Tiedon hyödyntämisessä ruokahalu vain kasvaa. Alkupaloiksi on tarjoiltu pilveä, pääruuaksi data-alustoja ja kustannustehokasta lisenssihinnoittelua. Jälkiruuaksi tarjoillaan nyt DataOpsia.

Dataops lupaa röyhkeimmillään uusia datalähteitä käyttäjien saataville nopeasti ja automaattisesti. Se kuulostaa melkein liian hyvältä ollakseen totta. Niin se onkin. Se ei ole ihmeitä tekevä uusi hype-ismi. DataOps on toki mahdollinen tapa toteuttaa asioita, mutta se vaati organisaatiolta paljon.

DataOps lupaa uusi datalähteitä loppukäyttäjien saataville kiihtyvällä tahdilla. Ainakin minun on kuitenkin vaikea kuvitella suomalaista organisaatiota, jolla olisi valmius käyttää tehokkaasti hyväkseen uusia datalähteitä viikoittain. Oletan, että vika on vain mielikuvituksessani.

DataOpsin käyttöönotto

Mutta lähdetäänpä pohtimaan DataOpsin käyttöönottoa. Otetaan lähtökohdaksi organisaatio, jolla on selkeä suunta ja tiedolla johtamisen strategia. Organisaatiolla on siis valistunut käsitys siitä, mitä tietoa tarvitaan ja on valmis hyödyntämään uutta tietoa suunnitelmiensa mukaisesti. Vaaraa ajautumisesta datakaaokseen ei siis pitäisi olla. Tämänkin organisaation olisi syytä pohtia DataOpsiin siirryttäessä seuraavia seikkoja:

1. Yritys ja erehdys. Liiketoiminnan saadessa dataa kiihtyvällä tahdilla ja omaksuessa uusia asioita organisaatio on valmis uuden oppimiseen. Loistavan ja hohdokkaan tulevaisuuden siintäessä horisontissa on kuitenkin myös valmistauduttava muutamaan mahalaskuun. Uuden oppimisessa sattuu myös erehdyksiä, ja organisaation on ne kestettävä ja tuettava työntekijöitään näissäkin tilanteissa.

2. Oppimisen tuki. Organisaation uuden toimintamallin oppimisprosessia on tuettava. Vastuun siirtyessä liiketoiminnoille on kiinnitettävä erityistä huomiota loppukäyttäjien tukemiseen. Liiketoimintoja on autettava teknologian, datan käsittelyn, datan tietosisällön ja tiedon hallintamallin opettelemisessa sekä käyttämisessä.

3. Kaikki edellä mainittu vie aikaa. Liiketoiminnoille tulisi siis varata riittävästi aikaa opettelemiseen ja tiedon hyödyntämiseen. Puhumme niin isosta osaamisloikasta, ettei hokema datanlukutaidosta kansalaistaitona riitä. Opettelemiseen tulisi varata aluksi vaikkapa kolme kuukautta (kukahan muuten hoitaa liiketoiminnan perinteiset työt tänä aikana?).

4. Tietotyöläiset eivät jää tarpeettomiksi, vaikka lipevimmät myyjät niin saattavat luvata. Kokemus on osoittanut, että DataOps-toimintamallissa he siirtyvät samalla työpanoksella, kuin he ennen valmistelivat dataa, selvittelemään loppukäyttäjille heidän tuottamiaan datatuloksia. BI-surveyn tekemässä vuosittaisessa BI-trenditutkimuksessa keikkuu nykyään keulilla datan valmistaminen liiketoiminnan käytettäväksi. Tässä kohtaa se yleensä tulee ajankohtaiseksi. Se niistä säästöistä palkkakuluissa.

5. Itse tehostettu datan käsittelyputki vaatii luonnollisesti sopivan teknologian. Teknologiatarjoajat lupaavat kyllä suuria, mutta eivät kaikki heti aina muista kertoa, etteivät integraatiot toimi automaattisesti. Avoimia standardejakaan ei vielä ole. Messevien lisenssikulujen lisäksi on syytä valmistautua isoon määrään implementointityötä.

6. Automatisointihan ei onnistu ilman testausautomatiikkaa. Onhan se kunnossa? On myös ymmärrettävä, ettei testausautomatiikka toimi automaattisesti uusiin caseihin. Täytyy siis varautua siihen, että ylläpito maksaa.

7. Kun datan käsittelyputki on automatisoitu ja tieto luokittuu dimensioihin ja masterdataan automaagisesti on luonnollisesti aloitettava siitä, että masterdata on kunnossa. Jatkossa seuranta siirtyy tuotantoon ja laadunvalvontaan, kun dataputki toimii automaattisesti. Huonolla tuurilla se syytää kiihtyvällä tahdilla suoranaista moskaa tuotantoon. Täytyy siis pitää huoli siitä, että laadunvalvontaprosessi on määritelty ja miehitetty. Ilman ihmisiä ei toimi tämäkään. Tässä vaiheessa voi unohtaa säästöt henkilökuluissa, ellet sitä ymmärtänyt tehdä vielä vaiheessa 4.

8. Suunnitelmallisuus. Onhan kaikille osapuolille selvää, mitä tehdään ja miksi? Tiedolla johtamisen strategian on syytä olla selkeä ja hyvin informoitu, jotta organisaation eri tahot eivät häröile minne sattuu. DataOps-maailmassa datatulvaan hukkuminen on entistä helpompaa.

Summa summarum. DataOps lupaa paljon ja on mahdollista myös toteuttaa. Kotitehtävät on kuitenkin hoidettava kunnolla. Onnea matkaan!