Hei,
Datakeskustelua seuratessa huomaa helposti, että huomio kohdistuu usein teknologiaan. Puhutaan lakehouse-arkkitehtuureista, uusista analytiikkatyökaluista, integraatioalustoista ja tekoälyratkaisuista. Kehitys tällä rintamalla on ollut viime vuosina nopeaa – ja hyvä niin.
Silti monessa organisaatiossa datan hyödyntäminen etenee yllättävän hitaasti.
Tätä ilmiötä tarkastellaan myös Joe Reisin Practical Data Engineering Survey -kyselyssä. Siinä data-alan ammattilaisilta kysyttiin, mikä heidän mielestään estää organisaatioita hyödyntämästä dataa tehokkaasti. Vastauksissa suurimmat esteet eivät liittyneet teknologiaan, vaan esimerkiksi organisaation siiloihin, liiketoiminnan heikkoon sitoutumiseen ja epäselvään omistajuuteen.
Toisin sanoen: data-alustat kehittyvät nopeasti – mutta organisaatioiden toimintatavat paljon hitaammin.
Kun datatyö pirstaloituu
Useimmissa organisaatioissa datatyötä tehdään useissa tiimeissä ja hankkeissa yhtä aikaa. Analytiikkaa kehitetään yhdessä paikassa, integraatioita toisessa, data-alustaa kolmannessa ja raportointia neljännessä.
Kaikki tekevät tärkeää työtä omasta näkökulmastaan.
Silti kokonaisuus alkaa helposti hajota. Samoja asioita mallinnetaan eri tavoin eri hankkeissa. Käsitteet alkavat tarkoittaa eri ihmisille eri asioita. Tietojen omistajuus jää epäselväksi. Kehittämistä ohjaa projekti kerrallaan etenevä tekeminen, ei yhteinen käsitys tiedosta.
Tällaisessa tilanteessa dataa kyllä syntyy ja sitä käsitellään paljon – mutta yhteinen ymmärrys ei kasva samassa tahdissa.
Semanttinen kerros jää usein puuttumaan
Yksi syy tähän on semanttisen kerroksen puute.
Tekninen data-alusta voi olla hyvinkin moderni. Tietorakenteet voivat olla huolellisesti suunniteltuja. Silti jos organisaatiolla ei ole yhteistä käsitystä keskeisistä käsitteistään, datan hyödyntäminen jää väistämättä vaikeaksi.
Semanttinen kerros tarkoittaa käytännössä yhteistä ymmärrystä siitä, mitä organisaation tiedot tarkoittavat ja miten ne liittyvät toisiinsa.
Kun tämä kerros puuttuu, eri järjestelmät ja analyysit alkavat helposti puhua eri kieltä.
Juuri tässä kohtaa tietojen mallinnus nousee keskeiseen rooliin.
Mallinnus tekee tiedosta näkyvää
Tietojen mallinnus mielletään usein tekniseksi vaiheeksi, joka liittyy tietovaraston tai järjestelmän suunnitteluun. Näin käytettynä se jää helposti asiantuntijatyökaluksi.
Kun mallinnusta tarkastellaan laajemmasta näkökulmasta, sen merkitys muuttuu.
Mallinnus tekee organisaation tiedosta näkyvää. Se pakottaa täsmentämään käsitteitä ja tunnistamaan niiden välisiä riippuvuuksia. Samalla syntyy keskustelu siitä, miten eri toimijat ymmärtävät tiedon.
Usein mallinnustyöpajoissa käykin niin, että kaikkein arvokkainta ei ole itse kaavio, vaan keskustelu sen ympärillä. Mallin avulla voidaan tunnistaa tilanteet, joissa eri osapuolilla on erilainen käsitys samoista asioista. Kun nämä erot tulevat näkyviin, niitä voidaan myös ratkaista.
Silloin mallinnus alkaa toimia yhteisenä kielenä liiketoiminnan ja IT:n välillä.
Tietokulttuuri ei synny teknologiasta
Hovilla tarkastelemme datatyötä usein kokonaisuutena. Ari Hovin tunnettu pöydänjalkamalli kuvaa tätä hyvin: toimiva tietopohja syntyy strategian, osaamisen, teknologian, kulttuurin, menetelmien ja organisoinnin tasapainosta.
Jos jokin näistä jää heikoksi, kokonaisuus horjuu.
Moni organisaatio panostaa paljon teknologiaan – mikä onkin välttämätöntä. Mutta yhtä tärkeää on se, miten organisaatio keskustelee tiedosta ja miten yhteinen ymmärrys rakentuu.
Mallinnus on yksi tehokkaimmista välineistä tähän.
Mallinnus tietokulttuurin työkaluna
Kun mallinnus kytketään osaksi organisaation arkea, sen merkitys muuttuu. Se ei ole enää vain tekninen suunnittelumenetelmä, vaan tapa jäsentää datatyötä kokonaisuutena.
Mallinnuksen avulla voidaan tehdä näkyväksi organisaation keskeiset tiedot ja niiden väliset suhteet. Samalla syntyy pohja keskustelulle siitä, kuka tiedoista vastaa, miten niitä kehitetään ja miten niitä hyödynnetään päätöksenteossa.
Toisin sanoen: mallinnus auttaa rakentamaan semanttisen kerroksen, jonka varaan datan hyödyntäminen lopulta rakentuu.
Kun tämä kerros on kunnossa, myös teknologia pääsee oikeuksiinsa.
Juuri tästä syystä mallinnus on palannut datatyön keskiöön.
Hovin Mallintajakoulu
Näiden haasteiden parissa työskentely asiakasyrityksissämme antoi meille kipinän uuden kokonaisvaltaisen koulutuskokonaisuuden kehittämiseen. Hovin Mallintajakoulussa opit rakentamaan ratkaisuja, jotka eivät ole pistemäisiä, vaan lähtevät kokonaisuudesta: yhteisen kielen ja määritysten luomisesta ja etenevät aina teknisiin ratkaisuihin, kuten data-alustoihin.
Mallintajakoulutuksessa saat konkreettisia työkaluja ja käytäntöjä semanttisen kerroksen selkeyttämiseen Enterprise-tason ympäristöissä.
Lue Hovin Mallinnuskoulusta lisäät tästä.
Lähteet:
Joe Reis: Practical Data Engineering Survey
https://joereis.github.io/practical_data_data_eng_survey/
Ystävällisin terveisin,
Mirjamaria Petäjänniemi
