Kun data ja analytiikan tuottama tieto ovat helposti käyttäjien ulottuvilla, tiedolla johtamisesta muodostuu luonteva osa organisaation arkea. Tarpeet vaihtelevat - siinä missä sinä haluaisit nopean näkymän tilanteeseen, kollegasi on uppouduttava tietoon tarkemmin. Jos analytiikkaratkaisu on suunniteltu pienen käyttäjäjoukon lähtökohdista, tiedolla johtamisen koko potentiaali jää helposti hyödyntämättä.
Monessa yrityksessä Business Intelligence -työkalujen kehitys ja käyttöönotto on lähtenyt liikkeelle yksittäisestä toiminnosta ja tietystä tarpeesta. Matkan varrella sovelluksia on jalostettu ja niitä on tehty lisää. Yhä useammilla käyttäjillä on pääsy ajantasaiseen, luotettavaan tietoon - mutta tarjoillaanko se heille siinä muodossa, kuin he sitä tarvitsevat?
Tässä blogissa esittelemme DAR-mallin, jota hyödynnämme käyttäjälähtöisen analytiikan suunnitteluun. Olemme todenneet sen tehokkaaksi menetelmäksi niin olemassa olevien analytiikkaympäristöjen jäsentämisessä kuin kokonaan uusien ratkaisujen suunnittelussa.
Kuka tietoa tarvitsee, mihin ja missä muodossa?
Käyttäjälähtöisen analytiikan keskeinen kysymys on, kuka dataa käyttää ja mihin tarkoitukseen? Siinä, missä organisaation johto tarvitsee nopean ja kirkkaan yleiskuvan, toisaalla organisaatiossa voi olla tarve etsiä poikkeamia tai selittää niitä.
Jos oikean tiedon löytäminen on hankalaa, se johtuu luultavasti siitä, että välitetty informaatio on joko liian yksityiskohtaista yleiskuvan muodostamiseen - tai liian yleistä johtopäätösten tekemiseen. Käyttäjän kannalta tieto on väärällä tasolla.
Liiketoiminnan ja käyttötarpeiden muuttuessa on hyvä tarkastella sitä, miten analytiikka palvelee käyttäjiä. Kehitystyöhön kannattaa ottaa alusta lähtien niin liiketoimintajohto kuin analytiikan pääkäyttäjät eli he, jotka työssään sukeltavat syvälle dataan. Yhteisistä keskusteluista saadaan paitsi suunta kehitykselle, myös lisää ymmärrystä erilaisista käytänteistä ja tarpeista organisaation sisällä.
Kun erilaisten käyttäjien tarpeet ovat selvillä, analytiikan suunnittelun tueksi voidaan ottaa DAR-malli.
DAR-malli nostaa tärkeimmän tiedon pinnalle
DAR-malli on viitekehys, jolla analytiikkaa kehitetään palvelemaan käyttäjien tarpeita. DAR tulee sanoista dashboard, analytics, reporting. Ne kuvaavat analytiikan kolmea eri tasoa, jotka etenevät yleisestä kohti yksityiskohtaisempaa.
Esimerkiksi toimitus- tai talousjohtaja saa näkymän yleistilanteeseen seuraamalla koontinäyttöä eli dashboardia. Se näyttää hänelle tärkeimmät avainmittarit, KPI:t, vaikkapa liikevaihdon ja kannattavuuden verrattuna budjettiin ja edellisvuoteen. Jos suunta ei näytä oikealta, hän voi pureutua syvemmälle analysointikerrokseen, ja tutkia esimerkiksi tuotemyyntiä kuukausittain tai kulujen kehitystä eri tuotteiden osalta. Analyysinäkymä on usein myös eri toiminnoista vastaavien pääasiallinen työkalu, esimerkiksi myyntijohtaja voi tällä tasolla porautua eri yksiköiden myyntiin eri ajanjaksoina tai myyjittäin.
Raporttitasolla dataa pääsee tutkimaan rivitietoja myöten. Tällä tasolla pureudutaan yleensä analyysivaiheessa esiin tulleiden havaintojen juurisyihin tai etsitään korjaavia toimenpiteitä. Tarkastelu tapahtuu yksittäisten tapahtumien tasolla usein taulukkomuotoista dataa tutkimalla.
DAR-mallin mukaan rakennetussa analytiikassa ajatus on, että useimmin tutkitaan ylintä Dashboard-tasoa, alempia kerroksia seurataan tarvittaessa.
Yleensä juuri ylimmän tason yksinkertaistaminen on vaikeinta, mutta kaikkein palkitsevinta. Jotta analytiikka onnistuu, sitä pitää pystyä yksinkertaistamaan.
Vaikka raportteja ja analytiikkaa tulkitaan ensisijaisesti ‘ylhäältä alas’, käytännön työ raportoinnin kehittämiseksi alkaa alimmalta ja yksityiskohtaisimmalta tasolta.
Raporttitason rakentaminen vie eniten aikaa, mutta perustuksiin keskittyminen kannattaa. Liikkeelle lähdetään rivitason datasta eli yksittäisistä tilitapahtumista. Kun ne ovat kunnossa, seuraavat vaiheet sujuvat vaivattomammin. Analyysitasolle rakennetaan näkymä datasta esimerkiksi osastoittain tai toiminnoittain. Viimeisenä tehdään dashboard-näkymä, jonne nostetaan tärkeimmät tunnusluvut.
“Ajatus olisi, että jokainen löytäisi tarvitsemansa tiedon BI-työkalusta haluamassaan muodossa. Hälytyskellojen pitäisi soida viimeistään siinä kohtaa, jos käyttäjä joutuu viemään dataa exceliin saadakseen tiedosta irti haluamansa”, toteaa tietojohtamisen asiantuntija Jari Autio.
Käyttäjälähtöisyydestä on hyötyä niin analytiikkaa jo hyödyntäville kuin sitä aloittaville organisaatioille
Käyttäjälähtöisesti suunniteltu ja DAR-mallin avulla kehitetty analytiikka tukee tiedolla johtamisen juurruttamista organisaation toimintatapaan. Uusimpien työkalujen avulla tietoa voidaan tuoda käyttäjäkohtaiseen dashboard-näkymään myös useasta eri sovelluksesta, jolloin käyttäjät pääsevät eroon siirtymistä eri sovellusten välillä.
Yritykselle, joka on vasta lähtökuopissa BI-työkalujen käyttöönotossa, käyttäjälähtöinen suunnittelu ja DAR-malli on luonteva tapa lähteä suunnittelemaan BI-ratkaisua. Näin voidaan rakentaa analytiikan tiekartta niin, että vaihe vaiheelta saadaan liiketoimintatieto palvelemaan laajasti erilaisia käyttäjiä organisaatiossa.
Suosittelemme DAR-mallia myös niille organisaatioille, jotka ovat jo pidempään hyödyntäneet analytiikkaa ja joilla on jo BI-työkalu käytössä. Se auttaa varmistamaan, että järjestelmä ei jää vajaakäytölle, vaan se palvelee aidosti jokaista käyttäjäänsä. Luonteva tilaisuus analytiikan käyttäjälähtöisyyden arviointiin on esimerkiksi seuraavissa tilanteissa:
- Lähdejärjestelmät ovat muuttumassa.
- Organisaatiorakenteessa on merkittäviä muutoksia.
- Liiketoimintaympäristö on muuttunut, esimerkiksi raportointiin on tullut uusia viranomaismääräyksiä.
- Nykyinen analytiikkaympäristö ei ole aktiivisessa käytössä.
Haluatko tuoda tiedon helpommin luettavaan muotoon? Tutustu myös:
Jari Autio
Tilaa uusimmat artikkelit sähköpostiisi
Blogikirjoitusten aiheet
- Tietojohtamisen kehittäminen (13)
- Qlik (11)
- Asiakastarina (9)
- Tietovarastointi, integraatiot (8)
- Power BI (6)
- Myynnin analytiikka (5)
- Tuotannon analytiikka (5)
- Uutiset (5)
- Talouden analytiikka (4)
- Vastuullisuusraportointi (4)
- ESG (3)
- Ennustava analytiikka (2)
- Kiertotalous (2)
- Automatisointi (1)
- HR-analytiikka (1)
- Tiedon visualisointi ja BI (1)