Jos data on huonolaatuista, se näkyy suoraan yrityksen tuloksessa. Digitalisaatio, automaatio, koneoppiminen ja tekoäly edellyttävät kaikki laadukasta dataa.
Jos yrityksen tuottama tieto ei ole laadukasta, se aiheuttaa ylimääräistä työtä, maksaa maltaita ja vaikuttaa asiakastyytyväisyyteen.
– Pahimmassa tapauksessa virheitä sisältävän datan käyttäminen näkyy menetettynä liiketoimintana ja reklamaatioina. Datan laadun asettaa tuottaja, mutta sen määrittää aina käyttäjä, sanoo TwinSparkin konsultti ja partneri Harri Juntunen.
Jos esimerkiksi pesukonevalmistaja käyttää virheellistä dataa ja toimittaa väärät varaosat huoltoyritykselle, loppuasiakas ei voi pestä pyykkejään moneen viikkoon. Hän alkaa haukkua palvelua somessa, on pian huollon entinen asiakas eikä koskaan enää osta samanmerkkistä pesukonetta.
Koneoppiminen, tekoäly ja digitalisaatio edellyttävät laadukasta dataa
Tekoälyssä hyödynnettävä koneoppiminen perustuu sille, että tietokoneelle opetetaan ensin perusasiat ja treenataan algoritmia havaitsemaan tietynlaisia asioita isoista tietomassoista. Jos koneelle syötettävä opetusdata ei ole puhdasta ja laadukasta, se vähentää tulosten luotettavuutta.
– Data on ainoa asia, mitä koneella on käytettävissään. Siksi datan laatu pitää varmistaa, Juntunen tähdentää.
– Digitalisaatio ei onnistu ja automatisointi menee pieleen, jos data on huonossa kunnossa. Jos koneoppimista ja automatisointia aiotaan käyttää, datan pitää olla hyvälaatuista. Vasta silloin tekoäly osaa toimia työkaverina.
Datan laatu kerralla oikein Master Data Governancella
Data on yrityksen keskeistä omaisuutta. Siihen pitää investoida osaamista, resursseja, rahaa ja aikaa.
Master Data Governance (MDG) eli yrityksen tai organisaation ydintiedon hallinta on johtamisjärjestelmä, jolla varmistetaan, että data on liiketoimintakelpoista. Sen avulla yritys tai organisaatio saa laadukkaan ja luotettavan dataprosessin.
– MDG tuo lisäarvoa liiketoiminnalle luomalla bisneslähtöistä mitattavuutta, parantamalla prosessien tehokkuutta ja vähentämällä riskejä, jotka liittyvät yksityisyyden suojaan, tietoturvaan, regulaation tuomiin velvoitteisiin sekä vääriin päätöksiin, Juntunen sanoo.
Datan jatkuvaa parantamista
MDG:ssä ei Juntusen mukaan ole kyse ainoastaan datan hallinnasta ja valvonnasta, vaan myös datan jatkuvasta parantamisesta, mikä hyödyttää kaikkia sidosryhmiä. Parantamisen tulee kohdistua datan laatuun, saatavuuteen, tietoturvaan, yksityisyyteen ja datan säilyttämistapoihin.
– MDG-johtamisjärjestelmän saa käyttöön tarvittaessa aika nopeastikin pienellä, hyvin valtuutetulla tiimillä, joka mittaa lähtötasoa sekä sitä, mitä pitää parantaa. Myös jatkuva panostus laadun ylläpitämiseksi on tärkeää. Laatu lähtee rämettymään helposti, jos johtaminen ei ole kunnossa, Juntunen huomauttaa.
Valmistava teollisuus ja datan puhtaus
Kuinka valmistavan teollisuuden tuotanto- ja tuotetietousdata voidaan pitää puhtaana yrityksen myymiä palveluita kuten esimerkiksi huoltoa varten?
– Tuote- ja palvelumäärittelyt ovat ensisijaisia asioita, koska tuotteet ja palvelut tulee ymmärtää samalla lailla kaikkialla organisaatiossa. Siksi tuotehallinnan rooli korostuu. Myös varaosamäärittelyt on tehtävä huolella. Ja jos yritys käyttää tuotteissaan sensoreita, sen on tiedettävä keille asiakkaille on toimitettu mitäkin, ja mistä sensoridataa tulee, Juntunen luettelee.
– Esineiden internet eli IoT tuo lisävaatimuksia tuotteen elinsyklin hallintaan. Suojaukset tulee määritellä sellaisiksi, että ne tukevat kyberturvallisuutta. Ja järjestelmässä tulee luonnollisesti olla laadukasta dataa, hän lisää.
Infobuild ja Twinspark yhdessä auttavat suomalaisia yrityksiä ottamaan datansa haltuun Harrin edellä nostamat asiat huomioiden.
InfoBuildin ydinosaamisalueita ovat analytiikan – ja datan hallinnnan ratkaisut sekä niihin liittyvät ohjelmistot. Twinspark on tiedon mallinnuksen, datan masteroinnin, tiedon laadun ja niihin liittyvien prosessien ja parhaiden käytäntöjen syväosaaja. Kaikki yhdessä toteuttamamme ratkaisut tähtäävät organisaatioissa liikkuvan tiedon jalostamiseen ja tehokkaampaan käyttöön.
”Me InfoBuildilla lähdemme siitä, että jokaisella organisaatiolla on omat, uniikit tarpeensa, joihin voi parhaiten vastata juuri niihin räätälöidyllä ratkaisulla. Emme kuitenkaan rakenna kaikkea alusta alkaen, vaan hyödynnämme Information Buildersin laajan ohjelmistoperheen valmiita ohjelmistokokonaisuuksia. Näin asiakkaamme saavat luotettavaan ja testattuun teknologiaan pohjautuvan ja samalla omia yksilöllisiä tarpeitaan vastaavan ratkaisun.” toteaa Teemu Huttunen, InfoBuild Oyn toimitusjohtaja.