Master datan hallinta: miksi parhaisiin käytäntöihin on matkaa – ja miten edetä

Globaalien kärkitoimijoiden ja muiden yritysten välinen kuilu datan laadussa kasvaa. Tekoälyn kehittyessä ajantasainen ja kokonaisvaltainen lähestymistapa master datan hallintaan on entistä tärkeämpi. Vielä ei ole liian myöhäistä – mutta nyt on oikea aika aloittaa.

Lars Kjøller | 13 kesäkuun, 2024 | 5 min read

Yritykset ympäri maailmaa katsovat globaaleja hyperskaalaajia ja digitaalisia edelläkävijöitä saadakseen inspiraatiota tekoälyyn. Samalla ne usein sivuuttavat datanhallinnan kurinalaisuuden ja vahvan master data -kulttuurin, jotka mahdollistavat näiden teknologiayritysten eksponentiaalisen skaalautuvuuden. Tuhannet yritykset ovat yhä kaukana parhaista käytännöistä master datan hallinnassa (MDM). Perinteisten yritysten digitaalinen transformaatio tarjoaa merkittävän mahdollisuuden ratkaista tämä haaste juuritasolla, mutta kyse ei ole pelkästään tietohallintojohtajan vastuulla olevasta asiasta, vaan ylimmän johdon tehtävästä.

Merkittävä ja kallis ongelma

Kaikki, jotka perehtyvät edes hieman master datan ongelmiin, tunnistavat niiden vaikutukset. Niihin kuuluvat muun muassa menetetyt tulot, kasvaneet operatiiviset kustannukset, vaatimustenmukaisuusrikkomukset ja mainehaitat. Gartner arvioi, että heikon master datan keskimääräiset vuosikustannukset yrityksille ovat 12,9 miljoonaa dollaria.

Tämän pitäisi riittää syyksi jokaiselle yritykselle ottaa selkeä kanta ja investoida ongelman ratkaisemiseen. Käytännössä kuitenkin ensisijaisesti organisatoriset haasteet muodostavat esteitä oikean lähestymistavan toteuttamiselle. Omasta näkökulmastani tekniset kysymykset ovat toissijaisia verrattuna johtamiseen liittyviin esteisiin matkalla kohti vahvaa master datan hallintaa.

Juuri, jolla on monta ilmenemismuotoa

Jos asiakkaan osoite on virheellinen, toimitus epäonnistuu, ja ongelma korjataan manuaalisesti asiakaspalvelussa – toivottavasti ilman lisäseurauksia. Samanaikaisesti puutteellinen tuotekuvaus aiheuttaa varasto-ongelmia useissa toimipisteissä, ja johdon päätös lykkääntyy epäyhtenäisen datan vuoksi. Kukin näistä ongelmista ratkaistaan todennäköisesti poikkeuksellisella ponnistelulla siellä, missä ne ilmenevät, mutta ne kaikki johtuvat samasta juurisyystä: heikosta master datan laadusta.

Master datan omistajuuden ja siitä aiheutuvien kustannusten välillä on ristiriita. Vastuu MDM:n toimintamalleista, kulttuurista ja prosesseista saatetaan nähdä tietohallintojohtajan tai talousjohtajan vastuulla. Mikäli asiaa ei ratkaista kokonaisvaltaisesti, kustannukset jakautuvat eri toiminnoille ja käsitellään yksittäisinä, akuutteina poikkeamina.

Googlen pääekonomisti Hal Varian totesi vuonna 2008, että seuraavan kymmenen vuoden halutuin ammatti olisi tilastotieteilijä. Tekoälyn nykyisen nousun valossa lausunnolla oli vahva ennakoiva sävy. Ehdottaisin, että seuraavan kymmenen vuoden aikana saman arvonimen ansaitsee master data -arkkitehti.

Onnistuneen MDM:n arvoa – joka on syvälle juurtunut päätöksentekoon, tekniseen lähestymistapaan ja yrityskulttuuriin – ei voi aliarvioida. Se edellyttää kuitenkin ylimmän johdon huomiota. Perustavanlaatuinen lähestymistapa tietohallinnossa tuo merkittäviä hyötyjä, mutta niitä on vaikea mitata, koska ne näkyvät parempana operatiivisena toimintana ja vähentyneinä virheinä kautta organisaation.

Tekoäly integroidaan todennäköisesti yhä tiiviimmin operatiivisiin prosesseihin ja päätöksentekoon useimmilla toimialoilla, mikä korostaa master datan merkitystä. Tavoitteena ei ole tuottaa, laajentaa ja levittää virheitä. Samalla tekoälyä integroidaan toimintamalleihin ja työkaluihin, jotka on suunniteltu vahvistamaan master datan laatua, ja älykkäillä ohjelmistoratkaisuilla on potentiaalia vastata master data -haasteisiin entistä tehokkaammin.

Master dataan liittyvillä ongelmilla on pitkä historia, sillä ne sijoittuvat teknologian ja liiketoimintatoimintojen rajapintaan. Monissa organisaatioissa, jotka eivät ole syntyneet digitaalisina, tilanne on monimutkainen. Niillä on taustallaan useita järjestelmiä, eri sukupolvien ratkaisuja sekä monenlaisia formaatteja, alustoja ja toimintamalleja.

Monet IT-ammattilaiset ovat kokeneet turhautumista jo pelkästään pyrkiessään muodostamaan kokonaiskuvan sadoista liiketoimintasäännöistä, jotka ohjaavat yrityksen prosesseja. Nykyisin älykäs ohjelmisto ja erikoistuneet asiantuntijat voivat tunnistaa, luokitella ja kuvata nämä liiketoimintasäännöt puolestasi.

Mitä voimme tehdä?

Eteenpäin vievä ratkaisu on poikkitoiminnallinen ja edellyttää ylimmän johdon sitoutumista. Suosittelen arvolähtöistä lähestymistapaa MDM:ään pelkän kustannusten vähentämisen sijaan. Parhaaseen tasoon viety master datan hallinta vapauttaa organisaation resursseja ja luo tilaa kasvulle ja innovaatioille.

Kokonaisvaltaista MDM-työtä tulisi ohjata joukko periaatteita. Yksi niistä on yksinkertaistaminen: monimutkaisuuden vähentäminen auttaa keskittymään olennaiseen. Toinen keskeinen periaate on automaatio. On loogista vapauttaa ihmiset raskaasta sääntöjen hallinnasta ja antaa ohjelmistojen huolehtia sadoista liiketoimintasäännöistä.

Yritysten on hyväksyttävä, että master data vaikuttaa päästä päähän -liiketoimintaprosesseihin. Tämä tarkoittaa selkeän hallintamallin rakentamista: kuka vastaa mistä? Työntekijöitä on tuettava operatiivisella tasolla, ja master dataa on suojeltava paikallisilta ja siiloutuneilta muutoksilta.

Toinen tärkeä periaate on ennakoivuus. MDM:ää ei tulisi rakentaa reaktiivisen korjaamisen varaan. Sen sijaan lähestymistavan tulisi keskittyä virheiden ennaltaehkäisyyn, mikä edellyttää vahvaa ohjausta ja kontrollia master datan ylläpitoprosesseissa.

Ja milloin?

Tekoäly kiihdyttää parhaillaan useimmissa yrityksissä jo käynnissä olevaa digitaalista transformaatiota. Vanhoista on-prem ERP -järjestelmistä siirtyminen standardoituihin pilvipohjaisiin ERP-alustoihin on osa tätä kehitystä. Monien yritysten on tarkasteltava dataa ja sen laatua vakavasti osana migraatioprosessia.

Kun tämä merkittävä siivous on tehty ja uusi perusta luotu, vahva dataperusta tarjoaa erinomaisen lähtökohdan ennakoivalle MDM-kulttuurille. Nyt on aika lopettaa datan epäyhtenäisyys ja hajanaisuus rakentamalla selkeä hallintamalli ja tekninen viitekehys koko organisaation laajuisesti. Datan laadun kulttuurin vahvistaminen edellyttää jatkuvaa koulutusta ja tietoisuuden lisäämistä, jotta työntekijät ymmärtävät ja tukevat automatisoituja toimintoja.

Yritys voi hyödyntää useita ohjelmistoratkaisuja eri osa-alueilla MDM-lähestymistavassaan, mutta periaatteiden on katettava koko prosessiketju. Tavoitteena tulee olla johdonmukainen ja laadukas master data, joka toimii keskeisenä mahdollistajana tekoälypohjaiselle innovaatiolle.