Master data – miksi se on niin tärkeää liiketoiminnallesi?

Taru Väre

”Törmäsin ensimmäisen kerran huonolaatuisen master datan aiheuttamiin ongelmiin noin 10 vuotta sitten, kun työskentelin uuden raportointijärjestelmän pääkäyttäjänä. Organisaatioon suunniteltiin uudistusta ja sitä varten tarvittiin erilaisia raportteja pohjatiedoksi. Niihin piti yhdistellä dataa useista käytössä olevista toiminnanohjausjärjestelmistä. Muistan edelleen, miten tuskaista oli yhdistellä tuota dataa, jossa oli todella paljon ongelmia. En tiedä, mitä kaikkia virheitä raportissa lopulta oli kaiken käsin tehdyn korjailun jälkeen. Eikä varmasti tiedä kukaan muukaan.”

Tästä kokemuksesta nykyisin master data konsulttina työskentelevä Taru Väre ei kuitenkaan lannistunut, vaan se sai hänet tajuamaan, miten tärkeää master data on yrityksen liiketoiminnalle.

Dataa tulvii valtavat määrät joka päivä – ja sen laadulla on väliä

Kaikessa liiketoiminnassa käytetään tavalla tai toisella dataa. Tekniset innovaatiot, edistynyt analytiikka, koneäly ja muut trendit tuovat uusia mahdollisuuksia datan hyödyntämiselle. Jotta yksikään yritys tai organisaatio voisi saada näistä trendeistä oikeasti uutta liiketoimintaa tai parantaa jo olemassa olevaa toimintaa, perusasioiden täytyy olla kunnossa.

Huhtikuussa vuonna 2017 talouslehti Forbes kirjoitti, että dataa syntyy vuosittain 16.3 ZB verran (zettabyte = triljoona gigatavua). Luku on täysin käsittämätön, ja tätä valtavaa datamäärää kaikki haluavat hyödyntää. Mikäli datan laatu on kuitenkin sillä tasolla, että sitä hyödyntääkseen jonkun täytyy käsin yhdistellä asioita, ollaan nopeasti pahassa pulassa. Käsin tekeminen on paljon hitaampaa ja virhealttiimpaa kuin automatisoitu prosessi.

Datan laadun parantaminen lähtee aina master datan laadun parantamisesta

”Edellä kerrottu hetki raporttien parissa oli minulle se, jolloin ymmärsin, että data itsessään on merkittävää. Vielä silloin en tiennyt, mitä master data on ja miksi juuri se on niin tärkeää. Tuosta hetkestä alkoi kuitenkin matkani master datan maailmaan.”

Vuosien varrella Taru Väre on Talen Basen konsulttina kouluttanut aiheesta ja työskennellyt monissa eri datahankkeissa. Ja nyt näiden vuosien kokemus tiivistyy hänen esikoiskirjassaan.
”Kun havaitsin, miten paljon master datan tärkeyden ymmärtämiselle on tarvetta ja miten vähän siihen on helposti omaksuttavaa aineistoa, päätin toimia.”

Onnistu datan laadun hallinnassa – vältä yleisimmät virhepäätelmät

Onnistuaksesi datan laadun hallitsemisessa liiketoimintasi hyväksi Taru Väre on listannut ratkaisut kolmeen yleisimpään virhepäätelmään.

Uuden teknologian ja älykkään analytiikan hankkiminen korjaa datan laadun ongelmat.

Ongelma: Useimmiten hankintapäätös tehdään tietämättä mitä konkreettista liiketoiminnan ongelmaa halutaan ratkaista. Silloin uusi teknologia, vaikka se olisi miten hieno ja älykäs, jää erilliseksi – siis turhaksi – harjoitukseksi.

Ratkaisu: Malta mielesi. Vaikka kaikki muut hypettäisivät uutta ja mahtavaa teknologiaa, se ei yksin ratkaise sinun ongelmiasi. Ennen kuin mitään hankintapäätöstä tehdään, tulisi liiketoiminnan päättäjien ja asiantuntijoiden pohtia, mitkä ovat tärkeimmät liiketoiminnan haasteet ja tavoitteet. Data-asiantuntija tarvitaan mukaan ”kääntämään” valitut asiat dataa koskeviksi vaatimuksiksi.

Kun tarpeet on selvitetty, voidaan arvioida tarvitaanko niiden ratkaisemiseksi lainkaan uutta teknologiaa vai saataisinko ne korjattua jo olemassaolevilla työkaluilla.

Meillä datan laadun hoitaa sitä varten perustettu tiimi. Muiden ei tarvitse miettiä sitä.

Ongelma: Tiimi, joka työstää datan laatuongelmia erillään muusta organisaatiosta, kykenee tyypillisesti vain reaktiiviseen virheiden korjaamiseen. Virheitä tuotetaan huoletta, kun toiset korjaavat ne. Tällainen on hidasta ja kallista. Pahimmillaan erillinen tiimi on myös erillään liiketoiminnasta ja korjaa dataa vanhentuneiden ohjeiden mukaisesti.

Ratkaisu: Datan laadun parantamiseen erikoistunut tiimi toimii hyvänä tukena, kun korjataan jo olemassa olevia datan puutteita ja laadun parantamisen hankkeet ovat vasta alussa. Mutta tällaisen korjaamisen lisäksi täytyy aina analysoida virheiden juurisyyt ja pyrkiä korjamaan ne niin, ettei virheitä enää jatkossa synny.

Datan laadun parantamisen täytyy aina perustua liiketoiminnan tarpeisiin. Ennen kuin datatiimiä perustetaan, tulee selvittää huolella, mitä ongelmaa tai liiketoiminnan kehityksen tarvetta se tulee ratkaisemaan. Näin tiimillä on selkeä tavoite tekemiselleen. Liiketoiminnan kanssa on tehtävä jatkuvaa yhteistyötä, jotta muutokset tavoitteissa heijastuvat myös datan laatuun.

Meillä on datan laadun mittarit määritelty ja niitä seurataan – homma on siis hanskassa.

Ongelma: Jos luotetaan vain siihen, että sovitut mittarit näyttävät hyviltä, voidaan astua pahasti harhaan. Silloin piiloon jää kaikki se, mitä ei ole otettu huomioon mittareita päätettäessä. Datan laadun mittareita määritellessä on erityisen helppoa unohtaa liiketoiminnallinen merkitys, ja usein ne eivät mittaakaan mitään konkreettista liiketoiminnan kannalta.

Ratkaisu: Varmista, että ymmärrätte liiketoimintaongelmat ja tavoitteet ennen kuin päätätte, mitä datan laadun osa-alueita edes kannattaa mitata. Ja vaikka mittarit on jo kertaalleen huolella mietitty, niiden merkityksellisyyttä tulee arvioida säännöllisesti liiketoiminnan näkökannalta.

Pelkkä mittaaminen ei ratkaise ongelmia. Sen lisäksi edelleen tarvitaan selkeät toimitatavat ongelmien esiin nostamiseksi, analysoimiseksi ja ratkaisemiseksi. Tämä vaatii koko organisaation tason ymmärrystä ja yhteisiä, sovittuja toimintatapoja.

Kysy itseltäsi seuraavat kysymykset: Ovatko datan laadun mittarit valittu sen mukaan, miten oleellisia ne ovat liiketoiminnalle? Vai perustuvatko ne kenties vain siihen, mitkä tiedot ovat pakollisia järjestelmässä? Mitä konkreettista hyötyä kyseinen datan laatu tuo liiketoiminnalle? Entä miten teillä varmistetaan, että mittareiden ulkopuolelle jäävistä asioista ei kehkeydy suuria ongelmia?

Pelkkä mittareiden tuijottaminen luo harhan, joka johtaa ongelmiin.

***

Taru Väreen kirja Master data ilmestyi maaliskuussa 2019 (Alma Talent).

Lue lisää: