Artikkelit

Datan heikko laatu on tavallinen liiketoiminnan haaste – näin voit ratkaista sen

Kirjoittanut Heidi Kemppainen | 27.9.2022 5:39:24

Tämän päivän liiketoimintaympäristössä tietoa nimitetään jopa yrityksen pääomaksi. Sen hyödyntäminen parantaa mahdollisuuksia menestyä ja voi tuoda kilpailuetua. Datasta tulee pitää huolta, jotta se voi täyttää tehtävänsä. Datan laadun juurisyytä voi olla hankala tunnistaa, joten avasimme tähän blogiin neljä tavallista tilannetta, josta voit sen tunnistaa. Lisäksi jaamme konkreettisia keinoja, joiden avulla pääset liikkeelle datan laadun kehittämisen matkalla.

 

Neljä tyypillistä tilannetta, josta tunnistat datan laadun haasteen

1. Dataa ei ole saatavilla. Datan laatu ei kata ainoastaan järjestelmistä saatavan datan käsittelyä, vaan myös tiedon hallinnan prosessin. Yrityksissä syntyy päivittäin valtava määrä uutta tietoa. Vain osa tallentuu kaikkien saataville ja hyödynnettäväksi, jos tiedon tallentamisen, käsittelyn ja jakamisen prosessi ei ole kunnossa. Datan laadun kehittäminen alkaakin usein yhdenmukaisen prosessin mallintamisesta. Mitä tietoa haluamme tallentaa ja minne? Kuka saa katsella ja muokata tietoa? Missä muodossa tieto tulee olla, jotta sitä voidaan hyödyntää halutulla tavalla?

Lue myös: Älä tuskaile manuaalisen tiedonhallinnan kanssa

2. Data ei ole ajan tasalla. Jos datan keräämisessä ja käsittelyssä on paljon manuaalisia vaiheita, tiedon ajantasaisuus todennäköisesti kärsii.

Esimerkiksi tuotantojohtajalle ajantasainen tieto on kriittistä. Jos hän joutuu tekemään raaka-ainehankintoja muutaman päivän takaisilla luvuilla, raaka-aineet saattavat loppua tuotantolinjalta kesken tai niistä voi olla ylitarjontaa, joka voi johtaa hävikkiin.

3. Datan ryhmittely tai kategorisointi on vaikeaa. Vaikka dataa olisi paljon ja se olisi ajantasaista, sen hyödyntäminen on vaikeaa ilman datan kerroksellisuutta. Datan kerroksellisuus tarkoittaa sitä, että tietoa voi ryhmitellä ja kategorisoida. Ilman sitä suuren datamäärän esittäminen visuaalisesti on haastavaa. Myös erilaisten vertailujen ja trendien seuraaminen on silloin vaikeampaa.

Esimerkiksi myyntiraportilla halutaan usein nähdä kokonaismyynnin lisäksi jakaumaa vaikkapa liiketoimintayksikkö- ja tuoteryhmätasolla. Jos datalähteissä ei ole ryhmittelevää tietoa, tällainen porautuminen on mahdotonta. Puutteellinen tieto ei ole myöskään luotettavaa.

4. Dataa ei voida yhdistellä järjestelmien välillä. Yrityksen eri järjestelmissä muodostuu tapahtumia samaan asiaan liittyen. Jos tapahtumista muodostuvalle tiedolle ei ole yhtenäistä tekijää eri järjestelmien välillä, luotettavan kokonaiskuvan rakentaminen on mahdotonta.

Esimerkiksi asiakkaista sijaitsee tietoa yrityksen eri järjestelmissä: myynnin CRM:ssä, talouden laskutusjärjestelmässä, tuotannon tai logistiikan tilaus- ja toimituskannassa. Tietoa ei voi yhdistellä, jos datalla ei ole yhdistävää tekijää tai jos yhdistävää tekijää ei ole vakioitu. Yhdistävä tekijä on asiakkaaseen liitetty tieto, joka on tismalleen saman muotoinen jokaisessa eri järjestelmässä. Koska tiedon tulee olla samanmuotoinen, avoin tekstikenttä toimii tarkoituksessa huonosti. Esimerkiksi yrityksen nimen voi kirjoittaa monella tavalla. Oy-päätteen kanssa tai ilman, koko pitkänä yritysnimenä tai vakiintuneena kirjainlyhenteenä.

 

Ratkaise haasteet yhteisillä toimintatavoilla ja BI-työkalun tuella

Lyhyt vastaus tiedon laadun haasteisiin on prosessin ja toimintatapojen määrittäminen, niiden mukaan toimiminen ja BI-järjestelmän tuki. Usein käytäntö on kuitenkin lyhyttä vastausta monimutkaisempi.

Yhteiset toimintatavat ratkaisevat jo osan datan laadun haasteista. Tiedon laatua voi siis parantaa ilman yhtäkään uutta työkalua. BI-järjestelmä kuitenkin tukee muutosten jalkauttamista monipuolisesti.

Muutosjohtaminen on haastavaa ja uusien toimintatapojen syntyminen vie aikaa. Onkin tärkeää seurata, että toimitaan sovitun mukaisesti ja virheiden tai tiedon puuttuessa tehdään korjaavat toimenpiteet.

Esimerkkejä tiedon käsittelyn yhteisistä käytänteistä:

  • Jokaiselle tuotteelle merkitään tuoteryhmä tai muu haluttu tieto, jonka avulla myyntiraportteja voidaan suodattaa halutulla tarkkuudella.
  • Asiakastiedon yhdistäväksi tekijäksi valitaan Y-tunnus, joka syötetään saman muotoisena jokaiseen asiakasdataa käsittelevään järjestelmään.
  • Esimerkiksi kategorisoinnin tai yhdistelyn kannalta kriittiseksi tunnistetut kentät merkitään järjestelmissä pakollisiksi, jotta käytänteet eivät jää vain muistin varaan. 

 

Näin BI-järjestelmä auttaa käytännössä

BI-järjestelmä auttaa onnistumaan. Sen avulla päästään eroon rutiininomaisesta tietojen keruusta ja raporttien rakentamisesta. Teknologia auttaa minimoimaan myös inhimilliset virheet. Teknologia voi auttaa viemään prosesseja ja toimintamalleja tehokkaammin käytäntöön. Kokemuksemme mukaan BI-järjestelmä auttaa ainakin näin:

  1. Tiedon keruu ja raporttien rakentaminen automatisoituu, joka paitsi tehostaa työtä, myös minimoi inhimilliset virheet. Automatisoinnilla parannetaan raporttien ajantasaisuutta ja mahdollistetaan monipuolisempi raportointi. Esimerkiksi historiatietoon tehdyt korjaukset lähdejärjestelmissä päivittyvät myös raporteille.

  2. Keskitetyn raportoinnin ansiosta yrityksissä vältetään datan väärä tulkinta. Jos dataa käsitellään väärin ja/tai yrityksen sisällä on useita eri raporttiversioita saatavilla, saatetaan tehdä vääriä päätelmiä puutteellisen tiedon vuoksi. Esimerkiksi myyntilukujen korjaukset myynnin omilla raporteilla eivät tavoita kaikkia, jos raportointi ei ole keskitettyä.

  3. Tiedon visualisointi auttaa ymmärtämään dataa paremmin. Se on valmiiksi jäsenneltyä ja pureksittua, ja trendikuvaajat ja värit auttavat tunnistamaan poikkeamat tai reagointia vaativat asiat.

  4. BI-järjestelmä tukee myös muutoksen jalkauttamisessa. Jos toimintamalleissa sovitaan esimerkiksi ryhmittelevän tiedon lisäämisestä, BI-järjestelmä auttaa seuraamaan, että se on lisätty. Eri näkymien avulla tunnistetaan nopeasti, jos tieto puuttuu tai jos se on väärässä muodossa.

 

Ota asiantuntijakumppani avuksi muutosmatkalle – Triuvare on erikoistunut PK-yritysten tarpeisiin

Käytännössä datan laadun kehittäminen ei ole kuitenkaan näin yksinkertaista. Siksi osaava tiedolla johtamisen kumppani kannattaa ottaa mukaan muutosmatkalle.

Triuvaren asiantuntijat ovat erikoistuneet PK-yritysten tarpeisiin ja ovat olleet mukana useissa yrityksen ensimmäisessä BI-hankkeessa. Tiedämme mihin on helppo kompastua, mutta toisaalta mistä löytää nopeiten ensimmäiset onnistumisen tunteet.