiden ympärillä, mutta huomattavasti vähemmän sen ympärillä, mitä päätöksiä alusta tukee. Kun kysyn tätä data engineereiltä, vastausta ei useinkaan tiedetä.
Juuri erään ison teollisuusyrityksen johtaja kertoi ottavansa tarvitsemansa datan suoraan ERP:stä. Monet myynti- ja markkinointijohtajat vievät datan CRM:stä ja tekevät omat Excelinsä. HR puolestaan käyttää oman alueensa dataa HR-järjestelmästä – ja niin edelleen.
Data auttaa perustelemaan mielipiteitä
Usein dataa käytetään siten, että sillä perustellaan intuitioon tai kokemukseen pohjautuvaa näkemystä. Oman alueensa vetäjällä on yleensä hyvä tuntuma esimerkiksi siitä, kannattaisiko investoida uuteen tuotantolaitokseen tai mihin suuntaan markkina on menossa. Tämä perustuu kokemukseen ja intuitioon.
Sidosryhmille tai hallitukselle asioita ei kuitenkaan voi perustella pelkällä mielipiteellä tai perstuntumalla. Tarvitaan bisneskeissi, ja siihen tarvitaan dataa.
Tämä tehdään usein ad hoc, eikä siihen liiketoimintaihmisten näkökulmasta tarvita data-alustaa, KPI:itä tai ulospäin suunnattua raportointia.
Dataa voidaan myös käyttää väärin, politiikan välineenä. Voimme rakentaa analyysejä, jotka tukevat omaa agendaamme. Aikoinaan Nokia käytti suuria summia ulkopuolisiin konsultteihin, jotka “vahvistivat” data-analyysin avulla, että Symbianiin kannatti panostaa tai että Microsoft piti valita Androidin sijaan.
Voimme perustella datalla tunteita herättäviä aiheita, kuten maahanmuuttoa, yritystukia tai tiehankkeita, hyvinkin puolueellisesti.
Väitän, että data-analyysejä voidaan rakentaa tukemaan lähes mitä tahansa väitettä. Samaan aikaan me data-ihmiset keskustelemme single source of truthista. En halua olla kyyninen, mutta jokainen hallitustyössä ollut tietää, mitä tällä tarkoitan.
Johto, yritys ja ihmiset tavoittelevat omia päämääriään
Liiketoimintaa ei oikeastaan kiinnosta data-alustat sinänsä, niiden medallion-arkkitehtuurit, mallinnusmenetelmät (Data Vault tai jokin muu) tai data governance. Ensisijaisesti kiinnostaa omien tavoitteiden saavuttaminen. Kaikki muu on toissijaista.
Tämä on puhdasta psykologiaa: ihmisellä on kannustin tehdä sitä, mistä häntä palkitaan. Usein tavoitteiden saavuttamisella on suora rahallinen vaikutus, sillä bonukset riippuvat niistä.
Myynti haluaa dataa, joka näyttää myynnin kasvavan. Markkinointi haluaa nähdä enemmän liidejä kuin viime kuussa. HR haluaa lyhentää time-to-hirea tai parantaa työntekijätyytyväisyyttä. Jos luvut näyttävät hyviltä, harva haluaa pohtia datan laatua tai data governance -ohjelmaa. “Count me out”, he sanovat, jos ehdotat data quality -projektia.
(Sivuhuomio: jos haluat käynnistää datan laatuprojektin, valitse kuukausi, jolloin mittarit näyttävät alaspäin. Silloin aletaan pohtia, ovatko luvut pielessä.)
Jos myyntijohtajan pitäisi osallistua data-alustan kehittämiseen eikä se auta myyntiä, hän ei osallistu, ellei ole pakko. Ulkopuolinen raportointi on pakollista, mutta monelle pakkopullaa. Se ei lisää myyntiä eikä takaa bonuksia.
Raportointi kuitenkin kiinnostaa liiketoimintaa siinä mielessä, että se on pakko tehdä. Ja jos se kerran on pakko tehdä, se kannattaa tehdä mahdollisimman helposti ja kustannustehokkaasti. Juuri tähän tarkoitukseen data-alustat ovat erinomaisia.
Jos pystymme argumentoimaan, että data-alusta auttaa liiketoiminnallisten tavoitteiden saavuttamisessa, kiinnostus kasvaa välittömästi.
Lopuksi
Dataa ja siitä johdettua tietoa käytetään monin eri tavoin, ja myös hyödyntäjien tarkoitusperät vaihtelevat. Data on silti kriittisen tärkeää: sitä tarvitaan jatkuvasti merkittäviin päätöksiin.
Markkinointi tekee A/B-testausta ja allokoi resursseja tulosten perusteella. Liikennettä suunnitellaan ruuhkahuippujen mukaan. Myynti keskittyy asiakkaisiin, joilla on paras kate. Lääkefirmat tekevät tutkimuksia, ja koko länsimainen tiede perustuu koeasetelmiin ja hypoteesien testaamiseen datan avulla.
Yrityksen tilinpäätös kertoo yrityksen tilasta. Siinä mielessä meillä on jonkinlainen single source of truth, jos määrittelyt ja speksit ovat kaikkien hyväksymiä.
Sanonko siis, ettei data-alustoja tarvita tiedolla johtamisessa? En. Vaikka niitä ei usein käytetä operatiiviseen päätöksentekoon, ne ovat silti välttämättömiä. Englanninkielinen termi data driven tarkoittaa mielestäni ennen kaikkea sitä, että meillä on infrastruktuuri ja kyvykkyys tuottaa dataa tehokkaasti.
Ehkä kaikkein tärkeintä on kuitenkin se, että datatiimit ja liiketoiminta kommunikoivat ja tekevät yhteistyötä mahdollisimman hyvin. Parantamalla tätä saat 90 % tuloksista. Loput 10 % saat siirtymällä vaikkapa Oraclesta Snowflakeen, Databricksiin tai Fabriciin ja hankkimalla dbt:n, datakatalogin ja muuta teknologiaa.
Ulkopuolinen raportointi on lisäksi äärimmäisen tärkeää. Viranomaisten on voitava valvoa, että yritykset noudattavat lakia, ja sillä on suuri yhteiskunnallinen merkitys. Toinen keskeinen syy on rahoitus: pörssiyhtiöille ja kasvuyrityksille raportointi on kriittistä. Jos data ei ole kunnossa, listautuminen tai rahoituskierros voi epäonnistua. Pahimmillaan pankki saa sakkoja, jos data governance on pielessä.
Tässä mittakaavassa onnistuminen on yritykselle eksistentiaalinen kysymys. Rahoituksen epäonnistuminen voi johtaa henkilöstövähennyksiin tai jopa toiminnan keskeytymiseen.
Olen itse sitä mieltä, että jos data-alusta suunnitellaan aidosti liiketoiminnan päätöksenteon tueksi, siitä voi tulla paljon monikäyttöisempi kuin pelkkään ulkoiseen raportointiin tarkoitettu järjestelmä. Data-alustoissa on siis edelleen runsaasti hyödyntämätöntä potentiaalia.
Meidän tulisi kehittää ja ajatella data-alustoja uudelleen, erityisesti nyt tekoälyn valtakaudella.
Kuten Bob Marley sanoi:
“Don’t give up the fight.”
Olemme työskennelleet valtaosan Suomen 30 suurimman yrityksen kanssa, syvennä osaamistasi DAMA Data Management Fundamentals –koulutuksessa tai vie data ja tekoäly käytäntöön kokeneiden asiantuntijoiden avulla Hovi Data Hubin kautta.
Ystävällisin terveisin,
Johannes Hovi
