BI-asiantuntija etäilee Oiwalla

Teen etänä töitä Kuopiosta, reilun 300 kilometrin päässä Oiwien toimistolta Seinäjoelta. Kahden kuukauden perehdytysjakso Seinäjoella Oiwan toimipisteellä meni nopeasti. Kahdessa kuukaudessa ehti tutustua uusiin työkavereihin. Tällöin yhteyden ottamisen kynnys on pienempi ja tuntee kuuluvansa porukkaan, vaikka onkin monen sadan kilometrin päässä. Itse työhön sai hyvät eväät. Erityisesti pitää antaa kiitosta oppimispolusta, joka on tehty Oiwalla uusia harjoittelijoita ja työntekijöitä varten. Siitä sai hyvin kokonaiskuvan mitä kaikkea työ pitää sisällään ja mistä niihin löytää tietoa.

Haikein mielin tuli pakattua työvälineet autoon ja suunnattua auton nokka kohti Kuopiota. Työtilaksi erotettiin osa varastosta. Ikkunat löytyy ja lämmitys. Seiniin maalia ja lattiaan vinyyliä. Tila ei ole suuren suuri, mutta sinne mahtuu juuri tarvittava ja jäi vielä varastotilaakin, joka on erotettu verhoilla työtilasta. Aluksi ajattelin, että teen töitä talon sisällä, mutta lapset tulevat sen verran aikaisin koulusta ja usein vielä kavereiden kanssa, että ääntä ja touhua olisi liikaa ajatustyöhön. Nyt joudun menemään ulkokautta varastoon eli tulee tunne, että lähtee töihin. Lisäksi on sovittu lasten kanssa, että pitää soittaa, jos on asiaa.

Mitkä ajatukset on ensimmäisten kuukausien jälkeen? Työmatkaan ei mene aikaa lainkaan. Saan keskittyä omassa rauhassa kehitystyöhön. Sain sisustaa oman työpaikan mieleisekseni ja tarvittaessa vaihtaa, jos siltä tuntuu. Välillä tulee mieleen, että alkaakohan hiljaisuus ja yksin oleminen pidemmän päälle ärsyttämään. Siinä vaiheessa voin ottaa yhteyttä teamsilla tai puhelimella työkavereihin. Lisäksi käyn joka toinen kuukausi Seinäjoella kahden päivän ajan. Tämä järjestely tuntuu tähän elämän tilanteeseen enemmän kuin sopivalta. Lasten kuljettaminen kesken työpäivän esim. hammaslääkäriin on paljon helpompaa. Myös sairastellessa olen lähellä. Negatiivisia asioita en ole vielä keksinyt. Minut tuntevat tietävät, että olen kova höpöttämään ja ihmettelevät, miten viihdyn yksikseni. Loppujen lopuksi sitä on harvoin yksin. Muuna aikana on perhe ympärillä, lasten harrastukset ja kun keskittyy, niin ei sitä edes muista olevansa yksin. Työ itsessään onnistuu mistä tahansa, kun on vaan hyvät nettiyhteydet. Tätä kannattaisi kokeilla rohkeasti useammissa yrityksissä. Jos ei jatkuvana, niin vaikka muutamana päivänä kuukaudessa. Vaihtelu saattaisi piristää ja saada aikaan avoimempaa suhtautumista työn tekemiseen. Oiwalle iso kiitos tästä mahdollisuudesta.

Oiwan työntekijöillä kaikilla on sähköpöydät käytössä.

Hävikki – Miten minimoida sitä raportoinnin avulla?

Nykypäivänä puhutaan paljon siitä, kuinka paljon ruokaa heitetään roskiin hyvinvointivaltioissa, ja kuinka taas toisaalla kärsitään nälkää. Kuluttajatasolla jokainen voi itse parantaa vanhaksi menneiden ruokien seurantaa, mutta entä sitten ruokien valmistajat? Roskiin heittäminen on firmalle tietenkin kannattamatonta, mutta myös yhteiskunnan, ilmaston ja kulutuksen kannalta epäeettistä.

Ruokavalmistajan on hyvä varmistaa, ettei varastoon jää vanhaa tavaraa ja ettei elintarvikkeissa tule päivämäärät vastaan. On myös tärkeää, että saadaan pidettyä varastossa oleva tavara mahdollisimman tuoreena. Dataa ja tietovarastoa voidaan käyttää monella tapaa hyödyksi, myös tämänkin seuraamisessa ja hävikin pienentämisessä.

Kun meillä on valmistettujen tuotteiden data tallessa, niin voidaan seurata sekä tuotteiden tuoreutta että yrittää kiihdyttää myyntiä niiden tuotteiden osalta, joilla päivämäärät ovat tulossa vastaan. Tarvitsemme tuotteista oikeastaan vain perustietojen lisäksi valmistuspäivämäärän. Toki myös tiedon siitä, että montako päivää tuote on tuore eli montako päivää lisätään valmistuspäivämäärään, että saadaan sille viimeinen käyttöpäivä tai parasta ennen päivämäärä, esimerkiksi + 10 päivää. Sekä koska voimme viimeistään toimittaa tuotteen kauppoihin myyntiin, esimerkiksi +5 päivää.

Esimerkkituotteena Oiwa reikäleipä, valmistuspäivämäärä 4.6.2019. Laskennallisesti parasta ennen päivämäärä on 14.6.2019 ja viimeinen toimituspäivämäärä on 9.6.2019. Haluamme kyseiset reikäleivät raportillemme silloin, kun viimeiseen toimituspäivämäärään on aikaa kaksi päivää. Näin tiedämme kuinka paljon mitäkin tuotetta täytyy saada maailmalle vielä, kun se on mahdollista ja ehtii kauppoihin.

Jos haluammekin vielä tarkempaa dataa tuoreudesta ja siitä kuinka tuoreena tuotteet saadaan liikkeelle, niin voimme laskea esimerkiksi päiväkohtaista tuoreusprosenttia haluamillemme tuotteille. Yritykselle on tietenkin kannattavaa, että saadaan optimoitua valmistusprosessit niin, että tuotteet ovat valmiina vähän ennen toimitusta, jolloin saadaan tuotteet lähtemään mahdollisimman tuoreina ulos. Tämä on myös osa laatua, ja liittyy osaltansa toimitusvarmuuteenkin. Kaikki yritykselle tärkeitä asioita.

Entä sitten kuluttaja? Mitä jos meillä olisi jääkaapin ovessa integroituna listaus tuotteista, joissa olisi viimeinen käyttöpäivä huomenna. Uskon, että ruokahävikki pienisi kotitalouksillakin!

Huono toimitusvarmuus syö katetta ja vie asiakkaita. Mikä avuksi?

Toimitusvarmuus on tärkeä osa yrityksen laadunvalvontaa sekä asiakastyytyväisyyden seurantaa. Samoin liikevaihdon ja kannattavuuden kannalta yksi tärkeistä mittareista monien joukossa. Jatkuva vaje toimituksissa aiheuttaa luonnollisesti liikevaihdon laskua ja sen aiheuttamat selvittelytyöt pienentävät katetta. Se, puhutaanko toimitusvarmuudesta vai -kyvystä, menee usein sekaisin. Toimituskykyä on vaikkapa se, että pystytäänkö vastaamaan kysyntään ja ottamaan tilauksia vastaan niillä määrillä ja toimitusajoilla, joilla halutaan. Tässä kirjoituksessa avaan paremminkin toimitusvarmuutta laajemmin, sillä tästä aiheesta ei mielestäni puhuta vielä tarpeeksi.

Puutteellinen tilaus on lähes aina reklamaation aihe, jota käsitellään ja hyvitellään. Tai sitten se on jatkuva prosessi jälkitoimituksineen. Kaikki tuo aiheuttaa kuluja, joita suurelta osin voitaisiin välttää. Aina tulee olemaan tilanteita, ettei kaikkea tilattua määrää pystytä toimittamaan. Näitä tilanteita pitää pyrkiä vähentämään.

Samoin pitää oikeastaan suhtautua myös tilauksiin, joissa toimitettu määrä on suurempi kuin tilattu määrä. Ellei ylimenevää määrää laskuteta, on asiakas mitä ilmeisimmin tyytyväinen. Katetta tuo ei kuitenkaan paranna. Ja väittäisin, että tuolla on vaikutusta asiakastyytyväisyyteenkin. Positiivisesti? Ei välttämättä. Ainakin se on merkki yrityksen laadun tasosta ja sitä kautta aiheuttaa epäilyksiä ja epävarmuutta muihinkin toimituksiin. Usein toistuvat puutteelliset tilaukset joka tapauksessa on huonon laadun merkki sekä heikentää asiakastyytyväisyyttä. Pahimmillaan jos puhutaan esim. sähköisestä asioinnista, jossa asiakas tilaa ensimmäistä kertaa jotain tuotetta saaden siitä vain osan, on suuri pelko, ettei tämä asiakas tilaa toista kertaa mitään. Eli kerran koukutettu asiakas annetaan kadota saman tien.

Toimitusvarmuuteen on seurannan avulla hyvä panostaa ajoissa silloinkin, kun kaikki on kunnossa. Mahdollisten tilausmäärien kasvun myötäkään sen ei saisi pettää. Jotain tuotetta voidaan ruveta tilaamaan jonkin buumin, kampanjan tai markkinoinnin myötä koko ajan kasvavasti. Silloin on vaarana, että toimitusvarmuus kärsii. Jos tuotteiden seuranta on kunnossa, nähdään ongelmat ajoissa ja niihin pystytään puuttumaan heti alussa. Eikä vasta jälkikäteen, kun on jo menetetty rahaa ja kulutettu aikaa toimitusten selvittelyihin. Samoin, jos jo etukäteen nähdään, että tilausta ei saada täydellisenä perille, voidaan informoida asiakasta. Tällöin asiakaskokemus sekä -tyytyväisyys ovat varmasti paremmat kuin jos hän itse joutuu näistä jälkikäteen reklamoimaan.

Seuranta rakennetaan yleensä ryhmätasolla. Eli esimerkiksi asiakasryhmä- tai tuoteryhmätasolla kuukausittain. Näistä toki päästään aina pureutumaan tuote- tai asiakastasollekin. Tässä saattaa olla riskinä se, että esim. tuoteryhmätasolla toimitusvarmuus näyttää kohtalaisen hyvältä eikä siihen tulla puuttuneeksi. Tuoteryhmän sisällä kuitenkin saattaa jokin yksittäinen tuote sakata pahastikin muuttamatta paljon keskiarvoa. Tuote voi olla merkittävä asiakkuuksissa ja aiheuttaa hyvinkin paljon harmia. Äkillisen romahtamisen ehkä huomaa jotain kautta muutenkin, mutta pikkuhiljaa tapahtuva heikkeneminen on hankalampi havaita. Nämä pitää järjestelmän pystyä nostamaan esille normaalin seurannan yhteydessä joko indikoimalla summatasot tai tuomalla omina hälytysriveinään tai mittareinaan seurannan työpöydälle. Näihin sitten pitää pureutua syvemmälle, että syy selviäisi ja saadaan tilanne korjattua.

Nyt edellä on tullut puhuttua pelkästään määristä. Toimitusvarmuutta on kuitenkin esim. oikea määrä, hinta, aika sekä myös kaikki sovitut kuljetus tai toimitustavat pitää mennä oikein. Toimitusvarmuus on osa laadunvalvontaa mutta myös toimitettujen tuotteiden laatu pitää olla kunnossa. Se taas on osa toimitusvarmuutta. Kaikkea tuota seuraamalla nähdään aito kuva yrityksen toimitusvarmuudesta ja sitä pystytään systemaattisesti parantamaan. Seuranta onnistuu, kunhan tietoa kerätään ja analysoidaan oikein. Tämä on yksi tärkeä asia mitä me Oiwassa tehdään yhteistyössä asiakkaiden kanssa.

Laadukas data on yrityksen tärkeimpiä asioita

Yritykset saavat järjestelmistä paljon tietoa, mutta onko se hyödynnetty kaikilta osin ja kuinka laadukasta data on? Yrityksissä ei välttämättä edes olla tietoisia kaikista dataongelmista. Tärkeää olisi huomioida myös onko kaikki asiat osattu ottaa huomioon. Tämän takia yrityksessä olisikin hyvä olla tiedon laatuvastaava, jonka tehtävänä on seurata datan oikeellisuutta, kehittää tarvittavat prosessit ja ohjeistaa käyttäjät tekemään asioita oikein.

Tietovarastoinnin automatisoiduissa prosesseissa valvotaan datan virheitä ja puutteita sekä voidaan ohjata raja-arvoihin sopimattomat arvot virheiksi. Datan oikeellisuuden varmistamiseksi tehdään myös tarkistusprosesseja, joissa verrataan datoja keskenään ja etsitään poikkeamia. Virheelliset tiedot ohjataan automaattisesti virheiksi, joita seurataan päivittäin. Virheellinen data voidaan korjata operatiivisessa järjestelmässä heti ja tiedot saadaan oikeellisiksi pikaisesti. Yrityksissä on paljon myös tietoja, joilla on erityiset vaatimukset tiedon oikeellisuudesta, kuten taloushallintoon liittyvällä datalla.

Virheet voidaan ottaa siis kiinni jo datan latauksissa eikä vasta sitten, kun raportit näyttävät vääriä lukuja. Väärät luvut voivat olla raportilla pitkäänkin, ennenkuin joku huomaa ne ja näin on saatettu tehdä vääriä tulkintoja jo kauankin. Huonolla datalla voidaan tehdä vääriä päätöksiä tai pienillä asioilla voi olla suuriakin vaikutuksia.

Kilpailu on kovaa ja toiminnan pitäisi olla mahdollisimman kustannustehokasta. Tuotekustannuksen komponentteja on toimijasta riippuen useita. Esim: raaka-ainekustannukset, pakkaustarvikkeet, työkustannukset, logistikan kustannukset sekä markkinoinnin kiinteät. Jos näistä joku on analysointimielessä annettu puutteellisesti, aiheuttaa se vääristymän katteessa. Jos yksi näistä kustannuksista jää antamatta tai annetaan vaikka sen voimassaoloaika väärin, jää tuotteen kustannuksista esim 0,05 euroa pois. Vielä jos tämä osuu jonkin volyymituotteen, kuten kaupan merkkituotteen, kohdalle niin virhe kertautuu jo huomattavasti. Esimerkiksi asiakasryhmän omalla merkkituotteella 100 000 kiloa kuukaudessa muuttaa tuolla puuttuneella kustannuksella katteen 5000e paremmaksi, kuin mitä pitäisi. Toinen asiakasryhmä ei osta tuota tuotetta, joten sen kate on oikein, mutta jää virheen takia vertailussa kaikenaikaa heikommaksi. Tätä ei välttämättä heti huomata raportilla, mutta datan käsittelyssä tämä olisi helppo saada kiinni ja heti korjattavaksi.

Tiedon laatu on siis yksi tiedolla johtamisen tärkeimpiä asiota. Oletko miettinyt missä kunnossa datanne on? Viimeistään nyt kannattaisi ottaa tämä kallisarvoinen asia työpöydälle eikä enää jättää sitä vain puheiksi.

SQL Tips: Case sensitive SQL:n WHERE-lauseessa

Tässä esimerkissä on yksinkertainen taulu, jossa dataa näin:

Normaalisti esimerkiksi alla oleva kysely palauttaa rivit riippumatta tekstin kirjainkoosta:

Jos halutaan hakea vain tietyllä kirjainkoolla olevat rivit, pitää WHERE-ehdon perään lisätä oikea COLLATE-osuus. Tässä esimerkissä voidaan käyttää COLLATE SQL_Latin1_General_CP1_CS_AS. Tärkeintä on, että COLLATE-osuudesta löytyy _CS, joka tarkoittaa Case Sensitiveä. _AS (Accent Sensitive) tarkoittaa sitä, että a ei ole sama asia, kuin ä.

Kaikki eri COLLATE vaihtoehdot voit tarkistaa kyselyllä:

SELECT name, description 
FROM sys.fn_helpcollations()

Nyt kysely palauttaa vain halutulla kirjainkoolla olevat rivit:

Jos halutaan, että Tekstiarvo-kentässä mahdollisesti olevat indeksoinnit vaikuttaisivat, pitää rivi lisätä vielä ilman COLLATE-osuutta SQL-lauseeseen.

SQL Tips: Harmeja NULL-arvosta

SQL-kyselyissä NULL-arvot aiheuttavat usein harmeja. On tärkeää ymmärtää, että NULL tarkoittaa puuttuvaa arvoa. Se ei tarkoita välilyöntiä eikä nollaa vaan tuntematonta arvoa. Jos mahdollista, pyri muuttamaan NULL-arvot aina joko nollaksi (0) tai tyhjäksi (’’) niin säästyt monelta harmilta.

Totuus on, että tauluista löytyy kuitenkin aina myös NULL-arvoja. Siksi onkin syytä huomioida, ettei NULL käyttäydy samoin kuin muut arvot.

Tässä ensin esimerkkitaulujen tiedot ja esimerkit NULL-arvojen toiminnasta.

Jos laskukaavassa on mukana NULL-arvo palauttaa laskenta aina NULL. AlennettuHinta jää siis laskennassa NULL-arvoksi, koska Alennus on NULL.

NOT IN kyselyssä Fakta-taulun TuoteID on NULL-arvo, joten seuraava lause ei palauta mitään vaikka periaatteessa TuoteID 223 puuttuukin Fakta-taulusta.

NULL ei toimi taulujen liitoksissa (JOIN tai MERGE). Vaikka molempien taulujen avainkentässä olisi NULL, niin se ei yhdistä rivejä ja rivi jää puuttumaan. Esim. jos Fakta2 taulu olisi samanlainen taulu kuin Fakta ja yhdistetään ne TuoteID sekä Yhtio kenttien avulla. Kysely ei palauta yhtään riviä vaikka TuoteID 222 löytyykin molemmista tauluista ja Yhtio molemmissa on NULL.

Merge lauseessa syntyy joka kerta uudet rivit, koska NULL-arvo ei yhdistä avaimia.

Ongelman voi kiertää NULL tarkistuksilla, kuten esim. lisäämällä IS NULL -ehdot tai käyttämällä COALESCE()-funktiota.

Tai

Saatat myös ymmärtää NULL-arvon ja tyhjän arvon eron seuraavan havainnollistavan kuvan avulla:


Kuva: DevRant

SQL Tips: INT-muotoisen kentän jakolaskut

Jakaessa kahta INT-tyyppistä kenttää keskenään tulos on aina myös INT ja vieläpä niin, että tulosta ei pyöristetä, vaan se katkaistaan.

Esim. alla oleva SQL-lause palauttaa vastaukseksi 1.

SELECT 9 / 5

Jos taas lauseen jompikumpi arvo konvertoidaan desimaaliksi esimerkiksi näin

SELECT 9 * 1.0 / 5

tai näin

SELECT CAST(9 as float) / 5

palauttaa SQL vastaukseksi 1,8.

Samoin toimii sisäänrakennetut aggregointifunktiot, esim. AVG.

Esim. Tässä yksinkertainen taulu, jossa int-tyyppisessä kentässä arvoja

Normaali AVG-funktio palauttaa keskiarvoksi 2.

Kun taas konvertoituna palauttaa näin

Desimaalin muuttamiseksi kannattaa valita kyselyyn sopiva suorituskykyisin keino

Rikun harjoittelu oli monipuolinen oppimismatka

Olen ollut Oiwalla harjoittelussa noin puoli vuotta ja työharjoitteluni on nyt päättymässä. Tämän vajaan puolen vuoden aikana olen oppinut paljon uusia asioita. Olen päässyt syventämään koulussa opittuja tietoja ja taitoja konkreettisesti työelämässä, sekä kokemaan millaista on työskennellä IT-alalla.

Harjoittelun aloittaessani tiesin, että tulen oppimaan paljon asioita, joista en ole ennen kuullutkaan, sillä koulussa BI:stä ei oltu puhuttu. Kahvitauoilla kuullut termit kuulostivat omaan korvaan aluksi aivan tuntemattomilta ja sitä vain naureskeli mukana, vaikkei mistään ymmärtänytkään, mutta nykyään sitä naureskelee mukana termejä ymmärtäen. Koulusta opitun tiedon soveltamiseen tuli yllätyksen aiheita jo heti harjoittelun alussa, kun esimerkiksi tietokannaksi ei enää riittänytkään koulussa opittu relaatiotietokanta.

Harjoittelussa pääsin tekemään kaikenlaista. Harjoittelu alkoi tutustumalla aiheisiin SSIS, SSAS ja SSRS, jotka silloin särähtivät korvaan täysin tuntemattomina aiheina. Moneen näistä tuli tutustuttu projektissa, jossa minulla annettiin Excelit ja pyydettiin tekemään Power BI -raportti. Projektin aikana tutuiksi muodostuivat DW-kanta, ETL, tabulaarinen kuutio, Azuren pilvipalvelu sekä Power BI. Pääsin tekemään myös monenlaisia scriptejä tiedon lukuun ja tiedon siirtoon liittyen, sekä myös tietokannan ylläpitosovelluksia niin natiivisovelluksena kuin web-sovelluksena, käyttäen uusinta Angular-tekniikkaa.

Työharjoittelu Oiwalla on ollut monipuolista ja mielenkiintoista. Työssä on pitänyt olla tarkkana ja haasteita esiintyi jatkuvasti, haasteet koin kuitenkin opettavaisina.

Täällä Oiwa Solutionsilla sain kokea, miten hyvä on työskennellä sellaisessa työympäristössä, jossa on mukava porukka ja sitä myöden hyvä työyhteisö. Täällä jokainen otetaan huomioon ja jokainen on samalla viivalla, harjoittelijanakin tuntui siltä, että olisi yksi työntekijä. Apua ja ohjeita sai aina tarvittaessa, joku oli aina valmiina auttamaan. Jokaisena aamuna töihin oli kiva tulla, vaikka pyöräillessä olisi ollut kuinka väsy ja ulkona sataisi vettä. Harjoittelussa pääsin kokemaan, millaista on työskennellä IT-alalla, joka oli aihe mikä harjoitteluun tultaessa jännitti. Koulussa siitä ei juurikaan puhuttu. Oli hieno oppia ja nähdä kuinka projektit etenevät ja kuinka vastuu jaetaan kaikille tasaisesti.


Harjoittelun viimeisenä päivänä Riku kävi lounaalla Hannan ja Juhan kanssa.

Riku aloittelee kolmannen vuoden tietojenkäsittelyn tradenomiopintojaan Vaasan ammattikorkeakoulussa. Hän viettää vapaa-aikaansa tyttöystävänsä ja kavereidensa kanssa. Kavereiden kanssa Riku pelailee tietokonepelejä ja myös liikunta on ollut aina osa hänen elämäänsä.

Datan rakennus- ja pelastushommat

Jos datan hyödyntämisen kanssa ollaan ongelmissa, puhutaan oikeastaan kahdenlaisista tilanteista. Tyypillinen tilanne on, että dataa ei joko hyödynnetä ollenkaan tai sitä pyöritellään vaikeasti ja raportteja koostetaan paljon käsin. Toinen tapaus on se, että datan hyödyntämistä on automatisoitu, mutta toteutustavat ontuvat. Tällöin data pitää pelastaa toimimattomista ratkaisuista.

Siispä haalarit jalkaan ja auttamaan asiakasta! Tarkastellaanpas näitä kahta tilannetta erikseen.

Datan hyödyntäminen

Talousjohtaja (tai pienemmissä firmoissa toimitusjohtaja itse) käyttää joka viikko kaksi päivää työajastaan keräämällä dataa. Hän koostaa sitä eri järjestelmistä omin käsin, osa tiedoista tulee muiden ylläpitämistä, sähköpostilla lähetetyistä exceleistä. Edistyksellisemmässä tilanteessa Excel-tiedostot ovat jaettuja tiedostoja pilvessä, mutta silti talousjohtaja lähettää osastopäällikölle sähköpostin: ”Onko tieto ajan tasalla?”

Hikeä otsalta pyyhkien talousjohtaja saa johtoryhmän kokoukseen raportit kasaan, mutta koska niiden koostamiseen on mennyt niin paljon työaikaa, hän ei ole ehtinyt analysoida keräämäänsä dataa ja ennustaa tulevaa sen pohjalta. Johtoryhmä keskittyy katsomaan menneisyyteen.

Datan pelastaminen

Yrityksessä on alusta datan jalostamiselle ja analysoinnille. Kaikki ei kuitenkaan suju, niin kuin pitäisi. Virheellinen data kaataa kaikki ajot yöllä ja aamulla IT-osaston ihmisten työhyvinvointi on koetuksella. Kyseessä on sekasotku, jonka ylläpito maksaa paljon ja josta saatuun tietoon ei voi täysin luottaa. Alkaa selittely liiketoimintajohdolle, joka ei voi ymmärtää, miten tämmöiseen tilanteeseen on päädytty. Käytävillä käydään tiukkoja keskusteluja. Johtoryhmässä arvaillaan, onko data ajan tasalla, vai onko syytä epäillä. Pahimmassa tapauksessa koko tuotanto seisoo, kun tuotantoa ohjaavat raportit uupuvat.

Toisessa yrityksessä järjestelmä on otettu käyttöön nopeasti ja siihen ollaan oltu tyytyväisiä. Ongelmat ilmenevät vasta siinä vaiheessa, kun yritys ostaa uuden yrityksen, jonka ERP:stä data haluttaisiin myös raportointiin mukaan tai päätetään ottaa yhteinen uusi ERP käyttöön. Ilmenee, että ERP:n vaihto vaatii muutoksen lähes jokaiseen raporttiin ja että vanhasta ERP:stä haettu data ei olekaan tallessa missään. Koko vanha raportointiratkaisu on siis melko hyödytön ja muutokset tulevat maksamaan todella paljon.

Mikä avuksi?

Oiwan haalareissa kun tullaan paikalle, pystytään syvällä kokemuksella havaitsemaan, että rakennushommat ovat alun perinkin lähteneet väärään suuntaan. Ei se haittaa, ei kaikkea voi hallita, siksi tehdään yhdessä korjausliike. Se tarkoittaa koeponnistusta rajatulla osa-alueella. Siirretään vaikkapa myynnin tai HR:n data täysin uuteen tietovarastoon, pyöritellään sitä kuutioissa ja tuotetaan johtoryhmälle pitkälle analysoitua dataa. Sen jälkeen voidaan laittaa koko homma, osa kerrallaan, kuntoon.

Molemmissa tapauksissa on pohjimmiltaan kyse siitä, että datan hyöty liiketoiminnan ennustamisessa on ymmärretty, mutta sitä tehdään kustannustehottomasti. Joko se vie liikaa ihmisten aikaa tai datan jalostamiseen ja analysointiin kehitetty ratkaisu ei toimi.

Aihe on lähellä sydäntäni ja toivoisinkin, että yritykset käyttäisivät arvokasta dataa paremmin hyödyksi liiketoiminnassaan. Fakta on, että vain murto-osa yrityksistä on oivaltanut datan hyödyntämisen mahdollisuuden bisneksensä kasvattamisessa!

Hanna on Oiwan toimitusjohtaja ja tiedon hyödyntämisen ammattilainen. Tutustu Hannaan täällä.