Suomen Asiakastieto: Ensimmäinen vuosi markkinoinnin automaation parissa, hyö...
Data Management / MDM - Avaus Open
1. February 1st, 2012
STRATEGY
Data
Avaus Open
Management &
Governance
Erkka Niemi & Sakari Jorma
“ Data isn’t consumed with use like other assets.
Instead, it creates more value when its on the move.
2. Yleisiä heikon tiedonlaadun ilmentymiä
• IHMISET EIVÄT LÖYDÄ TIETOA
• 30% ajasta etsimiseen, puolet tästä turhaan
• VÄÄRÄÄ TIETOA
• 10-25% tiedoista sisältävät virheitä
• HEIKOT TIEDON MÄÄRITELMÄT
• Usein tulkintavirheitä, estää osastojen välisen tiedonvaihdon
• YKSITYISYYDENSUOJA JA TIETOTURVA
• Tiedon menettämisen vaara, mahdollisuus identiteettivarkauksiin
• EPÄJOHDONMUKAISUUS DATAN LÄHTEIDEN VÄLILLÄ
• Etenkin moniprosessiympäristössä, sisältää duplikaatteja
• LIIAN PALJON DATAA
• Puolta ei koskaan käytetä, kontrolloimatonta päällekkäisyyttä
• ORGANISATORISTA EPÄSELVYYTTÄ
• Mikä data on tärkeää? Kuinka paljon sitä on?
Data Management & Governance
3. Kaikki yritykset ovat
informaatioliiketoiminnassa
• Yritykset aloittivat investoimalla fyysiseen
omaisuuteen, työntekijöiden tuottavuuteen ja
taloudelliseen ohjaukseen
• Nyt edes teknologiainvestoinnit eivät tuo
kilpailuetua
• Informaation hallintaan investoimalla
edelläkävijöillä on huomattava
liiketoimintapotentiaali
Data Management & Governance
4. Tiedon laadun maturiteettimalli MAAILMAN
YKKÖSET
1%
HAASTAJAT
1%
VALAISTUNEET
8%
JÄRVEN
PUHDISTAJAT
TIETÄMÄT-
TÖMÄT
50%
40%
Lähde: Thomas Redman (The Data Doc)
Data Management & Governance
5. Yrityksen normaalit prosessit
Liiketoiminta ja niiden prosessit
Myynti ja Materiaali- Toimitus- Ylläpito
Tuotanto
markkinointi hankinta logistiikka & tuki
Myydään!
Suunnitellaan
myynti
Ostetaan
materiaalit
Valmistus!
Toimitetaan!
Korjaus &
yläpito
Data Management & Governance
6. Organisaation arvoketju
Tuote on..
Asiakas on.. Toimittaja on..
Informaation hallinta ja
käsittely Jaettu
tietämys
Liiketoiminnan Koneet ja systeemit
järjestelmät HR-systeemien hallinta Tukifunktiot
Tekninen kehitys
Hankintatoimi
Liiketoiminta- Materiaali- Toimitus- Ydin-
Myynti ja Tuotanto Ylläpito
prosessit markkinointi hankinta logistiikka ja tuki toiminnot
(Michael Porter´s Value Chain)
Meidän tekijöitä ovat.. Kuluttaja on.. Myyntiasiakas on..
Data Management & Governance
7. MDM:n määritelmä?
Mikä informaatio on se
joka yhdistää kaikkia
liiketoimintaprosesseja?
Miksi tämä tieto on tärkeää?
Mitä Master dataa meidän
tulisi hallinnoida?
Data Governance
Data Management & Governance
8. Tällä tavoin?
Lähde: http://family.webshots.com/photo/1083367422043920209zgNTqO
Data Management & Governance
9. Vai näin?
Avaus Data Management Framework
DATA
GOVERNANCE
Säännöt, prosessit, r
oolit ja vastuut
tiedonhallintaan
DAMA
DATAN DATA
LAATU STANDARDIT
Monitorointi, raportoi Sisällön, rakenteen,
nti ja korjaavat tarkoituksen ja
toimenpiteet käytön määrittely
Informaationhallinta on
80% ihmisiä ja prosesseja
Data Management & Governance ja 20% teknologiaa
10. Informaatiostrategian osa-alueet
DATA GOVERNANCE DATAN LAATU
• Tiedon liiketoiminta-arvo • Mittaaminen, raportointi, korjaavat
• Organisatoriset roolit ja vastuut toimenpiteet
• Liiketoimintaprosessit
TEKNOLOGIA
DATA STANDARDIT • Business Intelligence ja
• Datan määritelmät ja mallinnus tietovarastot
• Tietoturva ja yksityisyyden suoja • Teknologiavalinnat
• Master data ja referenssidata • Datan integroinnit
• Metadata
• Dokumenttien ja sisällön hallinta
• Strukturoimaton data
Data Management & Governance
11. Liiketoiminnallinen hyöty
Hyöty Kuvaus Hyöty / vuosi
LIIKEVAIHTO Uusia liiketoimintamahdollisuuksia x EUR
Parempia tuotteita paremman tiedon
ansiosta
KULUT IT-arkkitehtuurin yksinkertaistaminen x EUR
HENKILÖSTÖ Päällekäisen työn vähentäminen x EUR
Henkilöstö tuottavampiin tehtäviin
GOODWILL Haluttavampi brandi x EUR
Parempi asiakaskokemus
HYÖDYT YHTEENSÄ: x EUR
Data Management & Governance
12. February 1st, 2012
STRATEGY
Avaus Open
Kiitos
erkka.niemi@avaus.fi
040 713 1568
Sakari Jorma
050 383 9479
Notas del editor
ACCURACY: correctly reflects the real world object (eg address is real, bank account balance correct)COMPLETENESS: expected attributes are providedCONSISTENCY: in synch across the enterpriseDUPLICATION: within or across systemsTIMELINESS: data delayed is data denied, meets expectations, online or nightly batch can both be ok
As a result of data quality improvement and efficient sharing across enterprise, planning and decision making are easier, operative processes are running smoothly, marketing is accurate, and there’s increased sales potential. => products are more desirable. Several systems are acting as ”data hub” and distributing data and groupings to multiple systems with weak processes and ownerships. Through MDM both IT functionality (overlapping system functionality, several integrations) and architectural simplifications gained. => Savings in implementation and use costs.Less people needing to maintain same data in different systems, or same people maintaining same info at several systems => Through MDM certain amount of these tasks could be replaced or focusing people to do other tasks.Through accurate data it is possible to avoid information leakages => Controlled Management of ecosystem will bring competitive advantage.