Skip to content

Neljä periaatetta, joilla ketteröität datan hallinnan tuottamaan enemmän arvoa

Vastaavatko datasta saatavat hyödyt siihen tehtyjä investointeja organisaatiossanne?

Tutkimuksen mukaan 88 % yrityksistä ajattelee datan olevan yrityksen voimavara ja tuotannontekijä. 92 % yrityksistä katsoo, että heillä on laadullisia ongelmia datassa, mutta vain kolmanneksen strategia tukee jatkuvaa datan kehittämistä. Perinteisesti datakehitystä on tehty hanke- ja projektilähtöisesti, jolloin liiketoimintahyötyjen realisoituminen on ollut hidasta ja kertaluontoista. Ketterien toimintatapojen vallatessa organisaatiot on vihdoin havahduttu myös siihen, että datakehityksenkin on oltava ketterää tuottaakseen ympärillään nopeassa syklissä kehitettäville sovelluksille arvokasta ja hyödynnettävää dataa.

Ota seuraavasta talteen neljä vinkkiämme kohti ketterämpää datan hallintaa.

1. Tunnista datakehityksen vaikutukset aikaisessa vaiheessa, jotta voit pilkkoa tekemiset järkevästi

Liittyvätkö organisaation keskeiset datat niin moneen toimintoon ja järjestelmään, että niiden hallinnan edelleen kehittäminen on aina valtava ja vaikeasti hallittava kokonaisuus? Tai pelätäänkö datakehitystä tehdä, koska ei varmuudella ymmärretä, mihin sillä on vaikutusta?

Kun organisaation keskeiset datat vaikuttavat moneen toimintoon ja järjestelmään, ajaudutaan helposti tilanteeseen, jossa kehitystyötä ei kyetä palastelemaan järkevästi. Tällöin päädytään usein tekemään valtavia, kerralla kaikki ongelmat ratkaisevia hankkeita, joihin investoimalla uskotaan voitavan ratkaista iso joukko nykyongelmia ja jonossa odottavia liiketoimintatarpeita. Näissä hankkeissa joudutaan usein tilanteeseen, jossa datan hallinnan kehittämiseen investoidaan merkittävä määrä rahaa, mutta näkyviä tuloksia saadaan odottaa pitkä aika kehitystyön aloittamisesta.

Kerralla kuntoon -mallia välttääksesi on tärkeä ymmärtää aikaisessa vaiheessa tavoiteltavan kehitystyön vaikutus kaikkiin dataa tuottaviin ja hyödyntäviin järjestelmiin, prosesseihin sekä itse datasisältöön ja sen laatuun. Kun organisaatiossa tiedetään, missä järjestelmissä, prosesseissa ja käyttötapauksissa dataa ylläpidetään ja käytetään sekä minkälaisia järjestelmätoiminallisuuksia on käytössä niiden tueksi, voidaan kehitystyön vaikutukset arvioida realistisesti ja sitä kautta pilkkoa ja priorisoida tekemistä faktapohjalta. Tämä vaatii riittävän ja ajantasaisen datadokumentaation, joka pitää yksinkertaisesti tehdä kuntoon ennen kuin syöksytään uuden kehittämiseen.

2. Älä anna osaamisen siiloutua – johdata data-asiantuntijat ja agile-kehittäjät yhteistyöhön

Ovatko data-asiantuntijat viimeinen ketteryyden oppositio, joka asuu fyysisesti ja henkisesti liian etäällä ketteryyden omaksuneista kehitystiimeistä? Onko datakehitystä ohjaava määrittely ja suunnittelutyö haastavaa tehdä ketterästi pienissä osissa?

Ketterien menetelmien on usein ajateltu soveltuvan enemmän tuotteiden ja lähellä kuluttajaa olevien palveluiden kehittämiseen kuin läpi organisaation menevien "mahdollistajien" kuten datan kehittämiseen. Tämä voi olla yksi syy, miksi ketteriä menetelmiä vierastettiin pitkään datakehityksessä, eritoten suunnittelu- ja määrittelytöissä, joissa on tyypillisesti tehty kaikki dokumentaatio kerralla valmiiksi kehitystiimejä varten. Samalla ketteryyteen tottuneet kehitystiimit näkevät vanhakantaiset menetelmät työtään hidastavana tekijänä, josta usein muodostuu pullonkaula ja rahasyöppö jo paljon ennen minkäänlaista arvontuottoa.

Tätä varten data-asiantuntijoiden tulee rohkeasti omaksua ketteriä menetelmiä, ajatusmalleja ja uskallusta edetä iteratiivisesti. Samalla kehittäjien tulee ymmärtää, että dataan liittyvä kehitystyö vaatii tietyn pohjatasodokumentaation perustakseen, jonka päälle voidaan vasta ketterästi suunnitella ja toteuttaa uutta. On tärkeää osata pilkkoa datamäärittelyt niin, että se ei estä nopea arvontuottoa muodostumalla kehityksen pullonkaulaksi. Hyväksi todettu tapa on rakentaa moniosaavia datakehitystiimejä, joissa on datan syväosaajia ja kehittäjiä ja kaikilla jäsenillä riittävän monipuolinen osaaminen sekä työkalut ketteryyden toteuttamiseen tiimissä.

3. Rahoituksen pitää ohjata kokonaisuuden optimointiin, ei siiloihin ja osa-optimointiin

Tuleeko liiketoiminnan hankkeille usein yllätyksenä, että data-asiat vaativat odotettua enemmän aikaa tai että yhteiset datapalvelut eivät ole täysin heidän tarpeidensa mukaisia? Onko seurauksena aikataulu- ja budjettiongelmia tai niiden kiertämisen kautta syntyviä lisäsiiloratkaisuja? Onko rahoituksen ja prioriteetin saaminen datahankkeille hankalaa verrattuna asiakasrajapinnan sovelluksiin?

Usein kehitysbudjetit allokoituvat helposti asiakasrajapinnan sovelluksiin ilman, että niissä huomioidaan riippuvuutta taustalla olevaan dataan, sen tuomiin mahdollisuuksiin ja rajoitteisiin. Toisessa ääripäässä suuria kehitysrahoja ohjataan isoihin järjestelmä- tai toimintatapauudistuksiin, joilla ei ole tarpeeksi selkeää kytkentää liiketoiminnalliseen arvontuottoon.

Datasta saatavat hyödyt syntyvät liiketoiminnasta, jossa sitä hyödynnetään.

Hyvä datan hallinta ei ole itseisarvo, vaan datasta saatavat hyödyt syntyvät liiketoiminnasta, jossa sitä hyödynnetään. Tämän vuoksi datakehityksen rahoitus olisi hyvä sitoa kiinteäksi osaksi liiketoiminnan keskeisten arvovirtojen rahoitusta, ei niistä irrallaan oleviksi datakehitysbudjeteiksi. Rahoitus ei kuitenkaan saisi perustua malliin, jossa datakehityksen rahat pitää hakea yksittäisille hankkeille korvamerkityistä rahoista; silloin päädytään tilanteeseen, jossa data-asiat usein sivuutetaan, tehdään minimitasolla ja rakennetaan lisää siiloja. Parhaimmillaan datakehitys rahoitetaan kiinteänä ja tunnustettuna osana liiketoimintakokonaisuuksien kehitystä, ei niistä irrallaan.

4. Automatisoidut työkalut ja prosessit mahdollistavat pienet nopeat muutokset turvallisesti

Tiedetäänkö teillä, miten tyypillisesti IT-kehittämiseen sovellettuja ketteriä menetelmiä pitäisi soveltaa prosessien, ihmisten, ohjeistuksien ja johtamisen kehittämiseen?

Iso osa datakehittämisestä ei suoraan vaadi suoraa IT-järjestelmien kehitystä, vaan keskittyy ennemminkin ihmisten ja toimintatapojen kehittämiseen. Jotta datan hallintaan liittyvää jatkuvaa kehitystä voitaisiin tehdä iteratiivisesti ja ketterästi, pitää kehitystiimien työkalupakista löytyä mahdollisimman automatisoituja prosesseja testaukseen ja laadun varmistukseen. Lisäksi tarvitaan kehitys- ja testausympäristöt, joissa uusia malleja voidaan iteroida, kokeilla ja testata mahdollisimman nopeasti ja pienellä riskillä ennen laajamittaista käytäntöön vientiä. Ketterän osaamisen ja sitä tukevien työkalujen avulla datan hallinnan toimintatapojen jatkuva parantaminen on helpompaa.

Ketterän osaamisen ja sitä tukevien työkalujen avulla datan hallinnan toimintatapojen jatkuva parantaminen on helpompaa.

Datakehitys vaatii ketteryyttä

Data on organisaation tehokkuuden ja erinomaisen asiakaskokemuksen mahdollistaja, mutta vain silloin kun se tuodaan osaksi liiketoiminnan erilaisia kehitystiimejä ja -hankkeita. Jotta nopea arvontuotto liiketoimintakehityksessä mahdollistuu, pitää dataan liittyvät pitkät riippuvuusketjut tunnistaa ja analysoida ajoissa; sen jälkeen kehitys on helpompi pilkkoa realistisiin kokonaisuuksiin ja priorisoida arvontuoton perusteella.

Lisäksi on hyvä huomioida, että kaikkia tarpeita ei tarvitse korjata IT-ratkaisulla. Usein datan hallinnan keskiössä ovat ihmiset ja toimintamallit, joiden kehittäminen on yhtä tärkeää ja joiden kehittämiseen löytyvät myös välineet ketterästä työkalupakista. Kun datakehittämiseen on päätetty satsata, ei osaamista ja rahoitusta saa sulkea siiloihin – niissä todellista arvoa pääsee harvoin syntymään.