Miten datasta jalostetaan kultaa liiketoiminnalle?

Julkaisija:

Kullankaivuu on hankalaa. Löytääkseen kultaa prospektorin pitää hankkia vaskooli, matkustaa vaikkapa Lappiin, etsiä sieltä oikeanlainen puro ja viettää pitkiä aikoja kyseisen puron varressa. Joskus prospektoria saattaa onnistaa ja vaskoolin pohjalta löytyy kultahippuja. Onnistuminen vaatii kuitenkin suunnitelmallisuutta, luovaa ajattelua ja aikaa.

Tuukka Miettinen, Kehityspäällikkö

Jotta datasta saadaan tuotettua liiketoiminnalle kultaa, tarvitaan tarkkaa suunnitelmallisuutta, abstraktia että luovaa ajattelua, aikaa ja asiantuntijuutta unohtamatta. Data on vahvasti läsnä nykypäivän liiketoiminnassa alasta riippumatta. Sen suunnitelmallisella ja järjestelmällisellä hyödyntämisellä organisaatiot pystyvät luomaan ratkaisevaa kilpailuetua kilpailijoihinsa nähden. Dataa voidaan valjastaa muun muassa kulujen ennustamiseen, työn raportointiin tai vaikkapa asiakkaiden ostokäyttäytymisen mallintamiseen.

Data toimialojen disruptoijana

Datan merkitys on parhaiten havaittavissa, kun lähdetään tarkastelemaan tämän päivän megatrendejä, kuten esimerkiksi automaatiota, robotiikkaa, tekoälyä tai energiateknologiaa. Näiden kaikkien keskiöstä löydetään data, analytiikka ja digitalisaatio.

Data ja digitalisaatio kulkevat käsi kädessä. Hyvänä esimerkkinä tästä on esimerkiksi Netflixin tai Spotifyn kaltaiset menestystarinat. Molemmat yhtiöt olivat alun perin pieniä kaloja isoissa merissä (Netflix vs. videovuokraamot ja Spotify vs. levykaupat), mutta jotka onnistuivat muuttamaan toimialojensa ansaintalogiikat täysin. Datan tärkeys on nähtävissä siinä, että molempien alustojen suositusalgoritmit hyödyntävät käyttäjiensä käytösdataa, jonka pohjalta ne markkinoivat asiakkailleen jatkuvasti uutta sisältöä, näin pitäen asiakkaat alustapalvelun piirissä. Tässä nähdään todellakin uuden ajan ”ikiliikkuja” (olettaen että sisältö on jatkuvasti kiinnostavaa nykyisille ja uusille asiakkaille).

Toisena datan käytön elementtinä on tiedolla johtaminen, johon datan käyttö yleisesti yhdistetään. Aiheesta on kirjoitettu paljon ja tiedolla johtaminen onkin ollut monella alalla kuuma peruna aina 90-luvulta saakka. Tämä ei kuitenkaan poista aiheen merkitystä, päinvastoin tarve keskustelulle ja oman organisaation tiedolla johtamisen kehittämiselle on ajankohtaisempaa kuin koskaan.

Tulen käymään tulevina viikkoina tarkemmin läpi blogisarjassani sitä, miten oman organisaation datasta sitten vuollaan sitä kultaa; miten dataan päästään käsiksi ja miten sitä hyödynnetään parhaiten? Mitä onnistunut datan kerääminen vaatii, miten datamallit suunnitellaan ja rakennetaan oikein ja miten BI-prosessia johdetaan? Käsittelen myös datakeskeisen kulttuurin luomisen tärkeyttä ja käyn läpi käytännön tasolla esimerkkejä, miten ja missä BI-palveluita ja tiedolla johtamista voidaan hyödyntää. Ohessa kuitenkin pikainen läpileikkaus käsittelyssä oleviin eri osa-alueisiin.

Suunnitelmallisuus saa datan tottelemaan

Ennen kullankaivamisen aloittamista prospektorin tulee suunnitella kaivuu-urakkansa huolellisesti. Pitää määritellä paikka josta kultaa tullaan kaivamaan, kaivamisen eri vaiheet ja tietysti tavoitteet (rahasäiliöllinen kultaa olisi hyvä aloitus!).

Datan kaivamisen suhteen prosessi on sama: määritetään tavoitteet strategisella, taktisella ja operatiivisella tasolla, esitetään oikeat kysymykset prosessien omistajille, johtajille ja prosessin parissa työskenteleville muille henkilöille ja määritetään mittarit, jolla onnistumista mitataan. Mitä tietoa tarvitaan, jotta pystytään johtamaan tiettyjä vastuualueita oikealla tavalla oikeita tietoja hyödyntäen?

Myös itse tiedon käsite tulee määrittää ennen työhön ryhtymistä. On tärkeää ymmärtää organisaation tärkeimmät käsitteet ja niiden väliset yhteydet sekä ominaisuudet, jolloin kaikki alkavat puhua yhteistä kieltä samoista asioista. Tämä luo hyvän pohjan tietovaraston arkkitehtuurille ja datan mallintamiselle.

Datan kaivamisen anatomia

Ennen kuin data alkaa tuottaa arvoa organisaatiolle, pitää se ensin kaivaa esiin eri lähteistä. Tässä vaiheessa on hyvä muistaa, että data, joka ei tänä päivänä vaikuta kovinkaan arvokkaalta, voi osoittaa arvonsa joskus tulevaisuudessa. Vaikka kyseessä olisi “vain” merkitsemätöntä metadataa, tuo data saattaa olla ensiarvoisen tärkeää esimerkiksi oman sovelluksen tai asiakasalustan rakentamisvaiheessa. Datan tallentaminen ja säilyttäminen onkin järkevä päätös liiketoiminnan kannalta, sillä jälkiviisas “Niin, olisihan tuokin tieto ollut kyllä hyvä säilyttää vuosien varrella” -lause saattaa myöhemmin kirpaista ikävästi sielussa.

Organisaation on tärkeä tunnistaa mitä dataa löytyy mistäkin lähteestä, mikä tieto on tärkeää ja mitkä ovat relaatiot eri datojen välillä. Tämän ymmärryksen saavuttamisessa auttaa hyvin tehty käsitemallinnustyö. Kun suunnittelun ja päätöksenteon pohjalla on hyvä käsitemalli, on helppo lähteä rakentamaan datamalleja ja tietovarastoja.

Itse datan kaivamista kutsutaan ETL-prosessiksi (Extract, Transform and Load). ETL-prosessissa ladataan organisaation data eri järjestelmistä sopivaa dataintegraatio- tai BI-työkalua käyttäen. Latauksen jälkeen data muunnetaan oikeaan muotoon ja ladataan esimerkiksi tietovarastoon käytettäväksi datamallia varten.

Arvoa tuottavan datamallin rakentaminen

Pelkän ETL-prosessin läpivieminen ei riitä siihen, että datasta saadaan luotua lisäarvoa. Datamassa on toki siivottu ja kerätty kasaan, mutta sen muotoilu toimivaan muotoon on oma hommansa. Tämä vaatii yleensä jotain BI-työkalua, esimerkiksi Power BI:tä, Qlik Senseä, QlikView:ta tai Tableuta.

Business Intelligence -työkalut ovat erinomaisia työkaluja datamallien luomiseen sekä raportointiin. Pelkkä oikean työkalun käyttö ei ole kuitenkaan kaikkea ratkaiseva hopealuoti, vaan sen käytössä on hyvä huomioida yksi alan best practice -muistisääntö: 80/20-sääntö. Tämä tarkoittaa sitä, että raporttia rakennettaessa kehittäjän tulisi käyttää 80% ajasta datamallin rakentamiseen. Hyviä kysymyksiä mallia rakennettaessa ovat esimerkiksi “onko data pureksittu ja siivottu oikein”, “yhdistyykö eri datataulut oikeisiin datatauluihin oikeita avaimia käyttäen” ja “otettiinko hakutaulut ja transaktiotaulut huomioon datamallin hierarkiassa”.

Kun datamalli on rakennettu ja hiottu kuntoon, voidaan keskittyä visualisointeihin, eli itse raportin luomiseen. Raportit on hyvä pitää selkeinä (ei liikaa elementtejä yhteen raporttiin!) ja pohtia sitä, vastaako koko raportointikokonaisuus johonkin oikeaan tarpeeseen. Monesti (eli siis lähes aina), kun itse raportti on valmis, huomataan että siitä puuttuu olennaisia tietoja esimerkiksi määrittelyn puutteellisuuden tai tarpeiden muuttumisen vuoksi. On myös hyvä oivaltaa, että kyse on kuitenkin pohjimmiltaan liiketoiminnan kehitystyöstä, joka ei pääsääntöisesti pääty koskaan.

Muistisääntö numero 123021: Data ei ole automaattisesti tietoa. Se vaatii pureskelua, hiontaa ja tulkintaa, jotta se jalostuu tiedoksi. 

Data vaatii johtamista

Sillä ei ole väliä, onko organisaatiosi vasta pyörittelemässä Exceleitä vai käyttämässä dataa päivittäin hallitusti päätöksenteon tukena tai ennakoivan analytiikan pohjana, silti yksi asia on kaikissa tapauksissa sama: tarve jatkuvalle kehitykselle ja seuraavan askeleen ottamiselle. Koskaan ei olla valmiita, sillä sinä hetkenä, kun johtoryhmän kokous päätetään sanoihin “Noniin, nyt olemme täysin valmis organisaatio. Olemme saavuttaneet kaiken.”, kilpailu ajaa meidän ohitsemme.

Uskon, että kaikki organisaatiot tulevat tulevaisuudessa käyttämään kehityksessä ja päätöksenteossa tukena faktaan pohjautuvaa tietoa, jota tuotetaan analytiikan avulla eri tietolähteistä.

Onnistunut tiedolla johtaminen vaatii selkeitä vastuita, rooleja, kehityksen seurantaa sekä hyvää dokumentaation- ja toimittajienhallintaa. Käytössä tulee olla eri tasoisia ohjausryhmiä ohjaamassa toimintaa, jotta pystytään vastaamaan koko organisaation tarpeisiin (kuitenkin ottaen huomioon organisaation kokoluokka). Tämän lisäksi käytössä olisi hyvä olla kehityksen roadmap ja selkeä pelikirja siitä, miten dataa meillä hallitaan ja johdetaan. Kaikki edellä mainitut asiat helpottavat arkea siinä vaiheessa, kun henkilöstössä tapahtuu muutoksia tai otetaan esimerkiksi uusi toimittaja rakentamaan organisaation raportointia.

Datavetoisen kulttuurin rakentaminen

Mielestäni kaikkien edellä mainittujen kohtien täysi hyödyntäminen edellyttää sitä, että organisaatio omaksuu datan käytön osaksi kulttuuriaan. Kaikki valmisteleva ja kehittävä työ voidaan tehdä huolellisesti, mutta siitä ei saada läheskään kaikkea hyötyä irti, jos vain muutama henkilö käyttää dataa sinä kultana, jota se parhaimmillaan on.

Oikeanlaisen kulttuurin luominen vaatii sinnikästä ja systemaattista muutosjohtamista, jossa jokainen yksilö voitetaan tiedolla johtamisen puolelle yksitellen. Tämä ei todennäköisesti tapahdu yhdessä yössä, kuukaudessa tai edes vuodessakaan, mutta kaikki se muutostyö on todellakin vaivan arvoista.

Vasta ensimmäinen siivilöinti…

Tämä oli tietysti vasta vain pintaraapaisu erittäin laajaan aihealueeseen. Näistä aion kertoa tarkemmin tulevien tekstien kautta ja seuraavassa blogissani aion syventyä tarkemmin tiedolla johtamisen alkupäähän, eli prosessin suunnitteluun, määrittelyyn ja datan keräämiseen.

Herättikö blogi jotain ajatuksia sinussa? Blogi on jaettu LinkedInin puolelle, joten käy ihmeessä pudottamassa kommentti postauksen alle halutessasi! Minulle voi myös soittaa, lähettää sähköpostia tai voidaan myös verkostoitua LinkedInin puolella (ja jatkaa keskusteluita privaatisti)!  

Data-rakkain terveisin,

Tuukka