Ville Ikonen

Ville Ikonen

Lead Enterprise Data Management Consultant

Liiketoiminnasta on tullut alalla kuin alalla yhä kokonaisvaltaisemmin datasta riippuvaista. Data on osa jokaisen meidän työtämme - emmekä suurimman osan ajasta edes tiedosta sen roolia työssämme. Olemme tottuneet siihen, että käsittelemämme data saattaa sisältää virheitä ja varmistamaan epäselvissä tilanteissa datan oikean merkityksen. Kaikesta osaamisestamme huolimatta, teemme jatkuvasti työhömme liittyviä päätöksiä virheellisen tai puuttuvan datan pohjalta.

Harvoin pysähdymme pohtimaan, kuinka paljon elämämme helpottuisi, jos voisimme luottaa datan sisältöön, ja välttäisimme kaiken sen turhan työn, jonka käytämme virheiden korjaamiseen. Siksi datan laadun varmistaminen on ensisijaisen tärkeää.

Sekava datamassa aiheuttaa ongelmia organisaatioissa

Oletko kuullut tarinan yrityksestä, jonka asiakasta laskutettiin aiheettomasti palvelusta, jota hän ei ollut käyttänyt vuosiin? Pitkien selvitysten jälkeen kävi ilmi, että syynä oli tietojärjestelmän puutteellinen päivitys, jonka myötä osa asiakastiedoista oli kadonnut. Vastaavat esimerkit eri sovelluksiin ja tietovarastoihin pirstaloituneen datan vaikutuksista eivät lopu kesken.

Korruptoitunut tai puutteellinen data oireilee monin tavoin. Organisaatiossa saatetaan herätä esimerkiksi siihen, että tietojen täydentämiseen, korjailuun tai etsimiseen kuluu sietämättömän paljon aikaa. Mikäli juurisyiden etsimisen sijaan otetaan käyttöön laastariratkaisuja, ongelma saattaa korjaantua hetkellisesti, mutta tällaisilla väliaikaisratkaisuilla kasvatetaan kuitenkin teknistä velkaa.

Korruptoitunut tai puutteellinen data oireilee monin tavoin.

Dataan liittyvien ongelmien vaikutuksilla on tapana moninkertaistua, ja mitä aiemmin esimerkiksi turhasta manuaalisesta työstä päästään eroon, sitä parempi. Lisäksi datavelka kasvaa järjestelmätasolla usein huomaamatta, muodostaen päivä päivältä lisää kuluja.

Vain laadukas data on arvokasta

Mikäli datan laatuongelmia ilmenee, on aina suositeltavaa havaita ja korjata ne mahdollisimman pian. Seuraavia asioita tulisi ottaa huomioon datan hallinnassa:

  • Täsmällinen data maksaa itsensä nopeasti takaisin asiakastyytyväisyydessä, motivaatiossa ja kustannustehokkuudessa.
  • Datan laadullinen analyysi ei korjaa dataa, mutta auttaa löytämään poikkeamat ja datamassan mahdolliset piilevät ongelmat seulomalla neulat heinäsuovasta.
  • Vasta kun datalla on omistaja, joka ymmärtää datan merkityksen liiketoiminnalle ja tietää mitä korjauksia tulisi tehdä, päästään datan laadulliseen parantumiseen ja liiketoiminallisen arvon kasvattamiseen.

Useimmiten datan laatuun liittyvä ongelma, esim. virheelliset tai puutteelliset asiakastiedot, on jo tiedostettu. Korjauksia on saatettu jo toteuttaa, mutta koska dataa on niin paljon eikä korjauksiin osallistu riittävästi liiketoimintaa ymmärtäviä henkilöitä. Näin ollen korjaavat toimenpiteet kohdistuvat väärin järjestelmiin ja prosesseihin.

Useimmiten datan laatuun liittyvä ongelma, esim. virheelliset tai puutteelliset asiakastiedot, on jo tiedostettu.

Data-virheiden korjaaminen on tehokkainta tehdä välittömästi niiden syntypaikassa, esimerkiksi siinä prosessissa, jossa kyseinen data on syntynyt. Digitalisoituvassa liiketoiminnassa datavirrat menevät useasti läpi useiden prosessien ja tietojärjestelmien, mikä tekee oikean datalähteen tunnistamisesta monimutkaista. Esimerkiksi sähköisessä kaupassa myytävät tuotteet ovat datan näkökulmasta saattaneet syntyä jo tuotehallinnan tai toiminnanohjauksen prosesseissa, eivätkä sähköisessä kauppa-alustassa tehdyt data virheiden korjaukset näin ollen poista virheitä alkuperäisen lähteen datasta.

Kirjoittajasta

Ville Ikonen

Ville Ikonen

Lead Enterprise Data Management Consultant

Ville Ikonen leads the Enterprise Data Management (EDM) practice at CGI. He has over twenty years of experience in developing customer-centric services, including building various digital services and marketplaces.