SlideShare a Scribd company logo
1 of 23
Download to read offline
MDM – mistä siinä on kyse?
Talent Base Oy, Nino Ilveskero
Sisältö


  Miksi panostaa tiedon laatuun?
  Käsitteitä
  Master Data Management
  Tiedon laadun mittaaminen ja parantaminen
  Hyötyjen saaminen
  Yhteenveto
Huonolaatuinen tieto johtaa monenlaisiin ongelmiin

  • Päätökset tehdään virheellisen tiedon perusteella tai mutu-tuntumalla, kun
    ei luoteta saatavilla olevaan tietoon.
  • Toimitukset ja lähetetyt viestit eivät tavoita vastaanottajaa väärien tai
    puutteellisten osoitetietojen takia
  • Sama henkilö tai asiakas esiintyy järjestelmissä moneen kertaan ja
    aiheuttaa sekaannusta ja laskee asiakaspalvelun laatua.
  • Lakien ja viranomaismääräysten noudattaminen mm. raportoinnin suhteen
    vaikeutuu ja aiheuttaa turhia kustannuksia.
  • Tietojärjestelmien yhteenliittäminen vaikeutuu erilaisten tietomallien ja
    puutteellisen datan takia.
Käsitteitä
Master Data Management vs. Data Management
vs. Data Quality

                    Data management
                                      DQ
               DQ




                      Master Data
                      Management

                               DQ
Mitä on Master Data?

  Ei vakiintunutta suomenkielistä termistöä. Usein käytetään temiä “avaintieto”
    tai “ydintieto”
  Kaikki tieto ei ole master dataa
  Master data on koko organisaation toiminnalle keskeistä ja jaettua tietoa.
  Yhteisesti sovittu rakenne, sisältö ja merkitys = tietostandardi
     • Näkökulma tiedon käyttämisessä; ei tuottamisessa

  Vaatii omistajuutta ja hallintaa organisaatiossa
  Tyypillisiä master data alueita:
     • Toimijat (asiakkaat, henkilöstö, toimittajat, kumppanit)
     • Paikat (toimipisteet, myymälät, markkina-alueet)
     • Asiat (tuotteet, palvelut, kiinteistöt, omaisuus)
Mitä on Master Data Management?

  Ei vakiintunutta suomenkielistä termistöä. Usein käytetään temiä
    “avaintiedonhallinta” tai “ydintiedonhallinta”
  Kokoelma sovittuja vastuita, prosesseja ja työkaluja, joiden avulla kuvataan ja
    hallitaan organisaation toiminnan kannalta keskeisiä tietosisältöjä
  Master data management sisältää tiedon:
     1.   Merkityksen ja termien määrittämisen
     2.   Keräämisen
     3.   Ryhmittelemisen
     4.   Yhdistämisen
     5.   Rikastamisen
     6.   Jakelemisen
     7.   Laadun mittaamisen ja parantamisen
Master data managementin osa-alueet
                          Sovitut käytännöt, prosessit, roolit
                            ja vastuut tiedon hallitsemiksi




                            Ihmiset ja prosessit

                         Avaintiedonhallinnasta 80% on
                           ihmisiä ja prosesseja ja 20%
                                    teknologiaa



       Tiedon laadun
                                                                 Sisällön, rakenteen,
        mittaaminen,
                         Tiedon laatu         Tietostandardit    merkityksen ja käytön
     parantaminen ja
                                                                 määritelmät
           raportointi
Tavoitteena sama tieto läpi koko toiminnan
                                         Usein eri prosesseissa ja
                                           yksiköissä on käytössä eri
                                           työkalut ja järjestelmät. Esim.
                                           myynnin ennustamista ja
                                           raportointia voidaan tehdä
                           MDM             täysin eri välineillä. Kuitenkin
                                           tiedon pitäisi olla
                                           yhteismitallista.



             Suunnittelu   Toiminta   Raportointi
Avaintiedonhallinnoinnin (governance) kehittäminen

                               Tietostrategia



                Mittarit ja
                                                 Sovitut
                 jatkuva
                                                käsitteet
                seuranta




               Sitouttaminen
                                                 Yhteiset
                     ja
                                                tietomallit
              jalkauttaminen



                                 Nimetty
                                omistajuus
Tietomallit ja standardit – perusta yhteiselle kielelle
                                       Tietoelementti       Yritys

                                       Määritys             Rekisteröity, juridinen
                 Yritys                                     yksikkö, jolle on
                                                            olemassa y-tunnus.

                                       Omistaja             Avainasiakaspäällikkö

                                       Käyttäjät            Laskutus,
                                                            taloushallinto,
             Toimipiste   Liikesuhde                        markkinointi
 Asiakkuus
                                       Luottamuksellisuus   Julkinen




Kontakti
Havaintoja tosielämästä


  Tarpeeksi korkean tason tuki on välttämätön liiketoiminnan puolelta.
  Eri osa-alueiden hallinnan lisäksi jossain vaiheessa joudutaan rakentamaan
    myös kattotason omistajuus
  Yhteisesti sovitut määritykset kaiken perusta.
  ”Etäisyys” MDM-omistajan ja tiedon käyttäjän välillä ei saa kasvaa liian
    pitkäksi. Tarvittaessa otetaan mukaan välitaso, jolla on valtuus päättää
    tiettyyn tietoalueeseen liittyvistä asioista.
  Hyötyjen kommunikointi yksilö-, yksikkö- ja yritystasoilla tärkeää
    jalkautuksessa.
Miten arvioin ja parannan tiedon laatua?
Miten arvioida tiedon laatua 1/2

     Laadun mittaaminen ja arviointi perustuu aina sovittuun tietostandardiin

                                     Kuinka oikeaa tietosisältö on? Kuinka hyvin se vastaa
      Paikkansapitävyys              todellisuutta?


          Täyttöaste                 Kuinka suuri osa halutuista tiedoista on olemassa?

          Tietueiden
                                     Kuinka monta tarpeetonta esiintymää samasta tietueesta on?
         yksilöllisyys

        Ajantasaisuus                Onko tieto ajantasalla ja saatavissa oikeaan aikaan?




14
Miten arvioida tiedon laatua 2/2



Muodon oikeellisuus   Onko tieto oikeassa muodossa?


 Yhdenmukaisuus       Onko tieto yhdenmukaista eri järjestelmissä


      Eheys           Ovatko viittaukset tietojen välillä oikein kaikissa
                      järjestelmissä?

     Kattavuus        Kuinka hyvin olemassa oleva tieto kattaa valitun alueen?
Tiedon laadun parantaminen eri vaiheissa


                                                                                                   Mittaaminen ja
           Tiedon luonti                    Tiedon käyttö                                          raportointi


              Koulutus,                      Reaaliaikainen       Tietojen          Jälkikäteen
Toimen-                                                                                            Mittaaminen ja
              standardit,     Validointi       yhdistely ja   ristiinviittaami-     yhdistely ja
                                                                                                     raportointi
  piteet       työohjeet                      rikastaminen     nen ja linkitys     rikastaminen



                Tiedon         Sisällön      Tunnistaminen                            Offline          Laadun
                            tarkistaminen                      Synkronointi
Vaiheet       luominen                         ja siivous                          prosessointi       seuranta



           Reaaliaikainen                                                         Säännöllinen
Hyötyjen saaminen
Liiketoimintahyötyjen luominen
                     Tuottojen lisäys




                     Liiketoimin-
                      tahyödyt
  Riskien hallinta
  ja säännösten
    mukaisuus                           Kustannustehokkuus
Tiedon laatu vaikuttaa monella tavalla


  • Tietojärjestelmien integrointi
  • Prosessien ja työskentelyn tehokkuus
  • Asiakaspalvelun parantaminen
  • Myynnin ja markkinoinnin tehostaminen
  • Lakien ja määräysten asettamien vaatimusten täyttäminen
  • Raportointi
  • Päätöksenteko
“A journey of a thousand
miles starts with a single
step.”

Mao Zedong
Miten kannattaa aloittaa?

  Tunnista organisaatiosi ja sen tehtävän kannalta olennaisin tieto
  Kokoa projektitiimi organisaation eri osista
     • Omistajuus ja tuki riittävän korkealta tasolta
     • Tiimin jäsenet sekä liiketoiminnan (kaikki olennaiset prosessit edustettuina), että
       tietohallinnon puolelta

  Määritä yhteiset käsitteet
  Määritä tavoitetila ja miten mitataan onnistumista
  Tunnista alueet, joissa voidaan nopeasti saavuttaa konkreettisia tuloksia.
  Suhteuta kehityspanokset saavutettavissa oleviin hyötyihin.
Yhteenveto
Vain laadukas tieto on arvokasta.
Avaintieto on koko organisaation toiminnalle keskeistä ja jaettua
  tietoa. Sillä pitää olla omistaja ja hallinnoija.
Tiedon laatuun vaikuttavista asioista 80% liittyy ihmisiin ja
  prosesseihin ja 20% teknologiaan.
Tiedon laatua voidaan ja sitä pitää mitata, seurata ja parantaa
  jatkuvasti.
Ongelmat on helpompi korjata niiden syntylähteellä kuin
  jälkeenpäin tietojärjestelmissä.

More Related Content

What's hot

Social Business Development
Social Business DevelopmentSocial Business Development
Social Business DevelopmentAvaus
 
Suorituskyvyn johtaminen
Suorituskyvyn johtaminenSuorituskyvyn johtaminen
Suorituskyvyn johtaminenMika Aho
 
Data analytiikan opas pk-yrityksille 2.0
Data analytiikan opas pk-yrityksille 2.0Data analytiikan opas pk-yrityksille 2.0
Data analytiikan opas pk-yrityksille 2.0HAMK Design Factory
 
Liiketoiminta alustat webinaari 21.3.2017 : Accountor Enterprise Solutions
Liiketoiminta alustat webinaari 21.3.2017 : Accountor Enterprise SolutionsLiiketoiminta alustat webinaari 21.3.2017 : Accountor Enterprise Solutions
Liiketoiminta alustat webinaari 21.3.2017 : Accountor Enterprise SolutionsAccountor Enterprise Solutions Oy
 
Data analytiikkakoulutus pk-yrityksille
Data analytiikkakoulutus pk-yrityksilleData analytiikkakoulutus pk-yrityksille
Data analytiikkakoulutus pk-yrityksilleMika Aho
 
Tietojohtamisen kokonaisnäkemys - asteittainen kypsyystason kasvattaminen
Tietojohtamisen kokonaisnäkemys - asteittainen kypsyystason kasvattaminenTietojohtamisen kokonaisnäkemys - asteittainen kypsyystason kasvattaminen
Tietojohtamisen kokonaisnäkemys - asteittainen kypsyystason kasvattaminenSitra / Hyvinvointi
 
DiViA Sosiaaliset toimintamallit 15.9.2010 Mikko Eerola
DiViA Sosiaaliset toimintamallit 15.9.2010 Mikko EerolaDiViA Sosiaaliset toimintamallit 15.9.2010 Mikko Eerola
DiViA Sosiaaliset toimintamallit 15.9.2010 Mikko EerolaAvaus
 
Sosiaaliset toimintamallit: miten liikkeelle
Sosiaaliset toimintamallit: miten liikkeelleSosiaaliset toimintamallit: miten liikkeelle
Sosiaaliset toimintamallit: miten liikkeelleMikko Eerola
 
Tietokulttuuri - Miten data-ohjautunut kulttuuri muodostuu organisaatioon?
Tietokulttuuri - Miten data-ohjautunut kulttuuri muodostuu organisaatioon?Tietokulttuuri - Miten data-ohjautunut kulttuuri muodostuu organisaatioon?
Tietokulttuuri - Miten data-ohjautunut kulttuuri muodostuu organisaatioon?Mika Aho
 
Big Data kohtaa Master Datan
Big Data kohtaa Master DatanBig Data kohtaa Master Datan
Big Data kohtaa Master DatanLoihde Advisory
 

What's hot (11)

Social Business Development
Social Business DevelopmentSocial Business Development
Social Business Development
 
Suorituskyvyn johtaminen
Suorituskyvyn johtaminenSuorituskyvyn johtaminen
Suorituskyvyn johtaminen
 
Data analytiikan opas pk-yrityksille 2.0
Data analytiikan opas pk-yrityksille 2.0Data analytiikan opas pk-yrityksille 2.0
Data analytiikan opas pk-yrityksille 2.0
 
Liiketoiminta alustat webinaari 21.3.2017 : Accountor Enterprise Solutions
Liiketoiminta alustat webinaari 21.3.2017 : Accountor Enterprise SolutionsLiiketoiminta alustat webinaari 21.3.2017 : Accountor Enterprise Solutions
Liiketoiminta alustat webinaari 21.3.2017 : Accountor Enterprise Solutions
 
Data analytiikkakoulutus pk-yrityksille
Data analytiikkakoulutus pk-yrityksilleData analytiikkakoulutus pk-yrityksille
Data analytiikkakoulutus pk-yrityksille
 
Tietojohtamisen kokonaisnäkemys - asteittainen kypsyystason kasvattaminen
Tietojohtamisen kokonaisnäkemys - asteittainen kypsyystason kasvattaminenTietojohtamisen kokonaisnäkemys - asteittainen kypsyystason kasvattaminen
Tietojohtamisen kokonaisnäkemys - asteittainen kypsyystason kasvattaminen
 
DiViA Sosiaaliset toimintamallit 15.9.2010 Mikko Eerola
DiViA Sosiaaliset toimintamallit 15.9.2010 Mikko EerolaDiViA Sosiaaliset toimintamallit 15.9.2010 Mikko Eerola
DiViA Sosiaaliset toimintamallit 15.9.2010 Mikko Eerola
 
Sosiaaliset toimintamallit: miten liikkeelle
Sosiaaliset toimintamallit: miten liikkeelleSosiaaliset toimintamallit: miten liikkeelle
Sosiaaliset toimintamallit: miten liikkeelle
 
Tietokulttuuri - Miten data-ohjautunut kulttuuri muodostuu organisaatioon?
Tietokulttuuri - Miten data-ohjautunut kulttuuri muodostuu organisaatioon?Tietokulttuuri - Miten data-ohjautunut kulttuuri muodostuu organisaatioon?
Tietokulttuuri - Miten data-ohjautunut kulttuuri muodostuu organisaatioon?
 
Tietojohtaminen
Tietojohtaminen Tietojohtaminen
Tietojohtaminen
 
Big Data kohtaa Master Datan
Big Data kohtaa Master DatanBig Data kohtaa Master Datan
Big Data kohtaa Master Datan
 

Similar to Talent Base: Master Data Management (MDM) - mistä siinä on kyse

3. Ydintiedon hallinnan LT perusteet ja kehittämisen suunnittelu
3. Ydintiedon hallinnan LT perusteet ja kehittämisen suunnittelu3. Ydintiedon hallinnan LT perusteet ja kehittämisen suunnittelu
3. Ydintiedon hallinnan LT perusteet ja kehittämisen suunnitteluSpartaConsulting
 
Tiedolla johtamisen tulevaisuus ja avoin data, Mikko Babitzin
Tiedolla johtamisen tulevaisuus ja avoin data, Mikko BabitzinTiedolla johtamisen tulevaisuus ja avoin data, Mikko Babitzin
Tiedolla johtamisen tulevaisuus ja avoin data, Mikko BabitzinTilastokeskus
 
Big datan ja analytiikkamaailman käsitteiden läpikäyminen
Big datan ja analytiikkamaailman käsitteiden läpikäyminenBig datan ja analytiikkamaailman käsitteiden läpikäyminen
Big datan ja analytiikkamaailman käsitteiden läpikäyminenJari Jussila
 
Aalto-yliopisto Tiedolla johtaminen Timo Halima luento lukukausi 2015
Aalto-yliopisto Tiedolla johtaminen Timo Halima luento lukukausi 2015Aalto-yliopisto Tiedolla johtaminen Timo Halima luento lukukausi 2015
Aalto-yliopisto Tiedolla johtaminen Timo Halima luento lukukausi 2015Timo Halima
 
Kärkihankkeen esittely, Taru Rastas
Kärkihankkeen esittely, Taru Rastas Kärkihankkeen esittely, Taru Rastas
Kärkihankkeen esittely, Taru Rastas Tilastokeskus
 
TietRa-projekti (Tietotyöratkaisujen ekosysteemi)
TietRa-projekti (Tietotyöratkaisujen ekosysteemi)TietRa-projekti (Tietotyöratkaisujen ekosysteemi)
TietRa-projekti (Tietotyöratkaisujen ekosysteemi)Leena Kanerva
 
Tietopolitiikka - VM - Sutinen 2021-11-23
Tietopolitiikka - VM - Sutinen 2021-11-23Tietopolitiikka - VM - Sutinen 2021-11-23
Tietopolitiikka - VM - Sutinen 2021-11-23Paivi Sutinen
 
Digimarkkinoinnin seminaari-kovala-31-3-2017
Digimarkkinoinnin seminaari-kovala-31-3-2017Digimarkkinoinnin seminaari-kovala-31-3-2017
Digimarkkinoinnin seminaari-kovala-31-3-2017Timo Kovala
 
Tiedolla johtaminen ja visuaalinen analytiikka - Prosessipäivät 2015 Solutive...
Tiedolla johtaminen ja visuaalinen analytiikka - Prosessipäivät 2015 Solutive...Tiedolla johtaminen ja visuaalinen analytiikka - Prosessipäivät 2015 Solutive...
Tiedolla johtaminen ja visuaalinen analytiikka - Prosessipäivät 2015 Solutive...Solutive Oy
 
Asiakastietojen hallinta ja ylläpito
Asiakastietojen hallinta ja ylläpitoAsiakastietojen hallinta ja ylläpito
Asiakastietojen hallinta ja ylläpitoMarko Ruusinen
 
Qlik for the Enterprise
Qlik for the EnterpriseQlik for the Enterprise
Qlik for the EnterpriseeCraft Referre
 
Tiedonhallinnasta tiedolla johtamiseen - millaista tietoa palvelujen johtamis...
Tiedonhallinnasta tiedolla johtamiseen - millaista tietoa palvelujen johtamis...Tiedonhallinnasta tiedolla johtamiseen - millaista tietoa palvelujen johtamis...
Tiedonhallinnasta tiedolla johtamiseen - millaista tietoa palvelujen johtamis...Harri Laihonen
 
Big data liiketoiminnan johtamiseen tarvitaan tietoa, Microsoft-tilaisuus 1...
Big data   liiketoiminnan johtamiseen tarvitaan tietoa, Microsoft-tilaisuus 1...Big data   liiketoiminnan johtamiseen tarvitaan tietoa, Microsoft-tilaisuus 1...
Big data liiketoiminnan johtamiseen tarvitaan tietoa, Microsoft-tilaisuus 1...ivoriofinland
 
Kankeaa vai norjaa? Johtamisen työkalut bisnescloudissa. Valoa pilven reunalla?
Kankeaa vai norjaa? Johtamisen työkalut bisnescloudissa. Valoa pilven reunalla?Kankeaa vai norjaa? Johtamisen työkalut bisnescloudissa. Valoa pilven reunalla?
Kankeaa vai norjaa? Johtamisen työkalut bisnescloudissa. Valoa pilven reunalla?ICMI Oy
 
Mystes Integraatioaamupala - Ratkaisuja järjestelmäintegrointien tyypillisiin...
Mystes Integraatioaamupala - Ratkaisuja järjestelmäintegrointien tyypillisiin...Mystes Integraatioaamupala - Ratkaisuja järjestelmäintegrointien tyypillisiin...
Mystes Integraatioaamupala - Ratkaisuja järjestelmäintegrointien tyypillisiin...Mystes
 

Similar to Talent Base: Master Data Management (MDM) - mistä siinä on kyse (20)

3. Ydintiedon hallinnan LT perusteet ja kehittämisen suunnittelu
3. Ydintiedon hallinnan LT perusteet ja kehittämisen suunnittelu3. Ydintiedon hallinnan LT perusteet ja kehittämisen suunnittelu
3. Ydintiedon hallinnan LT perusteet ja kehittämisen suunnittelu
 
Tiedolla johtamisen tulevaisuus ja avoin data, Mikko Babitzin
Tiedolla johtamisen tulevaisuus ja avoin data, Mikko BabitzinTiedolla johtamisen tulevaisuus ja avoin data, Mikko Babitzin
Tiedolla johtamisen tulevaisuus ja avoin data, Mikko Babitzin
 
Big datan ja analytiikkamaailman käsitteiden läpikäyminen
Big datan ja analytiikkamaailman käsitteiden läpikäyminenBig datan ja analytiikkamaailman käsitteiden läpikäyminen
Big datan ja analytiikkamaailman käsitteiden läpikäyminen
 
Aalto-yliopisto Tiedolla johtaminen Timo Halima luento lukukausi 2015
Aalto-yliopisto Tiedolla johtaminen Timo Halima luento lukukausi 2015Aalto-yliopisto Tiedolla johtaminen Timo Halima luento lukukausi 2015
Aalto-yliopisto Tiedolla johtaminen Timo Halima luento lukukausi 2015
 
Kärkihankkeen esittely, Taru Rastas
Kärkihankkeen esittely, Taru Rastas Kärkihankkeen esittely, Taru Rastas
Kärkihankkeen esittely, Taru Rastas
 
TietRa-projekti (Tietotyöratkaisujen ekosysteemi)
TietRa-projekti (Tietotyöratkaisujen ekosysteemi)TietRa-projekti (Tietotyöratkaisujen ekosysteemi)
TietRa-projekti (Tietotyöratkaisujen ekosysteemi)
 
Tietopolitiikka - VM - Sutinen 2021-11-23
Tietopolitiikka - VM - Sutinen 2021-11-23Tietopolitiikka - VM - Sutinen 2021-11-23
Tietopolitiikka - VM - Sutinen 2021-11-23
 
Esitys+l klle
Esitys+l klleEsitys+l klle
Esitys+l klle
 
Digimarkkinoinnin seminaari-kovala-31-3-2017
Digimarkkinoinnin seminaari-kovala-31-3-2017Digimarkkinoinnin seminaari-kovala-31-3-2017
Digimarkkinoinnin seminaari-kovala-31-3-2017
 
Mobiilistrategia
MobiilistrategiaMobiilistrategia
Mobiilistrategia
 
Tiedolla johtaminen ja visuaalinen analytiikka - Prosessipäivät 2015 Solutive...
Tiedolla johtaminen ja visuaalinen analytiikka - Prosessipäivät 2015 Solutive...Tiedolla johtaminen ja visuaalinen analytiikka - Prosessipäivät 2015 Solutive...
Tiedolla johtaminen ja visuaalinen analytiikka - Prosessipäivät 2015 Solutive...
 
Asiakastietojen hallinta ja ylläpito
Asiakastietojen hallinta ja ylläpitoAsiakastietojen hallinta ja ylläpito
Asiakastietojen hallinta ja ylläpito
 
Qlik for the Enterprise
Qlik for the EnterpriseQlik for the Enterprise
Qlik for the Enterprise
 
Tiedonhallinnasta tiedolla johtamiseen - millaista tietoa palvelujen johtamis...
Tiedonhallinnasta tiedolla johtamiseen - millaista tietoa palvelujen johtamis...Tiedonhallinnasta tiedolla johtamiseen - millaista tietoa palvelujen johtamis...
Tiedonhallinnasta tiedolla johtamiseen - millaista tietoa palvelujen johtamis...
 
ICT PK-Yrityksessä
ICT PK-YrityksessäICT PK-Yrityksessä
ICT PK-Yrityksessä
 
Big data liiketoiminnan johtamiseen tarvitaan tietoa, Microsoft-tilaisuus 1...
Big data   liiketoiminnan johtamiseen tarvitaan tietoa, Microsoft-tilaisuus 1...Big data   liiketoiminnan johtamiseen tarvitaan tietoa, Microsoft-tilaisuus 1...
Big data liiketoiminnan johtamiseen tarvitaan tietoa, Microsoft-tilaisuus 1...
 
Kankeaa vai norjaa? Johtamisen työkalut bisnescloudissa. Valoa pilven reunalla?
Kankeaa vai norjaa? Johtamisen työkalut bisnescloudissa. Valoa pilven reunalla?Kankeaa vai norjaa? Johtamisen työkalut bisnescloudissa. Valoa pilven reunalla?
Kankeaa vai norjaa? Johtamisen työkalut bisnescloudissa. Valoa pilven reunalla?
 
BiFF_avaus_20151029
BiFF_avaus_20151029BiFF_avaus_20151029
BiFF_avaus_20151029
 
Datpro Finug
Datpro FinugDatpro Finug
Datpro Finug
 
Mystes Integraatioaamupala - Ratkaisuja järjestelmäintegrointien tyypillisiin...
Mystes Integraatioaamupala - Ratkaisuja järjestelmäintegrointien tyypillisiin...Mystes Integraatioaamupala - Ratkaisuja järjestelmäintegrointien tyypillisiin...
Mystes Integraatioaamupala - Ratkaisuja järjestelmäintegrointien tyypillisiin...
 

More from Loihde Advisory

Talent Base ja Azets Suomi: Johtajuus ketterassä ja itseohjautuvassa organisa...
Talent Base ja Azets Suomi: Johtajuus ketterassä ja itseohjautuvassa organisa...Talent Base ja Azets Suomi: Johtajuus ketterassä ja itseohjautuvassa organisa...
Talent Base ja Azets Suomi: Johtajuus ketterassä ja itseohjautuvassa organisa...Loihde Advisory
 
Gamebook for digital era – 4 cornerstones of success
Gamebook for digital era – 4 cornerstones of successGamebook for digital era – 4 cornerstones of success
Gamebook for digital era – 4 cornerstones of successLoihde Advisory
 
Avaimet ketterään datan hallintaan -aamiaisseminaari 29.3.2019
Avaimet ketterään datan hallintaan -aamiaisseminaari 29.3.2019Avaimet ketterään datan hallintaan -aamiaisseminaari 29.3.2019
Avaimet ketterään datan hallintaan -aamiaisseminaari 29.3.2019Loihde Advisory
 
Digitalisaation pelisuunnitelma – Tero Laatikainen, Talent Base
Digitalisaation pelisuunnitelma – Tero Laatikainen, Talent BaseDigitalisaation pelisuunnitelma – Tero Laatikainen, Talent Base
Digitalisaation pelisuunnitelma – Tero Laatikainen, Talent BaseLoihde Advisory
 
Tuija Riekkinen: Omnichannel Content Strategy
Tuija Riekkinen: Omnichannel Content StrategyTuija Riekkinen: Omnichannel Content Strategy
Tuija Riekkinen: Omnichannel Content StrategyLoihde Advisory
 
Asko Relas: Machine Learning for conversion optimization – How to be relevant...
Asko Relas: Machine Learning for conversion optimization – How to be relevant...Asko Relas: Machine Learning for conversion optimization – How to be relevant...
Asko Relas: Machine Learning for conversion optimization – How to be relevant...Loihde Advisory
 
Theresa Regli: Tame the chaos – image and video management for multi-channel...
Theresa Regli: Tame the chaos – image and video management  for multi-channel...Theresa Regli: Tame the chaos – image and video management  for multi-channel...
Theresa Regli: Tame the chaos – image and video management for multi-channel...Loihde Advisory
 
Reni Waegelein & Talent Base: Digitalisaation pelikirja – onnistumisen neljä ...
Reni Waegelein & Talent Base: Digitalisaation pelikirja – onnistumisen neljä ...Reni Waegelein & Talent Base: Digitalisaation pelikirja – onnistumisen neljä ...
Reni Waegelein & Talent Base: Digitalisaation pelikirja – onnistumisen neljä ...Loihde Advisory
 
Digitalisaation pelikirja – onnistumisen neljä kulmakiveä
Digitalisaation pelikirja – onnistumisen neljä kulmakiveäDigitalisaation pelikirja – onnistumisen neljä kulmakiveä
Digitalisaation pelikirja – onnistumisen neljä kulmakiveäLoihde Advisory
 
Tekoälystä puhutaan, mutta mitä se oikeastaan on?
Tekoälystä puhutaan, mutta mitä se oikeastaan on?Tekoälystä puhutaan, mutta mitä se oikeastaan on?
Tekoälystä puhutaan, mutta mitä se oikeastaan on?Loihde Advisory
 
Johdatus tietosuojakulttuuriin
Johdatus tietosuojakulttuuriinJohdatus tietosuojakulttuuriin
Johdatus tietosuojakulttuuriinLoihde Advisory
 
Käytännön kokemuksia tietosuojaan liittyvistä asiakascaseista
Käytännön kokemuksia tietosuojaan liittyvistä asiakascaseistaKäytännön kokemuksia tietosuojaan liittyvistä asiakascaseista
Käytännön kokemuksia tietosuojaan liittyvistä asiakascaseistaLoihde Advisory
 
Value of data in digital transformation
Value of data in digital transformationValue of data in digital transformation
Value of data in digital transformationLoihde Advisory
 
Valtio Expo 2016 virtuaalinen robotisointi
Valtio Expo 2016 virtuaalinen robotisointiValtio Expo 2016 virtuaalinen robotisointi
Valtio Expo 2016 virtuaalinen robotisointiLoihde Advisory
 
Talent Base Master Data Management Services
Talent Base Master Data Management ServicesTalent Base Master Data Management Services
Talent Base Master Data Management ServicesLoihde Advisory
 
Key Take-Aways: Master Data and Enterprise Information Conference
Key Take-Aways: Master Data and Enterprise Information ConferenceKey Take-Aways: Master Data and Enterprise Information Conference
Key Take-Aways: Master Data and Enterprise Information ConferenceLoihde Advisory
 
Master Data as Critical Success Factor in Digitalising Service Business
Master Data as Critical Success Factor in Digitalising Service BusinessMaster Data as Critical Success Factor in Digitalising Service Business
Master Data as Critical Success Factor in Digitalising Service BusinessLoihde Advisory
 
Customer Experience: more than meets the eye
Customer Experience: more than meets the eyeCustomer Experience: more than meets the eye
Customer Experience: more than meets the eyeLoihde Advisory
 
Process modeling in agile environment alec sharp
Process modeling in agile environment alec sharpProcess modeling in agile environment alec sharp
Process modeling in agile environment alec sharpLoihde Advisory
 

More from Loihde Advisory (20)

Talent Base ja Azets Suomi: Johtajuus ketterassä ja itseohjautuvassa organisa...
Talent Base ja Azets Suomi: Johtajuus ketterassä ja itseohjautuvassa organisa...Talent Base ja Azets Suomi: Johtajuus ketterassä ja itseohjautuvassa organisa...
Talent Base ja Azets Suomi: Johtajuus ketterassä ja itseohjautuvassa organisa...
 
Gamebook for digital era – 4 cornerstones of success
Gamebook for digital era – 4 cornerstones of successGamebook for digital era – 4 cornerstones of success
Gamebook for digital era – 4 cornerstones of success
 
Avaimet ketterään datan hallintaan -aamiaisseminaari 29.3.2019
Avaimet ketterään datan hallintaan -aamiaisseminaari 29.3.2019Avaimet ketterään datan hallintaan -aamiaisseminaari 29.3.2019
Avaimet ketterään datan hallintaan -aamiaisseminaari 29.3.2019
 
Digitalisaation pelisuunnitelma – Tero Laatikainen, Talent Base
Digitalisaation pelisuunnitelma – Tero Laatikainen, Talent BaseDigitalisaation pelisuunnitelma – Tero Laatikainen, Talent Base
Digitalisaation pelisuunnitelma – Tero Laatikainen, Talent Base
 
Tuija Riekkinen: Omnichannel Content Strategy
Tuija Riekkinen: Omnichannel Content StrategyTuija Riekkinen: Omnichannel Content Strategy
Tuija Riekkinen: Omnichannel Content Strategy
 
Asko Relas: Machine Learning for conversion optimization – How to be relevant...
Asko Relas: Machine Learning for conversion optimization – How to be relevant...Asko Relas: Machine Learning for conversion optimization – How to be relevant...
Asko Relas: Machine Learning for conversion optimization – How to be relevant...
 
Theresa Regli: Tame the chaos – image and video management for multi-channel...
Theresa Regli: Tame the chaos – image and video management  for multi-channel...Theresa Regli: Tame the chaos – image and video management  for multi-channel...
Theresa Regli: Tame the chaos – image and video management for multi-channel...
 
Reni Waegelein & Talent Base: Digitalisaation pelikirja – onnistumisen neljä ...
Reni Waegelein & Talent Base: Digitalisaation pelikirja – onnistumisen neljä ...Reni Waegelein & Talent Base: Digitalisaation pelikirja – onnistumisen neljä ...
Reni Waegelein & Talent Base: Digitalisaation pelikirja – onnistumisen neljä ...
 
Digitalisaation pelikirja – onnistumisen neljä kulmakiveä
Digitalisaation pelikirja – onnistumisen neljä kulmakiveäDigitalisaation pelikirja – onnistumisen neljä kulmakiveä
Digitalisaation pelikirja – onnistumisen neljä kulmakiveä
 
Tekoälystä puhutaan, mutta mitä se oikeastaan on?
Tekoälystä puhutaan, mutta mitä se oikeastaan on?Tekoälystä puhutaan, mutta mitä se oikeastaan on?
Tekoälystä puhutaan, mutta mitä se oikeastaan on?
 
Johdatus tietosuojakulttuuriin
Johdatus tietosuojakulttuuriinJohdatus tietosuojakulttuuriin
Johdatus tietosuojakulttuuriin
 
Käytännön kokemuksia tietosuojaan liittyvistä asiakascaseista
Käytännön kokemuksia tietosuojaan liittyvistä asiakascaseistaKäytännön kokemuksia tietosuojaan liittyvistä asiakascaseista
Käytännön kokemuksia tietosuojaan liittyvistä asiakascaseista
 
Value of data in digital transformation
Value of data in digital transformationValue of data in digital transformation
Value of data in digital transformation
 
Valtio Expo 2016 virtuaalinen robotisointi
Valtio Expo 2016 virtuaalinen robotisointiValtio Expo 2016 virtuaalinen robotisointi
Valtio Expo 2016 virtuaalinen robotisointi
 
Talent Base Master Data Management Services
Talent Base Master Data Management ServicesTalent Base Master Data Management Services
Talent Base Master Data Management Services
 
Key Take-Aways: Master Data and Enterprise Information Conference
Key Take-Aways: Master Data and Enterprise Information ConferenceKey Take-Aways: Master Data and Enterprise Information Conference
Key Take-Aways: Master Data and Enterprise Information Conference
 
Master Data as Critical Success Factor in Digitalising Service Business
Master Data as Critical Success Factor in Digitalising Service BusinessMaster Data as Critical Success Factor in Digitalising Service Business
Master Data as Critical Success Factor in Digitalising Service Business
 
UX in eCom projects
UX in eCom projectsUX in eCom projects
UX in eCom projects
 
Customer Experience: more than meets the eye
Customer Experience: more than meets the eyeCustomer Experience: more than meets the eye
Customer Experience: more than meets the eye
 
Process modeling in agile environment alec sharp
Process modeling in agile environment alec sharpProcess modeling in agile environment alec sharp
Process modeling in agile environment alec sharp
 

Talent Base: Master Data Management (MDM) - mistä siinä on kyse

  • 1. MDM – mistä siinä on kyse? Talent Base Oy, Nino Ilveskero
  • 2. Sisältö Miksi panostaa tiedon laatuun? Käsitteitä Master Data Management Tiedon laadun mittaaminen ja parantaminen Hyötyjen saaminen Yhteenveto
  • 3. Huonolaatuinen tieto johtaa monenlaisiin ongelmiin • Päätökset tehdään virheellisen tiedon perusteella tai mutu-tuntumalla, kun ei luoteta saatavilla olevaan tietoon. • Toimitukset ja lähetetyt viestit eivät tavoita vastaanottajaa väärien tai puutteellisten osoitetietojen takia • Sama henkilö tai asiakas esiintyy järjestelmissä moneen kertaan ja aiheuttaa sekaannusta ja laskee asiakaspalvelun laatua. • Lakien ja viranomaismääräysten noudattaminen mm. raportoinnin suhteen vaikeutuu ja aiheuttaa turhia kustannuksia. • Tietojärjestelmien yhteenliittäminen vaikeutuu erilaisten tietomallien ja puutteellisen datan takia.
  • 5. Master Data Management vs. Data Management vs. Data Quality Data management DQ DQ Master Data Management DQ
  • 6. Mitä on Master Data? Ei vakiintunutta suomenkielistä termistöä. Usein käytetään temiä “avaintieto” tai “ydintieto” Kaikki tieto ei ole master dataa Master data on koko organisaation toiminnalle keskeistä ja jaettua tietoa. Yhteisesti sovittu rakenne, sisältö ja merkitys = tietostandardi • Näkökulma tiedon käyttämisessä; ei tuottamisessa Vaatii omistajuutta ja hallintaa organisaatiossa Tyypillisiä master data alueita: • Toimijat (asiakkaat, henkilöstö, toimittajat, kumppanit) • Paikat (toimipisteet, myymälät, markkina-alueet) • Asiat (tuotteet, palvelut, kiinteistöt, omaisuus)
  • 7. Mitä on Master Data Management? Ei vakiintunutta suomenkielistä termistöä. Usein käytetään temiä “avaintiedonhallinta” tai “ydintiedonhallinta” Kokoelma sovittuja vastuita, prosesseja ja työkaluja, joiden avulla kuvataan ja hallitaan organisaation toiminnan kannalta keskeisiä tietosisältöjä Master data management sisältää tiedon: 1. Merkityksen ja termien määrittämisen 2. Keräämisen 3. Ryhmittelemisen 4. Yhdistämisen 5. Rikastamisen 6. Jakelemisen 7. Laadun mittaamisen ja parantamisen
  • 8. Master data managementin osa-alueet Sovitut käytännöt, prosessit, roolit ja vastuut tiedon hallitsemiksi Ihmiset ja prosessit Avaintiedonhallinnasta 80% on ihmisiä ja prosesseja ja 20% teknologiaa Tiedon laadun Sisällön, rakenteen, mittaaminen, Tiedon laatu Tietostandardit merkityksen ja käytön parantaminen ja määritelmät raportointi
  • 9. Tavoitteena sama tieto läpi koko toiminnan Usein eri prosesseissa ja yksiköissä on käytössä eri työkalut ja järjestelmät. Esim. myynnin ennustamista ja raportointia voidaan tehdä MDM täysin eri välineillä. Kuitenkin tiedon pitäisi olla yhteismitallista. Suunnittelu Toiminta Raportointi
  • 10. Avaintiedonhallinnoinnin (governance) kehittäminen Tietostrategia Mittarit ja Sovitut jatkuva käsitteet seuranta Sitouttaminen Yhteiset ja tietomallit jalkauttaminen Nimetty omistajuus
  • 11. Tietomallit ja standardit – perusta yhteiselle kielelle Tietoelementti Yritys Määritys Rekisteröity, juridinen Yritys yksikkö, jolle on olemassa y-tunnus. Omistaja Avainasiakaspäällikkö Käyttäjät Laskutus, taloushallinto, Toimipiste Liikesuhde markkinointi Asiakkuus Luottamuksellisuus Julkinen Kontakti
  • 12. Havaintoja tosielämästä Tarpeeksi korkean tason tuki on välttämätön liiketoiminnan puolelta. Eri osa-alueiden hallinnan lisäksi jossain vaiheessa joudutaan rakentamaan myös kattotason omistajuus Yhteisesti sovitut määritykset kaiken perusta. ”Etäisyys” MDM-omistajan ja tiedon käyttäjän välillä ei saa kasvaa liian pitkäksi. Tarvittaessa otetaan mukaan välitaso, jolla on valtuus päättää tiettyyn tietoalueeseen liittyvistä asioista. Hyötyjen kommunikointi yksilö-, yksikkö- ja yritystasoilla tärkeää jalkautuksessa.
  • 13. Miten arvioin ja parannan tiedon laatua?
  • 14. Miten arvioida tiedon laatua 1/2 Laadun mittaaminen ja arviointi perustuu aina sovittuun tietostandardiin Kuinka oikeaa tietosisältö on? Kuinka hyvin se vastaa Paikkansapitävyys todellisuutta? Täyttöaste Kuinka suuri osa halutuista tiedoista on olemassa? Tietueiden Kuinka monta tarpeetonta esiintymää samasta tietueesta on? yksilöllisyys Ajantasaisuus Onko tieto ajantasalla ja saatavissa oikeaan aikaan? 14
  • 15. Miten arvioida tiedon laatua 2/2 Muodon oikeellisuus Onko tieto oikeassa muodossa? Yhdenmukaisuus Onko tieto yhdenmukaista eri järjestelmissä Eheys Ovatko viittaukset tietojen välillä oikein kaikissa järjestelmissä? Kattavuus Kuinka hyvin olemassa oleva tieto kattaa valitun alueen?
  • 16. Tiedon laadun parantaminen eri vaiheissa Mittaaminen ja Tiedon luonti Tiedon käyttö raportointi Koulutus, Reaaliaikainen Tietojen Jälkikäteen Toimen- Mittaaminen ja standardit, Validointi yhdistely ja ristiinviittaami- yhdistely ja raportointi piteet työohjeet rikastaminen nen ja linkitys rikastaminen Tiedon Sisällön Tunnistaminen Offline Laadun tarkistaminen Synkronointi Vaiheet luominen ja siivous prosessointi seuranta Reaaliaikainen Säännöllinen
  • 18. Liiketoimintahyötyjen luominen Tuottojen lisäys Liiketoimin- tahyödyt Riskien hallinta ja säännösten mukaisuus Kustannustehokkuus
  • 19. Tiedon laatu vaikuttaa monella tavalla • Tietojärjestelmien integrointi • Prosessien ja työskentelyn tehokkuus • Asiakaspalvelun parantaminen • Myynnin ja markkinoinnin tehostaminen • Lakien ja määräysten asettamien vaatimusten täyttäminen • Raportointi • Päätöksenteko
  • 20. “A journey of a thousand miles starts with a single step.” Mao Zedong
  • 21. Miten kannattaa aloittaa? Tunnista organisaatiosi ja sen tehtävän kannalta olennaisin tieto Kokoa projektitiimi organisaation eri osista • Omistajuus ja tuki riittävän korkealta tasolta • Tiimin jäsenet sekä liiketoiminnan (kaikki olennaiset prosessit edustettuina), että tietohallinnon puolelta Määritä yhteiset käsitteet Määritä tavoitetila ja miten mitataan onnistumista Tunnista alueet, joissa voidaan nopeasti saavuttaa konkreettisia tuloksia. Suhteuta kehityspanokset saavutettavissa oleviin hyötyihin.
  • 23. Vain laadukas tieto on arvokasta. Avaintieto on koko organisaation toiminnalle keskeistä ja jaettua tietoa. Sillä pitää olla omistaja ja hallinnoija. Tiedon laatuun vaikuttavista asioista 80% liittyy ihmisiin ja prosesseihin ja 20% teknologiaan. Tiedon laatua voidaan ja sitä pitää mitata, seurata ja parantaa jatkuvasti. Ongelmat on helpompi korjata niiden syntylähteellä kuin jälkeenpäin tietojärjestelmissä.