Montako kertaa olet kuullut lauseen ”datan laatu on huonoa”?
Kauneus on katsojan silmässä, ja niin on laatukin. Datan laadulla tiedetään olevan suoria vaikutuksia yritysten kannattavuudelle, asiakastyytyväisyydelle ja uusiutumiskyvylle. Kuitenkin monet yritykset tuntevat datansa ja sen laadun heikosti. Datan laatu – sen täydellisyys, uniikkius, yhdenmukaisuus, validius, todenmukaisuus ja saatavuus – halutaan saada ”paremmaksi”. Mitä parempi datan laatu tarkoittaa? Mitä datan laatua kannattaa oikeasti mitata?
Datan laatu on aina kontekstissa liiketoimintaan.
Datan laatu on aina kontekstissa liiketoimintaan. Koska data kulkee yrityksen liiketoimintojen läpi, samalla datalla on useampia käyttäjiä: datan kirjaaja tai luoja, hyödyntäjä, jatkojalostaja, ja tutkija, nykypäivänä yhä useammin myös partneri, toimittaja ja asiakas. Arvoketjun eri käyttäjien tarpeet voivat poiketa toisistaan ja datan alkuperän, tuotantoketjun ja tarkoituksenmukaisuuden tunteminen on yhä tärkeämpää. Näiden tarpeiden ymmärtäminen ja ylös kirjaaminen datan laatusäännöiksi on tarpeen, jotta voidaan merkityksellisesti analysoida, raportoida ja parantaa datan laatua.
Avainasemassa on löytää oman liiketoiminnan kannalta kriittiset tiedot. Sellaiset, joita ilman yritys ei saa toimia (sääntelyn tuomien velvoitteiden ja ulkoisten raportointivaatimusten pakottamat tiedot), sellaiset, joita ilman yritys ei voi tai sen ei kannata toimia (liiketoimintakriittiset tiedot), sekä ne, jotka mahdollistavat yritykselle uudistumisen (strategisiin hankkeisiin liittyvät tiedot).
Yhtä tärkeää kuin kriittisten datojen tunnistaminen, joille laatua mitata, on merkityksellisen laadun tunnistaminen. Datan laatua mitatessa enemmän mittareita ei ole enemmän. Datan laatua voitaisiin tutkia ja hioa loputtomiin, mutta miksi? On toissijaista, vastaako asiakkaan postinumero muotovaatimuksia, mikäli posti menee perille väärässäkin muodossa. Kuitenkin mikäli strateginen hanke ei voi integroida postinumeroita perille uuteen järjestelmään kuin tietyssä muodossa, on laadun mittaaminen ja korjaaminen tarpeen. Resursseja ei kannata tuhlata nimelliseen laatutyöhön, jolla ei ole arvoa tuottavaa liiketoimintatavoitetta.
Operatiivisen liiketoiminnan edustajien ja strategisten kehittäjien tulee olla määrittelemässä, mitkä laadulliset mittarit ovat tärkeitä ja merkityksellisiä. Vain siten voidaan tunnistaa mitä eri käyttötapauksissa ja eri osissa arvoketjua datalta vaaditaan, ja keskittyä laadun kehittämiseen siellä missä sillä on väliä.
Sinua voisi kiinnostaa myös nämä aiheeseen liittyvät blogit:
Kirjoittajasta
Sanni Seppälä
Senior Consultant, Enterprise Data Management
Olen Sanni Seppälä ja työssäni autan asiakkaita onnistumaan tiedon hallintaan liittyvissä muutoshankkeissa.
