Kun yritys miettii, investoidako 200 000 euroa uuteen tekoäly- tai analytiikkapalveluun, kannattaa ensin miettiä, missä kunnossa data on ja onko se ylipäätään saatavilla. Data first -kulttuurissa pidät huolta siitä, että data on laadukasta ja saatavilla, ja ja rakennat yritykseesi kokonaisvaltaista kulttuuria sekä läpileikkaavia prosesseja sen tehokkaaseen hyödyntämiseen.
Kun data on käytettävissä, voit kahdessa tai neljässä viikossa toteuttaa suoraan liiketoiminta-arvoa tuottavia, yrityksen dataa hyödyntäviä pienkehitysprojekteja ja vaikuttaa suoraan liiketoiminnan mittareihin sen sijaan että digitalisoisit kaikki kerralla ja maksaisit siitä kalliin hinnan – pahimmillaan pitkän ja epäonnistuneen ikuisuushankkeen muodossa.
Data first -kulttuuri rakennetaan yhdessä
Sovellusrobotiikassa, tehtävien automatisoinnissa, päätöksentekoketjuissa tai muissa pienissä, usein toistuvissa ja vakiomuotoisissa tehtävissä datan tehokas hyödyntäminen muuttaa yrityksen toimintaa ja vaikuttaa suoraan liiketoiminnan tehokkuuteen ja laatuun, ja sitä kautta kannattavuuteen. Data first -ajattelumalli mahdollistaa kilpailukyvyn ja skaalautumisen liiketoimintamallissasi tänään ja huomenna. Siihen kannattaa siis pyrkiä aktiivisesti koko organisaation voimin.
Yksi selvä merkki toimivasta data first -kulttuurista on, että datasta puhutaan arkisissa keskusteluissa. Nykyään datan hyödyntäminen on meillä Alvalla luonteva kahvipöytäkeskustelun aihe, mutta otollisen kulttuurin luominen on vaatinut työtä ja teknologiatermistön poistamista keskusteluista.
Kulttuurin luomisessa on olennaista ymmärtää, millaista kieltä käyttää. Olemme halunneet tehdä uuden teknologian projekteistamme arkityön helpottajia ja työn tehostajia, ja olemme tietoisesti välttäneet teknologiapuhetta. Teknologiaa tärkeämpää on, mitä sillä saadaan aikaan.
Datasta pitää puhua ihmisten ja liiketoiminnan tarpeet, ei teknologia edellä.
On selvää, että IT-osasto ei voi luoda data first -kulttuuria yksin, ja usein heidän roolin pitäisikin olla vain tukemassa toteutusta. Aloimme etsiä työn tehostamisen paikkoja IT:n ja liiketoiminnan välisissä workshopeissa, joiden tarkoitus on tunnistaa, miten dataa voidaan hyödyntää ja mitä kaikkea voimme automatisoida. Tällä hetkellä meillä on yli 60 tunnistettua aihetta sopimusten käsittelystä laskutusprosesseihin ja HR-tehtäviin. Kimmokkeena näille projekteille ovat yrityksen sisäiset tarpeet: mitkä työtehtävät toistuvat ja miten omaa työtä olisi mielekästä tehostaa.
Nykyään keskusteluihimme, jotka liittyvät dataan ja sen hyödyntämiseen paikalle ei tarvitse enää kutsua teknisiä rooleja kuten CDO:ta, CIO:ta tai data-analyytikkoa. Kulttuurin muutoksen alussa digitaalisen liiketoiminnan tiimimme meni havainnoimaan ihmisten työskentelyä ja etsimään automatisoinnin paikkoja etsimällä työstä prosesseja, joita työntekijä teki toistuvissa määrin, kuten tiedon siirtämistä PDF-tiedostoista johonkin järjestelmään tai manuaalista tiedon keräämistä.
Kun näitä pieniä askelia otetaan, on tärkeää viestiä läpinäkyvästi jokaisesta askeleesta, esimerkeistä, opeista ja onnistumisista – näin aihe pysyy ihmisten mielissä ja kipinä datan hyödyntämiseen voi syttyä yllättävissäkin paikoissa. Tämä sai ihmiset itse miettimään, mikä omassa työssä kaipaisi tehostamista. Ihmiset suhtautuvatkin nykyään työn tehostamisprojekteihin käytännönläheisemmin ja rohkeammin sekä kertovat ideoistaan.
Selvät roolit kaikille osapuolille
Kaikki lähtee liiketoiminnan tarpeista. Tekniset toteuttajat otamme mukaan vasta siinä vaiheessa, kun liiketoimintatarve on määritetty ja sillä sekä onnistumisen mittarit että liiketoimintaomistaja.
Business casen tarkka ja määrämuotoinen kuvaaminen on tärkeää. Business caseja varten meillä on omat pohjat, joissa mahdollisimman tarkkaan kuvaamme toteutettavan idean, usein esimerkkien kautta.
On selvää, että projekteja on priorisoitava joskus rankallakin kädellä, ja toteutukseen pääsevät vain ne, joilla on liiketoiminnan kannalta riittävästi merkitystä ja jotka saavat aikaan riittävästi muutosta. Tyypillisesti tehtäviä automatisoivista projekteista on enemmän hyötyä suuria volyymejä käsitteleville rooleille (kuten HR) tai paljon tiedonkäsittelyä manuaalisesti tekeville (kuten asiakaspalvelu).
Neljä vuotta sitten kun julkaisimme data- ja tekoälystrategiamme, henkilöstömme teki kaikki kehittämisprojektit itse. Sittemmin olemme ymmärtäneet hankkia tiettyjen teknologioiden erityisosaamista myös ulkopuolelta. Kaikissa teknologioissa on hyvät ja huonot puolensa, ja on turha osallistua iäisyyskeskusteluun mikä niistä on paras.
Olemme valinneet Microsoftin teknologiat, sillä halusimme varmistaa, että löydämme osaamista helposti kun tarvitsemme. Emme ole vielä löytäneet liiketoimintatarvetta, joka ei olisi heidän teknologioilla täyttynyt. Jos kuitenkaan nämä teknologiat eivät riitä, hankimme sitten muuta, mutta toistaiseksi projektien toteutukset ovat kestäneet pidempään tai jouduttu muuttamaan suunnitelmia huonosti suunniteltujen liiketoimintatarpeiden määrittämisen takia, ei valittujen teknologioiden.
Pari inspiroivaa projektia
Business caseista lupaavimmat pääsevät toteutukseen. Teemme aktiivista kehitystyötä esimerkiksi asiakaspalvelun itsepalvelutyökalujen kehittämisessä ja rakennamme end-to-end-tehtäväketjuja, joissa asiakkaat voivat soittamisen sijaan ratkaista itse tarpeensa yhtä nappia painamalla. Asiakkaan ei näin tarvitse asioida minkään chatbotin kanssa tai odottaa, että ihminen välissä tekee jotain.
Toinen esimerkki on laajemmin sidosryhmiämme palvelevasta dataprojektista. Voimme pyytää asiakkailtamme automaattisesti luvan luovuttaa tietoja tutkimustarkoituksiin ja sitä kautta auttaa esimerkiksi korkeakoulujen projekteja, joista itse voimme vastineeksi saada vaikkapa energiankäytön optimointialgoritmeja.
Useilla korkeakouluilla on mahtavia tutkimusideoita, mutta heiltä puuttuu tyypillisesti laadukas data. Meillä tätä on, ja tällä mallilla useat korkeakoulut ovat jo hyödyntäneet dataamme. Eräs opiskelijaryhmä rakensi yhdessätoista viikossa tarkemman koneoppimisen mallin kuin minkä kaupallinen yritys oli saanut aikaan puolessa vuodessa. Huolehdimme näin omalta osaltamme tulevaisuuden energia-alan kiinnostavuudesta tulevaisuuden osaajien keskuudessa.
Lopuksi
Datan hyödyntämisen potentiaalia löytyy aivan kaikkialta – myös sieltä missä asiaa vastustetaan eniten ja missä heti todetaan “täällä ei ole mitään mitä voitaisiin automatisoida”. Siksi on tärkeää, että koko johtoryhmää koulutetaan toistuvasti, johtoryhmän palavereissa data-asiat esiintyvät säännöllisesti ja myös johtajille voidaan asettaa datan hyödyntämisen mittareita palkkiomatriisiin.
Jokaisen on mietittävä, mitä digitalisaatioon liittyviä mahdollisuuksia omalta liiketoiminta-alueelta löytyy.
Data first -kulttuurin luomista ei kannata jättää vain yhden porukan asiaksi: silloin vain pieni vähemmistö etenee ja loput putoavat kelkasta. Tämä johtaa siihen, että organisaatiosi datamaturiteetti jää matalaksi ja hyödynnätte datan todellisesta potentiaalia vain vähän – mitä jos kilpailijanne hyödyntävät sen paremmin?
Tilaa WTF ATK -uutiskirjeemme
Haluatko lisää ajatuksenruokaa sähköpostiisi?
Tilaa kuukausittain ilmestyvä WTF ATK -uutiskirjeemme, jossa puhumme suoraan IT:stä ja sen ajankohtaisista teemoista. Oivallutamme, haastamme.
LUE LISÄÄ AIHEESTA
Käyn tässä blogissa läpi IT2024-tutkimuksen kiinnostavia löydöksiä tekoälyn hyödyntämiseen liittyen ja peilaan niitä konsultin työssä […]
Microsoft Power Platform on tehnyt työnteosta tehokkaampaa ja sujuvampaa. Moni organisaatio kuitenkin miettii, mitä prosesseja […]
Kyberuhat, hybridityö ja koko liiketoiminnan läpileikkaava digitalisaatio tekevät IT:stä yrityksen elintärkeän ja strategisen funktion. Millaisia […]