Digitalisaation johtamisessa datan hallinta on avainasemassa. Erilaisten järjestelmien ja IoT-maailman kyvykkyydet takaavat, että se ei lopu kesken.
Datanhallinta on edelleen sektori, jossa valtaosa yrityksistä hapuilee ensi askelten kanssa ja fokus on usein yksittäisen järjestelmän sisällä tai kriittisimmissä masterdata-sisällöissä. Lisää vaikeusastetta datanhallintaan tuo integraatioiden lisääntyminen ja samalla nousee hallinnan vaikutustaso. Integraatiot siirtävät dataa ja niiden suhteen on ymmärrettävä datan syntymisen ja muuttumisen mekanismit.
Data on ymmärrettävä liiketoiminnan tuotoksena ja työkaluna. Hallinnan keskeisimpiä asioita on tuntea datan ja liiketoimintaprosessin välinen sidos. Milloin data syntyy, milloin se muuttuu, milloin sitä tarvitaan ja milloin se hyödytöntä?
Miten datasta jalostetaan tietoa ja edelleen tiedosta toimintaa. Se on datan hallinnan varsinainen tavoite.
Liiketoiminnan data on erilaisten järjestelmien tietosisällöissä – tietokannoissa, kuvissa, taulukoissa ja erilaisissa tiedostoissa. Osin erilaiset datan ilmentymät on helppo tunnistaa ja määritellä, mutta paikoin ne sekoittuvat sovellusten käyttöliittymien taakse vaikeasti hahmotettavaksi kokonaisuudeksi, joiden riippuvuuksia on vaikeaa ymmärtää.
Datan haltuunottoon liittyvä seikkailu on helpointa aloittaa sovellusten ja järjestelmien kautta. Kun tunnistetaan keskeisten järjestelmien tärkeimmät datasisällöt, meillä on ymmärrys datan teknisistä ilmentymistä. Sen avulla muodostuu ymmärrys pelikentästä ja sen kompleksisuudesta. Datan hallintaan liitetään yleensä myös käsitemalli, jonka avulla voidaan jäsentää erilaiset datasisällöt liiketoiminnan kannalta oleellisiin kokonaisuuksiin ja ymmärtää eri datasisältöjen riippuvuussuhteita. Käsitemalli auttaa erityisesti laajempien data kokonaisuuksien ymmärtämisessä.
Data jakaantuu karkeasti luonteensa kautta karkeasti kolmeen tyyppiin: masterdataan, transaktiodataan ja analyysidataan. Masterdata on käytännössä erilaista kriittistä perustietoa kuten asiakas- ja toimittajatietoa sekä nimikkeitä. Transaktiodataa syntyy, kun masterdatan ympärillä tapahtuu omaa toimintaa, kuten tehdään tilauksia, laskuja, varastotapahtumia tai myyntiaktiviteetteja. Analyysidata on raportoinnin ja analytiikan perusta. Sitä käytännössä hyödynnetään transaktiodatan kanssa yhdessä ja se voi olla myös siitä koostettua viiteaineistoa. Se syntyy joko omista tai ulkopuolisista lähteistä ja sen perusteella on tarkoitus ohjata päätöksentekoa eri tasoilla ja tuoda mittareita liiketoimintaan. Analytiikkadataa ovat vaikkapa säätiedot, ostokäyttäytyminen, vikatilastot, lokidata, tilinpäätös ja tulostiedot.
Data-arkkitehtuurin mallintaminen on ainoa keino hallita tehokkaasti kokonaisuutta ja varmistaa ymmärrys.
Jotta datanhallinnan terminologia ei olisi liian helppoa, hallinnan haasteiden seurauksena on alettu puhua myös kultaisesta datasta (Golden Data). Käytännössä se on masterdataa, jonka eheys on erityisen laadukasta ja sisällöllisesti kattavaa. Sen sijaan että eri järjestelmät nojaavat datansa sieltä täältä rikastettiin sisältöihin, voidaan lähtödata nojata kultaiseen dataan, jonka laadusta ei tarvitse olla huolissaan. Se että miten kultainen data tehdään – ja miten se saadaan pidettyä kultaisena - onkin sitten toinen tarina.
Datan hallinnassa on helppo hukkua erilaisiin teknisiin viidakoihin ja mallintamisen haasteisiin ja edelleen loputtomalta tuntuvaan eheyttämistarpeeseen. Itseisarvoa ei tälläkään asialla ole, joten oleellista on ymmärtää mikä on liiketoiminnalle tärkeää dataa ja mitä meidän on tehtävä sen parantamiseksi.
Ja tehdä se.
Me voimme antaa sinulle hyvä eväitä onnistumiseen - digitaalisen kaksosen avulla saat mallin ja rakenteen datan hallinnan sisältöihin käsitekartasta tietosuojan ja tietoturvan vahvistamiseen.