Datapääoma by datapaaoma

February 14, 2024 Data Governance: Seksintappajasta seksisymboliksi? - Vieraana Kimmo Kontra

[Speaker 2] (0:02 - 2:45)

Pitkät kalsarit, pakkanen ja Data Governance. Tarina seksintappajasta seksisymboliksi.

Toivotetaan tervetulleeksi pitkän linjan tiedonhallinnan ammattilainen Kimmo Kontra. Tervetuloa.

[Speaker 1] (2:46 - 2:52)

Kiitoksia Tommi ja kiitoksia Markku. Erittäin mukava olla täällä teidän kanssa tänään.

[Speaker 2] (2:52 - 3:02)

Loistavaa. Haluaisitko ihan alkuun vapaamuotoisesti kertoa teemalla, kuka olet ja mistä tulet?

[Speaker 1] (3:04 - 3:51)

Sanoit äsken pitkänlinjan ammattilainen tällä alalla, niin oikeastaan melkein hävettää kuinka pitkän. Eli törmäsin tähän datan laatuun ja sen hallintaan ensimmäisen kerran tuolla TEED-karina Otaniemessä vuonna 1998. Silloin professori tietotekniikan laitoksesta Martti Mäntylä, niin hän profetioi, että datan laatu on kova juttu ja antoi sitten meille muutamalle nuorelle sällille tehtäväksi tutkia-asiaa.

Ja tehtiin siitä sitten tietotekniikan ohjelmistojärjestelmän erikoistyö. Ja tästä nämä neljän hengen porukasta, missä sitä tein, niin en ole päässyt mihinkään sitten tästä alalta. Nämä kolme muuta tekee jotakin muutakin työtä nykyään.

[Speaker 2] (3:52 - 4:23)

Data quality oli jo ISOa vuonna 1998

[Speaker 1] (4:24 - 6:07)

Back to Otaniemi ja vuosi 1998

[Speaker 2] (6:08 - 6:34)

Some things, they never change.

[Speaker 1] (6:37 - 8:14)

Japani, TQM ja datan laatu.

[Speaker 2] (8:16 - 9:15)

There is no data quality without data governance, and there is no data governance without data quality. (Laura Madsen)

[Speaker 1] (9:17 - 10:48)

Data on niin moniulotteista, monikäsitteistä ja niin kontekstuaalista. Data terveydenhuollossa on eri asia kuin vähittäiskaupassa on eri asia kuin valmistuvassa teollisuudessa.

Pitääkö löytää lisää systematiikkaa?

[Speaker 2] (10:49 - 12:22)

Tietopääoma on meille voimavara, mutta miksemme pidä siitä huolta? Data ei pidä huolta itsestään vaan tarvitsee yhdessä sovitut käytännöt ja pelisäännöt.

Aivan samalla tavalla, kuten teemme muidenkin voimavarojemme kanssa.

[Speaker 1] (12:22 - 14:45)

Data onkin meta-asset? Vai kuinka?

[Speaker 2] (15:10 - 17:59)

Robert S. Seiner: Non-invasive data governance, the path of least resistance.

Tiedonhallinta on organisaation tietopääoman määrittelyyn, käyttöön ja tuotantoon liittyvän hyväksyttävän käyttäytymisen vahvistamista riskien hallitsemiseksi ja tiedonlaadun ja käytettävyyden parantamiseksi.

Vai oliko sittenkään?

[Speaker 1] (18:00 - 19:10)

Data-asset ja meta-asset. Siinä se iso kysymys on silloin se, että datan hallinnan pitäisi tukea sitä varsinaista liiketoimintaa, niitä varsinaisia assetteja.

[Speaker 2] (19:11 - 21:43)

Pelisäännöt, roolit ja vastuut sekä Seinerismit.

ATK pyörittää liiketoimintaprosesseja, jo nyt.

Ahaa-elämys tässä on, että riippuen työntekijämäärästä sinulla saattaa olla yhdestä vaikkapa moneen kymmeneen tuhanteen ihmistä töissä, joista suuren osan päivittäiseen rooliin kuuluu näiden tietojärjestelmien käyttäminen. Se ovat tiedon tuottajia: datantuottajia.

Jokaisessa firmassa on jo implisiittistä data governancea, vaikka sitä ei ole ääneen sanottu tai paperille kirjoitettu.

[Speaker 1] (21:45 - 24:29)

Vai puhuivatko datapääoman pojat ihan potaskaa?

Onko se datanhallintaa vai liiketoimintaprosessin kurinalaisuutta ja sen hallintaa?

Pieleen menee jos data governance muodostuu omaksi siilokseen.

Onko paska data ATK:n vai ihmisten vika?

[Speaker 2] (24:30 - 25:26)

Markku on koulukuntaa, joka tykkää ajatella, että prosessijohtamisen yhteydessä pitäisi kantaa vastuu datasta.

[Speaker 2] (25:27 - 25:31)

Mutta sitä dataa pitäisi johtaa.

[Speaker 1] (25:32 - 26:47)

Perinteinen prosessijohtaminen, siellähän tämä datan rooli on usein jäänyt sivuraiteille. Sen ei pitäisi.

[Speaker 2] (26:48 - 29:40)

Parhaimmillaan tässä oppiikin jotain!

Mitenkäs meta-metataso, onko kukaan miettinyt tätä?

Tästähän me päästään takaisin datapääoman kaudelle 1: datatoimitusketjuun ja sinne alkupäähän. Kenen vastuulla tämä on?

Monen organisaation tragedia, eli meillä on keskitetty datapumppu, joilta odotetaan myös usein täysin irrelevanttia asioita.

[Speaker 1] (29:42 - 31:54)

Koko (datan) supply chain, sen end-to-end-ketjun.

Keppiä vai porkkanaa?

Riittääkö Enterprise Arkkitehtuuri vai tarvitaanko jotain muutakin?

[Speaker 2] (31:54 - 32:59)

Tehdäänkö oikeita asioita ylipäätään?

[Speaker 1] (33:00 - 35:25)

Pari esimerkkiä: markkinointi, myynti ja koko asiakassuhteen elinkaari tuosta alusta loppuun: tenderöintiä ja erilaista tarjoushallintaa ja asiakkaan pyyntöihin vastaamista.

Tämä asiakas, se ei ole sama datamielessä läpi tämän elinkaaren, vaan sen asiakkuuden datasisältö, se asiakkuuden ikään kuin datakuvakulma vaihtelee näiden koko ketjun läpi.

Tavoitteenahan on useimmilla business business-yrityksillä saada kokonaiskuva siitä asiakkuudesta läpi tämän ketjun.

Mutta se ongelmatiika tulee siitä, että se on erilainen, tämän erilaisten asiakaskäsitteiden yhteensovittaminen tämän ketjun läpi, koska se data on erilaista, se on eri konteksteissa esiintyvää. Se on vain hankalaa. Ja tämä on se asia, jossa data governance parhaimmillaan pystyy auttamaan.

[Speaker 2] (35:26 - 39:12)

Keskimääräisen firman end-to-end-prosessi, order to cash, whatever, on halkaistu, moneen organisatoriseen toimintoon.

Päästään taas tärkeimpään eli master data, josta asiakastieto on klassinen esimerkki.

Jää aika paljon siitä, että kuka sitä EA-hattua kantaa, ja onko hän teknokraatti vai haluaako hän mennä itse asiassa sinne dataan tärkeimpään, eli sisällölliseen puoleen.

Muista: IT hoitaa teknologian, data on sisältöasia, josta vastaa liiketoiminta. Televerkkovertaus.

Onko teillä oma rekisteri siellä? Miten myynti näkee sen asiakkaan? Miten Fina näkee?

Voidaanko sitä tehdä paremmin? Kyllä.

Onko se laskutusasiakas vai käyttäjäasiakas vai kenties sopimusasiakas vai joku muu mikä, franchising kenties. Näitä on vaikka ja mitä. Ihan vaan hieman tähän konkreettiaan se, että minkälaisia erilaisia ulottuvuuksia on, ja nämä on keskimäärin aina hallitsematta.

[Speaker 1] (39:13 - 40:14)

Tässä on se alue, jossa data governacea voisi tehdä, mitä muut eivät tee. Sen sijaan, että lähtee päälle päsmäröimään vaikkakin just tätä datan syöttyä liitettömien ja prosessien osana, joka toki pitää saada kuntoon sekin.

Arkkityypit mainittu!

[Speaker 2] (40:14 - 41:04)

Mennään lopuksi ratkaisuihin. Huoneentauluihin. Path of least resistance?

[Speaker 1] (41:07 - 41:59)

Kompleksinen systeeminen ongelma, se on se juuri syy, miksi tämä on niin hankala, ja se, että systeemiajattelu paradigmaana, sehän ei ole koskaan lähtenyt lentoon, se on pikkasen liian vaikeeta, niin se on pakko jotenkin pilkkoa käytännön tasolla.

[Speaker 2] (41:59 - 42:23)

Konkreettiset esimerkit huoneentauluista?

[Speaker 1] (42:24 - 44:44)

Päästään glossarymalliin perus, perus, perusasioihin. Miten vaikkapa varastoja on olemassa, minkälaisia erilaisia?

[Speaker 2] (44:44 - 47:02)