Mitä data governance tarkoittaa ja entä, jos sitä ei olisi olemassa?

Aloitetaan yksinkertaisella tosielämän esimerkillä – puhelimet. Kuvittele, että yrität ottaa yhteyttä asiakkaaseen. Etsit oikeaa kontaktia yhteystietoluettelosta, mutta tiedot ovat vääriä tai puuttuvat kokonaan. Sen seurauksena yrität tavoittaa väärää henkilöä tai et saa yhteyttä lainkaan, eli joudut tekemään ylimääräisiä toimenpiteitä asian hoitamiseksi.

Laajennetaan tämä skenaario yritykseesi ja kerrotaan se sadoilla tai jopa tuhansilla kerroilla, kun yrityksesi henkilöstö yrittää hyödyntää dataa päivittäisissä toimissaan eli löytää tarvitsemiaan tietoja monista eri työkaluista. Jos tiedot ovat epätarkkoja tai puuttuvat kokonaan, se voi johtaa virheellisiin toimiin ja päätöksiin – tai jopa tärkeiden tehtävien laiminlyöntiin, puhumattakaan turhasta työstä. Tällaiset tilanteet ovat valitettavasti arkipäivää yllättävän monissa yrityksissä…

Data governancen tavoitteena on yksinkertaistettuna varmistaa, että edellä mainitulta skenaariolta vältytään. Sitä tarvitaan, jotta yritys voi kerätä laadukasta dataa ja tehdä sen perusteella parempia päätöksiä – kustannustehokkaasti. Hyvät data governance toiminnot eivät kuitenkaan synny itsestään, vaan kuten mikä tahansa yrityksen kriittinen toiminto, asia vaatii johdon huomion ja konkreettisen tuen. Data pitää siten tunnistaa strategiseksi hyödykkeeksi ja varmistaa, että sitä hallinnoidaan systemaattisesti ja yrityksen prioriteetit huomioiden.

Datan perusasioiden ymmärtäminen tekee siitä helpommin hallittavaa

Yritykset eivät usein tiedä mistä aloittaa ja eteneminen voi olla haasteellista, koska asian tärkeys on epäselvää ja datan luonteeseen liittyviä ”luonnonlakeja” ei ymmärretä yhteisesti. Se miten data nähdään ja ymmärretään, vaikuttaa siihen, miten dataan liittyviä asioita pyritään ratkaisemaan. Yksi erittäin yleinen ongelma yrityksissä on, että data ja siihen liittyvät työkalut sekoitetaan keskenään.

Suositut teemat, kuten datatiede, koneoppiminen (machine learning, ML) ja tekoäly (artificial intelligence, AI), tarjoavat yrityksille huikeita keinoja menestyvään liiketoimintaan. Mutta ne eivät vielä yksinään tee yrityksestä datalähtöistä. Tarkemmin ajateltuna ne voidaan käsittää työkaluina ja menetelminä, jotka parhaimmillaan onnistuvat hyödyntämään muiden työkalujen tuottamaa dataa esim. syy-seuraussuhteiden oivaltamisessa ja liiketoimintamahdollisuuksien löytämisessä, sekä liiketoimintaprosessien optimoinnissa. Valitettava fakta on, että riittävän laadukkaan datan puuttumisen vuoksi toivottujen tuloksien saavuttaminen kestää kauemmin ja tulee huomattavasti kalliimmaksi.

Eli datan laatuun kannattaa ehdottomasti panostaa. Datan tarkoitus on edustaa reaalimaailman asioita, eli sitä, mitä tapahtuu parhaillaan tai on tapahtunut menneisyydessä, ja se data puolestaan mahdollistaa tulevien asioiden ennustamisen. Jos data on virheellistä, se kertoo ”valeuutisia” ja johtaa myös vääriin ennusteisiin tulevasta.

Dataa ja sen sisältöä voisi vielä verrata veteen. Vettä pitää voida käyttää turvallisesti juomiseen tai muiden juomien jatkojalostamiseen. Tavoitteen saavuttamiseksi raakavesi virtaa vesilaitoksen putkien läpi, sitä käsitellään veden puhdistamiseen ja prosessoimiseen tarkoitetuilla kemikaaleilla, työkaluilla ja asetettujen laatusääntöjen mukaan. Datan, samoin kuin veden käsittelyn erityispiirteisiin kuuluu se, että sen alkulähde on muualla ja monet eri toiminnot käyttävät sitä hyväksi moniin eri tarkoituksiin. Kaikilla näillä käyttäjillä voi olla eri laatutavoitteet, yhdelle riittää osittain puhdistettu vesi ja toinen tarvitsee täysin puhdistettua vettä. Yritysten kannattaisi suhtautua datan käsittelyyn yhtä systemaattisena prosessina kuin vedenjalostajat suhtautuvat veden käsittelyyn.

Yleinen harhakäsitys on myös se, että data on vain osa applikaatiota ja IT:n vastuulla. Sen seurauksena luullaan, että IT tai IT-strategia yksin takaa laadukkaan datan. Jos vesilaitoksen veden laaturaja-arvot ylittyvät, asiaa tutkimaan tarvitaan kyseisen alan asiantuntija analysoimaan, mistä asia johtuu, analyysin jälkeen voidaan joutua lisäämään pudistavaa kemikaalia tai korjaamaan putki, josta tihkuu väärää ainetta vedenkiertoon. Eli eri roolit, työkalut ja toimintatavat ovat tarpeen laadukkaan lopputuloksen saavuttamiseksi. Samoin datan hallinnoimiseen liittyvien roolien ja -vastuiden tulisi olla selkeitä, ja niistä tulisi tiedottaa koko yrityksessä. Kun tiedostetaan, että liiketoiminnan edustajilla, tiedon luojilla ja hyödyntäjillä, on avainrooli datavaatimusten määrittelyssä ja kyseisten datasisältöjen oikeellisuuden varmistamisessa, on helpompaa perustaa tarvittavat roolit ja toiminnot – sekä liiketoiminnan että IT:n puolelle.

Perustavaa laatua oleva haaste yrityksissä on datastrategian puute. Data governancen on myös oltava strateginen yritystason hanke, jotta se saadaan toimimaan odotetulla tavalla. Datastrategian avulla tulisi varmistaa, että yrityksellä on riittävät kyvykkyydet, yli organisaation siilojen, sopia yhteisten data governance toimintatavoista ja varmistaa niiden noudattaminen. Datastrategian tulee olla sidottu yrityksen liiketoimintastrategiaan, josta voidaan johtaa prioriteetteja datatekemiselle. Ylimmän johdon tuki on välttämätöntä, sillä ilman sitä kaikki pitkäkestoiset ja koko yrityksen kattavat pyrkimykset data governancen toteuttamiseen todennäköisesti epäonnistuvat.

Data governance vahvistaa yrityksesi kykyä vastata tulevaisuuden haasteisiin

Data governance tulee olemaan entistä ratkaisevammassa roolissa: datamäärät kasvavat eksponentiaalisesti, ja GDPR:n kaltaiset sääntelyt tuovat uusia rajoituksia ja toimintatapoja, mikä korostaa yritystason strategisen lähestymistavan merkitystä. Lisäksi, kun datapohjaiset hankkeet ja digitalisointitoimet yleistyvät, yritykset kohtaavat yllättäviä haasteita, joista monet liittyvät dataan ja sen käsittelyn puutteisiin.

Jos data governancea ei ole otettu tosissaan osaksi yrityksen toimintaa, niin lisäresursseja kuluu datan validointiin ja epäonnistuneisiin hankkeisiin. Yrityksessä perustetut datatieteilijätiimit eivät pysty lunastamaan lupauksiaan, jos suurin osa ajasta kuluu datan löytämiseen, ymmärtämiseen ja validointiin. Kaikki tämä vähentää tuottavuutta, lisää kustannuksia, haittaa ketteryyttä ja aiheuttaa työntekijöiden tyytymättömyyttä. Kun tavoitellaan erottautumista kilpailijoista ja halutaan tarjota digitaalista ja siten myös datapohjaista asiakaskokemusta, tai ottaa käyttöön uutta liiketoimintamallia, ne osoittautuvat usein vaikeammiksi ilman data governancea. Satsaamalla Data governanceen yritys rakentaakin itse asiassa myös yhtä ydinosaamisalueistaan. 

Eli oikein tehdyn data governancen tarkoituksena on varmistaa, että tarkoituksenmukainen ja laadukas data tunnistetaan, priorisoidaan, kerätään ja asetetaan saataville sovittujen standardien, mukaan lukien yksityisyydensuoja ja tietoturva, mukaisena sitä tarvitseville tahoille.

Tiedätkö mikä on yrityksesi datan laatu? Oletko jo tunnistanut data governancen kriittiseksi menestystekijäksi? Oletko harkinnut tiedonhallinnan maturiteetin arviointia, jotta voisit päättää, mistä kannattaa aloittaa? Jos et ole vielä kysynyt näitä kysymyksiä, niin nyt on sen aika.

Brighter future. Together. – Haemme dataosaajia Cloud, Data & Insight -jengiin!