Viimeksi tutustuimme kahteen eri tutkimukseen, joiden ytimessä on data ja analytiikka, ja totesimme, että vaikka data muuttaa kokonaisia toimialoja, kaikki organisaatiot eivät sitä vieläkään hyödynnä.
Tässä blogissa pohdimme, miten vieraannuttavia termejä datakulttuuri ja datastrategia voisi käsitellä niin, etteivät ne työntäisi teknisempiäkään osaajia pois luotaan. Sillä kuten Juuso Viljanen, Knowitin Analytics Practice Lead, sanoo: “Valitettavasti kulttuurin ja strategian puute syövät analytiikan aamupalaksi.”
Dataan ja analytiikkaan liittyvien tutkimusten osalta tärkeimmät asiat voi kärjistäen tiivistää kahteen sanaan: datakulttuuri ja datastrategia. Vielä hieman lisää kärjistäen niiden täytyy olla juuri tässä järjestyksessä, koska datastrategiaa ei voida viedä käytäntöön ilman että kulttuuria muutetaan. Jos kulttuuri ei muutu, ei muutu myöskään tekeminen, mitä strategialla lähtökohtaisesti kuitenkin haetaan.
"Tiedän, että nämä kaksi termiä ovat jotakuinkin kuluneimmat ja luotaan työntävimmät ihan missä tahansa datakeskustelussa. Voin kuitenkin vakuuttaa, että ne eivät oikeasti ole niin pelottavia miltä ne on saatu kuulostamaan", Juuso Viljanen lupaa.
Kulttuuri on siis jokaiselle organisaatiolle ominainen tapa ajatella, tehdä ja puhua asioista. Kulttuuri muodostuu melko pysyvistä ja yhteisesti jaetuista uskomuksista, tavoista, käytänteistä, arvoista ja perinteistä. Datakulttuuri ei eroa organisaatiokulttuurista lähtökohdiltaan muuten, kuin että se nimensä mukaisesti kohdistuu dataan.
"Ainakin omasta mielestäni helpoin tapa ymmärtää datakulttuuria on suhteuttaa se organisaatioihin, jotka ovat syntyneet datasta. Niiden kulttuurissa data on kaiken lähtökohta, ne eivät toimisi ilman dataa. Hyvinä esimerkkeinä voisi toimia vaikkapa Wolt tai Uber. Nämä organisaatiot käyttävät dataa ihan jokaisessa päätöksessään. Data on osa niiden kulttuuria."
Datastrategian tarkoituksena on määrittää, miten datasta saadaan kaikki mahdollinen hyöty irti ja miten toimintaa pitää käytännössä muuttaa, jotta siitä tulisi datalähtöisempää. Datastrategia on siis suunnitelma siitä, miten hyödynnämme dataa jokapäiväisessä toiminnassamme. Aivan kuten kulttuurin kohdalla, strategiankin ongelma on yleensä konkretian puute. Strategiset kokonaisuudet luodaan niin korkealle tasolle, että työntekijöiden on hyvin vaikea samaistua niihin.
Datakulttuuri koostuu melko pysyvistä ja yhteisesti jaetuista uskomuksista, tavoista, käytänteistä, arvoista ja perinteistä, jotka liittyvät dataan. Eli siinä missä organisaatiokulttuuri liittyy yleisempiin tekijöihin, datakulttuuri auttaa ymmärtämään organisaation suhdetta dataan ja analytiikkaan. Data ja tieto on ainoa keino kumota henkilökohtaisia olettamuksia ja saattaa päätöksenteko aidosti objektiiviseksi ja läpinäkyväksi.
Datakultturia voi aidosti muuttaa ainoastaan mahdollistamalla organisaation käytössä olevien datavarantojen hyödyntämisen systemaattisesti läpi organisaation. Mikäli haluat jatkaa yksittäisten siilojen käyttöä, et pysty aidosti muuttamaan datakulttuuria. Datamonarkian sijaan tulee edistää datademokratiaa, aivan kuten Janne Suomalainen blogissaan kuvasi. Myös johdon on sitouduttava datan hyödyntämiseen ja näytettävä esimerkkiä sen käytöstä.
"Tästä hyvänä esimerkkinä voisi olla vaikkapa johdon tekemien esitysten sisältämä datasuhteen™ laskenta, eli miten paljon esityksissä on datasisältöä suhteessa muuhun sisältöön ja miten paljon tuosta datasisällöstä on kenen tahansa saavutettavissa. Liian usein data pyritään suojaamaan, ilman sen kummempia syitä."
Datan ja analytiikan tulisi olla ymmärrettävällä tasolla. Liian usein liiketoiminnan kannalta oleellisia mittareita pyritään viemään loogisesti niin hankalalle tasolle, että ymmärrys niiden muodostumisesta ei ole enää kenellekään selvää. Tässä isossa osassa on toki myös koulutus. On syytä huomioida, etteivät kaikki ole yhtä harjaantuneita datan ja analytiikan suhteen.
Liiketoimintaymmärrys ja teknologinen ymmärrys täytyy saattaa yhteen, vaikkei tehtävä olekaan helppo. Koulutuksella on jälleen tärkeä rooli, mutta avainasemassa on myös yhteisen kielen löytäminen. Sitä yhteistä kieltä tulisi jokaisen ymmärtää. Avainasemassa on kielen teknisyys, tai pikemminkin epäteknisyys.
Data ja analytiikka täytyy tuoda osaksi kaikkien päivittäisiä työkulkuja. Asenteiden, arvojen ja perinteiden muuttaminen on mahdollista vain saattamalla data osaksi päivittäistä työtä ja seuraamalla toimintaa sen kautta. Datan osalta ongelma on yleensä tiedon ja systemaattisen toiminnan puute. Kaikille työntekijöille tulee antaa valta ja mahdollisuus olla datan ja analytiikan sanansaattajia. Kukaan ei voi tehdä dataan pohjautuvia päätöksiä ilman dataa.
Yhdellä lauseella kuvattuna datastrategia, tai strategia ylipäätään, voisi kuulua: “Mihin olemme menossa ja miten sinne päästään”. Datastrategia ei määritelmällisesti eroa organisaation strategiasta juurikaan muulla tavalla, kuin että se keskittyy dataan. Datastrategian tavoitteena on luoda yhteinen ymmärrys datalla ja analytiikalla tavoitelluista asioista ja tavoista, joilla näihin tavoitteisiin päästään.
Datastrategian kannalta on oleellista, että ihmiset ymmärtävät mikä on heidän roolinsa kokonaisuudessa. Roolit eivät muodostu itsestään, vaan ne tulee määrittää. Jotta roolit eivät ole päälle liimattuja, tulee oleelliset ihmiset ottaa suunnitteluun mukaan. Jotta eri rooleissa olevat henkilöt voivat hoitaa tehtäväänsä, tarvitsee heidän ymmärtää rooleille kuuluvat vastuut ja velvollisuudet. Ne tulee siis määrittää, ja tietysti siten, että ne ovat linjassa sekä toistensa että kokonaisuuden kanssa.
Datan ympärillä tapahtuvat muutokset ovat tällä hetkellä erittäin nopeita. Datan laatu, tietoturva ja esimerkiksi henkilötietojen käyttö ovat olleet tapetilla viime aikoina. Mikäli kokeneelle osaajallekin on ajoittain hyvin vaikeaa pysyä mukana kehityksessä, on se sitä hieman harjaantumattomallekin. Datastrategian tarkoituksena onkin auttaa ymmärtämään yrityksen datakokonaisuutta ja sen muutoksia ja sitoa ne käytäntöön. Konkreettisesti tämä on asioiden auki kirjoittamista, sekä syy-seuraussuhteiden määritystä.
Lisäksi datastrategia voi ottaa kantaa esimerkiksi hitaisiin tai tehottomiin prosesseihin, kriittisiin liiketoimintaprosesseihin ja niiden epäselvyyteen datan suhteen sekä muun muassa datan siirtämiseen paikasta toiseen sekä datan duplikoitumisen ymmärtämiseen.
Vaikka kulttuurillisiset ja strategiset ulottuvuudet ovat kriittisen tärkeitä, ei datan ja analytiikan arvoketjua voi olla ilman teknologiaa. Teknologia loppujen lopuksi mahdollistaa datakulttuurin ja datastrategian asettamat vaatimukset. Kääntäen: teknologia ei yksinään ratkaise kulttuurillisia ja strategisia ongelmia datan ja analytiikan suhteen.
Teknologia on näistä kolmesta niin sanotusti se helpoin osa; joskin usein osa, jossa ulkopuolisen avun tuottama harppaus voi olla kaikkein suurin. Tämä johtuu siitä, että kulttuuria ja strategiaa on hyvin hankala muokata organisaation ulkopuolelta.
Teknologia mahdollistaa hyvin paljon asioita, mutta se ei yksinään ratkaise mitään. Teknologian avulla pystytään kuitenkin nopeuttamaan muutosta. Teknologia sisältää sekä tietoja että taitoja, mutta myös suunnitelmallisuutta. Koska mahdollisuuksia on nykyään miltei rajaton määrä, on tärkeää ymmärtää kokonaisuuksia, sekä yksittäisten ratkaisuiden soveltumista niihin.
"Teknologian synonyyminä voisi tässä olla myös data-arkkitehtuuri eli näkemys siitä, millä teknologisilla valinnoilla tulemme strategian ja kulttuurin asettamat vaatimukset ratkomaan."
Tutkimusten mukaan teknologian kannalta katsottuna keskeisimmät konkreettiset asiat ovat datan laatu, tietoturva ja datan hallinta, integraatiot sekä datamigraatiot. Datan laadun tärkeys ymmärretään laajasti. Laatu on myös yksi merkittävimmistä datan hyödyntämisen esteistä – ja yleisimmin käytetty tekosyy. Huonolaatuista dataa ei pidäkään suvaita, mutta tulisi aktiivisesti tehdä asioita, jotka sitä parantavat.
Tietoturva puolestaan on noussut datan määrän ja sen hyödyntämisen kasvaessa yhä merkittävämpään osaan. Sitä ei tulisi koskaan aliarvioida, varsinkin kun yhä enenevissä määrin data ja analytiikka tulevat yhä kiinteämmäksi osaksi organisaatioiden ydintoimintoja.
"Itse lisäisin keskeisten asioiden luetteloon vielä kokonaisarkkitehtuurin. Ymmärrän, että kokonaisarkkitehtuuri voi kattaa miltei järjettömän määrän asioita, mutta se voi myös olla hyvin yksinkertaista. Tärkeintä on ymmärtää tarpeeksi tarkalla tasolla kokonaisuutta, koska eri valintojen määrä kasvaa päivä päivältä kasvavaa vauhtia. Harmittavan usein arkkitehtuurista puhuttaessa asioista tehdään monimutkaisempia, kuin ne oikeasti ovat. Toki on eri asia puhua monikansallisen yritysryppään data-arkkitehtuurista, kuin 10 hengen PK-yrityksen."
Integraatioiden sekä migraatioiden merkitys kasvaa päivä päivältä yhä enemmän, kun datan lähteet ja muodot lisääntyvät miltei yhtä nopeasti kuin kryptovaluutat.