16.02.2021

Mikä on datatuote?

Hei,

Olen kirjoittanut viime aikoina paljon datan hyödyntämisen uusista tuulista, kuten Data Meshistä. 

Hyvin paljon puhutaan datasta tuotteena, eli Data as a Product.

Mitä sillä oikeastaan tarkoitetaan käytännössä? Voiko data olla tuote ja mikä ihme se sellainen tuote on?

 

Tuotteen määritelmä

Jos mietitään miten yleensä ihmiset mieltävän tuotteen, eli se on jonkinlainen kokonaisuus, usein tavara mutta entistä enemmän myös digitaalinen tuote. Esimerkiksi Amazon, Facebook tai kännykkäpeli ovat digitaalisia tuotteita.

Myös yritysohjelmistot ovat usein tuotteita. Tuotteelle on ominaista se, että se on määrämuotoinen ja siihen liittyy tuotantoa

Manuaalisesti valmistettu ja yhden asiakkaan toiveiden mukaisesti tehty pöytä ei ole niin paljon tuote, kun vakio-osista tehty Ikean pöytä. 

Samoin yhdelle asiakkaalle tehty softa ei ole samanlailla tuote, kun valmissofta, jota useat käyttävät.

Tuotteella on myös asiakaskunta, joka hyötyy tuotteesta ja ostaa sitä.

Eli hyvä tuote on sellainen, joka on selkeä kokonaisuus, sen tuotettu vakiomuotoisesta komponenteista jollain tuotantoprosessilla, ja sillä on asiakas. 

Voimme varmasti hyvällä omalla tunnolla lisätä tähän vielä, että tuotteella pitää olla jonkinlainen toimitusketju, jotta asiakas saa sen käyttöönsä.

Tästä päästääkin sitten datatuotteen määritelmään. 

 

Datatuotteet ovat tiedolla johtamista

Yrityksillä ja organisaatioilla on paljon dataa, jota se hyödyntää päätöksenteossa, ohjelmistojen kehittämisessä ja vaikkapa tekoälyn kehyksessä.

Yritys on vaikka  yhdistänyt, eli integroinut, vaikkapa säätila-, laite-, raaka-aine, sekä jotain sensoridataa menestyksellä, että se voi ennustaa kysyntää hyvin tarkasti. 

Tämän perusteella yritys optimoi varaston kiertoa tehokkaammin ja säästää kustannuksissa.

Juuri tämä on datatuote tai paremmin sanottuna siitä voidaan tehdä datatuote. 

Kyseisellä tuotteella jokin valmistusprosessi, laadunvarmistus komponentit ja asiakas, joka on tässä tapauksessa tuotantojohtaja. 

Yrityksellä on dataa asiakkaistaan ja sen avulla pystyy ennustamaan asiakaspoistumaa. Tämä on myös datatuote, jossa asiakas on markkinointijohtaja.

Datatuotteen asiakas on siis usein sisäinen asiakas. Se voi olla myös ulkoinen, mutta palaan siihen tulevissa kirjoituksissa.

Datatuotteet ovat yrityksen datasta muodostettua informaatiota, jolla on asiakkaalle jokin arvo.

 

Datatuotteiden valmistus

Kuten normaalienkin tuotteiden, kohdalla, niin datatuotteen rakentaminen kannattaa lähteä asiakkaan tarpeista käsin.

Tuotteet auttavat aina ihmistä jossain, tehostavat toimintaa tai tekevät jotain, jolla on selkeästi arvoa.

Asia voidaan myös nähdä ongelmanratkaisuna. Tuoli auttaa istumisogelmaan, auto liikkumisoingelmaan. 

Sama pätee datatuotteisiin:

Mitä liiketoimintaongelmaa esim tuotantojohtaja ratkoo? Datatuote auttaa tämän ongelman ratkaisemisessa. 

Datantuotteen arvoketju pitää sisällään eri vaiheita aina datan synnystä tuotteen käyttöön.

Datatuotteessa käytetty raakadata, syntyy IT-järjestelmässä, kuten ERP:ssä.

Data Mesh-arkkitehtuuria käsittelevässä blogissa kerroin tästä tarkemmalla tasolla, mutta olennaista on datan tuotantovaiheen ihmisten sitominen mukaan datan toimitusketjuun.

Datatuotteen pitää sisällään sitten eri vaiheita. Yksi vaihe liittyy tekniseen työhön. 

Silloin juuri tehdään ETL/ELT:ä, SQL:ää, Pythonia, devausta, tietokantoja- alustoja- varastoja- altaita ja kaikkea muuta, joista tuotteen asiakas on harvoin kovin syvällisesti kiinnostunut.

Monesti tiedonhallinta on ajateltu olevan juuri tuota yllä kuvattua, mutta se on todellisuudessa vain pieni osa datatuotteen arvoketjua. 

Tuotantojohtaja pystyy optimoimaan tuotantoaan dataan perustuen ja siten hyödyntämään yritystä menestymään. 

Siinä on yksi onnistuneen datatuotteen tavoitteista.

Toinen hyvä KPI on sisäisten asiakkaiden määrä.

Datatuotteen lopullinen tavoite ei ole koskaan esim data-alustan rakentaminen tai jokin tietokantaratkaisu.

 

Datatuotteiden tekemisen ympärille järjestäytyminen

Datatuotteiden valmistamisessa tärkeintä on se, että data ymmärretään juuri tuotteena. Jos näin on, ollaan jo hyvin pitkällä.

Asiaa ei kuitenkaan voi tekniset asiantuntijat päättää, vaan se on liiketoimintapäätös, koska usein roolitusta pitää hiukan uudelleen miettiä.

Yksi tapa varmistaa datatuotteiden valmistus, on palkata CDO, eli Chief Data Officer. 

Tässä kohtaa pitää olla kuitenkin tarkkana. Monet saattavat lopulta palkata tähän IT-osaajan, jolla on syvällistä kokemusta esimerkiksi AWS:tä ja Azuresta. 

Paras tausta tähän on kuitenkin liiketoiminta, mielellään kokemus digitaalisista tuotteista.

Vielä tärkeämpi rooli on Product Owner. PO keskeiset tehtävät ovat koko tuotteen elinkaaren hallinta, tuotteen visio ja roadmap sekä backlogin hallinta.

Toisin sanoen hän on ikään kuin tuotepäällikkö joka tuntee tuoteensa läpikotaisin. 

Datatuotteiden kehittämiseen liittyvän organisaation laatimiseen on tärkeä myös miettiä, että miten hallitaan keskitetty (centralized) ja hajautettu (decentralized) malli, koska kumpaakin tarvitaan. 

Pitää miettiä rooleja, kommunikaatiota ja yhteistyötä eri ihmisten ja yksiköiden välillä. 

Tämä on tiedonhallinnan slangilla sitä Data Governancea, joskin termi on lievästi sanottu byrokraattinen.

En siis suosittele että ilmaiset asian tuotejohtajalle jotenkin seuraavasti: 

“meidän täytyy nähdä data niinkuin Data-as-a-product, kuten Zalandolla, ja sitten implementoida Data Governance policyt siihen ympärille..”

Parempi on sanoa:

 “että hyvä tuotejohtaja, olemme aika varmoja, että dataa ja teknologiaa hyödyntämällä saadaan linjastosta enemmän tehoja irti, eiköhän koiteta. Sitten meidän tarvitsee rekrytä siihen ihmisiä sisältä ja ulkoa, ja saada porukat puhaltamaan yhteen hiileen..”

Data-asintutijoiden keskuudessa on toki omat termit, niinhän jokaisella ammattiryhmällä on. 

Pitää yrittää sitten aina vaihtaa kieltä, kun joku ei-dataihminen astuu huoneeseen. Vähän niin kuin kahvipöytään tulee englantia puhuva, niin keskustelu pitää lennosta muuttaa eri kielelle.

 

Lopuksi

En ole varma lyökö tämä Data as Product täysillä läpi muissa yrityksissä, kun teknologiayrityksissä. Mielestäni siinä on kyllä paljon hyvää.

Esim SaaS- tai alustafirmalle tässä ei edes ole mitään uutta, koska joka tapauksessa PO:t vetävät niissä tuotetiimejä. 

Toinen vaihtoehto on Data as a Service, jossa mietitään datapalvelun tuottamista mahdollisimman tehokkaasti organisaation sisällä. Eli että datatiimi on ikään kuin sisäinen konsulttifirma.

Kumpaakin näistä lähestymistavoista yhdistää se, että datan toimitusketjun tulee olla kunnossa aina tuotannosta sinne asiakkaaseen.

Olen myös huomannut seuraavan mielenkiintoisen asian:

Kaikki yritykset joilla jokin tuote, vaikka ohjelmisto tai hissi, haluaa että se on mieluummin palvelu, kun tuote. Siitä juuri tulee nimi ”Software as a Service” (SaaS), eli ohjelmistotuote palveluna.  Ei siis myydä tuotetta, vaan palvelua.

Sitten jos jollain paveluyrityksellä on palvelua, jota myydään, niin se pitää tuotteistaa ja ”paketoida” kiireen vilkkaa. Yhtäkkiä palvelua pitääkin kutsua siis tuotteeksi. Go and figure:)

Oli niin tai näin tuotteen ja palvelun pitää aina hyödyttää liiketoimintaa, eli asiakasta, oli se sitten sisäinen tai ulkoinen.

Ystävällisin terveisin,

Johannes Hovi

Ps. Mikäli data-alan kehitys kiinnostaa, tässä olisi joitain ilmaisia webinaareja eri aiheista, kuten esimerkiksi mallinnuksesta, datanlukutaidosta tai liiketoimintalähtöisestä Data Vaultista.

 

Miksi tiedon mallintaminen on tärkeää?

Webinaarin avulla sisäistät tiedon mallintamisen perusteet käytännön läheisten vinkkien avulla ja erinomaisen Minna Oksasen johdolla! Ilmoittaudu mukaan maksuttomaan webinaariin. 

Lisätiedot ja ilmoittautuminen tästä

 

Datanlukutaito ja AI hankkeet

Keskitymme tässä webinaarissa datanlukutaitoon ja saat  käsityksen miksi sen osaaminen on tärkeää organisaation AI-hankkeiden menestykselle. Kurssin vetäjä Hannu Järvi on tunnettu data-alan vaikuttaja ja kouluttaa Suomen johtavia yrityksiä ymmärtämää ja hyödyntämään dataa entistä tehokkaammin.

Lisätiedot ja ilmoittatuminen tästä

 

Business-Driven Data Vault: Fast-forward from business requirements to business intelligence

Yhdysvaltalainen Data Vault asiantuntija Cindi Meyersohn ja Ellie Technolgiesin Juha Korpela kertovat, miten liiketoimintalähtöinen Data Vault-ratkaisu toteutetaan. 

Lisätiedot ja ilmoittautuminen tästä

Saattaisit olla kiinnostunut myös näistä

Tiedolla johtaminen vaatii datanlukutaitoa

Lue lisää

Tekeekö teknologia yrityksistä datavetoisimpia (Datadriven)?

Lue lisää

Datojen ja ihmisten siiloutuminen

Lue lisää