Hae it-yrityksiä
osaamisalueittain:

Asiakkuudenhallinta CRM BI ja raportointi HR Tuotekehitys ja suunnittelu Toiminnanohjaus ERP Taloushallinto Markkinointi Webkehitys Mobiilikehitys Käyttöliittymäsuunnittelu Tietoturva Verkkokaupparatkaisut Ohjelmistokehitys Integraatiot Pilvipalvelut / SaaS Tekoäly (AI) ja koneoppiminen Lisätty todellisuus ja VR Paikkatieto GIS IoT Microsoft SAP IBM Salesforce Amazon Web Services Javascript React PHP WordPress Drupal

Tiedon laatu on onnistuneen analytiikan perusta

BloggausTiedon laadun puutteita on jokaisessa analytiikan ratkaisussa. Tässä kolme tärkeintä keinoa tiedon laadun ongelmien ratkaisuun.

Usein liiketoiminnalla on vakaa usko, että tiedon laatu on kunnossa. Niin se eräällä tapaa saattaa ollakin – nimittäin perusjärjestelmän tai kyseisen rekisterin kannalta puuttuva tai virheellinen tieto ei haittaa toimintaa. Ongelma nousee esiin, kun tieto virtaa yhteen paikkaa analysointia varten – usein se paikka on tietovarasto.

Olen kokemuksen kautta oppinut huomaamaan, että tiedon laadun puutteita on jokaisessa analytiikan ratkaisussa. Pienimillään kyse on siitä, että perusjärjestelmän uusille projekteille ei ole projektikoodia. Laajemmassa tapauksessa kentät ovat sisältäneet väärää tietoa: henkilötunnuksia Y-tunnusten kentässä, Y-tunnuksia henkilötunnusten kentissä tai vaikkapa postinumero -kentässä oli ”numeroita” kuten orimattila, Helsinki tai ELISA.

Välillä kyse on osaamattomuudesta: erään sairaanhoitopiirin perusjärjestelmässä oli kenttä, johon hoitohenkilöstö ei tiennyt mitä laittaa, mutta ilman sitä tietoa ei päässyt seuraavan vaiheeseen. Niinpä siihen kenttään laitettiin usein ”X” – todellisuudessa kaivattiin erikoisala-koodia. Analytiikassa olikin sitten mielenkiintoista grafiikkaa, kun varsinaisten erikoisalojen rinnalla oli iso ”X” erikoisala.

Osin kyse tiedon laadussa on piittaamattomuudesta tai omaan napaan tuijottamisesta. Eihän oman yksikön toiminnan kannalta ole tärkeää, että uusilla projekteilla ei ole projektikoodia, kun ne ihan helposti tunnistaa nimestä, korjataan sitten myöhemmin kuntoon. Kun saman kolikon toisena puolena HR-resursseista vastaava taho ei saa henkilöiden kustannuksia linkitettyä oikein koodin puuttuessa. Kokonaiskuvan näkeminen ei ehkä ole yhdelle liiketoimintayksikölle niin kiinnostavaa, jos kauppa käy muuten hyvin.

Miten tiedon laadun ongelmat ratkaistaan?


1. Myönnetään ongelma ja tunnustetaan tosiasiat.

Kaikilla on jollain tasolla tämä sama asia esillä. Tuotetaan kunnollinen analyysi siitä, mikä tilanne talossa todella on. Mietitään ja kehitetään toimintatapoja, jotka edistävät alkuperäisen tiedon laatua: ohjeistusta, pieniä muutoksia prosesseihin, koulutusta. Ja tietenkin rakennetaan analytiikan prosessit huomaamaan ja korjaamaan tiedon puutteita.

2. Tiedon laadun kehittäminen ja parantaminen edellyttävät vahvaa ja keskitettyä johtajuutta.

Laadun merkityksen tulee olla selvä koko organisaatiolle. Kun työntekijä ymmärtää, miten heidän tuottamansa tieto ja sen laatu vaikuttavat organisaation kaikilla tasoilla hän on motivoituneempi ottamaan asian huomioon. Samalla virheellisten päätösten ja manuaalisen työn määrä vähenee, kun tiedon laatu paranee.

3. Kevyillä ETL-ratkaisuilla alkuun tiedon laadun parantamisessa.

Tiedon laadun käsittelyyn on jo vuosia käytetty erilaisia ETL-välineitä (tai niiden laaajennuksia), tallennettuja proseduureja jne. Niille yhteistä ja ominaista on eräänlainen työkalumaisuus, tekninen osaaminen on oltava kunnossa. Näiden välineiden rinnalle on noussut kevyempiä Data Quality -ratkaisuja ja esimerkiksi IBM Cognos Analyticsin tiedon valmistelu ja mallinnustyökalut mahdollistavat erilaisia aikaan liittyviä vertailuja, automaattista tiedon ryhmittelyä, tiedon täydentämistä ja tilastollisten tunnuslukujen hyödyntämistä laadun näkökulmasta: Jo näillä saa laatua nostettua aineistossa.

Päädytpä minkälaiseen ratkaisuun tahansa, on tiedon laatu joka tapauksessa otettava huomioon. Tiedon laatu ei ole itsessään ohjaava tekijä organisaatiolle, vaan pikemminkin mittari, joka kertoo miten hyvin asiat on eri järjestelmissä hoidettu. Jos tiedon laatu ei ole kunnossa, ei oikein ole syytä uskoa sen datan pohjalta tehtyyn analytiikkaankaan – eikö totta?

Haluatko selvittää tiedon laatusi tilanteen? Ota yhteyttä!

Mikko Kutvonen
Teknologiajohtaja
Puh. 040 57 88 500
mikko.kutvonen@invenco.fi

Pinterest
Innofactor Oyj logo

Lisätietoja

Yritysprofiili Innofactor kotisivut

Tagit

Jos tarjontatagi on sininen, pääset klikkaamalla sen kuvaukseen

Liiketoimintaprosessi

BI ja raportointi

Erikoisosaaminen

Analytiikka
Integraatiot
Master Data MDM
Tekoäly (AI) ja koneoppiminen

Toimialakokemus

Julkishallinto
Kauppa
Kuljetus, liikenne ja logistiikka
Prosessiteollisuus
Raaka-aineet ja energia
Rakentaminen
Valmistava teollisuus

Teknologia

Azure
IBM
Microsoft
Oracle

Tarjonnan tyyppi

Konsultointi
Toteutustyö
Tuki- ja ylläpitotyö

Omat tagit

Analytiikka
tiedon laatu

Siirry yrityksen profiiliin Innofactor kotisivut Yrityshaku Referenssihaku Julkaisuhaku

Innofactor - Asiantuntijat ja yhteyshenkilöt

Asiantuntijoita ja yhteyshenkilöitä ei ole vielä kuvattu.

Innofactor - Muita referenssejä

Innofactor - Muita bloggauksia

Digitalisaatio & innovaatiot blogimedia

Blogimediamme käsittelee tulevaisuuden liiketoimintaa, digitaalisia innovaatioita ja internet-ajan ilmiöitä

Etusivu Yrityshaku Pikahaku Referenssihaku Julkaisuhaku Blogimedia