Datan laatu ja sen kokonaisvaltainen johtaminen vaikuttavat merkittävästi liiketoiminnan sujuvuuteen ja asiakaskokemukseen. Enää ei liene mitään länsimaista toimialaa, missä ei käsiteltäisi lainkaan dataa. Yhä enenevässä määrin datan käsittely tapahtuu ”tietojärjestelmissä”, ja sen käsittely on sirpaloitunut useiden toimijoiden kesken. Tämä tuo tiedon laadulle ja sen johtamiseen haasteita, joiden ratkomatta jättäminen heijastuu asiakaskokemukseen.
Onnistuaksesi datan laadun hallitsemisessa liiketoimintasi hyväksi, listasin iloksesi ratkaisut kolmeen yleisimpään virhepäätelmään.
1. ”Uuden teknologian, älykkään analytiikan tai [lisää tähän trendisana] hankkiminen korjaa datan laadun ongelmat.”
Ongelma: Useimmiten hankintapäätös tehdään tietämättä mitä konkreettista liiketoiminnan ongelmaa halutaan ratkaista. Silloin uusi teknologia, vaikka se olisi miten hieno ja älykäs, jää erilliseksi – siis turhaksi – harjoitukseksi.
Ratkaisu: Malta mielesi. Vaikka kaikki muut hypettäisivät uutta ja mahtavaa teknologiaa, se ei yksin ratkaise sinun ongelmiasi. Ennen kuin mitään hankintapäätöstä tehdään, tulisi liiketoiminnan päättäjien ja asiantuntijoiden pohtia, mitkä ovat tärkeimmät liiketoiminnan haasteet ja tavoitteet. Data-asiantuntija tarvitaan mukaan ”kääntämään” valitut asiat dataa koskeviksi vaatimuksiksi.
Tiedätkö, kuka sinun organisaatiossasi osaa tulkita liiketoiminnan tavoitteet dataa koskeviksi vaatimuksiksi? Nämä osaajat ovat kuin korpit erämaassa – harvoin tavattuja, mutta älykkäitä ja sinnikkäitä ongelmanratkojia.
Kun tarpeet on selvitetty, voidaan arvioida tarvitaanko niiden ratkaisemiseksi lainkaan uutta teknologiaa vai saataisinko ne korjattua jo olemassaolevilla työkaluilla.
2. ”Meillä datan laadun hoitaa sitä varten perustettu tiimi. Muiden ei tarvitse miettiä sitä.”
Ongelma: Tiimi, joka työstää datan laatuongelmia erillään muusta organisaatiosta, kykenee tyypillisesti vain reaktiiviseen virheiden korjaamiseen. Virheitä tuotetaan huoletta, kun toiset korjaavat ne. Tällainen on hidasta ja kallista. Pahimmillaan erillinen tiimi on myös erillään liiketoiminnasta ja korjaa dataa vanhentuneiden ohjeiden mukaisesti.
Ratkaisu: Datan laadun parantamiseen erikoistunut tiimi toimii hyvänä tukena, kun korjataan jo olemassa olevia datan puutteita ja laadun parantamisen hankkeet ovat vasta alussa. Mutta tällaisen korjaamisen lisäksi täytyy aina analysoida virheiden juurisyyt ja pyrkiä korjamaan ne niin, ettei virheitä enää jatkossa synny.
Datan laatuongelmien juurisyyt ovat harvoin yksittäisissä työntekijöissä. Yleensä ongelmat aiheutuvat työskentely-ympäristön rajoituksista.
Datan laadun parantamisen täytyy aina perustua liiketoiminnan tarpeisiin. Ennen kuin datatiimiä perustetaan, tulee selvittää huolella, mitä ongelmaa tai liiketoiminnan kehityksen tarvetta se tulee ratkaisemaan. Näin tiimillä on selkeä tavoite tekemiselleen. Liiketoiminnan kanssa on tehtävä jatkuvaa yhteistyötä, jotta muutokset tavoitteissa heijastuvat myös datan laatuun.
3. ”Meillä on datan laadun mittarit määritelty ja niitä seurataan - homma on siis hanskassa.”
Ongelma: Jos luotetaan vain siihen, että sovitut mittarit näyttävät hyviltä, voidaan astua pahasti harhaan. Silloin piiloon jää kaikki se, mitä ei ole otettu huomioon mittareita päätettäessä. Datan laadun mittareita määritellessä on erityisen helppoa unohtaa liiketoiminnallinen merkitys, ja usein ne eivät mittaakaan mitään konkreettista liiketoiminnan kannalta.
Ratkaisu: Varmista, että ymmärrätte liiketoimintaongelmat ja tavoitteet ennen kuin päätätte, mitä datan laadun osa-alueita edes kannattaa mitata. Ja vaikka mittarit on jo kertaalleen huolella mietitty, niiden merkityksellisyyttä tulee arvioida säännöllisesti liiketoiminnan näkökannalta.
Pelkkä mittaaminen ei ratkaise ongelmia. Sen lisäksi edelleen tarvitaan selkeät toimitatavat ongelmien esiin nostamiseksi, analysoimiseksi ja ratkaisemiseksi. Tämä vaatii koko organisaation tason ymmärrystä ja yhteisiä, sovittuja toimintatapoja. Laatujohtamisen isä, Dr. Erwards Deming totesi jo vuosikymmeniä sitten seuraavasti:
The most important figures that one needs for management are unknown or unknowable.
Pelkkä mittareiden tuijottaminen luo harhan, joka johtaa ongelmiin.
Kysy itseltäsi seuraavat kysymykset: Ovatko datan laadun mittarit valittu sen mukaan, miten oleellisia ne ovat liiketoiminnalle? Vai perustuvatko ne kenties vain siihen, mitkä tiedot ovat pakollisia järjestelmässä? Mitä konkreettista hyötyä kyseinen datan laatu tuo liiketoiminnalle? Entä miten teillä varmistetaan, että mittareiden ulkopuolelle jäävistä asioista ei kehkeydy suuria ongelmia?
Jos voit vastata kaikkiin kysymyksiin itseäsi tyydyttävillä vastauksilla, niin hyvä.
Jos kuitenkaan et, tai sinua jäi vielä askarruttamaan kuinka tuoda datan laadun hallinta osaksi liiketoimintaa ja sen kehitystä, niin ota yhteyttä ja kysy lisää!
Taru Väre (kirjoittaja työskenteli Loihde Advancella elokuuhun 2019).
