Kokemuksia tietojohtamisesta

Olen työskennellyt tietojohtamisen parissa yhteensä noin neljä vuotta, joista kolme täysipäiväisenä Business Intelligence -konsulttina asiakasrajapinnassa. Tänä aikana todella moni koulun penkillä opittu tietojohtamiseen liittyvä konsepti on selvästi konkretisoitunut, ja käytännön kokemus on osaltaan kirkastanut vuosien aikana kumuloitunutta sumeaa teoriaa. Tämän vuoksi ajattelin kirjoittaa omista työelämän kokemuksistani tietojohtamisen alalla. Näin saatte jonkinlaisen kuvan siitä, millaisia työtehtäviä opiskelijoilla sekä alasta kiinnostuneilla voi olla luvassa. Yksi asia on varmaa: töitä riittää. Erityisesti kerron, mitä tietojohtaminen tarkoittaa Vismalla ja mitä tietojohtaja voi meillä tehdä.

Omat työtehtäväni ja -kokemukseni tietojohtamisesta voidaan jakaa karkeasti neljään osa-alueeseen: (1) analytiikka ja visualisointi, (2) ennustaminen, (3) kannattavuuslaskenta sekä (4) tietovarastointi.

Analytiikka ja visualisointi

Perinteisin ja tunnetuin tietojohtamisen käytännön ilmentymä on analytiikka ja visualisointi. Tällöin puhutaan yleensä raportoinnista, jota on muun muassa yrityksen talouslukujen esittäminen helposti omaksuttavassa muodossa (myynnin raportit, tuloslaskelmat, dashboardit, KPI-mittarit jne.). Myös erilaisen operatiivisen datan raportointiin on alettu panostaa enemmän, kun raportointia levitetään yhä alemmas organisaatiossa, jolloin myös käyttäjämäärät kasvavat.

Raportointiin liittyvä työ lähtee raportointitarpeesta, joka saattaa nousta miltä tahansa organisaatiotasolta. Tällöin tarvetta aletaan määritellä asiakkaan kanssa, jolloin saadaan tarkemmat vaatimukset raportille. Tässä vaiheessa selvitetään, mitkä ovat tärkeimmät liiketoiminnan mittarit sekä dimensiot, joiden suhteen näitä mittareita halutaan tarkastella. Tämän jälkeen aletaan kerätä tarvittavaa dataa eri lähteistä, joita saattavat olla tietokannat, pilvipalvelut, tiedostolähteet jne.

Kun tarvittava data on kerätty, aletaan luoda raporttien taustalla toimivaa tietomallia. Tällöin tutkitaan dataa ja selvitetään, mitkä tiedot linkittyvät toisiinsa ja miten. Periaatteessa kyse on faktojen ja dimensioiden sekä niiden välisten relaatioiden tunnistamisesta. Lisäksi tietomallin rakentamisvaiheessa saatetaan luoda jotain täydentävää laskentaa, esimerkiksi kustannusten vyörytystä. Tietomallin rakentamisen jälkeen aletaan luonnostella itse raportteja ja visualisointeja. Luonnosraporttien pohjalta kerätään palautetta, ja lopulta yhden tai useamman kehitysvaiheen jälkeen raportit julkaistaan käyttäjille.

Ennustaminen

Tietojohtamiseen liittyen ennustamisella tarkoitetaan yleensä talouden ja myynnin budjetointia sekä estimointia. Budjetoinnissa luodaan tavoite tulevalle vuodelle, kun taas estimoinnissa yleensä täsmennetään kuluvan vuoden ennustetta. Ennustamishankkeet lähtevät prosessimäärittelystä, jolloin on tärkeää perehtyä asiakasorganisaation liiketoimintaan sekä heidän ennustamisprosessiin. Tämän jälkeen aletaan kartoittaa, ketkä tuottavat ennustedatan ja millä tarkkuudella. Myynnin ja muuttuvien kustannusten ennuste (esimerkiksi asiakas- ja tuotekohtaisesti) luodaan yleensä irrallaan kiinteistä kustannuksista (kustannuspaikka- ja tilikohtaisesti). Nämä kaksi ennustetta kuitenkin yhdistetään myöhemmin täydeksi tuloslaskelmaksi.

Raportointi on myös oleellinen osa ennustamista, sillä ennusteen tuottajille on kerättävä riittävä data, jonka pohjalta ennuste luodaan. Lisäksi tuotettua ennustetta halutaan raportoida lähes reaaliaikaisesti ennustamisprosessin edetessä. Raportoinnin ja ennustamisen perimmäinen ero on kuitenkin se, että siinä missä raportoinnissa on kyse tiedon kuluttamisesta, on ennustamisessa kyse tiedon hallitusta tuottamisesta.

Mitä tarkemmalla tasolla ja mitä tiheämmin ennuste halutaan luoda, sen raskaampi prosessista muodostuu ennustavalle organisaatiolle. Lisäksi ennustamisjärjestelmässä saatetaan haluta ottaa huomioon esimerkiksi erilaisia kustannusvyörytyksiä, jolloin näiden laskenta on toteutettava itse järjestelmään. Ennustedataa saattaa tulla myös useista eri lähteistä, kuten tietokantapohjaisista ennustejärjestelmistä ja tiedostolähteistä, jolloin näitä tulee yhdistää kokonaisvaltaisen ennusteen raportoinnin saavuttamiseksi. Käytännön ennustamishankkeesta voit lukea lisää täällä: https://www.vismaconsulting.fi/caset/paulig.

Kannattavuuslaskenta

Kannattavuuslaskentaa voidaan osaltaan verrata perinteiseen toimintolaskentaan, jossa lasketaan niin sanottujen laskentakohteiden kannattavuuksia. Yksinkertaisimmissa malleissa periaate onkin tismalleen sama: toiminnot kuluttavat resursseja ja tuotteet käyttävät toimintoja. Näin tuotannon kustannukset saadaan resurssien ja toimintojen kautta kohdistettua laskentakohteelle, jolloin voidaan selvittää muun muassa jonkin lopputuotteen standardikustannus eli paljonko maksaa valmistaa yksi kappale tuotetta x. Useimmissa laskentamalleissa kohdistusvaiheita on kuitenkin enemmän (esimerkiksi tuotannon eri vaiheet), eivätkä kohdistukset välttämättä noudata perinteistä kolmen pykälän “resurssit-toiminnot-tuotteet” -mallia.

Kannattavuuslaskennassa on oleellista ymmärtää erityisesti asiakkaan tuotantoprosessia (kyseessä voi olla tuotteiden valmistaminen tai yhtä hyvin palveluiden tuottaminen). Kun laskentakohde on valittu, aletaan yhdessä asiakkaan kanssa mallintaa tuotantoprosessia: mitkä tuotteet käyttävät mitäkin toimintoja, ja mitkä toiminnot käyttävät mitäkin resursseja. Myös kohdistuksissa käytettävät ajuritiedot on määriteltävä. Millä perusteella kustannukset kohdistetaan toiminnoille ja tuotteille?

Kun laskentamalli on määritelty, on kerättävä kaikki siihen liittyvä data. Itse laskenta voidaan toteuttaa räätälöidyllä teknologialla, mutta yleensä pyritään hyödyntämään jotain valmista kannattavuuslaskentamoottoria (lue Visman omasta järjestelmästä täältä: https://www.vismaconsulting.fi/caset/iss). Kun laskentamalli on rakennettu, on laskenta helppo ja nopea toistaa uusilla lähtötiedoilla tuoreimman kannattavuustiedon tuottamiseksi.

Tietovarastointi

Tietovarastojen yksi tärkein tehtävä on helpottaa raportointia. Hyvin tehty tietovarasto helpottaa tietomallien luomista, ja parhaassa tapauksessa tietovaraston tietomalli on jo lähes valmis käytettäväksi suoraan raportointityökalussa. Metodologioita tietovarastojen rakentamiseen on nykyään useita, joista kuitenkin perinteinen dimensioihin ja faktoihin perustuva malli lienee edelleen suosituin. Kuitenkin uudemmat metodologiat, kuten Data Vault, ovat tulossa yhä suositummiksi. Näiden eri menetelmien tunteminen sekä niiden hyvien ja huonojen puolien ymmärtäminen on tärkeää, kun valitaan kunkin yrityksen tarpeisiin sopivaa tietovarastointimenetelmää.

Esittelemistäni neljästä osa-alueesta tietovarastoinnilla on selkeästi suurin fokus teknologioihin. Teknologisilla ratkaisuilla ja niiden yhteensopivuudella on selkeästi suuri merkitys, kun aletaan yhdistää dataa eri järjestelmistä ja tietovirtoja toteutetaan järjestelmien välille. Erityisesti eri tietokantojen tuntemus on äärimmäisen hyödyllistä, mutta myös liiketoiminnallinen ymmärrys on välttämätöntä. Tärkeimmät dimensiotiedot ja faktalähteet on tunnistettava, minkä lisäksi lähtöjärjestelmistä tulevaa raakadataa pitää usein jalostaa jossain määrin. Lisäksi raportoinnin erityisvaatimuksia halutaan yleensä huomioida jo tietovarastossa, jolloin tietovarastoon on osattava integroida myös liiketoimintalogiikkaa. Täältä voit lukea, miten raportointi ja tietovarastointi on yhdistetty samassa asiakkuudessa: https://www.vismaconsulting.fi/caset/makeisliiketoiminnan-mittarit-kaakkoon-fazer-uudisti-raportointiaan.

Loppusanat

Voidaan sanoa, että tietojohtamisen alalla on hyötyä eräänlaisesta “relaatiomalliajattelusta” (vrt. matemaattinen ajattelutapa). Datan monimutkainenkin käsittely on työssäni arkipäivää, jolloin datarakenteiden ymmärtäminen ja tietojen välisten relaatioiden löytäminen ovat tärkeitä taitoja. Kokemuksesta voin kertoa, että nämä taidot kehittyvät pitkälti ensimmäisten työvuosien aikana. Myös liiketoiminnallinen ajattelu on ensiarvoisen tärkeää, kun asiakkaan kanssa keskustellaan raporttien ja laskentamallien määrittelyistä. Eri teknologiat tulevat väistämättä tutuiksi, kun niiden kanssa on työskennellyt riittävän pitkään ja monipuolisesti.

Tietokantojen tuntemuksesta ja erityisesti SQL:n osaamisesta on mielestäni valtava hyöty kaikissa esittelemissäni osa-alueissa. Raportoinnissa on hyödyllistä osata tehdä datan hakukyselyjä SQL-kielellä, ja muissa osa-alueissa tarvitaan jo syvempää tietokantaosaamista. Tietokantoihin ja SQL:ään kannattaakin perehtyä mahdollisuuksien mukaan jo opiskeluaikana, mutta toki nämäkin tulevat tutuksi viimeistään työn ohella. Vismalla vastaan BI-tiimissä uusien työntekijöiden SQL-koulutuksesta sekä yleisesti tietokantaosaamisen kehittämisestä, joten meillä SQL:ää oppii jo ensimmäisinä työviikkoina.

Tuntuuko kiinnostavalta? Toivon, että sinulla on nyt hieman parempi käsitys siitä, mitä tietojohtaminen voi työelämässä tarkoittaa ja minkälaisia työtehtäviä Business Intelligence -alalla ja erityisesti työnantajallani Vismalla on tarjota. Tarkoitukseni on olla paikalla eri rekrytointitapahtumissa, kuten Yrityspäivillä, joten jos haluat keskustella aiheen tiimoilta, tule ihmeessä nykäisemään hihasta tai laita vaikka sähköpostia!

 

Tommi Hirvonen
Consultant
Visma Consulting Oy
tommi.hirvonen(ät)visma.com

Jätä kommentti

Sähköpostiosoite ei näy muille