4 askelta tiedon laadun hallintaan
Tiedon laatu ja luottamus siihen ovat perusta modernille tietoon perustuvalle kehittämiselle. Modernien teknologioiden ja tiedon tehokas hyödyntäminen edellyttävät laadukasta tietoa. Tekoälyn ja koneoppimisen käyttö nojaavat saatavilla olevaan sisäiseen tai ulkoiseen tietoon ja haasteet sen laadussa voivat estää hyötyjen saavuttamisen. Käytännössä tämä voi tarkoittaa sitä, että rakennetut algoritmit tuottavat epätarkkoja tai virheellisiä lopputuloksia tai tietoon perustuvat ennustemallit tuottavat harhaanjohtavia tuloksia. Tiedon laadun haasteet paljastuvat usein raportoinnin virheiden kautta ja johtavat laajoihin korjaustoimenpiteisiin.
Myös useiden toimialojen regulaatiovaatimukset korostavat tiedon laatua ja edellyttävät laadun kehittämiseen liittyviä toimenpiteitä. Esimerkiksi yritysten tilinpäätöksen taustalla olevien tietojen reitti tilinpäätösraportille on tärkeä tuntea ja tiedon oikeellisuus on pystyttävä varmistamaan laatukontrollien avulla. Vastaavalla tavalla asiakastietojen asianmukaisen käsittelyn täytyy perustua tietosuoja-asetuksen mukaan virheettömään tietoon ja asiakkaan suostumukseen. Vaikka useat regulaatiot edellyttävät tiedonhallinnan ja laadun kehittämistä, kehittämisen ajureiden täytyy olla modernin liiketoiminnan tarpeisiin ja hyödyn saavuttamiseen perustuvia. Tämä varmistaa toimenpiteiden jatkuvuuden pitkällä aikavälillä.
Tiedon laadun varmistamiseen ei ole olemassa oikotietä, vaan se vaatii systemaattista kehittämistä ja data-kulttuurin rakentamista. Useat organisaatiot ajattelevat tiedon laadun kehittämisen olevan ICT – organisaation vastuulla, vaikka tiedon oikeellisuus pohjautuu liiketoiminnan käyttäjien perusjärjestelmissä syöttämään tietoon sekä liiketoimintaprosesseissa syntyneeseen tietoon. Tiedon omistajuus, siihen liittyvien vastuiden jalkauttaminen ja ihmisten osaaminen ovat keskeisiä elementtejä data-kulttuurin luomisessa.
Tiedon laadun portaat
Valitettavasti tiedon laadun kestävälle kuntoon laittamiselle ei ole oikotietä, vaan jokaisen organisaation on läpikäytävä samat askeleet. Joissain yrityksissä on ollut harhakuvitelma siitä, että tiedon laatuun liittyvät haasteet voidaan oikaista korjaamalla haasteet raportoinnissa. Tästä on usein seurauksena se, että tiedon eheys kärsii ja eri alueiden raporttien luvut eivät täsmää keskenään.
Ensimmäinen askel tiedon laadun varmistamisessa on tiedon omistajien nimittäminen sekä vastuuttaminen. Tiedon omistajan vastuisiin kuuluu esimerkiksi tarvittavan organisaation luominen, uusiin rooleihin nimitettävien ihmisten osaamisen varmistaminen sekä tiedonhallinnan kehittämisen käynnistäminen. Tyypillisiä toimenpiteitä ovat esimerkiksi tietolähteiden ja tietovirtojen dokumentoiminen sekä tiedon laatusääntöjen luominen. Perusjärjestelmien ja -prosessien tiedon laadun varmistaminen edellyttää käyttäjien ohjeistamista, kouluttamista sekä erilaisten kontrollien sekä laatuprosessien rakentamista. Pitkällä aikavälillä keskeistä on myös organisaation data-kulttuurin syntyminen. Tiedon laatu pohjaa lopulta ihmisten tekemään työhön ja sitä tuetaan asianmukaisilla työvälineillä.
Toinen askel on tiedon jakelun kehittäminen sekä tiedon laadun kontrollien luominen. Tietoa välitetään perusjärjestelmistä ja prosesseista muihin järjestelmiin yleensä integraatioiden ja erityyppisten tietovarastojen avulla. Tiedon omistajille on luonteva vastuuttaa myös jakeluun liittyviä vastuita. Jaeltavaa tietoa on luonteva ajatella data-tuotteina, jonka omistajan vastuulla on sen dokumentoiminen, laadun varmistaminen sekä käyttövaltuuksien antaminen. Yleensä tiedon kuvaaminen data-katalogiin sekä tarvittavat täsmäytykset ovat omistajan vastuulla. Tiedon jakelussa keskeisessä roolissa on myös sen mahdollistava arkkitehtuuri, joka hyödyntää parhaimmillaan suoraan lähdejärjestelmistä julkaistua laadukasta tietoa.
Kolmas askel on varmistaa tiedon laatu sitä hyödyntävissä järjestelmissä. Liiketoiminnan, talouden ja riskienhallinnan prosessit ja sovellukset pystyvät nojaamaan oikeaan tietoon, jos tiedonhallinta ja jakelu on rakennettu ja jalkautettu systemaattisella tavalla. Yleensä laadukas tieto on tehokkaiden prosessien perusedellytys ja tietoon nojaavien algoritmien, laskentojen sekä ennusteiden laatu on vahvasti sidottu käytetyn tiedon laatuun. Arvoketjujen ja E2E-prosessien automatisointi edellyttää laadukasta master dataa, jota on oltava saatavilla eri prosessivaiheissa. Koneoppiminen ja erilaisten algoritmien rakentaminen edellyttävät myös laadukasta ja kattavaa tietopohjaa. Huono tiedon laatu estää modernien välineiden tehokkaan käyttämisen ja haittaa arvoketjujen automatisointia.
Neljäs askel raportoinnin uudistaminen laadukkaaseen tietoon perustuen. Raportoinnin ja analytiikan välineet ovat yleensä näkyvä huippu tiedon hyödyntämisessä liiketoiminnan tukena. Valitettavasti ne ovat usein myös niitä ratkaisuja, joissa tiedon laatuun liittyvät haasteet lopulta pintautuvat. Tiedon laatuun liittyvien korjausten tekeminen raportointitasolla perusjärjestelmien sijaan on vaarallinen reitti ja johtaa konfliktiin perusjärjestelmien sekä raportoinnin tietojen välillä. Ristiriidat tiedon oikeellisuuteen liittyen ja epäluottamus tiedon laadun voidaan korjata ainoastaan tiedon laadun systemaattisella kehittämisellä ”alhaalta ylös”. Paikallisten korjaustoimenpiteiden lopputulokset tuottavat usein suurempia haasteita ja myöhemmin paljastuvia haasteita tiedon ristiriitaisuudesta johtuen.
Mitä kannattaa tehdä?
Tiedon laadun kehittäminen edellyttää syvällistä ymmärrystä siitä, millaisia toimenpiteitä laadun varmistaminen käytännössä edellyttää ja mistä tiedon laatu lopulta syntyy. Tiedosta on mahdotonta saada liiketoimintaetua, jos sen laatuun ei voi luottaa ja siihen perustuvat ennusteet ja mallit ovat virheellisiä. Laadukas tieto on perusedellytys modernien teknologioiden, kuten tekoälyn tai koneoppimisen tehokkaaseen hyödyntämiseen. Tiedon laadun kuntoon laittaminen vaatii pitkäjänteistä työtä, tarvittavien osaamisten rakentamista sekä data-kulttuurin luomista. Se ei ole projektimuotoinen ponnistus, vaan edellyttää tarvittavien toimenpiteiden jalkauttamista osaavan ja koulutetun organisaation kautta osaksi päivittäistä tekemistä.
Opi kehittämään tietoarkkitehtuuria ja tiedon laatua
Tiedon laadun takaamiseksi ei ole siis helppoa ratkaisua, vaan se edellyttää systemaattista panostusta tiedonhallintaan ja tietoarkkitehtuuriin sekä tarpeellisten taitojen kehittämiseen organisaatiossa. Suuri osa tiedon laadun turvaamiseen liittyvistä toimista vaatii ihmisten ja organisaatioiden sitoutumista ja kuria tiedon elinkaaren aikaisissa prosesseissa. Uudella kurssillamme Tiedonhallinta ja tietoarkkitehtuuri pääset tutustumaan, kuinka kehität arkkitehtuuria ja tiedon laatua oikeaan suuntaan.
Koulutusta aiheesta
- Pilviarkkitehtuurin suunnittelu
- Tiedonhallintamalli ja kokonaisarkkitehtuuri käytännönläheisesti
- TOGAF® EA Course: Foundation
- ISO/IEC 27001 Lead Implementer, PECB Certified
- Arkkitehtuurin suunnittelu
- Ratkaisuarkkitehtuuri käytännössä
- Microsoft Power BI -perusteet
- Microsoft SQL perusteet
- Qlik Sense Tietomallinnus
- Azure Data Platform käytännössä
- Järjestelmäintegraatiot ja integraatioarkkitehtuurin suunnittelu
Sakari Olli
Sakari toimii Enterprise arkkitehtina OP Ryhmässä. Hän vastaa vähittäispankin kokonaisarkkitehtuurista ja hänellä on yli 20 vuoden kokemus erilaisista rooleista kokonaisarkkitehtuurin ja ICT-kehittämisen alueilla. Sakari toimii Tieturin yhteistyökumppanina kokonaisarkkitehtuurin, sovellusarkkitehtuurin ja integraatioteknologioiden alueilla.