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.
12. Tiivistetysti
1. Vain yhtenäisten tavoitteiden ja
järkevän rahoituksen avulla
saadaan valmista.
2. Pilko/yhdistä työt arvontuoton
kannalta, opi pois siilomaisesta
projektiajattelusta.
3. Aikainen analyysi kaivaa esiin
oleellisen ja varmistaa sujuvan
toteutuksen.
13. Yksikön tavoitteet:
• tuottavuuden nosto
• lisämyyntiä
Yksikön tavoitteet:
• uusia B2C asiakkaita
• uusia palveluita
• lisämyyntiä
Yksikön tavoitteet:
• uusia B2C asiakkaita
• uusia palveluita
• lisämyyntiä
Yritystä johdetaan tavoitteiden kautta
Tavoitteet:
• yhtenäinen asiakastieto
• datan hyödyntäminen
palveluissa
14. Johtamisen ja rahoituksen haasteet
Erilliset tavoitteet
luovat tunteen
kiireestä ja suuresta
työn määrästä -
mutta eteneminen
on hyvin pientä ellei
näennäistä.
19. Porfolion hallinta on priorisointia
STRATEGIA
PORTFOLIO(T)
KETTERÄT
TIIMIT
• Strategiset valinnat
• Suuret linjat
• Kokeilut
• Nopeat läpimenot
• Priorisointi ja
rahoituspäätökset
• Aikainen analyysi,
asiakaskokemus,
kokeilut, protot
• Riippuvuudet
20. Mitä priorisointi oikeasti tarkoittaa?
• Ajatustavan muutos, Lean-periaatteet
• Systemaattinen, yhteinen priorisointi
• Nopeampi arvontuotto rajoittamalla samoista resursseista
kisaavien samanaikaisen töiden määrää
Projekti A
Projekti B
Projekti C
Projekti D
aika aika
resurssitresurssit
Epic1
Epic2
Epic3
Epic4
21. Mitä priorisointi oikeasti tarkoittaa?
• Ajatustavan muutos, Lean-periaatteet
• Systemaattinen, yhteinen priorisointi
• Nopeampi arvontuotto rajoittamalla samoista resursseista
kisaavien samanaikaisen töiden määrää
Projekti A
Projekti B
Projekti C
Projekti D
aika aika
resurssitresurssit
Epic1
Epic2
Epic3
Epic4
-€
-€
+€
+€
24. Aikaisen analyysin tavoitteet
• Moniosaajien orkesteri, kapellimestarinaan Epic Owner
• Tekemisten vertikaalinen pilkkominen – kokeillaan erilaisia
pilkkomistapoja, haastetaan vanhoja ajatusmalleja
• Palvelumuotoilun menetelmien hyödyntäminen
• Näkökulmat
• Asiakastarve
• Teknologia
• Data
• Riskit
• Menestyksen mittarit
25. Tiivistetysti
1. Vain yhtenäisten tavoitteiden ja
järkevän rahoituksen avulla
saadaan valmista.
2. Pilko/yhdistä työt arvontuoton
kannalta, opi pois siilomaisesta
projektiajattelusta.
3. Aikainen analyysi kaivaa esiin
oleellisen ja varmistaa sujuvan
toteutuksen.
26. Ketterän organisaation viisi ominaisuutta
STRATEGIA
RAKENNE
PROSESSIHENKILÖT
TEKNOLOGIA
McKinsey:
Five trademarks of
agile organizations
mck.co/2nfsgAg
27. ”
Most of us spend too much time on
what is urgent and not enough time
on what is important.
Stephen R. Covey
32. Sivuuttavatko kehitystiimit data-osastot?
Scott W. Ambler
2016 Data Quality Survey
Data-osasto on liian hidas62%
Data-osasto ei tuo lisäarvoa46%
Yhteistyö on hankalaa46%
Ei tiedetty että yhteistyötä piti tehdä46%
Ei tiedetty että data-osasto on olemassa15%
Yhteistyötä ei annettu tehdä8%
34. LIIKETOIMINNAN
TARPEET
Tiimit, ketterä kehitys, hyvä analysointi
EPIC
DATA
DATA
Määrittely Kehitys Käyttöönotto
Määrittely Kehitys Käyttöönotto
FEAT
DATA
DATA
DATA
Määrittely Kehitys Käyttöönotto
FEAT
FEAT
FEAT
DATA
DATATARPEET
36. P
O
O O
Vahva ketterä tuoteomistajuus
1. KEHITÄ
OIKEITA
ASIOITA
2. KEHITÄ
ASIAT
OIKEIN
3. KEHITÄ
ASIAT
NOPEASTI
Teimme erinomaisen ratkaisun..
…mutta siihen meni aivan liian kauan L
Teimme laadukkaan
ratkaisun nopeasti…
…mutta kukaan ei
oikein käytä sitä L
Teimme erinomaisen
ratkaisun nopeasti…
…mutta tuotimme
merkittävän määrän
teknistä velkaa L
39. Toimintojen lisääminen vs. vähentäminen
Jokainen uusi toiminnallisuus
hidastaa kehitystä
Jokainen poistettu tai korjattu
toiminnallisuus mahdollistaa
nopeamman kehityksen
43. Tutkiva – Lean – Iteratiivinen kehittäminen
KANBANLEAN START-UP SCRUM
Learn Measure
Build
TO DO DOING DONE
44. Käyttäjätarinat: toimivia palasia
Kukin käyttäjätarina edustaa
toiminnallisuuden koko viipaletta.
Leikkaa arkkitehtuurin kerrosten läpi
• Käyttöliittymä
• LT-logiikka ja prosessit
• Datan hallinta
45. Hyvä riittää
Scott W. Ambler
työmäärä
arvo
Ideaali
tavoite
Realistinen
tavoite
Riittävän
hyvä
47. Rakenna laatu sisään
• Test Driven Development
Testausperusteinen kehittäminen
• Testiympäristöt ja jatkuva integrointi
• Database Refactoring
Tietokannan refaktorointi
48. Datan laadun nykytila
Uudistetaan kaikki
sovellukset kerralla
Toivotaan ettei
tilanne pahene
Refaktoroidaan
tietokantoja
Ei korjaussuunnitelmaa
32%
32%
6%
24%
Scott W. Ambler, 2016
49. ”
We do not try to run faster but
decide to walk to a shorter distance.
Taiichi Ohno
56. LIIKETOIMINNAN TARPEET
DATATARPEET
Työkalut, menetelmät, osaaminen,
ja näiden jatkuva kehittäminen
Aikainen
analyysi
Asiakastarve, hyödyt
Teknologia
Data
Riskit, mittarit
Mallinnus, määrittely
Tehtävienhallinta
Automaatio
Jatkuva integrointi
Tietopohja
61. Sanastotyön välineitä
• Office-työkalut
• Confluence tai muu wiki-alusta
• PoolParty
• TermWiki Pro
• IBM InfoSphere Business Glossary Anywhere
• IBM InfoSphere Information Governance Catalog
62. Tietomallit
• Ovatko liiketoiminnan tietomallit kaikkien nähtävillä?
• Ovatko ne päivitettävissä?
• Ilman erikoissovelluksia?
• Saavatko kehitystiimit niistä helposti otteita suoraan
kehitystyökaluihinsa?
63. Tietomallityökalut
”Kertakäyttöisiin” kaavioihin
• PowerPoint
• Visio
• LucidChart
• draw.io
Helppokäyttöiset
• ERDPlus
• Ellie
Parametrisen mallinnuksen työkaluja
• Modelio
• Essential
• Erwin Data Modeler
• ER/Studio
• PowerDesigner
• Toad Data Modeler
• Open System Architect
64. Esimerkkejä muista osa-alueista…
Tehtävienhallinta…
• Jira
• VersionOne
• Mingle
• Sprintly
• Trello
Portfolionhallinta…
Testausautomaatio…
Datan elinkaaren hallinta…
Datan laadunvalvonta…
Rajapintojen julkaisu ja hallinta…
• Apigee
• IBM API Connect
• Nginx
Jatkuva integrointi…
• Jenkins
• TeamCity
• Travis
65. Tietokantaratkaisujen testauskäytännöt
Scott W. Ambler
2016 Data Quality Survey
Manuaalinen tai automaattinen testaus
Manuaalinen testaus laadunvarmistuksessa
Kehittäjät testaavat manuaalisesti
Automaattinen testaus laadunvarmistuksessa
Kehittäjien automatisoima testaus
74%
46%
26%
26%
23%
66. Työkalujen valintakriteereitä
• Tiimityöskentelyn mahdollisuudet
• Matala aloituskynnys, helppokäyttöisyys
• Integroitavuus muihin työkaluihin
• Pilvipalvelu, itsepalvelu
• Kustannukset, lisenssimalli
• Haku, raportointi, tuonti, vienti
• Muokattavuus, työnkulut, seuranta
70. Ketterän organisaation osaamiskartta
Hesa 1
Hesa 3
Topsu
Efekti
Kyyttö
Hesa 2
Helppi
Keitin
HTML
Perl
CSS
Testaus
Integrointi
DevOps
SQL
JavaSCript
R
Ruby
DataOps
Apache
Android
SAFe
UX
UI
MacOs
Nginx
Windows
Linux
Jira
Informatica
Tietomallit
Suomi
Ruotsi
Apigee
Jenkins
Hadoop
Conflu
9
12
10
10
12
9
7
11
71. Dokumentointi, mallinnus, havainnollistaminen
Vältä turhaa dokumentointia
• vain välttämätön
• sitten kun toteutus on lähes valmis
• ennen kuin aloitat uutta
• automaattisesti, aina kun mahdollista
Automatisoi ja yksinkertaista dokumentoinnin tuottamista
72. Vältä turhaa dokumentointia
aika
työmäärä
perinteinen,
ennakoiva,
”just in case”
ketterä,
jatkuva
”just in time”
projektisuunnitelmat,
projektihallinta
vaatimusmäärittelyt
konseptit, suunnitelmat,
Toiminnalliset kuvaukset
ylläpidon ja tuen
dokumentointi,
käyttöohjeet yms.
ratkaisun
kuvaus
Scott W. Ambler
77. Tiivistetysti
• Pidä organisaation tietopohja eloisana ja näkyvillä
• Pura hidasteet ja rutiinit automaatiolla
• Huomioi kehitysympäristöt ja niiden automaatio
orgainsaation arkkitehtuurissa
78. ”
It is a capital mistake
to theorize before
one has data.
Sherlock Holmes
Arthur Conan Doyle