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
My Data -selvitys, Liikenne- ja viestintäministeriö (LVM), 09-2014ivoriofinland
My Data - Johdatus ihmiskeskeiseen henkilötiedon höydyntämiseen
Selvityksen tekijät: Antti Poikola, Kai Kuikkaniemi, Ossi Kuittinen
http://www.lvm.fi/julkaisu/4420389/my-data-johdatus-ihmiskeskeiseen-henkilotiedon-hyodyntamiseen
Tiedolla johtaminen ja visuaalinen analytiikka - Prosessipäivät 2015 Solutive...Solutive Oy
Prosessipäivien 2015 puheenvuoron "Tiedolla johtaminen ja visuaalinen analytiikka" -esityskalvot. Janne Suomalainen, Solutive Oy. Tableau Silver Partner Suomessa. Alteryx Preferred Partner.
My Data -selvitys, Liikenne- ja viestintäministeriö (LVM), 09-2014ivoriofinland
My Data - Johdatus ihmiskeskeiseen henkilötiedon höydyntämiseen
Selvityksen tekijät: Antti Poikola, Kai Kuikkaniemi, Ossi Kuittinen
http://www.lvm.fi/julkaisu/4420389/my-data-johdatus-ihmiskeskeiseen-henkilotiedon-hyodyntamiseen
Tiedolla johtaminen ja visuaalinen analytiikka - Prosessipäivät 2015 Solutive...Solutive Oy
Prosessipäivien 2015 puheenvuoron "Tiedolla johtaminen ja visuaalinen analytiikka" -esityskalvot. Janne Suomalainen, Solutive Oy. Tableau Silver Partner Suomessa. Alteryx Preferred Partner.
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
Analytiikka liiketoiminnassa esitys Edutech Big Data ja data-analytiikka liiketoiminnan kehittämisessä 1.4.2014. Lisätietoa kokonaisuudesta: http://www.bit.ly/ebd2014
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
Vierailuluento Tampereen Teknillisen Yliopiston kurssilla - Tietohallinto ja sen johtaminen.
Esityksen sisältöä:
- ICT strategia osana liiketomintastrategiaa
- ICT organisaation missio
- ICT hallintomalli (strategia, roadmap,
projekti-/hankeportfolio, sovellus-/prosessialuetaso)
- ICT roolit ja vastuut
- ICT peruspalvelujen ulkoistuskokemuksia
- Case : Tiedolla johtaminen/raportointi - kehityshanke
- Case : Digitaalisten palveluiden kehitys : Ennustavan
huollon/laitemonitoroinnin IIoT kehityshanke
- Tietohallinto PK-yrityksessä - hyvät ja huonot puolet
Big datan ja analytiikkamaailman käsitteiden läpikäyminenJari Jussila
Big datan ja analytiikkamaailman käsitteiden läpikäyminen. Kooste esityksestä 12.3.2014 Edutech Big Data ja data-analytiikka liiketoiminnan kehittämisessä,
Moduuli 1: Big Data nyt ja tulevaisuudessa.
Magenta advisory: Tietopohjainen päätöksenteko - onko organisaatiosi valmis b...BearingPoint Finland
On mukavaa kun on paljon dataa. Moni yritysjohtaja alkaa kuitenkin hikoilla kun päätökset pitäisi aidosti tehdä tietopohjaisesti! Lue, mitkä ovat big datan hyödyntämisen menestyksen avaimet.
Raportissa tarkastellaan tietokanta- ja tietovarastointiratkaisujen suhdetta massaräätälöinnin
myynnin konfiguraattoreihin. Tutkimuksen lähtökohtana on, että monimutkaisemman
asiakaskonfiguraattoreiden teknisessä toteutuksessa tulisi ensisijaisesti hyödyntää
tietovarastointitekniikoita sen sijaan, että tarvittavaa tietoa haettaisiin suoraan organisaation
operatiivisista tietojärjestelmistä. Tutkimuksessa huomattiin, että massaräätälöinnin sekä sitä tukevien tietojärjestelmien tason kasvaessa ja näin ollen myös monimutkaistuessa, on tietovarastointitekniikoiden käyttö hyödyllistä ja kannattavaa.
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
Analytiikka liiketoiminnassa esitys Edutech Big Data ja data-analytiikka liiketoiminnan kehittämisessä 1.4.2014. Lisätietoa kokonaisuudesta: http://www.bit.ly/ebd2014
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
Vierailuluento Tampereen Teknillisen Yliopiston kurssilla - Tietohallinto ja sen johtaminen.
Esityksen sisältöä:
- ICT strategia osana liiketomintastrategiaa
- ICT organisaation missio
- ICT hallintomalli (strategia, roadmap,
projekti-/hankeportfolio, sovellus-/prosessialuetaso)
- ICT roolit ja vastuut
- ICT peruspalvelujen ulkoistuskokemuksia
- Case : Tiedolla johtaminen/raportointi - kehityshanke
- Case : Digitaalisten palveluiden kehitys : Ennustavan
huollon/laitemonitoroinnin IIoT kehityshanke
- Tietohallinto PK-yrityksessä - hyvät ja huonot puolet
Big datan ja analytiikkamaailman käsitteiden läpikäyminenJari Jussila
Big datan ja analytiikkamaailman käsitteiden läpikäyminen. Kooste esityksestä 12.3.2014 Edutech Big Data ja data-analytiikka liiketoiminnan kehittämisessä,
Moduuli 1: Big Data nyt ja tulevaisuudessa.
Magenta advisory: Tietopohjainen päätöksenteko - onko organisaatiosi valmis b...BearingPoint Finland
On mukavaa kun on paljon dataa. Moni yritysjohtaja alkaa kuitenkin hikoilla kun päätökset pitäisi aidosti tehdä tietopohjaisesti! Lue, mitkä ovat big datan hyödyntämisen menestyksen avaimet.
Raportissa tarkastellaan tietokanta- ja tietovarastointiratkaisujen suhdetta massaräätälöinnin
myynnin konfiguraattoreihin. Tutkimuksen lähtökohtana on, että monimutkaisemman
asiakaskonfiguraattoreiden teknisessä toteutuksessa tulisi ensisijaisesti hyödyntää
tietovarastointitekniikoita sen sijaan, että tarvittavaa tietoa haettaisiin suoraan organisaation
operatiivisista tietojärjestelmistä. Tutkimuksessa huomattiin, että massaräätälöinnin sekä sitä tukevien tietojärjestelmien tason kasvaessa ja näin ollen myös monimutkaistuessa, on tietovarastointitekniikoiden käyttö hyödyllistä ja kannattavaa.
A presentation in Finnish kept in Finland\'s SAP user group meeting. A high level overview to certain aspects of MDM. (presentation time was just 15 minutes, therefore brief..)
TietRa (Tietotyöratkaisujen ekosysteemi) on kehittämisprojekti, jossa on kesäkuusta 2012 lähtien haastateltu 58 keskisuurta suomalaista organisaatiota käytössä olevista järjestelmistä, kehityssuunnitelmista ja järjestelmien tuesta liiketoiminnalle. Projektin tuloksia hyödynnetään tietotyöratkaisuja käyttävien asiakkaiden kehitystyöhön ja ratkaisuntarjoajien tuotteistukseen.
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.
Kaikki kelmut eivät valitettavasti näy tässä oikein, mutta anti mennä :) Vielä beta-vaiheessa oleva, termiviidakon selviytymisopas kaikille, jotka ovat koittavat ymmärtää mitä se kaikki datahöpinä tarkoittaa. Tullaan elävöittämään myöhemmin vielä esimerkkien avulla.
Talent Base ja Azets Suomi: Johtajuus ketterassä ja itseohjautuvassa organisa...Loihde Advisory
Talent Base Oy ja Azets Suomi järjestivät aamiaisseminaarin ketterästä johtajuudesta 7.2.2020. Tilaisuudessa keskusteltiin muun muassa siitä, mitä kaikkea ketterän organisaation johtaminen vaatii ja miten organisoituminen ja työn merkitys muuttuvat, kun perinteiset siilot murtuvat ja johtaminen muuttuu palvelutehtäväksi. Aiheesta esitelmöivät ja keskustelivat Reni Waegelein (Talent Base), Panu Luukka (Leidenschaft), Jari Jaulimo (OP), Vesa Purho (Talent Base), Jaana Komulainen (Azets), Nora Ojala (Azets) ja Nino Ilveskero (Talent Base).
Gamebook for digital era – 4 cornerstones of successLoihde Advisory
Future is not anymore a simple extrapolation of the present situation and may bring many surprises due to disruptive technologies and innovations. Instead of Strategic Planning,
you need Strategic Thinking. From this Gamebook, you will learn the four cornerstones of success for digital era.
Talent Base järjesti Ketterän datan hallinnan aamiaisseminaarin maaliskuussa 2019. Tilaisuudessa kokeneet konsulttimme Mikko Lukkarinen, Juha Loukola ja Anna Virolainen kertoivat, miten datan hallintaa kehitetään ketterästi ja luodaan arvoa liiketoiminnalle.
Talent Basen Head of Lean Transformation Reni Waegelein esitteli
Business Strategies in Digital Transformation -seminaarissa 12.9.2018 Talent Basen digitalisaation pelikirjan ja sen neljä onnistumisen kulmakiveä. Tämä versio sisältää myös Renin puheen käsikirjoituksen.
Digitalisaation pelikirja – onnistumisen neljä kulmakiveäLoihde Advisory
Talent Basen Head of Lean Transformation Reni Waegelein esitteli
Business Strategies in Digital Transformation -seminaarissa 12.9.2018 Talent Basen digitalisaation pelikirjan ja sen neljä onnistumisen kulmakiveä.
Tekoälystä puhutaan, mutta mitä se oikeastaan on?Loihde Advisory
Asiantuntijapuheenvuoro Valtio Expo 2017.
Tekoälyn ominaisuudet, puhekäyttöliittymät, kuuleminen, neuroverkko, puheen syntetisointi, keskustelu, konenäkö, neuvonanto, liikkuminen, sovelluskohteet.
Asko Relas, Head of Innovation, Talent Base Oy.
Talent Basen tietoisku Valtio Expo 2016: "Tehosta tietotyötä virtuaalisella robotisoinnilla". Ohjelmistorobotiikalla voidaan korvata manuaalisia rutiinitehtäviä, nopeuttaa asioiden käsittelyä ja parantaa tiedon laatua. Tyypillisesti ohjelmistorobotti on edullisempi kuin järjestelmäintegraatioprojektit eivätkä ne vaadi muutoksia olemassa oleviin järjestelmiin. Ohjelmistorobottien kokeilu kannattaa: valitse prosessi, arvioi teknologiavaihtoehdot ja kokeile nopeasti pienellä pilotilla. Jos etsit kumppania, niin autamme mielellämme! www.talentbase.fi
Key Take-Aways: Master Data and Enterprise Information ConferenceLoihde Advisory
Master Data and Enterprise Information Management, the 16th conference in Data Management series, collected MDM practitioners around the Europe to Berlin. Talent Base participated the conference as a Partner Sponsor during 25th-26th of April.
As the conference headline Moving Towards Further Levels of MDM Maturity suggested, master data management has again taken more important role in companies’ business development agenda. In this post we summarize our views on the key take-aways from those two days.
Master Data as Critical Success Factor in Digitalising Service BusinessLoihde Advisory
Presentation by Mr. Tero Laatikainen, Partner, Talent Base Oy and Mr. Heikki Ilvessalo, Development Director, Castrén & Snellman Attorneys about the role of Master Data in digitalizing service business.
Presentation is originally presented on 24th April, 2016 in marcus evans Master Data and Enterprise Information Management Conference in Berlin. Presentation notes available under the Notes tab.
Process modeling in agile environment alec sharpLoihde Advisory
Esitys on osa joulukuussa 2015 pidettyä Talent Base aamiaistilaisuutta: Data. Prosessit. Innovaatiot. Esityksen piti Alec Sharp, Clariteq Systems Consulting.
Presentation is part of the Talent Base Breakfast Seminar: Data. Processes. Innovations.
- Rapid and innovative process design in an Agile environment
- Why the Agile community is embracing data and process modeling
- Getting clarity on “business process”
- Why slowing down and getting out of the details is critical for rapid process design
- Two assessment frameworks to dispel resistance to change
- A feature-based approach to process design
4. Big Datan määritelmä tässä esityksessä
• Big Dataa voidaan kuvata kolmella V:llä: Volume (Määrä), Velocity
(Nopeus), Variety (Vaihtelevuus)
• Tiedon hyödyntämistä vaikeuttaa rakenteen puuttuminen ja puutteet
laadussa sekä sisällön ymmärrettävyydessä
5. Master Datan määritelmä
• Master Data on (staattista) koko organisaation toiminnalle
keskeistä ja jaettua tietoa, jolla on yhteisesti sovittu rakenne,
sisältö ja merkitys.
• Tyypillisiä avaintietoja:
– Toimijat (asiakkaat, henkilöstö, toimittajat, kumppanit)
– Paikat (toimipisteet, myymälät, markkina-alueet)
– Asiat (tuotteet, palvelut, kiinteistöt, omaisuus, sopimukset)
6. Master Data Managementin (MDM) määritelmä
Kokoelma sovittuja vastuita, prosesseja ja työkaluja, joiden
avulla kuvataan sekä hallitaan organisaation toiminnan kannalta
keskeisiä tietosisältöjä ja varmistetaan niiden laatu.
8. Big Datan hyödyntäminen yleistyy
How big is big data adoption – Talend. Kyselytutkimus tehty kesäkuussa 2012, 231
vastaajaa EMEA- ja Pohjois-Amerikan alueelta.
• 41%:lla yrityksistä on Big Data -strategia. Big Datan käyttöönotto etenee.
• 48% Big Data -hankkeista on liiketoiminnan ja 39% IT:n johtamia.
• Niistä, joilla ei ole Big Data -strategiaa 76% kertoi syyksi sen, että he eivät erottele
Big Dataa muusta yritystiedosta.
• 62% vastaajista sanoi, että he ovat saavuttaneet liiketoimintahyötyjä. Näistä 28%
liittyi liiketoimintaprosessien tehostamiseen ja 24% liittyi myynnin ja markkinoinnin
tehostamiseen.
Lähde: http://www.talend.com/resources/whitepapers/how-big-is-big-data-adoption
12. Hype hälvenee ja palataan perusasioiden
äärelle
Yritykset tulevat oivaltamaan, että “big data” tarkoittaa kaikkea
heidän tietoa.
Forrester, Big Data Predictions for 2013, Jan 2, 2013
http://blogs.forrester.com/mike_gualtieri/13-01-02-big_data_predictions_for_2013
15. Määrä ei korvaa laatua
Huono datan laatu + Big Data = Isoja ongelmia
Huono datan laatu * Big Data = Isoja ongelmia^2
Tiedon laatuvaatimukset riippuvat aina
käyttötarkoituksesta.
Big Datan laadun varmistaminen on yleensä
huomattavasti vaikeampaa kuin master datan.
17. MDM Big Datan laadun varmistamisessa
• 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
– Yksinkertainen esimerkki http://www.youtube.com/watch?v=NKwotbwCg78
19. Miksi Master Data ja Big Data pitää käsitellä
kokonaisuutena?
• Mikäli Big Dataa (analyysituloksia) ei voida yhdistää osaksi oman
organisaation kontekstia, esim. tuote- tai asiakastietoja, niin se jää
helposti irralliseksi ja kertaluonteiseksi toimenpiteeksi.
• Olemassa olevia MDM-toimintamalleja voidaan hyödyntää myös Big
Datassa
– Tietomallit (rakenne & merkitys)
– Prosessit ja hallintamalli (governance)
– Laadun varmistus ja parantaminen
• MDM luo organisaatiolle yhteistä kieltä ja käsitteistöä. Asiakas pitää olla
asiakas myös Big Datassa.
• Molemmat ovat osa isompaa EIM (Enterprise Information Management)
sateenvarjoa.
20. Ilman tiedon rakennetta ja merkitystä Big
Datan käyttö voi olla samanlainen
kokemus kuin juominen paloletkusta.
Big Datalle tarvitaan merkitystä ja rakennetta
24. Big Datan ja Master Datan kohtaaminen
Ulkoiset
lähteet
Sisäiset
lähteet
Data
Sisällöt
Datavirrat
Big Data työkalut
Rakenne- ja
sisältöanalyysi
Tunnista malleja
Big Data
MDM työkalut
Yhdistä
Semantiikka ja
rakenne
Master Data
BI työkalut
Analysoi
DW
Raportit,
visualisointi
Trendit
BI
Uudet käsitteet
Optimointi
Laadukas data
Tulokset
I
N
T
E
G
R
A
A
T
I
O
DQ
Päätöksenteko
25. Esimerkki: asiakassegmentointi
Ulkoiset
lähteet
Sisäiset
lähteet
Data
Sisällöt
Datavirrat
Big
Data
työkalut
Rakenne-‐
ja
sisältöanalyysi
Tunnista
malleja
Big Data
MDM
työkalut
Yhdistä
SemanBikka
ja
rakenne
Master Data
BI
työkalut
Analysoi
DW
RaporBt,
visualisoinB
Trendit
BI
Uudet
käsiHeet
OpBmoinB
Laadukas
data
Tulokset
I
N
T
E
G
R
A
A
T
I
O
DQ
ASIAKAS
- Nimi
ASIAKKUUS
- Segmentti
TOIMIPISTE
KONTAKTI
Ulkoiset
• Facebook
aktiviteeti
• Tweetit
Sisäiset
• Verkko-
palvelulokit
• Click
stream
• Osto-
tapahtumat
/ historia
Data scientist
Tiedon
analysointi
DW
Big Data
Uusi asiakas-
segmentti
Raportointi
segmenteittäin
Parempi
kohdentaminen
26. Esimerkki: laitteen vikaantumisanalyysi
Ulkoiset
lähteet
Sisäiset
lähteet
Data
Sisällöt
Datavirrat
Big
Data
työkalut
Rakenne-‐
ja
sisältöanalyysi
Tunnista
malleja
Big Data
MDM
työkalut
Yhdistä
SemanBikka
ja
rakenne
Master Data
BI
työkalut
Analysoi
DW
RaporBt,
visualisoinB
Trendit
BI
Uudet
käsiHeet
OpBmoinB
Laadukas
data
Tulokset
I
N
T
E
G
R
A
A
T
I
O
DQ
ASIAKAS
Nimi
LAITEKANTA
Tuote
TOIMIPISTE
Koordinaatit
Paikkakunta
Ulkoiset
• Sää tiedot
alueittain
Sisäiset
• Sensoridat
a
• Huolto-
käynnit
Data scientist
Tiedon
analysointi
DW
Miksi huoltokäynnit
lisääntyvät?Laadukas pohjatieto
Parempi
huoltokäyntien
ennakointi
27. Esimerkki: Boeing 787
Ulkoiset
lähteet
Sisäiset
lähteet
Data
Sisällöt
Datavirrat
Big
Data
työkalut
Rakenne-‐
ja
sisältöanalyysi
Tunnista
malleja
Big Data
MDM
työkalut
Yhdistä
SemanBikka
ja
rakenne
Master Data
BI
työkalut
Analysoi
DW
RaporBt,
visualisoinB
Trendit
BI
Uudet
käsiHeet
OpBmoinB
Laadukas
data
Tulokset
I
N
T
E
G
R
A
A
T
I
O
DQ
MODUULI
- ID
- Toimittaja
KOMPO-
NENTTI
- ID
Sisäiset
• Reaali-
aikainen
sensori
data
• Lentotiedot
(Data scientist)
Tiedon
analysointi
DW
Big Data
Tunnistetaan
huollon tarve
Valmistaudutaan
huoltoon
Nopea huolto
ERP
28. Kaikki mikä on teknisesti
mahdollista ei aina ole sallittua
29. Yksityisyydensuoja
• Kriittistä, kun käsitellään henkilötietoja (kuluttajat, työntekijät,
potilaat jne.)
• Kansallista ja EU tason lainsäädäntöä
– Kansallisissa laeissa paljon eroavaisuutta
– Tulossa uutta EU-lainsäädäntöä, joka korvaa kansallisia lakeja
• Ole erityisen varovainen yhdistäessäsi eri tietokokonaisuuksia
– Sinulla ei välttämättä ole oikeutta käyttää/pitää syntyvää
tietokokonaisuutta
32. Yhteenveto
1. Datan määrä ei itsessään luo arvoa
2. Jos pystyt yhdistämään Big Datan ja Master Datan, pystyt hyödyntämään
dataa lukemattomin eri tavoin ja tuottamaan todellista arvoa
liiketoiminnalle
3. Master Data tarjoaa Big Datalle merkityksen ja rakenteen
4. Hyödynnä MDM-periaatteita Big Datan laadun varmistamiseen
5. Varo lakiansoja