Älykäs liiketoiminnan data platform

Blogi Kirjoittanut:

Isoissa liiketoiminnan muutoksissa yritykset saattavat huomata, että asiakasrajapinnassa toimivien henkilöiden osaaminen ja tietämys ei toimikaan uudessa tilanteessa. Henkistä pääomaa ja taitoja on kerrytetty jopa vuosikymmeniä ja nyt huomataan, että ne eivät sellaisenaan sovellukaan uuteen toimintaympäristöön. Tällainen muutos voi olla esim. yrityksen muutos tuote- ja projektitalosta palveluiden tuottajaksi. Kuulostaako tutulta? Vastaavista haasteista saa lukea lehdistä jatkuvasti.

Asiaa voi ja kannattaa lähestyä koulutuksen kautta, mutta ongelmaksi todennäköisesti muodostuu kankeat vanhaan toimintamalliin optimoidut tietojärjestelmät ja tietorakenteet. Voisiko näitä lähteä uudistamaan? Toki, mutta syvään juurrutettujen järjestelmien muuttaminen on helposti vuosien massiivinen projekti, jolla riskeerataan nykyinenkin bisnes. Lisäksi ison muutoksen alkuvaiheessa uuden järjestelmän visio on epämääräinen eikä sitä pystytä täysin speksaamaan. Tarvitaan jotain nopeampaa ja joustavampaa.

Tähän tarpeeseen ratkaisuna on rakentaa nykyisten järjestelmien päällä toimiva digitaalisen ajan data platform. Data platform on tietoalusta, jonka päälle pystytään joustavasti ja nopeasti kehittämään uudenlaista työtä tukevia sovelluksia ja automatiikkaa, ja jonka avulla organisaation tieto saadaan koko organisaation käyttöön. Jos perinteiset operatiiviset järjestelmät on optimoitu (tai jopa sementoitu) tiettyjen vanhojen prosessien ympärille, data platform on optimoitu muutoskyvykkyyden maksimointiin ja organisaatiodatan älykkääseen hyödyntämiseen liiketoimintalähtöisesti.

Älykkään data platformin keskeiset elementit

Joustavuus, mukautuvuus

Moderni data platform, kuten ylipäätään moderni yritysarkkitehtuurikaan, ei ole ratkaisu, josta voidaan piirtää standardoitu yleispätevä arkkitehtuurikuva. Miksi? Koska tällöin ratkaisu ei olisi aidosti liiketoimintavetoinen ja mukautuva vaan tekninen itsetarkoitus. Näitä liiketoiminnasta irrallaan olevia arkkitehtuureja rakennettiin viime vuosikymmeninä, mutta digitaaliseen organisaatioon ne eivät sovi. Digitaalisen organisaation pitää kyetä adaptoitumaan herkästi asiakaskentän muutoksiin, ja tällöin puhutaankin mukautuvasta design-driven yritysarkkitehtuurista, jota myöskin data platformin pitää noudattaa.

Mukautuvuus mahdollistuu jo pilviratkaisujen elastisen luonteen myötä, mutta myös itse ratkaisut on rakennettava helposti muutettavaksi. Monoliittisia ratkaisuja kannattaa välttää, sillä niiden kanssa ajaudutaan helposti resurssikapeikkoihin ja epäoptimaalisiin teknologioihin. Mikropalveluarkkitehtuurin lupaus vastaa juuri tähän tarpeeseen eriyttämällä yksittäiset palvelut itsenäisesti kehitettäviksi osiksi.

Data lake -ratkaisut tiedon tallennuksessa tuovat myös joustavuutta. Perinteisiin tietovarasto-ratkaisuihin (data warehouse) verrattuna data lakeen on nopeaa ja edullista hillota tietoa raakamuodossaan ilman sen kummempaa siivoamista. Tämä mahdollistaa hyvin nopeat data-pohjaiset liiketoimintaratkaisut. Data lakessa tieto analysoidaan vasta hyödyntämisvaiheessa, mikä taas edellyttää ratkaisujen tekijöiltä big data -maailmasta tuttuja käsittely- ja analysointitaitoja. Vastuu datan laadusta siirtyykin samalla lukijalle.

Tehokkuus, suorituskyky

Liiketoiminnan kellotaajuuden nopeutuessa myös tiedon saatavuuden pitää nopeutua. Kuukausittaiset käsin koostetut PowerPoint-raportit voi heittää roskiin ja tilalle tuodaan reaaliaikaisesti lähdejärjestelmistä päivitettävät esimerkiksi Power BI:llä toteutetut raportit, joita voi katsoa vaikka kännykällä milloin vain tarpeen esiintyessä.

Reaaliaikaisuus edellyttää myös automatisoitua datan valmistelua. Eventtipohjaisilla integraatioilla tuodaan muutokset lähdejärjestelmistä lähes reaaliaikaisesti koko organisaation käyttöön. Azuresta löytyy paljon palveluita modernien integrointien tekoon. Event Grid mahdollistaa erittäin suorituskykyisen ja skaalautuvan muutostapahtumien hallinta- ja jakelumekanismin ja vähentää räätälöityjen pollaus- ja prosessointiratkaisujen tarvetta. Service Bus integraatioilla taas toteutetaan hieman perinteisempää transaktioiden, kuten tilausten, vientiä järjestelmästä A järjestelmään B. Event Hubia taas käytetään enemmän IoT- ja big data -ratkaisuissa, joissa viestejä tulee suuri määrä eikä kaikkia välttämättä haluta prosessoida tai tallentaa. Logic Apps mahdollistaa valmiiden connectorien avulla kevyiden ja helpohkojen integraatioiden tekemisen tunnetuimpien järjestelmien välillä suoraan ja standardirajapintojen avulle myös muualle. Azure Functionsit taas tarjoavat kevyen serverless-koodausvaihtoehdon osaksi kaikkia integraatioita. Tiivistettynä: Tiedon jalostamisen automatisointi on pilviaikakaudella kertaluokkaa aiempaa tehokkaampaa ja helpompaa.

Tiedontallennusratkaisuissa nopeutta ja tehokkuutta haetaan raportointipuolella edelleen tietovarastoilla, data vault -mallinnuksella, data marteilla ja OLAP-kuutioilla. Valmisteltujen ja optimoitujen mallien myötä ad hoc -raportointi tehostuu huomattavasti eikä vaadi data-puolen erityisasiantuntijuutta. Erona vanhaan maailmaan on se, että nämäkin ovat jo suurelta osin siirtyneet pilveen helpommin ja edullisemmin hyödynnettäväksi.

Teollisen internetin myötä yhä useampi yritys ajautuu tiedonhallinnassaan big data -puolelle. Tällöin datan analysointiin saadaan tehokkuutta esim. Azure HDInsightin manageeratuilla Hadoop, Spark ja R-clustereilla tai Data Lake Analyticsin kyselyillä ja prosessoinneilla.

API-ratkaisuissa ja räätälöidyissä applikaatioissa suorituskykyä voidaan hakea globaalisti hajautetuilla ja erittäin skaalautuvilla CosmosDB-tietokannoilla.

Data platformin sisällä vaihtoehtoja on siis monia eikä yksi ratkaisu sovellu kaikkiin tarpeisiin.

Kattavuus, monimuotoisuus ja data catalog

Kun puhutaan ison yrityksen data platformista, puhutaan hallitusta kokoelmasta tiedonhallinnan ratkaisuja. Data platform on alati kehittyvä kokonaisuus, jonka tarkoituksena on yksinkertaisuudessaan: tuoda organisaation tieto saataville siellä missä ja milloin sitä tarvitaan. Tieto on tyypillisesti pirstaloitunutta, epätäydellistä, piilotettua jne. Älykkään data platformin onkin kyettävä tuomaan tieto saataville huolimatta siitä, missä lähde on ja missä muodossa data on.

Monimuotoinen data platform tuo pääsyn tietoon, jonka lähde voi olla relaatiotietokannassa, no-sql tietokannassa, tietovarastossa, palveluväyläintegraation takana, Excelissä, applikaatio-APIn takana tai missä vain. Riippuen bisnestarpeesta ratkaisu voi olla joko hyvin kevyt, kuten linkki Exceliin katalogissa, tai raskaampi useasta lähteestä konsolidoitu tietovarasto data lakessa ja tietovarastossa.

API management tarjoaa mahdollisuuden keskittää kaikki APIt yhden palvelun taakse hallittavaksi kokonaisuudessaan. Azuren API management ei kuitenkaan tarjoa laajempaa katalogitoiminnallisuutta itsessään, mitä varten onkin kehitetty data catalog -tuotteita, kuten Azure Data Catalog. Ideana data katalogissa on rakentaa keskitetty tietämyskanta organisaation keskeisimmistä data lähteistä. Tavoitteena on helpottaa tiedon löytämistä, kategoriointia, kuratointia ja hallinnointivastuita. Tämä kuulostaa niin tutulta tarpeelta viimeaikaisten GDPR-keskustelujen tiimoilta. Viimein organisaatiot pakotetaan selvittämään mitä tietoa heillä on ja mistä.

Saavutettavuus

Hallitusti rakennettujen data-pohjaisten ratkaisujen lisäksi yrityksillä on kasvavaa tarvetta saada data saataville yhä moninaisempiin tarpeisiin, eikä näitä välttämättä ehditä hallitusti edes ratkaisemaan. Valtaa dataan on siis hajautettava koko organisaation laajuudelle. Keskitetty raportointiyksikkö tai tietohallinto ajautuu helposti pullonkaulan rooliin yhä kasvavissa liiketoimintatarpeissa. Pilvipalveluiden myötä liiketoimintayksiköt voivat itsenäisemmin ratkaista tarpeitaan, mikä onkin edellytys asiakaslähtöisessä ja mukautuvassa liiketoiminnassa.

Data platfomin pitäisi siis tarjota turvallinen ja hajautettu pääsy kaikkeen organisaation dataan, oli se sitten valmiiksi pureksittua tai raakamuotoista.

Älykkyys

Organisaatioiden älykkyys on historiassa pohjautunut lähinnä yksittäisten ihmisten ja tiimien kollektiiviseen älykkyyteen. Data-driven organisaatiossa tätä älykkyyttä pyritään tuomaan data platformiin, mikä mahdollistaa täysin uudenlaisten digitaalisten ja automatisoitujen asiakasratkaisujen ja palveluiden luomisen.

Älykkyyttä on monentasoista ja tässä tapauksessa voisi kuvata älykkyyttä jatkuvasti kehittyvänä datan hyödyntämisen kyvykkyytenä esim. seuraavilla tasoilla:

  1. Yrityksen keskeinen data on laadukasta, löydettävissä ja hyödynnettävissä erilaisiin tarpeisiin. Dataa kerätään ja hallitaan vielä melko manuaalisesti.
  2. Datan perusteella pystytään tekemään reaaliaikaisia tulkintoja yrityksen toiminnan tehokkuudesta ja asiakaslisäarvon tuottamisesta. Datan keruu on vahvasti automatisoitu.
  3. Datan perusteella pystytään tekemään ennakointia mitä tulevaisuudessa tulee todennäköisesti tapahtumaan. Sekä datan keruu että analysointi on automatisoitu.
  4. Datan pohjalta voidaan tehdä päätelmiä mitä toimenpiteitä pitäisi tehdä. Datan analysointiin on rakennettu sekä opetettua koneälyä että itse-oppivaa koneälyä.
  5. Järjestelmät pystyvät itsenäisesti tekemään optimointeja perustuen data analyysien tuottamiin suosituksiin.

Viimeisimmät vaiheet kuulostavat vielä utopialta ja itse asiassa lähes kaikki yritykset taistelevatkin tällä hetkellä päästäkseen ensimmäiselle tasolle datan hyödyntämisessä. Tasolle, jossa organisaation oleellinen tieto ei enää sijaitse työntekijöiden pään sisällä ja jossa data platformin tieto on niin laadukasta, että siihen voidaan oikeasti luottaa sekä operatiivisessa toiminnassa että liiketoiminnan kehittämisessä.

Prosessit ja liiketoiminta-aspekti

Yhtä tärkeää kuin data platform itsessään, tai jopa tärkeämpää, on työskentelytavat ja datan hyödyntämisen kulttuuri. Ilman kurinalaista data-vetoista toimintaa data platformin hyöty ei realisoidu ja organisaatio jää manuaalisen työn aikakaudelle. Monilla yrityksillä on tässä valtava hyppy edessään. On toimittu ehkä vähän mutu-tuntumalla tai jopa EVVK-asenteella. Kuten mikä tahansa kulttuurillinen toiminnan muutos, tämäkin vaatii pitkäjänteistä sitoutumista vuosien ja jopa vuosikymmenien ajaksi.

Älykäs data platform ei ole kuitenkaan itsetarkoitus, johon voidaan rakentaa oma hallintamalli ja sen jälkeen olla tyytyväisiä. Data platformin on tuettava liiketoiminnan alati kehittyviä tarpeita ja siksi prosessit pitää ulottaa liiketoimintaan asti. Sekä tietojen syöttö että hyödyntäminen tapahtuu liiketoiminnan ytimestä käsin. Näin ollen data platform pitääkin nähdä liiketoiminnan työvälineenä. Mielellään niin, että puhutaan vähemmän data platformista ja enemmän liiketoiminnan tarpeiden ymmärtämisestä ja näihin soveltuvien data-pohjaisten ratkaisujen etsimisestä.