Data on aikamme ihmeaine, jonka hyödyntämiselle liiketoiminnalla on monenlaisia toiveita. Toteutuksesta vastaavan IT:n harteille jää toiveiden epärealistisuus sekä toisaalta tuska mahdollisuuksista, joita data antaisi, mutta jotka jäävät hyödyntämättä. Kuinka löytää yhteinen kieli?
Yritysten datamäärät kasvavat, uusia datalähteitä julkaistaan jatkuvasti ja data monimuotoistuu: data on nykyään yhä enemmän tekstin lisäksi myös kuvan tai äänen muodossa. Samalla dataan perustuvien työtehtävien määrä lisääntyy ja työpaikkailmoituksissa toistuvat yhä useammin nimikkeet kuten data scientist, data engineer tai vaikkapa data architect.
Mutta kehittyykö yritysten dataymmärrys samassa tahdissa? IT-osaston jatkuva haaste on pystyä reagoimaan liiketoiminnan tarpeisiin. IT:ssä ollaan tuskaisen tietoisia jatkuvasti kasvavista datamassoista. Säilyykö liiketoiminnassa ymmärrys datan antamista mahdollisuuksista? Entä onko yritys valmis reagoimaan nopeastikin muutoksiin datassa tai liiketoiminnassa? Millaisia dataosaajia yritys tarvitsee nyt ja tulevaisuudessa?
Tilanne on nurinkurinen: datalle asetetaan liiketoiminnassa paljon toiveita ja odotuksia – ihan perustellusti. IT:llä on hyvä käsitys olemassa olevasta datasta ja sen mahdollisuuksista, mutta liiketoiminnan toiveet saattavat olla jotain ihan muuta.
Pelastaisiko datatulkki tilanteen? Ohessa kuusi tilannetta, joissa datatulkki voi toimia siltana IT:n ja liiketoiminnan välillä.
Datan mahdollisuuksien kartoittamisen lähtökohtana on ajantasainen tietämys siitä, mitä dataa ja minkä verran yrityksellä on ja missä se sijaitsee, kuka dataa hyödyntää, sekä mitä dataa tällä hetkellä hyödynnetään ja mitä ei.
Kaikki data ei todennäköisesti ole käyttökelpoista. On tärkeää selvittää, mikä yrityksen datasta on käyttökelpoista ja mikä osoittautuu turhaksi. Se onnistuu datan laadun ja nykyarvon laskemisella.
Laatu huomioi, ovatko tiedot oikein vai onko niissä poikkeamia tai puutteita ja onko data yhdistettävissä toisiinsa? Onko joukossa dataa vääristäviä duplikaatteja? Kuinka vanhalle historiatiedolle on käyttöä?
Käyttökelpoisuuden osalta laadun lisäksi tärkeäksi kriteeriksi nousee myös se, kuinka hyvin data vastaa liiketoiminnan tarpeita. Datan arvon laskemiselle ei ole yksitelitteistä kaavaa, mutta loppujen lopuksi datan arvo kiteytyy siihen, onko siitä saatavissa liiketoiminnalle hyötyjä ja tukeeko datan laatu ja määrä sitä.
Helpoin tapa lisätä datan arvoa on lähteä systemaattisesti korjaamaan laadussa havaittuja puutteita. Alkuun päästään selvittämällä, mikä data on liiketoiminnalle tärkeintä. Mihin kysymyksiin liiketoiminnan ohjaamiseksi tai kehittämiseksi tarvitaan vastauksia?
Jos havaitaan, että liiketoiminnan näkökulmasta jotain olennaista dataa puuttuu, sen hankkimista kannattaa harkita. Vastaavasti ison datamassan keruuseen ja ylläpitoon ei kannata käyttää resursseja, jos datalle ei ole käyttöä. Aiemmin hyödyntämätöntä dataa ei kannata suorilta käsin sivuuttaa, sillä siitä saattaa lähemmässä tarkastelussa avautua aivan uusia sovellusmahdollisuuksia ja käyttäjäryhmiä.
Olennaista on myös käydä läpi, miten data päivittyy, ja löytyykö tarvetta parantaa päivitysprosesseja. Data on arvokasta vain, kun se on ajantasaista eikä pääse vanhenemaan.
Datan arvoa on mahdollisuus nostaa yhdistämällä siihen uusia ulkopuolisia datalähteitä. Esimerkiksi Tilastokeskus, Ilmatieteen laitos ja monet muut toimijat tarjoavat dataansa käyttöön.
Ulkopuolisia datalähteitä harkittaessa on mietittävä huolella, kuinka ulkopuolinen data on käytännössä yhdistettävissä omaan dataan, ja kuinka kustannustehokkaasti se tapahtuu. Kauanko vie aikaa, että ulkoinen data on käytössä ja tuottaa arvoa? Viikkoja vai kuukausia? Miten prosessi käytännössä toteutetaan?
Datakartoitus kertoo datan nykytilanteen. Datamassat kuitenkin kasvavat ja muuttuvat jatkuvasti, samoin liiketoiminnan tarpeet. Olemassa olevasta datasta opitaan jatkuvasti uutta, jota liiketoiminnan kannattaa hyödyntää. Sen lisäksi, että opit datasta viedään liiketoimintaan, myös datan on reagoitava, kun liiketoiminnassa tapahtuu muutoksia. Eri tulevaisuusskenaarioiden avulla voidaan ennakoida, kuinka dataa ja siihen liittyviä osaamisia on kehitettävä.
Otetaan yksinkertainen esimerkki: liiketoiminta haluaa raportin, kuinka paljon yrityksellä on asiakkaita. Onko IT:llä ja kaikilla yrityksessä jaettu käsitys siitä, kuka on yrityksen asiakas? Jos yrityksellä on kuluttaja- ja yritysasiakkaita, kummasta on kyse, vai molemmista? Lasketaanko asiakkaaksi vain maksaneet asiakkaat?
IT:tä voi turhauttaa, jos pyynnöt ovat liian ”epämääräisiä” toteutettavaksi – kun kyse on lopulta vain yhteisen kielen ja jaetun ymmärryksen puutteesta. Varmistamalla yhteinen kieli minimoidaan skenaario, jossa toinen puhuu metsistä ja toinen puista ja oksista. Kun yhteinen kieli löytyy, tekeminen nopeutuu ja virheet vähenevät.
Tulkki, joka kykenee täyttämään näiden kuuden väitteen edellytykset, on yritykselle kullanarvoinen. Tulkilta vaaditaan riittävästi osaamista sekä datan mahdollisuuksista että liiketoiminnan tarpeista ja haluista. Tulkilla on oltava kyky rakentaa siltaa IT:n ja liiketoiminnan välille. Hän on ratkaisevassa roolissa yrityksen menestymisessä.
Tällaisille IT:n ja liiketoiminnan välistä siltaa rakentaville rooleille on yrityksissä nykypäivänä kysyntää IT-ratkaisujen muututtua koko ajan yhä liiketoimintakriittisemmiksi. Osittain huutoon vastaa viime vuosina yrityksissä yleistynyt CDO:n (Chief Digital Officer) rooli. Toisaalta on puhuttu myös IT-johtajien ja -osastojen hivuttautumisesta kohti liiketoimintaa. Ja kun tulevaisuudessa yritysten liiketoiminta on väistämättä yhä digitaalisempaa, liiketoimintapäättäjiltä kaivataan entistä enemmän IT-ymmärrystä, vaikka se voi vaatia epämukavuusalueelle menemistä.
Osaava tulkki lähentymisen ensiaskelia helpottamaan voi löytyä vaikka ammattitaitoiselta kumppanilta.