Tulevaisuus on nyt – datasta arvoa koko organisaatiolle

Tärkeimpiä ominaisuuksia kilpailukykyisille organisaatioille ovat kyky kehittää liiketoimintaa, ymmärtää asiakasta ja luoda uusia palveluita datan ja analytiikan perusteella. Dataohjautuvuudesta ja tekoälystä puhutaan kaikkialla, ja yritykset investoivat entistä enemmän uusiin ratkaisuihin. Tästä huolimatta, uuden tutkimuksen mukaan 79% organisaatioista ei ole onnistunut kehittämään kulttuuria, jossa päätöksiä ohjataan tiedon perusteella ja data toimii uuden liiketoiminnan mahdollistajana (1).

Mikä erottaa jyvät akanoista datan hyödyntämisessä?

Dataohjautuvuuden kehittämisessä haasteeksi muodostuvat usein datan tulkinta, kehityksen ohjaaminen sekä kommunikaatiohaasteet. Yhteiskäyttöisten ratkaisujen, kuten yhteisen tuotetiedon tietomallin kehittäminen, vaatii aktiivista keskustelua osastojen välillä. Hyötyäkseen ratkaisuista täysin, on liiketoiminnan ymmärrettävä perustasolla ratkaisun logiikka ja vaiheet. Esimerkiksi tuotepäällikön tulisi osata tulkita tuotteiden kannattavuutta ja kehittää tuoteportfoliota analytiikkaan perustuen. Tätä kutsutaan datalukutaidoksi ja sen saavuttaminen vaatii saumatonta kommunikaatiota kehityksen ja liiketoiminnan välillä sekä usein panostusta henkilöstön osaamiseen.

Myös tekoälyyn liittyvissä ratkaisuissa yhteisen kielen puute liiketoimintajohtajien ja kehittäjien välillä on suurin este hyötyjen saavuttamisessa. (2) Eri taustoja ja vahvuuksia omaavat ihmiset lähestyvät asiaa eri näkökulmista ja siksi ratkaisut eivät aina vastaa odotuksia. Ongelmana on usein myös organisoituminen – liian usein vastuu saatavasta arvosta jätetään esimerkiksi AI-leadille liiketoimintaomistajien tai CDO:n sijaan.

Uudessa Gartnerin data insight -raportissa (3) nostetaan datalukutaito tärkeimmäksi aiheeksi datan ja tekoälyn kyvykkyyksien kehityksessä. Ratkaisuehdotukseksi datalukutaidon lisäämiseksi tarjotaan henkilöstön koulutusta ja tehokasta organisoitumista, jo ennen kehitykseen ryhtymistä. Katse pitää saada tuotettavaan arvoon sekä osaamisiin. Lisäksi on edettävä ripeästi, koska tulevaisuuden kyvykkyydet luodaan nyt.

Ketterät menetelmät ovat ajankohtaisia datakulttuurin kehittämisessä

Ketteriä malleja, kuten Scrumia ja Kanbania, on hyödynnetty ohjelmistokehityksessä jo pitkään. Organisaatioissa on viime vuosina ymmärretty, että hyödyn maksimoimiseksi ketteryyden pitää ulottua kaikille organisaation tasoille ja liiketoimintaan. Liiketoiminnan ketteryydellä tarkoitetaan kykyä mukautua asiakastarpeiden ja markkinoiden muutokseen sekä sisäisesti että ulkoisesti.

Dataohjautuvaksi organisaatioksi kehittyminen tarkoittaa samalla myös muutosta ketteräksi organisaatioksi. Datalukutaito, muuntautumiskyky ja monikanavaiset ratkaisut voidaan saavuttaa ainoastaan purkamalla siiloja liiketoimintojen ja kehityksen välillä. Liiketoiminnan tulee kyetä ohjaamaan tekoälyratkaisujen kehittämistä asiakas- ja liiketoimintaymmärryksen pohjalta. Ketterät skaalausmallit, kuten LeSS, Spotify ja SAFe, antavat lähtökohtia ja ajatuksia siitä, miten organisaatiota voidaan kehittää tehokkaamman arvontuoton ja yhteistyön parantamiseksi. Malleja ei kuitenkaan kannata noudattaa kirjaimellisesti, vaan sovellettuna tarkoitukseen ja tavoitteisiin.

LeSS-mallissa lähtökohtana on asiakasarvon mukainen organisoituminen tiimeiksi. Tätä voi pitää ideaalina mallina, mutta sen nopea läpivieminen isommassa organisaatiossa ei useinkaan ole realistista. SAFea voidaan pitää jonkinlaisina apupyörinä kohti aitoa ketterää organisaatiota. SAFessa keskeisiä osia ovat organisoituminen kehitysohjelmiksi eli ‘juniksi’ ja portfoliotason ohjaaminen, jossa ylätason kehitysaiheita hallitaan. Juuri kehitysportfolion hallinta on keskeistä yrityksen dataohjautuvuuden kehittämisessä.

Yhteinen näkemys kehitysaiheista mahdollistaa yhtenäisen tietoarkkitehtuurin kehittämisen ja jatkuvan keskustelun eri yksiköiden välillä. Näin myös yhdistetään liiketoiminnan strategiset tavoitteet data- ja analytiikkakehitykseen erillisen datastrategian laatimisen sijaan. Lisäksi eri kehitysaiheille voidaan määrittää analytiikkaan perustuvat mittarit. Esimerkiksi jos liiketoiminnan tavoitteena on lisätä tiettyjen tuotealueiden myyntiä nykyasiakkaille, voidaan portfolion kautta ohjata konseptointia, tarvittavia toimenpiteitä ja ratkaisuja sekä seurata yhteisesti tavoitteiden toteutumista analytiikan kautta. Keskeistä on jatkuva oppiminen ja kehittäminen, jolloin kehitysaiheita priorisoidaan jatkuvasti tavoitteisiin, arvioituun hyötyyn ja analytiikkaan perustuen.

Tavoitteena ei tulisi olla ylhäältä alas johtaminen, vaan ennemminkin asiantuntijoiden ja johdon näkemyksen sekä tavoitteiden yhdistäminen ja onnistumisen jatkuva mittaaminen. Dataohjautuvan ja ketterän organisaation kehittäminen vaatiikin liiketoiminnan vastuunottoa ja osaamista kehitysmallien soveltamisesta olennaisin osin.

Miten alkuun dataohjautuvan organisaation kehittämisessä?

Tunnista osallistavan suunnittelun ja ideoinnin kautta uudet mahdollisuudet. Ota mukaan ideointiin ihmisiä eri puolilta organisaatiota – datan asiantuntijoita, liiketoimintavastaavia ja muita oman alueensa asiantuntijoita. Liitä ideat mahdollisimman nopeasti ymmärrykseen toteuttamiskelpoisuudesta ja priorisoi kehitysaiheet.

Pura siiloja organisaatiossa. Rakenna tiimejä, joissa on osaamista asiakasymmärryksestä, datasta ja digitaalisten palvelujen kehityksestä.

Jaa ymmärrystä liiketoiminnan prioriteeteista ja kehitysaiheista rakentamalla yhteisiä backlog- näkymiä. Osallista ihmisiä mukaan riittävän laajasti keskusteluihin ja priorisointiin, mutta pidä prosessi kevyenä.

Auta työntekijöitä alkuun tiedon hyödyntämiseen arjessa. Kouluta tulkitsemaan tietoa ja löytämään oman työn kannalta olennaista dataa.

Miten me Exovella voimme auttaa?

Exovella yhdistämme tiiviisti designia, dataa ja ketterää osaamista ja vahvuutemme on saumaton yhteistyö sekä asiakkaidemme kanssa, että oman tiimimme sisällä.

Datan hyödyntäminen arjessa ja oman toiminnan jatkuva kehittäminen vaati ketteryyttä ja rohkeutta kokeilla uutta. Lue kollegani Soilan vinkit vaikuttavaan digitaaliseen viestintään.