Search
  • Markku Mäenpää

Datastrategia - eli mitä sillä datalla nyt haluttiinkaan saavuttaa?

Updated: Apr 5

Datastrategia on CDO:n selkänoja datatoimitusketjujen johtamiseen sekä arjen tärkein työkalu.



Viime vuosina alati kiihtynyt datahype saa jatkuvasti uusia ulottuvuuksia niin tietosuojanäkökulmasta, kuin datan hyödyntämisen uusien ulottuvuuksienkin kautta. Monella yrityksellä onkin lähtenyt tekoälyhuuma lapasesta, visuaaliset kyvykkyydet rikkovat luettavuuden rajoja ja kohta pystymme huutamaan älypuhelimeen kysymyksiä, joihin huippuunsa viritetyt datakyvykkyydet vastaavat parhaansa mukaisesti. Sitä tosiasiaa ei ole kieltäminen, etteikö teknologinen kehitys ottaisi tihenevällä tahdilla harppauksia eteenpäin. Harvassa ovat ne yritykset, jotka voivat jättää oman datansa huomioimatta aitona voimavarana - pääomana, mutta suurin osa yrityksistä ei kuitenkaan vielä kykene muodostamaan datastrategista näkökulmaa.

“Meillä ollaan dataohjautuvia!”, “Kyllä, meillä johdetaan tiedolla”, “Olemme teköälyn hyödyntämisen edelläkävijöitä!”. Mahtava homma ja hyvä teille, mutta oletteko myös miettineet minne tuo aloitettu matka teidät vie seuraavan vuosineljänneksen tai vaikkapa muutaman vuoden sisällä? Onko teillä suunnitelmaa, strategiaa tai kenties jopa datastrateginen näkökulma liiketoimintanne kehittämiseen? Kenties aiheen uutuus ja ajattelumallien tuoreus aiheuttaa vielä myös kevyttä rohkeuden puutetta keskustella ja haastaa asiasta; ainakin julkisesti, mikä on omiaan hidastamaan keskustelukulttuurin muodostumista. Datapääoma rientää jälleen apuun: otetaan seuraavaksi jyrkkä etunoja ja avataan peli!


Datastrategia ja datatoimitusketjun johtaminen


Tämäkin asia on lopulta kovin yksinkertaista: päätös alkaa johtamaan yrityksen datatoimitusketjuja on strateginen valinta ja sen johtamatta jättäminen on silmien ummistamista sille tosiasialle, että ne datatoimitusketjut ovat olemassa joka tapauksessa. Me emme yksinkertaisesti pääse pakoon tätä tosiasiaa - eikä meidän pidäkään.




Datastrategia voi tietenkin olla olemassa ilman datatoimitusketjun johtamistakin. Hyvin tiedossa oleva, äärimmäisen aggressiivinen, “useamman totuuden” (MVOT = Multiple version of Truth) mahdollistava lähestyminen antaa liiketoiminnoille lähes rajattomat mahdollisuudet toteuttaa tarpeitaan kohti tavoitteittaan, ilman sen suurempaa huomiota datatoimitusketjusta prosessina. Toisin sanoen, tämä tarkoittaa hallitsematonta ja sopimuksetonta kehityksen tuottavuuden odotusarvoa.


Kuinka monta menestystarinaa tiedätte tästä lähestymisestä? Harva edes tunnistaa MVOT-lähestymisen olevan nykytila, saati että huomaisi sudenkuopat tai ymmärtäisi todella, kuinka aloittaa datamatka MVOT:llä ja ohjautua siitä hallitusti pois. Tämä lähestyminen saattaa toimia riittävällä tavalla pienissä pk-sektorin yrityksissä, joissa osaaminen henkilöityy hyvin vahvasti. Toisaalta heti kun yrityksessä alkaa löytymään useita eri liiketoimintafunktioita ja ihmisten pitää jakaa informaatiota sujuvasti keskenään, alkavat myös vaihtoehtoiset totuudet taistella keskenään. Tässä kohtaa onkin syytä teroittaa lukijoillemme, että viestimme on tarkoitettu keskisuurille ja tätä isommille yrityksille, joissa on useita toiminnanohjauksen prosesseja sekä näitä tukevia järjestelmiä.


Data on aineeton pääoma, jonka arvo harvemmin nousee ilman aktiivista otetta


Datastrategia on strategia-ajattelussa ja sitä tukevassa kehitystyössä suhteellisen tuore ilmiö globaalistikin. Keskustelua käydään hyvin kirjavasti siitä, mitkä asiat kuuluvat varsinaiseen strategiaan ja mitkä datastrategiaan, sekä siitä, mitkä ovat datastrategian näkökulmasta olennaiset sisällöt. Selkeyden vuoksi jätämme nyt missiot, arvot ja visionäkökulmat tästä kirjoituksesta pois ja palaamme niihin viimeistään kirjassamme.

Datastrategian tulisi olla ennen kaikkea osa yrityksen varsinaista strategiaprosessia, jossa siis myös dataan liittyviin asioihin tulisi ottaa kantaa. Mikäli yritys käyttää arjessaan sujuvasti erilaisia ATK-järjestelmiä tai se on jopa onnistunut digitalisoimaan osan toiminnoistaan (muista ero “digitoinnin” ja aidon digitalisoinnin välillä!), on sen käsissä myös runsaasti 2020-luvun aineetonta pääomaa, jonka merkitystä ei siis saa missään nimessä unohtaa.

Datastrategian tulisi olla ennen kaikkea osa yrityksen varsinaista strategiaprosessia, jossa siis myös dataan liittyviin asioihin tulisi ottaa kantaa. Mikäli yritys käyttää arjessaan sujuvasti erilaisia ATK-järjestelmiä tai se on jopa onnistunut digitalisoimaan osan toiminnoistaan (muista ero “digitoinnin” ja aidon “digitalisoinnin” välillä!), on sen käsissä myös runsaasti 2020-luvun aineetonta pääomaa, jonka merkitystä ei siis saa missään nimessä unohtaa. Valitettavasti data tuppaa ajoittain karkaamaan muodikkuutensa takia ulos kontekstista ja nukkaantua tällä matkalla hötöksi, jolla ei ole mitään muuta merkitystä, kuin antaa harhaluulon esittäjälleen omasta osaamisestaan (muistakaa, että diginatiivit ammattilaiset tunnistavat tyhjät ja löperöt "bigdata-höpinät” kaukaa). Data- ja digistrategiat tuppaavat julkisessa keskustelussa sekoittumaan myös kaiken maailman teknologiastrategioihin ja se tärkein, eli liiketoiminta ja ennen kaikkea kenelle sitä tehdään (asiakas), unohtuu. Palautetaan nyt mieleen ja pidetään siellä nyt tiukasti seuraavat asiat:


  1. Data on aineeton pääoma ja ei itsessään tuota arvoa vaan vaatii aktiivista kehittämistä ja hyödyntämistä, minkä datatoimitusketjun johtaminen mahdollistaa.

  2. Datapääoma tulee tuotteistaa ja näillä tuotteilla tulee aina olla vähintään yksi asiakas; tavoitteellisesti tyytyväinen sellainen

  3. Datatoimitusketju koostuu seuraavista pääpalasista:

  • Data voi syntyä tai syntyy pääosin liiketoimintaprosesseissa tai siihen vahvasti kytköksissä olevissa tukiprosesseissa

  • Logistiikka toimittaa dataa sen tuottajilta sen hyödyntäjille

  • Dataa hyödynnetään liiketoiminnoissa, niiden seurauksena sekä ympäri organisaatiota sekä yrityksen liiketoiminnan sidosryhmissä, parhaassa tapauksessa myös jossain sen perinteisten rajojen ulkopuolella (uudet liiketoimintamahdollisuudet!)


Sanotaan nyt suoraan, ettei vaan jää epäselväksi: dataa ei voi enää 2020-luvulla strategisesti ajatella erillisenä varsinaisesta yrityksen liiketoimintastrategiasta. Jos kuitenkin luet tätä ja yrityksenne strategiassa ei ole dataa minkään asteisena painopisteenä, olisi aika uusia strategia välittömästi, sillä datan onnistunut hyödyntäminen on 2020-luvulla aito kilpailutekijä. Halusit sitä tai et.


Paatoksesta konkretiaan. Mitä Datastrategiassa tulee ottaa huomioon?


“Tieto oli valtaa. Tänä päivänä valta on tietää, mitä jättää tekemättä!”

Homo Deus - Huomisen lyhyt historia - Yuval Noah Harari


Datastrategialla määritellään yrityksen datavetoiset tavoitteet ja painopisteet sillä tarkkuudella, että ne tukevat operatiivisen työn suunnittelua, resursointia ja johtamista. Datastrategian tulisi lisäksi käsitellä nykytilaa ja tavoitetilaa riittävällä tarkkuudella: mistä strategiakauden matka alkaa ja minkälaiseen lopputulokseen suunnitellaan päädyttävän. Nykytila-tavoitetila-analyysissa tulisi käsitellä teknologia-, organisaatio-, ja yrityskulttuurinäkökulmia eli kysymyksiä kuten: Missä me olemme juuri nyt? Minkälaisia mahdollisuuksia meillä on? Mikä on meidän tavoite tästä eteenpäin? Tämä työ voidaan jakaa karkeasti päämäärien (goals) kirkastamiseen, tavoitteiden (objectives) asettamiseen, ydintoimintojen (core functions) määrittelyyn, datahallinnon (data governance) luonteen suunnitteluun sekä sitä tukevan arkkitehtuurin (architecture) tunnistamiseen. Tunnustellaan seuraavaksi lyhyesti päämäärä-, tavoite- ja ydintoimintanäkökulmiin. Tommi raapaisi edellisessä kirjoituksessa jo hieman pelikirjaa eli datahallinnollista näkökulmaa. Tukevan arkkitehtuurin suunnittelusta kerromme lisää viimeistään tänä vuonna julkaistavassa kirjassamme. Ennen tunnustelua on kuitenkin hyvä tehdä pieni, nykyisen maturiteettitason paljastava happotesti.


Helppo happotesti - Kysy vieruskaveriltasi hänelle tärkeimmän strategisen mittarin päivän tulos!


Nykytila-analyysi on tärkein asia, joka tulisi suorittaa ennen kuin lähdetään soitellen sotaan ja tekemään suoraan tuotantoon kuluvan aikakauden päräyttävintä hypeä. Aivan aluksi tulisi osata vastata nykytilan osalta, että mikä on organisaation vastaanottokyky, millaista osaamista talossa on, mahdolliset normit ja oletukset, jotka tulee rikkoa sekä varmistua nykyhetken teknologisista kyvykkyyksistä. Helppo happotesti asian selvittämiseen on kysyä keneltä tahansa kollegalta “kuinka paljon yrityksellä on kunkin strategisten mittareidensa mukaisia asioita”, kuten euroja, asiakkaita, valmistettavia asioita ja niin edelleen. Jos otanta on edustava ja vastaukset tulevat vähintäänkin kuin tykin suusta ja riittävällä tarkkuudella, ollaan ainakin ensimmäisellä portaalla jopa Gartnerin kypsyysmallissa. Tämä vaatii myös sen, että vastaajat tietävät, mistä kysyttyjen mittareiden tulokset löytyvät ja heidän tulee myös pystyä luokittelemaan samat mittarit liiketoiminnan kannalta tärkeimpien ulottuvuuksien mukaan.


Ollaan päästy alkuun ja tämä ei siis ole vielä analytiikkaa. Tämä on datan esittämistä ja sen johtamista sille tasolle, että työvoima osaa löytää tärkeimmät vastaukset arjen kysymyksiinsä. Se, että liikevaihto on ajan suhteen graafilla liiketoiminnoittain, on pelkästään datan esittämistä. Joidenkin tahojen tulkinta trendistä voidaan yksittäisissä keskustelussa todeta olevan jonkinasteista analytiikkaa, mutta se ei anna vielä aihetta innostua. Seuraava tehtävä onkin kysyä "miksi näin on?” tai “mistä tämä johtuu?”. Vasta tässä vaiheessa voimme ottaa happotestissä ensimmäisen askeleen kohti asiaa, jota voisi kutsua analytiikaksi. Kyky tuottaa vastauksia edellä mainittuihin kysymyksiin vaatii jo yrityksen liiketoimintaprosessien ymmärtämistä sekä datan luonnin hetken hahmottamista - analysoimme tässä siis tunnistettua nykytilaa. Vasta tämä kypsyystaso on ponnahduslauta analytiikan laajamittaiseen käyttöön ja tekoälyratkaisujen tehokkaaseen hyödyntämiseen. Oikotietä onneen ei tässäkään asiassa ole.


Happotestien avulla saatujen vastausten kautta luodaan hyvä ymmärrys siitä, miten yrityksen johtaminen ja viestintä toimivat, minkälainen yrityskulttuuri datan ympärillä vallitsee, mitä ajatuksia organisointi aiheuttaa sekä minkälaisia teknologisia ratkaisuja datan ympärillä on tällä hetkellä rakennettuna. Tarkastellaan nyt seuraavaksi lyhyesti päämäärä-, tavoite- ja ydintoimintanäkökulmat.


Päämäärät - Katse horisonttiin!


Päämäärät ovat suuntaa antavia pitkän aikavälin visioita. Otetaan esimerkiksi "Dataohjautuva organisaatio -strategia". Päämääränä tällöin on saada data isommaksi osaksi organisaation arkea. Luonnollisinta aloittaa johdon esimerkillä. Mikään muu ei anna vahvempaa signaalia, kuin toimitusjohtaja, joka puhuu mutun sijaan faktoilla ja kruunaa puheen nykyaikaisella dashboardilla. Kun esimerkki on luotu, tulee työvoimalle mahdollistaa käyttäjäystävällinen ja mahdollisimman helppo pääsy dataan. Data tulee siis demokratisoida ja tuotteistaa hyödykkeeksi. Jotta pääsy dataan olisi millään muotoa mielekästä, tulee järjestää työkalukoulutusta viiveettä.


Päämäärä kuten “Dataohjautuva organisaatio” on kuitenkin melko abstrakti. Organisaation johdon tulee tietää ja viestiä selkeästi mistä matka lähtee ja millainen siitä tulee sen sijaan, että tähtäisivät suoraan maaliin. Siinä missä päämäärien ei tarvitse olla käsin kosketeltavia, tavoitteiden tulee olla selkeitä, tavoiteltavissa ja mittavissa olevia, jotka konkretisoituvat projektien kautta. Mitä sinun organisaatiossasi tarkoittaa dataohjautuva johtoryhmä, miten teillä demokratisoidaan dataa tai kuinka teillä järjestetään työkalukoulutukset?

Minkään organisaation ei tulisi palkata datascientistiä tai datainsinööriä vain sen takia, että se nyt on vaan muodikasta.

Tavoitteet ja ydintoiminnot - eli konkreettiset askeleet kohti päämääriä!


Tavoitteiden kautta tulee ensisijaisesti lisätä ymmärrystä siitä, kuinka paljon ja minkälaista työtä on tehtävä ja minkälaisia toimenpiteitä ("ydintehtäviä") asetetut tavoitteet vaativat. Tavoitteiden huolellinen suunnittelu kirkastaa mm. sitä, millaista resursointia vaaditaan niiden saavuttamiseksi. Tavoitteiden myötä saadaan myös luotua vastauksia siihen, että voidaanko tarvittava työvoima hankkia organisaation ulkopuolelta vai onko ehkä tarkoituksenmukaisempaa kouluttaa tähän ihmisiä oman organisaation sisäpuolelta tai kenties rekrytoitava lisää. Minkään organisaation ei tulisi palkata datascientistiä tai datainsinööriä vain sen takia, että se nyt on vaan muodikasta. Laadukkaat ja hyvin suunnitellut ydintehtävät ja niihin liittyvä resursointi on strateginen valinta.


Tavoitteiden tulee edellä mainitun lisäksi olla linjassa valittuihin päämääriin ja näiden tulee olla luonnollisesti kytkettynä valittuun strategiaan. Jos strateginen tavoite on kilpailukyvyn parantaminen, on datastrateginen fokus tyypillisesti aggressiivinen. Tämä tarkoittaa esimerkiksi sitä, että ydintehtävissä panostetaan datavisualisointiin yli standardisoinnin tai, että painotetaan resursointia analytiikkaan ja tekoälyyn yli datalogistiikan optimoinnin. Muistutetaan vielä, että yllä esitetty vastakkainasettelu tavoitteiden suhteen ei ole toisiaan poissulkeva, mutta sen merkitys on tärkeä ymmärtää strategisessa suunnittelussa. On tarkasteltava mihin organisaation rahkeet oikeasti riittävät ja mikä on kussakin ajan hetkessä se merkitsevämpi painotus liiketoiminalle. Esimerkiksi teknisen velan ottaminen (tästäkin tabusta lisää myöhemmin julkaistavissa blogikirjoituksissa sekä kirjassamme) standardisoinnin kustannuksella voi olla juuri se vipuvarsi, joka tarvitaan, jotta organisaatio voisi siirtyä kannattavammalle tasolle.


Datastrategia voidaan siis ja pitääkin hahmottaa puolustus- ja/tai hyökkäyspelinä. Pelin henki määräytyy hyvin johdettuna, asetettujen päämäärien ja tavoitteiden kautta.

(Data)Strategia voidaan siis ja pitääkin hahmottaa puolustus- ja/tai hyökkäyspelinä. Pelin henki määräytyy hyvin johdettuna, asetettujen päämäärien ja tavoitteiden kautta. Vasta kun nämä kaksi asiaa ovat selkeitä, voidaan aloittaa ydintehtävien kautta joukkueen kokoonpanon suunnittelu. Minkälainen kaveri ottaa vastuulleen puolustuspelin, minkälainen libero mahdollisesti tarvitaan, minkälaista osaamista tarvitaan keskikentällä ja kuinka nopea kaveri rekrytään maalintekijäksi. Jos täällä joukkueella on myös valmentaja, niin minkälainen osaaminen tällä pelikirjan omistajalla tulisi optimitilanteessa olla?


-Markku Mäenpää, Datapääoma

Ps. Menikö tunteisiin? Herättikö ajatuksia? Jaa ne meidän kanssamme LinkedIn-sivullamme: https://www.linkedin.com/company/datapaaoma/

P.P.s. Verkostoidutaan: https://www.linkedin.com/in/markkumaenpaa/

Kuvitus: Inga Metsola

155 views0 comments