Kaikilla meistä on työelämässä kokemusta tilanteesta, jossa asioita aletaan korjaamaan tai niihin reagoidaan, kun jokin on jo pielessä. Varasto on tyhjä tai täynnä, laadusta valitetaan tai kannattavuus on heikkoa. Suurin syy on helposti saatavan tiedon puute ja heikko läpinäkyvyys.
Vasta selkeä ongelma paljastaa toimimattoman prosessin, kun sen sisään rakennetut puskurit eivät enää riitä. Näin toimien ongelmat eivät lopu ja ratkaistavan ongelman takana on muita ongelmia runsaasti odottamassa. Osasta tarvittavaa tietoa on yrityksissä raportteja (historiaa), mutta usein toiminta on täysin arvailujen ja tuntuman varassa tai sitä ei ole lainkaan. Irrallisten kvartaaliraporttien perusteella yrityksen johtaminen on kuin ajaisi autoa peruutuspeilin avulla. Mitä sitten asialle voisi tehdä?
Data (Information) Driven Decision Management (DDDM) on yrityksen hallintaa varmistettuun ja oikeaan informaatioon perustuen. Sen onnistuminen riippuu tiedon oikea-aikaisuudesta ja sen laadusta. Tieto (informaatio) perustuu dataan, jota saadaan toiminnasta.
Toisin sanoen, yritys tekee strategisia ja myös operatiivisia päätöksiä oikeaan tietoon perustuen. Tiedolla johtaminen katsoo eteenpäin ja ohjaa suuntaa. Oleellista on oikea ja riittävä tieto, joten sen saaminen on mahdollistettava. Toinen oleellinen seikka on tiedon ja analyysin oikea tulkinta ja vaikuttavuus. Länsituulen vaikutus varaston arvoon voi olla turhaa tutkittavaa, vaikka molemmista olisi dataa tutkittavaksi. Vaikutussuhde pitää ymmärtää oikein, jotta ei tehdä vääriä tulkintoja datasta.
Kaikki yritykset tekevät päätöksiä jossain määrin tietoon perustuen, mutta se usein henkilöityy osaamiseen ja kokemukseen. Henkilöriippuvuus vaikeuttaa yrityksen laajentumista ja tuo riskiä jatkuvuuteen. Ei ole harvinaista sekään, että vanha kokemus ja perimätieto eivät ole enää ajan tasalla ja se jopa jarruttaa yrityksen kasvumahdollisuuksia, tai ohjaa täysin väärään suuntaan. Yksittäinen työntekijä tunnistaa usein paikallisia optimeja, mikä ei ole kokonaisuuden kannalta optimaalista.
Analytiikka tähtää kokonaisuuden kannalta parempien ratkaisujen tunnistamiseen, esim. Six Sigma -menetelmin ja oikein asetettujen yrityksen strategian mukaisten KPI-tavoitteiden avulla. Tiedolla johtaminen mahdollistaa helpommin johdettavan yrityksen ja pienentää yksittäisen henkilön piilossa olevan osaamisen riskiä. Monessa yrityksessä on havaittu päivittäisjohtamisen tärkeys, mutta vaikeutena on siihen käytettävän tiedon kerääminen manuaalisesti. Gartnerin tutkimuksissa on havaittu, että heikosti kannattavien yritysten johto käyttää suhteettoman paljon aikaa tiedon etsimiseen ja ongelmanratkaisuun verrattuna toiminnan kehittämiseen ja päinvastoin menestyvissä yrityksissä.
Oleellinen tavoite tiedolla johdetussa organisaatiossa on saada tiedon ja mittaamisen avulla toistettava ja todennettu linkki strategian ja operatiivisen tekemisen välille. Jos strategiaa ei voi mallintaa operatiivisilla luvuilla ja tekemisellä, niin voi kysyä mikä on strategian yhteys organisaation tekemiseen. Operatiivisten muutosten ja hankkeiden pitää vaikuttaa strategisiin tavoitteisiin suoraan tai välillisesti, tai ne pitää jättää tekemättä.
Reaaliaikainen malli liiketoimintaan analytiikan ja tiedon avulla? On täysin mahdollista rakentaa malli liiketoiminnasta dataan ja laskentaan perustuen, kuten digital twin -malleissa on tehty fyysisestä tehtaasta tai prosessista jo vuosia. Fyysisen mallin simulaation edut nousevat esiin, kun suunnitellaan uutta tai muutetaan prosessia merkittävästi. Tietoon perustuva liiketoiminnan digital twin auttaa johtamisessa ja oikeiden päätösten teossa joka päivä, koska toimintaympäristö muuttuu jatkuvasti ja on monimutkainen.
Mallin avulla voi tunnistaa muutoksia oman tekemisen trendeissä tai tehokkuudessa, kannattavuudessa, poikkeamissa ja laadullisissa muutoksissa. Näiden avulla rajallista aikaa voi kohdistaa oikeiden asioiden korjaamiseen ja kehittämiseen. Näin voidaan keskittyä esimerkiksi hankinnassa tärkeimpiin nimikkeisiin ja antaa automaation hoitaa loput. Automaattisen analytiikan avulla henkilöstön ja johdon aika jää prosessin parantamiseen saavutetun ymmärryksen perusteella. Control tower -termiä on käytetty yrityksen johtamiseen tarvittavan tiedon kokonaisuudesta, jolla esimerkiksi toimitusketjun toimivuutta voidaan tarkastella kokonaisuutena. Toimitusketjun (hankinta, logistiikka, tuotanto) voi nähdä kolmiona, jonka yhtä kulmaa vetämällä muut pienevät. Siksi toiminnan analysointi kokonaisuutena on tärkeää.
Dataohjautuvuus on kuitenkin ihmisistä riippuvaa ja ihmisten mahdollistamaa. Muutos voi olla pitkäjänteistä työtä ja vaatii aiheen oivallusta ylintä johtoa myöden koko organisaatiossa. Useissa tutkimuksissa on havaittu syitä, miksi reilu 10 vuotta sitten otsikoissa ollut Big data on monessa organisaatiossa lässähtänyt tai kuihtunut alun innostuksen jälkeen. Suurimmat syyt McKinseyn 2011 tutkimuksessa olivat epärealistiset odotukset tuloksista, tai että odotuksia ei ollut lainkaan vaan odotettiin ihmettä, kun datamylly laitetaan päälle. Ongelmat kuvaavat hyvin ensimmäistä vaatimusta tiedolla johtamisessa, eli tarpeesta aloittamisesta ja vasta sen jälkeen ratkaistaan menetelmä, jolla tarve täyttyy. Jos ei ole tarkoitusta tai ongelmaa, mitä ratkaista eivät tulokset voi olla kovin hyviä, ellei käy satumainen tuuri ja työn kuluessa törmää johonkin erityiseen.
New Vantage Partners 2020 selvityksessä Fortune 1000 yrityksissä paljastui, että tiedolla johtamisen saralla ei olla vieläkään kovin pitkällä:
Jos organisaatiosi ei ole vielä aloittanut, ette ole ainoita, mutta se ei tarkoita, että kannattaa jäädä odottamaan. Työtä siis on ja kevyt aloitus on hyvä tapa varmistaa, että kulttuuri alkaa muodostua. Pitkän tähtäimen tavoitteena voi olla strategiatasolla jopa Industry 4.0, mikä on itse asiassa viitekehys toteuttaa datalla ja analyysillä automaattisesti itseohjautuva organisaatio ja prosessi.
Tiedolla johdetun organisaation tavoitteena on myös löytää datan avulla uutta liiketoimintaa, kuten esimerkiksi muuttaa tuotteen palveluksi, tai mahdollistaa ennakoiva huolto kilpailuetuna. Kaikki yritykset eivät voi tavoitella big data -hyötyjä jo toiminnan luonteen puolesta, mutta esimerkiksi operatiivisen toiminnan kehittämisessä small data voi olla monelle erittäin hyödyllinen työkalu.
Tämä artikkeli on ensimmäinen osa Leanwaren Pekka Saarelaisen tiedolla johtamisen blogipostaussarjaa. Tutustu myös blogisarjan toiseen osaan: Mistä dataa saa? >>
