2.7 Data, analytiikka ja integraatiot

Organisaatiot tuottavat suuren määrän arvokasta tietoa, jota eri liiketoimintojen tulisi hyödyntää. Data, analytiikka ja integraatiot -toiminto pyrkii maksimoimaan datan liiketoimintahyödyt muun muassa seuraavilla toimenpiteillä:

  • tarjoamalla analytiikka- ja raportointipalveluja
  • tuomalla laadukkaan datan käytettäväksi hyvä hallintotapa, tietoturvallisuus ja eettisyys huomioiden
  • tarjoamalla integraatio- ja robottiavusteisia prosessiautomaatiopalveluja (eng. Robotic Process Automation, RPA) huolehtimaan siitä, että data liikkuu tehokkaasti ja kontrolloidusti organisaatioiden ja arvovirtojen läpi
  • tukemalla tiedon automaattista syöttämistä ja keräämistä
  • pitämällä perustiedot yhdenmukaisina.

 

Data ja analytiikka

Data-analytiikka (tiedon louhinta) tarjoaa arvokasta liiketoimintatietoa analysoimalla eri näkökulmista ja lähteistä peräisin olevaa tietoa. Tyypillisiä tiedon lähteitä ovat esimerkiksi liiketoimintaratkaisut, sovellusrajapintojen kautta avoimesti saatavilla olevat tiedon lähteet ja sensoreista peräisin oleva tuotantodata.

Data-analytiikka on tiedon tutkimista, siivoamista, muuttamista ja mallintamista, ja sen tarkoituksena on löytää hyödyllistä tietoa, laatia päätelmiä ja tukea liiketoiminnan päätöksentekoa.

Kuva 2.7.1 Data-analytiikan yleiskuva 

 

Liiketoiminnan arvoa luodaan käyttämällä dataa muun muassa seuraaviin asioihin:

  • luomaan uusia näkemyksiä päätöksenteon tueksi
  • tuottamaan koneoppimiseen ja tekoälyn opettamiseen tarvittavia syötteitä
  • kehittämään ennakoivaa analysointia varten algoritmeja asiakaskäyttäytymisen ymmärtämisen sekä tuotannon ja käyttöpääoman optimoinnin tueksi.

Ennustava analytiikka käyttää monia eri tekniikoita, kuten esimerkiksi tiedon louhintaa, tilastoja, mallintamista, koneoppimista ja tekoälyä. Se myös analysoi tällä hetkellä saatavilla olevaa dataa tehdäkseen ennusteita tulevaisuudesta.

Näkemyksiä asiakaskäyttäytymiseen voidaan saada esimerkiksi testaamalla samanaikaisesti kahta eri vaihtoehtoa (A/B testaus). Dataa kerätään eri asiakasryhmistä ja tarkastellaan, kuinka se korreloi palveluiden ja tuotetarjoomaan eroavaisuuksiin.

Reaaliaikainen datan käytettävyys ja datasensoreihin perustuva IoT tukevat operatiivisten prosessien, palveluiden ja varallisuuden optimointia.

 

Datan omistajuus ja hallinta

Liiketoiminnan omistajuuden terävöittäminen keskeisille data-alueille ja tietojoukoille on hyvä tapa varmistaa, että liiketoiminnalle olennainen data pysyy eheänä, hyvälaatuisena ja päivitettynä. Datan omistajuus on liiketoiminnalle kuuluva tehtävä, joka pitäisi määrittää mahdollisten liiketoimintahyötyjen ja liiketoimintariskien tunnistamiseksi.

Vaikka normaalit kirjanpitosäädökset eivät edellytä täyttä läpinäkyvyyttä organisaation tietovarantojen aineettoman arvon määrittämiseksi, ovat jotkut organisaatiot silti alkaneet laatia raportteja datan arvosta. Absoluuttisen rahallisen arvon määrittäminen datavarallisuudelle voi olla vaikeaa, mutta tunnistamalla todelliset käyttötapaukset, jotka käyttävät tai luovat uusia tietojoukkoja, on mahdollista laskea sen suhteellinen arvo.

Datan hallinta perustuu datan omistajuusmallien toimeenpanoon ja selkeiden vastuiden ja toimivien operatiivisten roolien määrittelyyn. Datan käyttäminen edellyttää hyviä hallintokäytäntöjä, joilla varmistetaan määräysten, kuten esimerkiksi tietosuoja-asetuksen (GDPR) ja tietoturvan, mukainen toiminta.

BT-datajohtaja (eng. Business Technology Data Officer, BTDO) omistaa ja vastaa datan yhdenmukaisesta käytöstä. Tehtävää tukee datapäällikkörooli (eng. Data Lead), johon voidaan nimetä henkilöitä eri data- ja liiketoiminta-alueille.

Operatiiviset datapäällikkö- ja asiantuntijaroolit voidaan räätälöidä tarpeen mukaan ja keskittää esimerkiksi osaamiskeskustyyppisiin organisaatioihin. Tällaiset organisaatiot kehittävät uusia data- ja analytiikkakyvykkyyksiä ja tarjoavat niitä palveluna liiketoiminnalle.

 

Kuva 2.7.2 Datajohtamisen tasot

 

Integraatiot

Liiketoimintaprosessit kulkevat eri liiketoimintaratkaisujen ja datalähteiden läpi, ja sen vuoksi datavirrat ja integraatiot ovat olennainen osa bisnesteknologian johtamista. Ilman integraatioita data jää siiloihin ja palvelee vain tiettyjä ryhmiä. Kun datasiilot avataan ja yhdistetään muista lähteistä peräisin olevan datan kanssa, tarjoaa se uusia näkökulmia ennen kaikkea raportoinnin ja analysoinnin osalta. Datavirroilla on myös merkittävä rooli useampien sisäisten tai ulkoisten järjestelmien automatisoinnissa.

Integraatioita voi toteuttaa usealla eri tavalla:

  • Manuaalinen integrointi tapahtuu joko osana jonkun henkilön työtä tai se on hänen päätehtävänsä. Jokaisessa organisaatiossa on useita ihmisten suorittamia, pienellä volyymilla tehtäviä integraatioita. Isolla volyymilla tehtävät manuaaliset integraatiot yleensä automatisoidaan tai teetetään halvemmalla työvoimalla.
  • Robottiavusteinen ohjelmistoautomaatio (eng. Robotic Process Automation, RPA) simuloi ihmiskäyttäjän manuaalista integraatiotyönkulkua, mutta työn tekee ohjelmistorobotti. Ohjelmistorobotit voivat korvata paljon manuaalista työtä ilman, että liiketoimintaratkaisuihin tarvitsee tehdä muutoksia. Tämä pidentää vanhentuvien järjestelmien elinikää ja kustannustehokkuutta.
  • Pisteestä pisteeseen tapahtuva integraatio yhdistää kaksi liiketoimintaratkaisua, jotka käyttävät tiettyä protokollaa ja datarakennetta. Monen pisteestä pisteeseen tapahtuvan integraation toteuttaminen voi olla kallista ja hankalaa ylläpitää, mutta se mahdollistaa isommat volyymit.
  • Yrityksen laajuinen integraatio toteutetaan yleensä palveluväyläratkaisuilla (esim. Enterprise Service Bus, ESB ja Extract/Transform/Load, ETL) ja toteutetaan integraatioalustalla, joka hallinnoi datarakennetta ja useita eri integraatioita. Muutoksia datavirroissa ja rakenteessa on helppo hallinnoida ja mahdollisia ongelmia datan siirrossa voidaan monitoroida.
  • Sovellusten ohjelmointirajapintaintegraatiot (eng. Application Programming Interface, API integrations) mahdollistavat integroinnin järjestelmän aloittaessa prosessin toisen järjestelmän kanssa ja pystyvät näin ollen toteuttamaan koko prosessin läpi menevän integraation.

Integraatiot sisältävät paljon muitakin kuin teknisiä integraatioelementtejä, ja ne ovat siksi monimutkaisempia kuin mitä yleensä ajatellaan. Esimerkiksi tietoturvan, käyttöoikeuksien ja virheiden hallinnan vaatimukset aiheuttavat usein ylimääräistä työtä. Monissa tapauksissa organisaatiot voivat vähentää tarvittavien integraatioiden määrää käyttämällä laajoja sovellusalustoja. Kun alusta takaa datan ja prosessien yhdenmukaisuuden, tulee integraatiosta saumaton.