Datastrategia – mitä se on ja mitä se ei ole

“Datastrategia” on usein väärinymmärretty termi, johtuen sen ehkäpä hieman harhaanjohtavasta nimestä. Strategia viittaa suunnitelmaan tai toimintamalliin tietyn tavoitteen tai päämäärän saavuttamiseksi. Datastrategia ei kuitenkaan ole puhtaasti pelkkä suunnitelma tai toimintamalli, vaan sen tulisi sisältää operatiivisia elementtejä käytännön toiminnasta.  

Usein myös tapaa hallita dataan liittyviä kokonaisuuksia käsitetään datastrategian kanssa samana asiana, vaikka tosiasiassa datan hallintamalli toimii datastrategian operatiivisena osana, joka purkaa strategian käytännön toimenpiteisiin. Liian usein datastrategia jää harjoitukseksi siitä, miten data tukee liiketoimintastrategiaa, ilman että määritellään konkreettisesti, mitä datan osalta täytyy tehdä.  

Pelkkä liiketoimintastrategian kääntäminen datastrategiaksi ei riitä, vaan tarvitaan konkreettisia askelia ja toimenpiteitä, jotta dataa voidaan käyttää tehokkaasti tavoitteiden saavuttamiseen. Datastrategian tulee olla käytännönläheinen ja keskittyä siihen, miten dataa oikeasti hallitaan ja hyödynnetään päivittäisessä toiminnassa, eikä vain siihen, miten data suhteutuu liiketoimintastrategiaan teoreettisella tasolla tai mitä datalla halutaan korkealla tasolla saada aikaiseksi. 

Aidosti datastrategiaa voisi kutsua datan hyödyntämisen kartaksi, sillä kyseessä on määritelmä siitä, mitä data tarkoittaa organisaatiolle – mikä datan hyödyntämisen nykytila on, paljonko dataa käytetään ja kuinka systemaattisesti sitä käytetään, miten datan omistajuus on määritetty, mitä prosesseja datan ympärille on luotu ja kehitetäänkö tai hyödynnetäänkö niitä onnistuneesti. Käytännössä datastrategian tulisi luoda konkreettiset askelmerkit niin datan keräykselle, hallinnalle, omistajuudelle kuin myös hyödyntämiselle. 

Ei pelkkä tekninen harjoitus – mikä datastrategia sitten on? 

Datastrategia on hyvin konkreettinen kuvaus nykytilasta johdetusta tavoitetilasta. Datastrategia kiteyttää ymmärryksen vallitsevasta kokonaisuudesta sekä halutusta tavoitetilasta esimerkiksi GAP-analyysin avulla, määrittämättä vielä kyvykkyyttä – eli mitä valmiuksia organisaatiolla on toteuttaa dataan liittyviä ratkaisuja tai sovelluksia tällä hetkellä.  

Nykytilan ja tavoitetilan välille on määritettävä silta maaliin vievistä toimenpiteistä. Silta sisältää määritelmän siitä, miten tavoite voidaan saavuttaa sekä mitä puutteita kyvykkyydessä tällä hetkellä on, sisältäen datan maturiteettimallin ja tekniset ulottuvuudet. Maturiteettimallilla kuvataan, miten dataa tällä hetkellä käytetään ja miten sitä on käsitelty, sekä mikä on organisaation datan hallinnan tila. 

Malli jakautuu yleensä viiteen tasoon (kuva alla), joissa kuvataan organisaation datan käytön kehittyneisyyttä eri vaiheissa. Maturiteettimallia käytetään usein seuraavissa vaiheissa: 

• Miten hyvin organisaatio tällä hetkellä hyödyntää dataa ja mitkä ovat potentiaalisia kehityskohteita. 

• Organisaation tulee määrittää, mitkä ovat tulevaisuuden tavoitteet datan hyödyntämisen osalta – missä haluamme olla tietyn ajan sisällä? 

• Määritetään konkreettiset askeleet, jotka tarvitaan tavoitteiden saavuttamiseksi. Esimerkiksi prosessien kehittäminen, teknologioiden valinta ja roolien ja vastuiden selkeyttäminen.

Strateginen tavoitetila, hallintamalli ja jatkuva kehittäminen 

On tärkeää, että organisaatio itse määrittää datatekemisen tulevaisuuden tavoitetilansa ilman rajoitteita. Jos organisaation strateginen tavoite on esimerkiksi alkaa myydä dataa, maturiteettimalli auttaa ymmärtämään, mitä tämä käytännössä vaatii: millaisia prosesseja ja rakenteita tarvitaan, jotta dataa voidaan muuttaa myytäviksi tuotteiksi. Vihje: Datan myyminen vaatii sen tuotteistamista. Tuotteistaminen taas missä tahansa kontekstissa vaatii organisaatiolta todella paljon. Mikäli tämä on organisaatiosi tahtotila, mieti tarkkaan mitkä ovat oman organisaatiosi kyvykkyydet ja arvio realistisesti mitkä ovat tarvittavat investoinnit, jotta voidaan puhua datatuotteista ja niiden myynnistä. 

Datan hallintamalli on tärkeä osa datastrategiaa ja se tehdään yleensä datastrategian suunnittelun yhteydessä. Sen kehittäminen on kuitenkin iteratiivinen prosessi, joka jatkuu koko strategian elinkaaren aikana, varmistaen mallin toimivuus ja tehokkuus organisaation muuttuvissa tarpeissa. Datan hallintamallin tarkoitus on kuvata eri dataan liittyviä kokonaisuuksia, kuten prosesseja, rooleja ja teknologioita niin, että niistä voidaan muodostaa konkreettisia toimenpiteitä, jotka voidaan kääntää tehtäviksi.  

Kirjoittaja: Juuso Viljanen (Head of Offering, Data & Analytics) vastaa Knowitilla datan & analytiikan palveluiden kehittämisestä, niin että ne vastaavat asiakastarpeisiin.  Roolissaan Juuso yhdistää teknistä toteutusta ja liiketoiminnan ymmärrystä, luoden asiakaskeskeisiä palveluja. Juuso toimii myös johtavana konsulttina valituille asiakkaille.