| Popis: |
Ymmärrys datan liiketoiminnallisesta arvosta on kasvanut merkittävästi. Kuitenkin datan hallinnalliset haasteet, kuten epäselvät dataan liittyvät käytänteet, epäluotettava data tai tiedon omistajuuden puuttuminen, ovat tyypillisiä organisaatioiden kokemia haasteita. Data governance toimii datan hallinnan keskiössä ohjaten dataan liittyviä käytäntöjä, prosesseja, rooleja ja vastuita. Kehittämällä organisaation data governance -kypsyyttä, organisaatio voi muun muassa kasvattaa ymmärrystä datastaan, parantaa datan laatua sekä edistää datan hallintaa koskevaa tietoturvallisuutta, ja näin ollen ratkaista datan hallinnallisia haasteita maksimoiden samalla datan arvoa. Edellytyksenä data governancen kehittämiseen on, että organisaatiolla on ymmärrys kypsyydestään – organisaation on tunnistettava nykyinen tasonsa, jotta kehitystä voidaan suunnitella tavoiteltuun suuntaan. Tutkimus tarjoaa ohjelmisto- ja IT-konsultointipalveluja tarjoavalle kohdeorganisaatiolle kokonaisvaltaisen ratkaisun data governancen kypsyyden arviointiin ja sen kehittämiseen kypsyysmallin muodossa. Tutkimus toteutettiin suunnittelututkimuksena, jossa data governance -kypsyysmallista luotiin ja kehitettiin neljä versiota kahden iteraation myötä. Kypsyysmallin ensimmäinen versio luotiin data governancen ja kypsyysmallien teoreettisten taustojen pohjalta. Tutkimuksen empiirisessä osuudessa toteutettiin kaksi tapaustutkimusta. Ensimmäisessä iteraatiossa kypsyysmallia arvioitiin ja kehitettiin kohdeorganisaatiossa, jonka jälkeen toisessa iteraatiossa kypsyysmallia arvioitiin ja kehitettiin käytännön kontekstissa suoraan asiakasorganisaatiossa. Empiiristä aineistoa kerättiin ryhmäasiantuntija- sekä sähköpostihaastatteluiden muodossa. Tutkimuksen tavoitteena oli arvioida, kuinka soveltuva tutkimuksessa kehitetty kypsyysmalli on selvittämään ja kehittämään organisaatioiden data governance -kypsyyttä. Kirjallisuuden avulla voitiin luoda ajantasaiseen tietoon perustuva data governance -kypsyysmalli, jota voidaan kohdeorganisaation tarpeita mukaillen käyttää asiakasta haastattelemalla. Empirian avulla kypsyysmallia kehitettiin erityisesti neljästä näkökulmasta, jotka kattoivat siihen liittyviä terminologisia haasteita, kypsyysmallin rajausta, asiasisällöllisiä tarkennuksia sekä havaintoja kypsyysmallin hyödyntämiseen käytännössä. Tutkimuksessa kehitetty data governance -kypsyysmalli koostuu kolmesta dimensiosta ja viidestä kypsyystasosta. Dimensiot data governance -strategiasta ja -riskienhallinnasta, -käytännöistä sekä -rooleista ja -vastuista on jaettu vielä tarkempiin osa-alueisiin. Kukin mitattava osa-alue sisältää yksilöllisen arviointikriteerin kullakin kypsyystasolla aina lähtötasosta optimoituun tasoon. Tutkimus osoitti, että data governanceen liittyvä terminologia on monitulkintaista eli asioista huomattiin puhuttavan eri termeillä. Lisäksi kypsyysmallin laajuuden rajaaminen huomioon ottaen kirjallisuuden ja mahdolliset asiakasorganisaatioiden tarpeet eivät ole keskenään yksiselitteistä: kypsyysmalli ei saa olla liian laaja, mutta toisaalta sen tulisi kattaa kaikki tarvittavat osa-alueet. Kypsyysarviota tehdessä haastateltavia tulisi olla useampia ja haastateltavien erilaiset näkemykset mitattavista osa-alueista tulisi huomioida tarkasti, jotta voidaan varmistua kypsyysarvion luotettavuudesta. Edellä mainitut keskeisimmät havainnot on huomioitu kypsyysmallia kehittäessä ja erityisesti termien selkeyttämistä ja konkretisointia on painotettu. Tutkimuksessa kehitetty kypsyysmalli konsultin tukimateriaaleineen ja esitysmateriaaleineen tarjoaa kohdeorganisaatiolle toimivan tavan arvioida sen asiakkaiden data governance -kypsyyttä. |
