Miten toteutat data governancen ja pääset käytännön hyötyihin?

Tavoitteellinen eteneminen data governance -työssä

Data governance on kaikkea sitä mitä tehdään, jotta datasta saadaan käytettävää, laadukasta ja helposti hyödynnettävää. Data governancen kehittäminen voikin tarkoittaa muutoksia käytännöissä, seurattavissa prosesseissa ja toimintaa tukevissa järjestelmissä.

Jotta tehtävästä työstä saadaan mitattavaa arvoa liiketoiminnalle, tekemisen tulee olla tavoitteellista ja tuotettavan arvon mukaan priorisoitua. Ketterän kehittämisen malleissa osataan jo tyypillisesti ohjata työtä liiketoiminnalle ja sidosryhmille tuotettavan arvon mukaisesti. Ei ole mitään syytä, etteikö vastaavaa ajattelua voisi soveltaa myös hallintamallin ja käytäntöjen kehittämisessä.

Mitä hyötyä data governancella tavoitellaan?

Määrittele siis ensin minkälaista muutosta tai kehittymistä olet hakemassa ja vaiheista kehitystyö sen mukaisesti. Parhaassa tapauksessa data governance -työ saadaan liitettyä suoraan strategisiin kehityshankkeisiin ja liiketoimintakasvun kannalta kriittisimpiin kehityskohteisiin. Data governance -työ tuottaa paljon välillisiä hyötyjä, kuten tuloksellisempaa myyntiä ja markkinointia ja parempaa reagointikykyä luotettavan datan avulla. On ilmeistä, että nämä ovat minkä tahansa yrityksen kasvun ja kannattavuuden edellytyksiä.

Osalle organisaatioista data governance -työtä ohjaa tarve hallita riskejä ja lainsäädännön mukaisuutta. Joissakin organisaatioissa on huomattu puutteita tiedon laadussa keskeisellä toiminta-alueella. Huono tiedon laatu voi esimerkiksi johtaa siihen, että asiantuntijat joutuvat käyttämään arvokasta työaikaansa tiedon korjailuun. Tällöin mitattavaa hyötyä voidaan saada laskemalla kustannusvaikutuksia esimerkiksi tiedon laatupoikkeamien lukumäärästä tietyllä aikavälillä huomioiden arvioitu manuaalisen työn kustannus poikkeamittain.

Monessa organisaatiossa on panostettu huomattavissa määrin tietoalustoihin ja tiedon hyödyntämisen teknologioihin. Tällöin tavoitellaan usein esimerkiksi parempaa tilannekuvaa liiketoiminnan kannattavuuteen ja uusien datapohjaisten palveluiden julkaisua asiakkaille. Odotettua hyötyä investoinneista ei kuitenkaan saada, mikäli tietoa tuottavat prosessit ja vastuut eivät ole kunnossa. Siksikin monessa yrityksessä herätään nyt tarpeeseen saada tiedon tuottamisen perusteet kuntoon. On myös huomattavasti kustannustehokkaampaa tuottaa tieto alun alkaen oikein prosesseissa, kuin yrittää paikkailla tietotuotteiden huonoa laatua tekemällä spagettivirityksiä dataputkiin ja raportointiin.

Data governance -kehittämisen onnistumisen edellytys on ymmärrys kontekstista

Kuten edellä todettiin, data governance -mallin kehittämisen pitäisi aina lähteä toiminnan tavoitteista. Moni data governance -hanke epäonnistuu, kun organisaatioon lähdetään väkisin ajamaan valmista oppikirjan mukaista mallia toimintaan. Tällöin toiminnan konteksti, kuten liiketoiminta, ihmiset ja heidän taustansa sekä oganisaation erityispiirteet jäävät huomioimatta. Data governance -mallin kehittämisen onnistumisen edellytys onkin kontekstin ymmärtäminen ennen muutokseen ryhtymistä.

Liian byrokraattinen ja päälleliimattu malli voidaan myös kokea toimintaa rajoittavana ja syödä motivaatiota toimintamallien kehittämiseen. Lisäksi hankalaksi koettu malli voi johtaa siihen, että työntekijät kiertävät käytäntöjä ja aiheuttavat siten riskejä esimerkiksi tietoturvalle.

Kerrytä siis ensin tarvittava ymmärrys kontekstista ja tavoitteista ja ryhdy kehitystyöhön ihmiset edellä. Huomioi seuraavat periaatteet, jotta saat kerättyä parhaat hyödyt liiketoiminnalle.

Vaiheet tulokselliseen data governance -projektiin

1. Kartoita prosessit, joissa tietoa käsitellään 

Lähde liikkeelle nykyisistä tiedon tuottamisen kannalta keskeisistä prosesseista ja niiden vaiheista. Mitä tietoa prosessissa tuotetaan? Miten ja mitä tietoa päivitetään?  Mitä tietoa jää kokonaan hiljaisen ymmärryksen varaan?

2. Tunnista prosessien ja tiedon omistajat 

Kun keskeiset prosessit ja niiden vaiheet ovat tiedossa, määrittele niille ja keskeiselle tiedolla omistajat. Kellä tai keillä on nykyään vastuut ja valtuudet varmistaa tiedon laatu ja tehdä tarvittavia muutoksia käytännöissä? Tuo nämä nykyiset vastuut näkyviksi ja varmista että osaajilla on mahdollisuudet ja tarvittavat resurssit toiminnan kehittämiselle.

3. Arvioi tiedon hyödynnettävyyttä ja laatua tavoitteita vasten 

Tiedon laadun ja hyödynnettävyyden kehittäminen lähtee siitä, että tunnistat ensin lähtötason. Minkälaisia puutteita tiedossa on ja mitä mahdolliset laatuvirheet aiheuttavat? Minkälaista mitattavaa hyötyä voitaisiin saavuttaa parannuksilla?

4. Kehitä käytäntöjä ja mittaa tuloksia 

Tuloksiin pääsee parhaiten, kun hahmottaa data governance -työn jatkuvana prosessina, jossa tuloksia ja tiedon laatua arvioidaan jatkuvasti. Kun muutokseen on lähdetty ihmiset edellä, myös käytäntöjen kehittäminen onnistuu ketterästi.

Mutkattomasti liikkeelle muutokseen

Jo tässä blogissa esitetyillä ajatuksilla pääset liikkeelle – avaimet muutokseen ovat organisaatiosi ihmisillä. Ihanteellisesti hyvistä käytännöistä tulee kiinteä osa arjen tekemistä. Jos kaipaat vielä lisäapuja data governanceen, ota yhteyttä ja me Sparta Consultingilla keskustelemme mielellämme organisaationne viemisestä seuraavalle tasolle.