This is a slide deck that was assembled as a result of months of Project work at a Global Multinational. Collaboration with some incredibly smart people resulted in content that I wish I had come across prior to having to have assembled this.
This is a slide deck that was assembled as a result of months of Project work at a Global Multinational. Collaboration with some incredibly smart people resulted in content that I wish I had come across prior to having to have assembled this.
Tutustuminen data-analytiikan ja big datan maailmaanJari Jussila
Tutustuminen data-analytiikan ja big datan maailmaan. Valikoitua sisältöä Edutech Data ja analytiikka liiketoiminnan kehittämisessä koulutuspäivästä. Kouluttajina Pasi Hellsten & Jari Jussila. @EdutechTUT #Data4BizTraining
Agile Data Science is a lean methodology that is adopted from Agile Software Development. At the core it centers around people, interactions, and building minimally viable products to ship fast and often to solicit customer feedback. In this presentation, I describe how this work was done in the past with examples. Get started today with our help by visiting http://www.alpinenow.com
How to identify the correct Master Data subject areas & tooling for your MDM...Christopher Bradley
1. What are the different Master Data Management (MDM) architectures?
2. How can you identify the correct Master Data subject areas & tooling for your MDM initiative?
3. A reference architecture for MDM.
4. Selection criteria for MDM tooling.
chris.bradley@dmadvisors.co.uk
Introduction to Microsoft’s Master Data Services (MDS)James Serra
Master Data Services is bundled with SQL Server 2012 to help resolve many of the Master Data Management issues that companies are faced with when integrating data. In this session, James will show an overview of Master Data Services 2012, including the out of the box Web UI, the highly developed Excel Add-in, and how to get started with loading MDS with your data.
Talent Base: Master Data Management (MDM) - mistä siinä on kyseLoihde Advisory
Mitä MDM (Master Data Management) tarkoittaa? Mitä hyötyä Master Datan hallinnasta on? Lue lisää MDM-palveluistamme: http://talentbase.fi/index.php/palvelut/avaintiedon-hallinta-mdm
Vuoden kolmas tapahtuma sarjassa Business Insight pidettiin 26.5.2016. Agendalla oli Business Intelligense ja Tiedolla johtaminen Enterprise -ympäristöissä. Miten tuetaan kaikkien yksittäisten käyttäjien tarpeita tehdä parempia päätöksiä, nojautuen yhteiseen ja hallittuun tiedolla johtamisen ratkaisuun?
Olin luennoimassa digianalytiikan kytkemisestä markkinoinnin strategiseen päätöksentekoon Turun kauppakorkeakoululla 31.3.2017.
Digianalytiikka on kehittynyt viimeisen kahden vuosikymmenen aikana yksinkertaisesta klikkien seurannasta yhä kompleksisempiin kampanja-analyyseihin ja markkinointiviestinnän vaikuttavuuden mittaamiseen. Nopea teknologinen kehitys on kuitenkin jättänyt varjoonsa digianalytiikan strategisen merkityksen niin liikkeenjohdon kuin akateemisen tutkimuksen keskuudessa. Tämä on johtanut tilanteeseen, jossa digianalytiikan tekninen toteutus tunnetaan verrattain hyvin, mutta sen käytännön hyödyt ja käyttötarkoitukset ovat jääneet vähäiselle huomiolle.
Digianalytiikkaa ei tulisi nähdä pelkkänä markkinointikampanjan seurantatyökaluna; oikeissa käsissä se voi tuottaa kallisarvoisia oivalluksia strategisen markkinoinnin päätöksenteon tueksi. Digianalytiikan avulla voidaan tuottaa uudenlaista tietämystä yrityksen asiakkaista, kilpailijoista ja markkinoista. Tämän potentiaalin hyödyntämiseksi yritysten on panostettava organisatoristen rakenteiden ja prosessien joustavuuteen, tarkoituksenmukaiseen henkilöstön koulutukseen, toimivan datahallintatyökalun kehittämiseen sekä digianalytiikan kehittämisen sitomiseen osaksi yrityksen strategiaa.
Digitalisaatio on aikamme suurin muutos ja etenee läpi kaikkien teollisuuksien. Kompleksiteetti kasvaa. Epävarmuus kasvaa. Mitä yritysjohto voi tehdä? Yrityksen IT-järjestelmät ovat muutoskyvykkyyden ytimessä. Oikeilla valinnoilla muutos on mahdollinen.
Moderni liiketoiminta-alusta - varmista yrityksesi menestys huomennakin!
Accountor Enterprise Solutions Oy
Tutustuminen data-analytiikan ja big datan maailmaanJari Jussila
Tutustuminen data-analytiikan ja big datan maailmaan. Valikoitua sisältöä Edutech Data ja analytiikka liiketoiminnan kehittämisessä koulutuspäivästä. Kouluttajina Pasi Hellsten & Jari Jussila. @EdutechTUT #Data4BizTraining
Agile Data Science is a lean methodology that is adopted from Agile Software Development. At the core it centers around people, interactions, and building minimally viable products to ship fast and often to solicit customer feedback. In this presentation, I describe how this work was done in the past with examples. Get started today with our help by visiting http://www.alpinenow.com
How to identify the correct Master Data subject areas & tooling for your MDM...Christopher Bradley
1. What are the different Master Data Management (MDM) architectures?
2. How can you identify the correct Master Data subject areas & tooling for your MDM initiative?
3. A reference architecture for MDM.
4. Selection criteria for MDM tooling.
chris.bradley@dmadvisors.co.uk
Introduction to Microsoft’s Master Data Services (MDS)James Serra
Master Data Services is bundled with SQL Server 2012 to help resolve many of the Master Data Management issues that companies are faced with when integrating data. In this session, James will show an overview of Master Data Services 2012, including the out of the box Web UI, the highly developed Excel Add-in, and how to get started with loading MDS with your data.
Talent Base: Master Data Management (MDM) - mistä siinä on kyseLoihde Advisory
Mitä MDM (Master Data Management) tarkoittaa? Mitä hyötyä Master Datan hallinnasta on? Lue lisää MDM-palveluistamme: http://talentbase.fi/index.php/palvelut/avaintiedon-hallinta-mdm
Vuoden kolmas tapahtuma sarjassa Business Insight pidettiin 26.5.2016. Agendalla oli Business Intelligense ja Tiedolla johtaminen Enterprise -ympäristöissä. Miten tuetaan kaikkien yksittäisten käyttäjien tarpeita tehdä parempia päätöksiä, nojautuen yhteiseen ja hallittuun tiedolla johtamisen ratkaisuun?
Olin luennoimassa digianalytiikan kytkemisestä markkinoinnin strategiseen päätöksentekoon Turun kauppakorkeakoululla 31.3.2017.
Digianalytiikka on kehittynyt viimeisen kahden vuosikymmenen aikana yksinkertaisesta klikkien seurannasta yhä kompleksisempiin kampanja-analyyseihin ja markkinointiviestinnän vaikuttavuuden mittaamiseen. Nopea teknologinen kehitys on kuitenkin jättänyt varjoonsa digianalytiikan strategisen merkityksen niin liikkeenjohdon kuin akateemisen tutkimuksen keskuudessa. Tämä on johtanut tilanteeseen, jossa digianalytiikan tekninen toteutus tunnetaan verrattain hyvin, mutta sen käytännön hyödyt ja käyttötarkoitukset ovat jääneet vähäiselle huomiolle.
Digianalytiikkaa ei tulisi nähdä pelkkänä markkinointikampanjan seurantatyökaluna; oikeissa käsissä se voi tuottaa kallisarvoisia oivalluksia strategisen markkinoinnin päätöksenteon tueksi. Digianalytiikan avulla voidaan tuottaa uudenlaista tietämystä yrityksen asiakkaista, kilpailijoista ja markkinoista. Tämän potentiaalin hyödyntämiseksi yritysten on panostettava organisatoristen rakenteiden ja prosessien joustavuuteen, tarkoituksenmukaiseen henkilöstön koulutukseen, toimivan datahallintatyökalun kehittämiseen sekä digianalytiikan kehittämisen sitomiseen osaksi yrityksen strategiaa.
Digitalisaatio on aikamme suurin muutos ja etenee läpi kaikkien teollisuuksien. Kompleksiteetti kasvaa. Epävarmuus kasvaa. Mitä yritysjohto voi tehdä? Yrityksen IT-järjestelmät ovat muutoskyvykkyyden ytimessä. Oikeilla valinnoilla muutos on mahdollinen.
Moderni liiketoiminta-alusta - varmista yrityksesi menestys huomennakin!
Accountor Enterprise Solutions Oy
Miten Master Dataa voi käyttää apuna Big Datan hyödyntämisessä? Mitä uutta Big Data voi tarjota Master Datalle?
- Käytä master dataa laadukkaan ja standardoidun tiedon lähteenä
- Sovella master datan hallinnan periaatteita Big Dataan
- Elinkaari
- Omistajuus
- Hyödynnä samoja data quality työkaluja ja periaatteita
- Määritä laatukriteerit
- Estä huonolaatuisen datan pääsy prosessiin
- Käytä samoja työkaluja
- Valitse sellaiset työkalut, jotka pystyvät käsittelemään isoja määriä ei-rakenteista dataa
3. Parempaa toiminnan tehokkuutta datan laadun ja
rakenteen kehittämisellä
• Datan syöttämiseen ja päivittämiseen (ml. virheiden
selvittäminen ja korjaaminen) käytetyn ajan
minimoiminen, datan uudelleenkäytön
maksimoiminen, AUTOMATISOINTI
• Tarkempia operatiivisia päätöksiä: läpimenoaikojen
pienentäminen, tiukemmat toimitusaikataulut,
liiketoiminnan volyymin ja kannattavuuden tarkempi
seuranta, ennustaminen ja ohjaaminen
• Parempi asiakkuuden ja toimitusketjun hallinta ja
tuntemus
Kyvykkyys täyttää informaation hallintaan liittyvät
viranomaismääräykset
• Lainsäädännön ja standardien noudattaminen, esim.
Tuleva EU-henkilötietosuojan lakiuudistus, Solvency
II, SOX (Sarbannes-Oxley Act)
• Liiketoiminnan ennustettavuuden parantuminen
tarkempien raporttien ja analyysien johdosta
Mitä tavoitellaan ydintietojen hallinnan avulla?
Mistä hyötypotentiaali?
Ymmärretyt ja hyväksytyt MOTIIVIT tekemiselle täytyy olla olemassa
INFORMAATION LAADUN NOSTAMINEN on tyypillinen lisäarvo ja tavoite ydintietojen hallintomallille
Tukea myynti- ja markkinointiponnistelujen tehokkuuteen
datan laadun ja rakenteen kehittämisellä
• Tarkempaa ponnistelujen kohdentamista tarkemman
asiakaskunnan ja sen tarpeiden tuntemuksen kautta
• Asiakastyytyväisyyden ja -kokemuksen parantaminen
personoidun tarjonnan avulla
Kokonaisarkkitehtuurin selkeyttäminen (liiketoiminta- /
informaatio- / tietojärjestelmä- / teknologia-)
Kyvykkyys toteuttaa tehokkaasti yritysjärjestelyjä
Säästöt IT-kuluissa
4. Ydintiedon hallinta on aiheellista järjestää kuntoon, jos...
...nämä asiat kuulostavat tavoiteltavilta:
1.Tunnistamme toiminnassamme keskeisen informaationjonka tulee olla kaikille tarvitsijoille samaa
2.Haluamme sopia yhteiset käsitteet ja informaation merkityksetsekä kehittää näitä kokonaisvaltaisesti
3.Keskeistä informaatiotaei pidä monistaa läpi järjestelmien, vaan kerätä ja jaella keskitetysti
4.Informaatio on tärkeää omaisuuttamme
•Haluamme varmistaa, että keskeiset osat ovat varmasti oikein ja niiden muuttaminen on hallittua
5.Haluamme yhdistää toiminnan kehittämisen ja tiedon kehittämisen yhteisiksi harjoitteiksi
•kun kehitetään toimintaa, pitää kehittää myös toimintaan liittyvää tietoa
•tiedonhallintaa kehitettäessä tunnistetaan uusia toimitapa-ja liiketoimintamahdollisuuksia
6.IT-Järjestelmien tulee pystyä ohjaamaaninformaation tuottaminen kerralla oikein, sekä...
•... varmistaa, että keskeistä tietoa muokattaessa se tapahtuu yhteisten sääntöjen ja käsitteiden mukaan tiedon laadun säilyessä korkeana
7.Haluamme kehittää kokonaiskuvaa siitä, miten informaation tulee prosessienkauttajärjestelmissämme liikkua
8.Järjestelmien kehittäminen, hankkiminen ja integroiminen keskenään palvelevat keskeisen informaation hallinnan ja jakelun tarpeita
9.Keskeiselle informaatiolle haluamme määrittää omistajat, jotka vastaavat tiedon hyvästä laadusta
10.Näemme tärkeäksi mittaroida informaation laatua, asettaa laatutavoitteet ja ohjata laadun kehittymistä
5. Yhtenäisyys
Ajantasaisuus
Sääntöjen-
mukaisuus
Tarkkuus
Datan
laatu
Täydellisyys
Vastaako data todellisuutta?
Noudattaako data sisäisiä tai kansainvälisiä standardeja?
Noudattaako data yhteistä mallia eri järjestelmissä?
Onko kaikki datasisällöt täytettyinä?
Onko data ajantasaista ja käyttökelpoista?
Tavoitteena: datan laatu
DATAstatuotettavan INFORMAATION LAADUN NOSTAMINEN on tyypillinen lisäarvo ja tavoite ydintietojen haltuun ottamiselle
Datan laadun arviointiin on olemassa useita malleja, esim.: ..…tai datan laatu on riittävän hyvää kun se täyttää sille asetetut liiketoiminnan käyttötarpeet
6. Esimerkkilaatuongelmasta: raportoinnin luotettavuus -tarina
1.Tuoteperheen markkinointijohto ei voi uskoa myynnin kk- vakioraportteihin, tullut dw:stä
2.Taloushallinnon sisäisen laskenta taas uskoo talouden näkökulman kk-vakioraportteihin, tullut fico:sta ja/tai dw:stä
•Ulkoinen laskenta uskoo itseensä nyt joka tapauksessa, kunhan verot ja maksut saadaan minimoitua, ja kaikki näyttämään lailliselta
3.Markkinointijohto syyttää taloushallintoa sisältövirheestä... joka... syyttää myyntiä ... mikä synnyttää perusdatan raportoinnille erpeissä ja muuallakin...
•..eikun vika onkin bi:ssä joka korjailee, konsolidoi ja normalisoi dataa eri tavalla mikä kerätty eri lähteistä ??
4.Myynti pesee kätensä, he käyttää systeemejä oikein, ohjeiden mukaan. Mutta se yks myyntiassari Pirkko tekee niinkuin ennenkin kun se ei halua....
5.BI pesee kätensä, he tekee stagingilla just sen mitä on sovittu 1) ficon 2) markkinoinnin kanssa 3) kenen muun kanssa?
•...Epävarmuus iskee, onko myynti samalla kartalla, toimiikohan ne varmasti kuten on sovittu?
6.Edelleen markkinoinnilla on väärän sisältöisiä raportteja hallussaan –missä vika ?
7.BI pannaan välimieheksi selvittämään asiaa
A.Niinpä onkin –tuote/asiakas/toimittajadata/x mdata ei olekaan harmonisoitua yli vastuurajojen eikä eri systeemeissä
•Ei ole kukaan koskaan halunnu....
B.BI tehnyt parhaansa jalostaakseen dw:henroskadatasta kultaa
•Mission impossible koska lähdejärjestelmien sisältö ja käyttötavat muuttuvat säännöllisesti (”miks ne on taas muuttanut maksuehtojen kooditusta?”)
•Virityksiä virityksien perään kun BI heput osaa ne !
•Ficoon tyytyväinen kun vaan transaktioiden dimensiot on kunnossa pääkirjalla, oikeannäköinen kk:n tulos & taselaskelma syntyy suht vaivatta -> alimmalla viivalla oltava oikeat luvut koske ne perussyötteenä ulkoiselle laskennalle
C.Avaintietoja syntyy ja muokataan ympäri yhtiötä, ei harmoniassa yhtiötasolla
–...ja vaikka mitä muuta datatauhkaa....
7. Esimerkki tiedon laatuongelmasta: kustannusten rakenne
(Lähde : A classification and analysis of data quality costs,Epplerja Helfert, 2004) Datan laatupuutteista johtuvat kustannukset
Suoratkustannukset
Varmistuskustannukset
Uudelleensyöttökustannukset
Kompensaatiokustannukset (haittojen)
Epäsuoratkustannukset
Maineenhuonontumisen kustannukset
Väärien päätösten/toimenpiteidenkustannukset
(Uponneet) investointikustannuksetDatan laadun nostamisesta tai varmistamisesta johtuvat kustannukset
Ennaltaehkäisyn kustannukset
Koulutuskustannukset
Seurantakustannukset
Standardointityönkehitys-ja käyttöönottokustannukset
Seurantakustannukset
Analyysikustannukset
Raportointikustannukset
Korjauskustannukset
Korjaustyön suunnittelunkustannukset
Korjaustyön toteutuksen kustannukset
8. Esimerkki: Perusvaatimuksia laadukkaalle henkilö-ydintiedon käsittelylle
1.Henkilötiedon laatu(mittarit) tulee pystyä todentamaan
2.Henkilötietojen tulee olla ajan (ja samalla) tasalla kaikissa järjestelmissä
3.Henkilötietoja julkaistaan järjestelmiin sovitulla tavalla (ja sovittuna myös tilanne kun ei haluta julkaista henkilötietoja järjestelmään tai järjestelmiin)
4.Henkilötietojen ylläpitoprosessi tulee olla käytössä ja sen etenemiseen on näkyvyys prosessissa toimijoille
5.Henkilötietojen elinkaari tulee olla ylläpidossa jokaisen liittyvän operatiivisen toimintaprosessin näkökulmasta
9. Vallitsevuus/yleisyys-mittari
Mitä: Henkilö-ydintiedon määrä attribuuttitasolla
Miten: Uniikin tiedon lukumäärän kehittyminen, eri järjestelmissä, attribuuttitasolla
Miksi: Nähdään, kuinka olennaisia tietostandardin mukaiset tietoelementit ovat jokapäiväisen tiedonhallinnan työkuormituksen kannalta.
9
Esimerkki: henkilö-ydintiedon laatumittareita
Muuttuvuus-mittari
Mitä: Henkilö-ydintiedon muutosten lukumäärä attribuuttitasolla
Miten: Muutosten lukumäärän seuranta tiedon elinkaaren aikana, attribuuttitasolla
Miksi: Nähdään tiedon elinkaaren hallinnan kannalta käytännössä olennaisimmat tietoelementit. Saadaan myös selville missä kohtaa toiminta-ja tiedonhallintaprosessia on suurin työmäärä muutosten hallitsemiseksi. Voi vaikuttaa tietostandardiin –keskitytään vain olennaiseen tietoon! Selvitetään myös mikä on todellinen tiedon elinkaaren loppupiste (jos sellainen ylipäätään tunnistettavissa)
Uudelleenkäyttö-mittari
Mitä: Henkilö-ydintiedon uudelleenkäytön määrä attribuuttitasolla
Miten: Saman ja muuttamattoman tietoelementin uudelleenkäytön lukumäärän seuranta eri järjestelmissä, attribuuttitasolla
Miksi: Nähdään kuinka arvokas /käyttökelpoinen /monistettava kukin tietoelementti on käytännön toiminnan /prosessin kannalta.
Tietostandardin-mukaisuus-mittari
Mitä: Attribuuttitasoinen yhdenmukaisuus voimassa olevan henkilö-ydintietostandardin kanssa
Miten: Valittujen ydintietoattribuuttien yhdenmukaisuuden vertailu tietostandardia tai soveltamisohjetta vasten, esim. valintalista-arvot
Miksi: Nähdään miten standardia sovelletaan eri järjestelmissä ja tunnistetaan harmonisointitarpeet joko järjestelmä-tai toimintotasolla
11. Miten liikkeelle? Vaihtoehto: ”ydintietoalue edellä”
Käsitys nykytilasta
Tavoitetila ja päätös,
millä ydintieto-
entiteetillä
lähdetään liikkelle
Ja projektisoidaan ensimmäinen
kehitystyö valitulle ydintieto-
entiteetille
12. HENKILÖ
ASIAKAS
TOIMITTAJA
TUOTE
4. neljännes
1. neljännes
2. neljännes
3. neljännes
“Tuote”-standardi kattamaan tärkeimmät toiminteet ja prosessit Hallintomallit tuote- ydintiedolle
Työkalu tukemaan “Tuote”, ja
“Asiakas”-MDM:ntarpeita
Automatisoitu tiedon analysointi.
Koko yrityksen kattava Tuote- tietostandardi ja toimintatavat
tietostandardin ylläpitämiseen
Liittyminen
ulkoisiin
järjestelmiin
Julkaisu 1.0 Peruskyvykkyys
Esimerkki: Kehittämisen tiekartta ydintietoalue-näkökulmasta
1.0 Asiakasydintiedon peruskyvykkyys
Rel 3.0
1.0 Peruskyvykkyys
2.0 Toimittajatiedon laajentaminen
1.0 Henkilötiedon perusteet
Rel4.0
2.0 Työkalun laajentaminen kattamaan “Asiakkaan”
Julkaisu 2.0 työkalu
13. Miten liikkeelle? Vaihtoehto: ”toimintaprosessi edellä”
Käsitys nykytilasta
Tavoitetila ja päätös,
millä prosessillatai
prosessikokonaisuudella
lähdetään liikkelle
Ja projektisoidaan ensimmäinen
kehitystyö valitulle prosessille /
prosessikokonaisuudelle (esim.
materiaalihankinta)
14. TUOTE-
KEHITYS
MYYNTI JA
MARKKINOINTI
TALOUS
HALLINTO
4. neljännes
1. neljännes
2. neljännes
3. neljännes
Henkilö
Esimerkki: Kehittämisen tiekartta toimintaprosessi-näkökulmasta
Tuote
Muut kumppanit
Toimittaja
Asiakas
Talous
Tuote
16. ON TUNNISTETTU
•Tietomallia ydintiedoille ei ole olemassa
•Kokonaisarkkitehtuuria ei ole määritetty eikä ole käytössä
•Tietostandardit eli ydintietojen määrittelyt eivät ole olemassa
•Ydintietokirjastoja olemassa eri muodoissa ja paikoissa
ON PROAKTIIVINEN
ON OPTIMOITU
ON HALLITTU
ON REAKTIIVINEN
•Operatiivisen toiminnan järjestelmille on tehty tietojärjestelmäarkkitehtuuri
•Yrityksiä tehty luoda yhteinen tietostandardi tai koota yhteinen ydintietokirjasto
•Ajatuksia olemassa koko toiminnan laajuisesta järjestelmäintegraatio- arkkitehtuurista (arkkitehtuurisuunnittelu tunnistaa esim. palvelukeskisen ’-SOA’) lähestymistavan ydintiedon jakeluun)
•Tärkeimmät ydintietoalueet on mallinnettu
•Tietostandardit tehty osalle ydintietoalueita (esimasiakas, toimittaja, tuote jne.)
•Perusarkkitehtuuri olemassa ydintiedon jakelulle
•Palveluita toteutettu ydintietojen keskitettyyn jakeluun
•Kaikille ydintietoalueille on tietomallit ja -standardit
•Palvelukeskinen arkkitehtuuri (eri palvelut avoimien ja stdrajapintojen kautta ’-SOA’) on osana kokonaisarkkitehtuurilinjauksia
•Keskitetty metatiedonhallinta olemassa
•Transaktiointegraatio (ydintieto-transaktiotieto) saatavilla organisaation sisäisille sovelluksille
•Käytettävät ja standardoidut rajapinnat ovat olemassa ydintiedon hallintatoiminteille ja tarjolla kaikille operatiivisen toiminnan sovelluksille
Esimerkki: Arkkitehtuurin eri kypsyystasojen tunnusmerkit
17. Ydintiedon hallinnan kehitystyön maadoitus strategiaan ja tavoitteisiin
TOIMINNAN KEHITTÄMINEN
Prosessien ja palveluiden nykytila tulee kuvata hyödyllisimpien kehityskohteiden tunnistamiseksi
Toiminnassa käytettyä tietokäsitteistöä tulee yhdenmukaistaa
VISIO
..johtaa..
MISSIOON
....joka mahdollistaa luomaan…
STRATEGIAN
..joka tarjoaa toimintakehyksen…
TAKTISTEN TAVOITTEIDEN
…toimeenpanemiseksi ja…
MITTAAMISEKSI
…joilla todetaan toimenpiteiden vaikuttavuus …
ASIAKAS-TUOTTEEN/PALVELUN HALLINTA
Tunnistetaan strategiset tuotealueet yhteisesti sovittujen kriteerien pohjalta
Suunnitellaan uudet tuotehallinnan toimintamallit ja varmistetaan toimintamallien ja IT:n tuki tälle.
ESIMERKKEJÄ tavoitteista, strategiakuvauksen kautta
TIETOTEKNIIKKA
Informaation hyödynnettävyyttäedistetään varmistamalla tietojen ajantasaisuus, luotettavuus, käytettävyys ja saatavuus
Varmistetaan palveluiden ja järjestelmien toimintavarmuus ja turvallisuus
Tieto-ja järjestelmäarkkitehtuurilla sekä palvelunhallinnalla mahdollistetaan tulevaisuuden palvelujen kehittäminen
Tietoarkkitehtuuri tulee kuvata kokonaisarkkitehtuurityön mukana kehitystyön oikean suunnan varmistamiseksi
Organisaation kustannustehokkuutta parannetaan kehittämällä automaattisia palveluja ja toimintoja IT- kyvykkyyksiä hyväksikäyttämällä
18. Esimerkki: Tiedon selektiivinen laadunhallinta pohjautuen tiedon arvoon (liike)toiminnan näkökulmasta Yrityksen toimintaketjutKustan- nuksetKapasiteetti- varauksetTilaus- vahvistuksetLaskutKaikki AsiakkaatKaikki ToimittajatTarjouksetTilauksetTuotantoTalousHinnatKapasiteetti- varauksetTilaus- vahvistuksetLaskutKustan- nuksetKapasiteetti- varauksetTilaus- vahvistuksetLaskutTOP 10 AsiakkaatTOP 10 ToimittajatTarjouksetTilauksetTuotantoTalousHinnatKapasiteetti- varauksetTilaus- vahvistuksetLaskut
Vs.
Suuri
•Tuotevarianssi
•Tilausvarianssi
•Tuotantovarianssi
•Tietomassa
Rajattu
•Tuotevarianssi
•Tilausvarianssi
•Tuotantovarianssi
•Relevantti tietomassa