Hei,
Olen huomaavani data-alalla hyvin positiivista kehitystä. Entistä useampi puhuu nyt liiketoiminnan sitouttamisesta datan kehittämiseen.
Kirjoitin viime kerralla Data Mesh-konseptista. Tiivistettynä idea siinä on se, että kukin liiketoiminta-alue ottaa vastuun omasta datastaan.
Ari Hovin konsultti Jari Ylinen kirjoitti blogin tiedonhuollosta, jossa sama ajatus kun Data Meshissä. He ovat HUS:lla ratkoneet asiaa muodostamalla ns tiedonhuoltotrio-konseptin Kyse on siinäkin koko dataputken ymmärtämisestä, end-to-end.
Data-alan vaikuttaja Tommi Vihervaara sanoo näin:
“On tullut aika johtaa dataa kokonaisvaltaisesti koko toimitusketjun laajuudelta. Data ei ole järjestelmäasia eikä siis IT:n asia hoitaa. Datan toimitusketjun johtamista et voi myöskään ulkoistaa vaan se on otettava omaan haltuun.”
Hän on kumppaniensa kanssa kirjoittamassa kirjaa aiheesta. Todella hyvä ja tervetullut avaus!
Ellie tuotejohtaja Juha Korpela, joka ennen veti UPM:llä data-alustan rakennusta, on lanseerannut termin Business Drive Data, joka sekin liittyy samaan aiheeseen.
Kaikissa näissä yllämainituissa on yksi yhteinen viesti: datan hyödyntäminen edellyttää liiketoiminnan ymmärtämistä eri tavalla, johon on totuttu.
Bisnes tulee aina ensin
Liiketoiminta tapahtuu nimittäin aluksi irrallaan IT-järjestelmistä, ja se tulee aina ensin.
Vai oletko kuullut yrityksestä, joka ensin ostaa sovelluksen laskutukseen ja sitten vasta rupeaa miettimään, että mistä löydämme asiakkaat joita voi laskuttaa uudella hienolla laskutussoftalla?
Jos pyydät myynti- tuotanto- tai henkilöstöpäällikköä kuvaamaan heidän prosessejaan, eivät he ala kertomaan tietokannoista tai integraatioarkkitehtuurista.
He puhuvat on tuotteista, palveluista, projekteista, myynneistä, laskuista ja työntekijöistä. He tuntevat oman yksikkönsä IT-järjestelmät ja datansa. Mikään datakehitys ei onnistu ilman heitä.
Minä väitän, että monet dataprojektit takkuavat eivätkä etene juuri siitä syystä, että liiketoiminnan käsitemallinnusta ei ole tehty kunnolla. On lähdetty väärästä päästä liikkeelle, eli IT-järjestelmistä.
Hyvin tehdyt käsitemallit vangitsevat tietyn alueen liiketoiminnan siten, ettei se jätä tulkinnoille varaa.
Tasomaisuus ja abstrakti ajattelu
Ari Hovi käyttää yleensä analogiaa Google Mapsistä puhuessaan käsite- ja tietomalleista.
Jos zoomaat sisään, voit nähdä pienten katujen ja kujien nimet. Jos taas zoomaat ylös, näet vaan isot moottoritiet ja kaupunginosat.
Miksi näin on? Sitä ei ikinä tule ajatelleeksi, koska asia on niin itsestään selvä, mutta kyse on kartan luettavuudesta. Isoa kuvaa ei voisi lukea ja tulkita, jos siinä olisi edelleen kaikkien pikkuteiden nimet sikin sokin ja osittain päällekkäin.
Kuten kartta, myös käsite- ja tiedon mallinnus toimii juuri samoin. Siinäkin on eri tasoja ja luettavuus ja kommunikaatio kärsii, jos tasot menevät sekaisin.
Jos teemme ylätason liiketoimintamallin, puhumme siis edelleen samasta asiasta, eli datasta, mutta taso ja sen myötä puheenparsi eroavat.
Meidän on siis tärkeä kyetä abstraktiin ajatteluun ja käsitteellisellä tasolla erottaa liiketoiminta ja data, kun puhumme eri ihmisille.
Samaan tapaan kun lääkäri voi puhua kollegalleen eri termein kun maallikolle kuvatessaan solutason muutoksia.
Työnjako on tärkeää
Kuulostaa helpolta, mutta sitä se ei aina ole. Todella tekninen ihminen ei välttämättä halua puhua liiketoiminnan kanssa tai se ei tunnu luontevalta. Tämä on täysin ok!
Yrityksissä on tai ainakin tulisi olla sellaisia henkilöitä, jotka ovat niin sanotusti toinen jalka bisneksessä, toinen IT:ssä.
Heillä on hyvät edellytykset tehdä liiketoiminnan kanssa käsitemallit.
Kun meillä on käsitemalli liiketoiminnasta, toki tarvitaan teknisempiä kuvauksia esim integraatioista ja tietovirroista. Niistä voi olla vastuussa eri henkilöt, kaikkien panosta tarvitaan.
Käsite -ja tiedon mallinnus on siitä loistava menetelmä dataprojekteihin, että siinä voi siirtyä abstraktio tasolta ylös ja alas mutta silti yhteys säilyy liiketoiminnan ja tietokantojen välillä. Ihan samaan tapaan kun Google mapsissa.
Yhteistyö ja kommunikaatio paranee eri ryhmien välillä, kun puhutaan samasta asiasta.
Muutos on näköpiirissä
Jatkuvasti kohtaan enemmän ja enemmän ihmisiä, joiden ajatusten kanssa tämä resonoi.
Moni on todennut vuosien IT-järjestelmälähtöistä mallia sovellettuaan, ettei se toimi kovin hyvin. Mietitään että missä mättää vaikka on kaikki Azuret, Data Vaultit, Pythonit sun muut jiirissä.
Haaste on tämä: jos et ymmärrä liiketoimintaa, et ymmärrä sen tuottamaan dataa.
Usein puuttuva linkki on liiketoimintalähtöiset tietomallit, jotka toimivat siltana liiketoiminnan ja kehittäjien välillä.
Niitä on ollut hankala tehdä, kun aina sinne lipsuu tekniset termit ja kuvaukset samaan malliin ja taas ollaan umpikujassa.
Ellien suosio on nyt suurta, koska se on juuri luotu auttamaan ihmisiä laatimaan liiketoimintalähtöisiä tietomalleja.
Data Vaultin kehittäjä Data Lindstedt on hänkin todella vaikuttunut Elliestä, koska se tukee hänen ajatuksiaan:
Data Vaultin tulee perustua liiketoimintamalleihin, eikä pekästään IT-järjestelmien rakenteisiin.
Danin auktorisoima koulutaja Cindi Meyersohn on siksi kutsunut Juha Korpelan esittelemään Ellietä Suomen lisäksi myös Yhdysvaltoihin Data Vault 2.0 sertifiointikoulutuksiin.
Kannattaa muuten lukaista Juha uuden blogisarjan Modeller’s Corner ensimmäinen osa tästä, siinä hyviä vinkkejä kaikille mallinnuksesta kiinnostuneille.
Uusi aika saattaa olla lähempänä kuin uskomme. Jos näin käy, yritykset ottavat aimo harppauksia datan ja sitä kautta tekoälyn sekä muiden uusien teknologioiden hyödyntämisessä.
Ystävällisin terveisin,
Johannes Hovi
Ps. Ps. Järjestämme jälleen suositun Python-koulutuksen, jonka vetäjänä on Suomen parhaaksi koodriksi valittu Jari “Jaffa” Jaanto.
Python ohjelmoinnin perusteet Azurea ja Dataa hyödyntäen 15.2 -16.2.2021
Python on yksi maailman top3 käytetyimmästä ohjelmointikielestä. Sen sovelluskohteista data-analyysi, datatiede sekä tekoälyn kehittäminen ovat kasvavimmat. Python on jo ohittanut R-kielen suosiossaan.
Ota Python nyt haltuun osallistumalla tälle kurssille, jolla opit varmasti!
Lisätiedot ja ilmoittautuminen tästä.
