‹ Blogit

15.8.2018 16.22

Datastandardi käytäntöön – järjestelmä- vai ihmislähtöisesti?

  • Datan hallinta ja laatu

Datastandardi on valmis, tai ainakin jokin osa siitä. Entä sitten? Miten datastandardi viedään käytäntöön? Kärjistäen datastandardi näkyy käytännössä joko muutoksina tietojärjestelmissä tai ihmisten toimintatavoissa. Seuraavassa tarkastelen kummankin lähestymistavan hyötyjä ja haasteita ja pohdin, millaisiin tilanteisiin lähestymistavat sopivat parhaiten.

datastandardi_käytäntöön

Kuva: Arvo Perälä

Datastandardin implementointi tietojärjestelmän kautta

Kun datastandardi viedään käytäntöön tietojärjestelmälähtöisesti, järjestelmiin tehdään muutoksia ja päivityksiä datastandardin perusteella. Näin pyritään varmistamaan, että tietojärjestelmiin syötetään oikea tieto oikeassa muodossa ja että tietoa muokataan datastandardin osoittamalla tavalla.

Tietojärjestelmälähtöisyyden hyödyt

Järjestelmälähtöisessä lähestymisessä varmistetaan, että liiketoiminnalla on sen oikeasti tarvitsemaa dataa. Ensinnäkin datastandardi laaditaan liiketoiminnan tarpeista käsin ja toiseksi se implementoidaan järjestelmiin mahdollisimman tarkasti.

Liiketoiminta saa sen oikeasti tarvitsemaa dataa ja datan laatu paranee.

Datan laatu paranee, koska datastandardin järjestelmälähtöinen implementointi pakottaa syöttämään tiedon oikein ja muokkaamaan sitä oikein. Tällöin esimerkiksi asiakas syötetään asiakkuudenhallintajärjestelmään heti laatusääntöjen ja määritysten mukaisesti. Datan laatu alkaa parantua välittömästi, kun muutokset ovat tehty järjestelmiin.

Lisäksi integraatiotyö selkeytyy. Järjestelmälähtöisyys helpottaa integraatioiden luomista ja ylläpitoa. Datan määritykset ja säännöt implementoidaan jokaiseen järjestelmään, johon ne vaikuttavat. Tällöin data on samassa muodossa näiden järjestelmien välillä, joten integraatiot ovat helpompia ja nopeampia toteuttaa itse datan osalta.

Tietojärjestelmälähtöisyyden haasteet

Mitä kompleksisempi järjestelmäkenttä on, sitä työläämpää datastandardin määritykset on toteuttaa. Toisin sanoen, mitä enemmän järjestelmiä joudutaan konfiguroimaan, sitä kalliimmaksi tietojärjestelmälähtöinen lähestymistapa tulee.

Datastandardin määritysten toteuttaminen ja vanhojen järjestelmien uudistaminen voi osoittautua kalliiksi.

Myös vanhojen järjestelmien uudistaminen voi osoittautua haasteelliseksi. Järjestelmälähtöisyydessä joudutaan ottamaan huomioon mahdollisesti vielä käytössä olevat legacy-järjestelmät ja niiden rajoitteet. Vanhat järjestelmät eivät välttämättä taivu datastandardin vaatimuksiin ainakaan kaikilta osin, ja lopulta saatetaan joutua tekemään merkittäviä järjestelmäuudistuksia ja hankintoja, jotta tietojärjestelmäpuoli saadaan tukemaan datastandardia kattavasti.

Milloin järjestelmälähtöinen implementointi kannattaa?

Järjestelmälähtöinen lähestyminen on hyödyllisintä silloin, kun datastandardi vaikuttaa suureen määrään käyttäjiä. Jos esimerkiksi asiakaspalvelussa on satoja henkilöitä, jotka luovat uusia asiakkaita ja muokkaavat heidän tietojaan, voi datan hyvän laadun varmistaminen olla tehokasta järjestelmien kautta.

Järjestelmälähtöinen lähestyminen on hyödyllisintä silloin, kun datastandardi vaikuttaa suureen määrään käyttäjiä.

Järjestelmälähtöinen datastandardin hyödyntäminen voi tulla kysymykseen myös silloin, kun yrityksen kokonaisarkkitehtuuria halutaan uudistaa. Tällöin tehdään strateginen valinta arkkitehtuurin modernisoimiseksi, joka samalla todennäköisesti tehostaa liiketoimintaa ja helpottaa IT:tä.

Datastandardin implementointi ihmislähtöisesti

Ihmislähtöisessä lähestymistavassa datastandardin sisältö viestitään kullekin kohderyhmälle heidän näkökulmastaan. Käyttöönotto tapahtuu sisäisen uutisoinnin, koulutuksen, ohjeistuksen ja perehdyttämisen kautta. Näin pyritään ohjaamaan ihmisiä toimimaan datastandardin mukaisesti ja varmistamaan, että datastandardin laatusääntöjä ja vaatimuksia noudatetaan.

Ihmislähtöisellä lähestymistavalla on aina prosessivaikutus. Esimerkiksi asiakaspalvelun suorittamaan uuden asiakkaan luomisprosessiin tulee muutoksia, jotta asiakas tulee luotua datastandardin osoittamien määritysten mukaan.

Ihmislähtöisen lähestymistavan hyödyt

Ihmislähtöinen lähestymistapa saattaa olla helpompi toteuttaa kuin järjestelmämuutokset, jotka pahimmillaan ovat raskaita ja kalliita. Datastandardin vaikuttavuus erilaisiin työtehtäviin pystytään usein viestimään sanallisesti. Tällöin tarvittavat muutokset yhdistetään esimerkiksi osaksi perehdytyksiä ja koulutuksia ja niiden myötä osaksi jokapäiväistä toimintaa.

Ihmislähtöinen lähestymistapa on usein helpompi toteuttaa kuin järjestelmämuutokset ja helpottaa muutoksista viestintää.

Kun datastandardi implementoidaan ihmislähtöisesti, viestintään panostetaan luonnostaan. Muutoksista viestittäessä on mahdollisuus luoda näkyvyyttä ja ymmärrystä dataan. Työntekijät tulevat huomioiduksi ja ymmärtävät mikä merkitys kullakin työnvaiheella on.

Ihmislähtöisen lähestymistavan haasteet

Ihmislähtöisen lähestymistavan suurin haaste on riittävän vaikuttavuuden saavuttaminen. Kun datastandardin vaikuttavuutta henkilöihin kartoitetaan, voi joukko paisua yllättävän suureksi. Ei välttämättä riitä, että asiakastiedon näkökulmasta koulutetaan vain asiakaspalvelun henkilökunta. Voidaan myös joutua kouluttamaan myyjiä, markkinoijia tai vaikka luottopäätöksiä tekevät henkilöt.

Haasteeksi tulee omistajuuden synnyttäminen ja ylläpitäminen. Kaikki nämä henkilöt tulisi saada sitoutumaan datastandardin noudattamiseen, mikä voi vaatia useiden koulutusten järjestämistä sekä jatkuvaa työntekijöiden tukemista. Omistajuuden tulee olla korkea tarvittavien muutosten toteuttamisen suhteen, jotta datastandardia oikeasti noudatetaan. Haasteena on myös hiljaisen tiedon siirtäminen työntekijöiden vaihtuessa ja toisaalta perehdytyksen määrä uuden työntekijän aloittaessa.

Riittävän vaikuttavuuden saavuttaminen ja datan laadun heikkeneminen ovat ihmislähtöisen lähestymistavan suurimmat haasteet.

Entä miten käy datan laadulle? Ihmislähtöisen lähestymistapaa käytettäessä tietojärjestelmissä olevan datan laatu todennäköisesti heikkenee, mikäli järjestelmiin ei tehdä datastandardin vaatimia muutoksia. Jos esimerkiksi asiakkuudenhallintajärjestelmässä on paljon liikkumatilaa asiakasta luotaessa, voi jotain oleellista tietoa jäädä puuttumaan, tai se voidaan inhimillisen virheen myötä syöttää väärässä formaatissa. Tämä saattaa aiheuttaa pysyvän tarpeen datan laadun parannustyölle, mikä voi tulla yllättävän kalliiksi.

Mitä useampaan järjestelmään ja mitä laajemmin dataan (attribuutteihin) datastandardi vaikuttaa, sitä suurempi riski on datan laadun heikkenemiseen. Lisäksi mikäli järjestelmämuutoksia ei tehdä, saattaa esimerkiksi ulkoisista datalähteistä tulla edelleen dataa, joka ei vastaa datastandardin sääntöjä. Ilman järjestelmämuutoksia myöskään legacy-järjestelmien data ei muutu.

Milloin ihmislähtöinen implementointi kannattaa?

Ihmislähtöisyyden takaama pehmeämpi lähestymistapa datastandardin hyödyntämisessä toimii etenkin silloin, kun sen vaikuttavuus ihmisiin ja järjestelmiin on pieni. Esimerkiksi silloin kun uusien asiakkaiden luomisesta sekä niiden tietojen päivittämisestä yrityksessä vastaa vain kourallinen henkilöitä, kun muutosten määrä dataan (attribuutteihin) on vähäinen, eikä asiakastieto valu kymmeniin eri järjestelmiin. Tässä tapauksessa ihmisten perehdyttäminen uuteen tilanteeseen on todennäköisesti suhteellisen vaivatonta.

Kumpi ratkaisu sopii sinun organisaatiollesi?

Sekä järjestelmä- että ihmislähtöiselle datastandardin käyttöönotolle on siis paikkansa ja kummassakin on omat hyvät ja huonot puolensa. Sopivin lähestymistapa on lopulta sidoksissa organisaation tilanteeseen, ja usein ratkaisua kannattaa hakea jostain näiden kahden vaihtoehdon välimaastosta.

Kompromissiratkaisulla datastandardista saadaan paras pitkän ajan hyöty liiketoiminnalle.

Kompromissiratkaisussa datastandardin pohjalta päädytään tekemään kriittisimmät muutokset tietojärjestelmiin, mutta järjestelmien käyttäjille jätetään suhteellisen paljon vapautta tehdä liiketoiminnan kannalta vähemmän kriittiset asiat. Samalla datastandardin pohjalta järjestetään koulutuksia, päivitetään työohjeita ja perehdytetään työntekijöitä. Ylipäänsä kommunikoidaan ymmärrettävällä tavalla siitä, miten datastandardi vaikuttaa juuri heidän työhönsä ja liiketoimintaan kokonaisuutena.

Tyypillisesti kompromissiratkaisulla datastandardista saadaan paras pitkän ajan hyöty liiketoiminnalle.


Kirjoittaja työskentelee Talent Basen konsulttina. Hän on liiketoiminnan kehittäjä, joka pyrkii löytämään tarkasteltavaan asiaan aina useampia näkökulmia. Hän työskentelee datan hallinnan, laadun ja mallinnuksen sekä ketterän kehityksen parissa. Tiedonhallinnan lisäksi kirjoittajalla on taustaa taloushallinnosta, projektinhallinnasta ja organisaation kehittämisestä.

Katso profiilini

Pidätkö lukemastasi? Tilaa blogitekstimme meiliisi.