Tietojohtamisen verkosto - ennusteista toteutuksiin

Verkoston maskottipuu

Tietojohtamisen verkostopäiviä on järjestetty vuodesta 2016. Viimeisin oli 16.-17.1.2020. Taattua laatua olivat päivät alusta loppuun. Siitä kiitos järjestäjille ja alustajille. Kaikki alustukset ovat nähtävissä verkostopäivien sivuilla.(1)

Tein Tietojohtaminen ry:n Tietoasiantuntijalehteä varten jutun verkostopäivistä. Juttu ilmestynee oletettavasti tämän kuukauden aikana. Linkitän sitten sisällön blogiinikin.

Löysin oman alustukseni Naantalin päiviltä 9.-10.2.2017. Tein tuolloin pointtilistan tulevaisuuden visioista ja haasteista. Tästä on kulunut kolme vuotta aika tarkkaan. Ajattelin tässä tutkia, miten on ennusteideni laita tällä hetkellä:

1. Erilaisista valtakunnallisista rekistereistä luovuttu

Tämän haasteen tavoitteena oli, että paikalliset tietovarannot ja Kantajärjestelmä integroituvat toisiinsa. Tästä tietovarannosta voidaan sitten tuottaa raportteja sekä aineistoja eri tarpeisiin siten, että ne ovat yhteensopivia valtakunnallisten rekisterien tähän asti kerättyjen tietovarantojen kanssa.

Tavoite ei ole toteutunut monestakin syystä. Kantajärjestelmä on edelleen valtaosin vapaan tekstin arkistointipaikka. Jotta tavoite olisi realisoitavissa, tarvittaisiin Kantajärjestelmä strukturoida olemassa olevien rekisterien rakenteiden, määritysten ja käsitteiden pohjalta. Ratkaisu vaatisi myös uudenlaista työnjakoa THL:n, Kelan ja kentän toimijoiden kesken. Toisaalta monet tiedon siirron ratkaisut olisivat jo periaatteessa olemassa. Nythän on edellytyksenä, että kaikki kentän järjestelmät ovat kantayhteensopivia.

2. Tiedon siirto reaaliaikaista ja vuorovaikutteista

Tavoitteena on, että kaikki kuumaksi tulkittu tieto siirtyy online kentän toiminnoista valtakunnallisiin ja alueellisiin tietovarantoihin.Tärkeätä on tietysti päättää, mitkä tiedot ovat miten reaaliaikaisia - minuutista, päivään, viikkoon kuukauteen, neljännesvuoteen, vuoteen.

Tavoitetta on toteutettu THL:ssä avohilmon reaaliaikaistamisella. Muutoin ei ole reaaliaikaisuutta kuin periaatteessa Kantatietojen siirrossa. Jos tavoite1 olisi toteutettu, voitaisiin hyödyntää tuota tiedon siirron tietä.

3. Tiedon laatu luodaan tiedon keruun ytimessä

Tavoitteena on integroida tiedon keruu mahdollisimman hyvin osaksi tiedon syntyä. Tiedon laatu mahdollistuu, jos tiedon keruun ytimessä hyödynnetään samalla syntyvää tietoa.

Nykytilanne on melkoisen kaukana. Itse asiassa monet tutkimukset osoittavat, että tietoa ei hyödynnetä riittävästi sen syntysijoilla tai tuota tietoa ei tarvita tällä perustasolla vaan ainoastaan johtamisen eri tasoilla. Tästä seuraa, että ns. pakollisenkin tiedon laatu on eräiltä osin huonoa esim. kattavuuden osalta. Merkittävä esimerkki on avohilmotieto.

4. Tietojohtamisen indikaattorit vaikuttavia

Tavoite saada aikaan sellaisia indikaattoreita, mittareita ja tiedon hyödyntämisen tapoja (analytiikkaa), joilla on todennettavissa olevaa vaikutusta toimintaan. Tavoitteena on vaikutusmekanismin happotesti.

Nykyäänkin toteutumisaste vaihtelee. Jos toteutumista mitattaisiin asteikolla 1-5, on monelta osin lopputulos rutkasti alle tuon 5:n. Olin mukana eräässä lupaavassa hankkeessa. Teimme yhdessä paljon työtä vaikuttavan tietojohtamisen puolesta. Kysyimme muutama kuukausi myöhemmin, onko vaikuttavuutta saatu aikaan. Vastaus oli ei. Perusteita oli monia, ehkä merkittävintä oli resurssipula niin määrällisesti kuin osaamisenkin osalta.

5.  Tiedon hallinnan organisointi on selkeä

Tavoitteena on ollut selkeä työnjako valtiotoimijoiden, aluetoimijoiden ja palveluntuottajien sekä asiakkaiden / potilaiden / kansalaisten kesken.

Varsinkin viime aikoina soteuudistuksen edellisellä tuotantokaudella tehtiin lupaavia määrityksiä ja jonkinasteisia periaatepäätöksiä työnjaosta. Uutta toivoa edustaa verkostopäivillä pidetty alustus Toivo-ohjelman jatkosta.

Toivoa viiden kohdan tavoitekokonaisuuden etenemiselle antoivat jälleen kerran verkostopäivien yksittäiset alustukset. Ehkä Seppo Määtän esiin nostama ilmiöpohjainen tietomalli saattaisi edistää tuota kohtaa 4 tietojohtamisen mittareiden vaikuttavuutta. (2) Ehkä toisiolain toteutukset edistäisivät kokonaisuudessaan kohtien 1-5 toteutumista. Ehkä uusien analyysimenetelmien hyödyntäminen edistäisi kohdan 4 toteuttamista.Tekoälyyn perustuvilla menetelmillä voitaisiin tietoaltaisiin koottua tietoa analysoida ja luoda ennakoivaa analytiikkaa. Ehkä esiin nostettu menetelmä Value Based Health Care voisi tuoda ratkaisua ongelmiin. Menetelmä vastaa kysymykseen: mikä on annetun palvelun vaikuttavuus? Sitä pitää tarkastella vaikutuksen pysyvyyden näkökulmasta, potilaan kokemuksen näkökulmasta. Samalla otetaan huomioon samalla vaikuttavuuteen myötavaikuttavat ulkoiset tekijät sekä haittaavat tekijät, mutta myös annetun palvelun kustannukset. (3)

Viitteet

(1) Tietojohtamisen verkoston kaikki julkaistut alustukset osoitteeessa: https://www.sote-tietojohtaminen.fi/menneet-paivat/

(2) Ilmiöpohjainen ajattelu lienee peräisin Sitran kehityshankkeista ja ne on sittemmin taidettu integroida osaksi sote-tietojohtamistakin THL:n toimesta. Avasin tuota ilmiöajattelua taannoin blogikirjoituksessani 2018 "Pirulliset ongelmat 2.0: tieto päätöksenteossa"
: https://ollintuumailut.blogspot.com/2018/08/pirulliset-ongelmat-20-tieto.html 

(3) Leena Seppälä: Miten datan ja tiedon hyödyntäminen päätöksenteossa ja johtamisessa voisi toteutua? (alustus Tietojohtamisen päivillä 2020); VBHC:n isänä pidetään Michael E. Porteria.
Michael E. Porter, What is value in healthcare? English Journal of Medicine, 363:26, December 2010

Kaksinaismoraalikone - moraalin monet kasvot

MIT:n moraalikone. HS:n toimittaja Heikki Aittokoski teki jutun tekoälyyn liittyen MIT:n tutkimuksesta, joka on julkaistu Nature-lehdessä 2018. (1) Aittokoski oikoo hiukan tuota tutkimusta jättämällä pois tutkimukseen liittyvät tarkemmat luokittelukriteerit. Poimin ne esille alkuperäislähteestä. (2). Aittokosken kuvasta ja tekstisti selviää se, että nämä kuvan henkilö/eläin-kategoriat eivät ole keskenään vertailukelpoisia. Jos ajatellaan, että henkilö joutuu tekemään valinnan auton jarrujen pettäessä näiden välillä, valinnan tekeminen on tietysti mahdotonta. Tietysti kysyttäessä kansalaisilta saadaan yleisesti vastaukseksi suurin piirtein tuo järjestys. Kansalaiskategoriassa pikkulapsi ja raskaana oleva nainen ovat luonnollisesti kärjessä. Ammattikategoriassa tunnettua on, että lääkäriammatti on arvostetuin ja siis prioriteetin kärjessä. Prioriteettijärjestystä tehtäessä nousee esille helposti ns. itse aiheutetut ihmisen ominaispiirteet. Tässä on noussut esille ylipaino. Kummeksun, että mukana ei ole vaikkapa alkoholismi. Aittokoskikin viittaa lääketieteen prioriteettilistoihin. Näitähän on tehty kautta aikain. Ne ovat saaneet ristiriitaista vastaanottoa julkisuudessa. Vakuutusyhtiöt ovat myös erilaisia vakuutuksia markkinoidessaan ja vakuutusmaksuja määritellessään tehneet priorisointeja iän, painon, elämäntavan mukaan.

Kaksinaismoraalikone. HS:n 2.11.2018 paperiversiossa oikealla oli yllä oleva uutinen 7-vuotiaasta Amal Husseinista, joka kuoli torstaina 1.11.2018:" Amal Hussainin kohtalosta uutisoi The New York Times, joka julkaisi kuvan riutuneesta tytöstä alun perin reportaasissaan viime viikolla.  Torstaina Amalin perhe kertoi, että hän oli kuollut pakolaisleirillä kuuden kilometrin päässä avustusjärjestö Unicefin kenttäsairaalasta, jossa hänet oli valokuvattu. ”Ei lihaa, vain luita”, lääkäri Mekkia Mahdi sanoi The New York Timesille tarttuessaan Amalin kuihtuneseen käsivarteen.”Kukaan ei välitä hittoakaan heistä.” (3) Samaisessa lehdessä on vasemmalla puolella artikkeli Nature-lehden maailmanlaajuisesta moraalikyselystä. Lapsen ja raskaana olevan naisen henki on arvokkaampi kuin lihavan miehen. Tämä juttu on otsikoitu paperiversiossa "Moraalikone kysyy, kuka saa elää". Toisen puolen otsikko on puolestaan "Jemenin hädän symboli kuoli". HS osoittaa meille joko sattumalta tai ei, mitä tarkoitan juttuni otsikolla "kaksinaismoraalikone".  Moraalilla on kaksi puolta ihan niin kuin meissä ihmisissä. Olemme luomakunnan raaimpia eläimiä, joilla kaiken inhimillisen hyvän edelle menee ahneus, valta, itsekkyys ja mitä nyt kaikkia pimeän puolen moraalikäsitteitä onkaan. Naturen moraalikoneessa alimmaksi oli arvioitu rikollinen - pahan ilmentymä.

Tekoäly ja moraali.  "Moraali on käsityksiä ja käyttäytymissääntöjä siitä, mikä on hyvää ja pahaa, oikein tai väärin. Moraali-sanaa käytetään sekä kuvailevasti viittaamaan vallitseviin käsityksiin oikeasta ja väärästä että ohjeita antavasti siitä, minkä tulisi olla moraalisesti hyvää ja oikeaa toimintaa." (Wikipedia) Moraalikone irrottaa moraaliset periaatteet inhimillisestä todellisuudesta. Onko siis viisasta yhdistää tekoäly ja moraali toisiinsa? Moraalikoneen tulos osoittaa tällaisen ajattelun vaikeudet. Puheet ja teot saattavat olla ristiriidassa keskenään. "Kaksinaismoraali tarkoittaa ristiriitaa yksilön tai yhteisön moraalivaatimusten ja tekojen välillä tai moraalia, joka asettaa eri vaatimukset eri yksilöille tai ryhmille."  (Wikipedia)

Viitteet

(1) Heikki Aittokoski: Moraalikone kysyy, kuka saa elää - Onko raskaana olevan naisen henki arvokkaampi kuin lihavan miehen? Miljoonat ihmiset vastasivat, ja tulokset panevat ajattelemaan, HS 3.11.2018 https://www.hs.fi/ulkomaat/art-2000005887212.html


(2) The Moral Machine experiment (julkaistu 24.10.2018)

• Edmond Awad,
• Sohan Dsouza,
• Richard Kim,
• Jonathan Schulz,
• Joseph Henrich,
• Azim Shariff,
• Jean-François Bonnefon &
• Iyad Rahwan 

Naturevolume 563, pages59–64 (2018)





a, AMCE for each preference. In each row, ΔP is the difference between the probability of sparing characters possessing the attribute on the right, and the probability of sparing characters possessing the attribute on the left, aggregated over all other attributes. For example, for the attribute age, the probability of sparing young characters is 0.49 (s.e. = 0.0008) greater than the probability of sparing older characters. The 95% confidence intervals of the means are omitted owing to their insignificant width, given the sample size (n = 35.2 million). For the number of characters (No. characters), effect sizes are shown for each number of additional characters (1 to 4; n₁ = 1.52 million, n₂ = 1.52 million, n₃ = 1.52 million, n₄ = 1.53 million); the effect size for two additional characters overlaps with the mean effect of the attribute. AV, autonomous vehicle. b, Relative advantage or penalty for each character, compared to an adult man or woman. For each character, ΔP is the difference the between the probability of sparing this character (when presented alone) and the probability of sparing one adult man or woman (n = 1 million). For example, the probability of sparing a girl is 0.15 (s.e. = 0.003) higher than the probability of sparing an adult man or woman.
https://www.nature.com/articles/s41586-018-0637-6/figures/2

Aittokoski tiivistää tutkimusasetelman: "Moraalikone on verkkokysely, johon on vastannut miljoonia ihmisiä yli 230 maasta tai alueelta, myös Suomesta. MIT:n tutkijoilla on vastausten pohjalta käytössään 40 miljoonan päätöksen tietomassa, jota analysoidaan mainitussa Nature-lehden artikkelissa. Moraalikoneessa vastaajat saavat eteensä kuvitteellisia yliajotilanteita. Yksinkertaisimmillaan näin: Auton jarrut pettävät. Jos auto ajaa suoraan omalla kaistallaan, suojatietä ylittävä pikkutyttö kuolee. Jos auto väistää viime hetkellä, vastaantulijoiden kaistalla suojatietä ylittävä vanha nainen kuolee. Moraalikoneessa vastaaja joutuu pähkäilemään toimintaansa lukuisissa vastaavissa tilanteissa, joissa mahdollisten kuolonuhrien ominaisuudet ja lukumäärät vaihtelevat. Joissakin tapauksissa mukana on myös eläimiä." https://www.hs.fi/ulkomaat/art-2000005887212.html

(3) Tommi Hannula: Jemenin hädän symboli kuoli, HS 3.11.2018
https://www.hs.fi/ulkomaat/art-2000005886978.html

Pelkkä BI-tuotteen valinta ei riitä raportoinnin onnistumiselle, päivitys 8.3.2018

BI-tuotteiden vertailu Gartnerin mukaan. Kävin Gartnerin analyysin läpi vuosi sitten helimikuun 2017 aineistolla. Kirjoitin aiheesta kirjaani "Tietojohtaminen ja tapaus SOTE" (s.92-93). Päivitin tätä tekstiä ottamalla huomioon yllä esitetyn kuvan mukainen helmikuun 2018 Gartnerin analyysi asiasta.

Business Intelligence – tuotteita ovat maailmalla eri IT-talot kehittäneet vuosikausia. Gartner on tehnyt helmikuussa 2017 ja 2018 vertailututkimuksen markkinoilla olevista BI-välineistä. Gartner on arvioinut tuotteita suorituskyvyn sekä tuotteen tarjoaman visuaalisen näkymän perusteella. Keskeiset käsitteet raportista ovat seuraavat: ”Ability to Execute” = suosituskyky; “Completeness of Vision” = näkymän valmius; vasen ylänurkka: “Challengers” = haastajat; oikea ylänurkka: ”Leaders” = johtajat; vasen alanurkka: ”Niche players” = aivan hyvät pelaajat; ”Visionaries” = visionäärit. Kartoituksen perusteella kaikki tarjolla olevat tuotteet ovat tavallaan kelvollisia datan ja informaation visualisointiin.  Tuotteista erottuu neljä tasoa:

1.  johtavat tuotteet: Tableau, Microsoft, Qlik
2.  visionäärit: 2017 ja 2018: SAP, TIBCO Software, SAS, IBM, Salesforce,  Sisence,  uusi 2018: ThoughtSpot, 2017: Microstrategy,Zoomdata, ClearStoryData
3.  käypäset pelurit: 2018: Birst, Looker, Domo, Information Builders, Oracle, Board International, Yellowfin, Pyramid Analytics, Logi Aanalytics, 2017: Alteyx, ThoughtSpot, Pentaho, Datamee
4. haastajat: MicroStrategy 

Osa tuotteista on tuttuja, mutta osasta en ole kuullut aikaisemmin mitään. On muistettava, että tuotteilla on ainakin neljä oleellista eroa: 1. kokonaiskustannukset (hankinta, varsinaisten oman työpöydän rakentamiskustannukset, palvelinkustannukset, lisenssikustannukset), 2. lisenssipolitiikka, 3. omatoiminen raporttien ja työpöydän rakentaminen poikkeaa tuotteissa toisistaan ja vaatii monesti erityisosaamista, 4. minkälaisen tiedon jalostusprosessin BI-väline vaatii.

 

Raportit voivat olla kuvailevia tilastoraportteja tai analyysiin perustuvia ennakoinnin, riskien arvioinnin, toiminnan optimoinnin tai toiminnan suunnittelun dynaamisia raportteja. Raportoinnissa yhdistyvät tiedon johtaminen ja tiedolla johtaminen. Tiedon johtamisen prosessi raportoinnin kannalta on seuraava:

1. johtamiseen ja ydintoimintoihin perustuvan raportointitarpeen inventointi,
2. tietojärjestelmien, perustietojen inventointi,
3. tietomallinnus[i],
4. masterdatan määrittely ja hallinta [ii] (masterdata management), tietoarkkitehtuuri, 
5. tietolähteet
6. tietovirtojen mallintaminen,
7. tietovarastoratkaisu: joko erillinen tai osana BI-tuotetta,[iii]
8. raportointivälineiden kuten BI-tuotteen ominaisuuksien pohjalta raporttien määrittely, työpöydän (Dashboard) tai useamman sellaisen määrittely,
9. tietojen lataus, testaus ja ajastus, tiedon laadun testaus
10. raportoinnin käyttöönotto ja vastuista päättäminen (omistajuus) ja jatkuva raporttien kehittäminen ja tiedon laadun arviointi sekä parantaminen.  

Raporteille ominainen piirre on dynaamisuus ja helppokäyttöisyys. Loppukäyttäjä voi itse rakentaa omien tarpeidensa mukaan raportteja ja porautua raporttien avulla syvälle informaatioon ja dataan. Kymmenen kohdan ohjelmani perustuu projektiin, jossa olin mukana viimeisinä työvuosinani 2010-luvulla. Teimme yhteistyötä myös BI-tuotteista riippumattoman kokeneen konsultin, Ari Hovin kanssa projektin eri vaiheissa. Siksi käytän myös hänen määrittelyjään viittauksissa. [iv]

---

Raportoinnin kehittäminen on jatkuva oppimisprosessi. Se pitää kytkeä osaksi tietojohtamisen haltuunottoa organisaatiossa. Onnistumisen edellytykset ovat olemassa, jos raportointi otetaan osaksi tiedon tarvitsijoiden (erityisesti organisaation johto), analytiikasta vastaavien (siis mm. näiden BI-tuotteiden hyödyntäjien) sekä tietohallinnon kesken (tietovarantojen ja tietojärjestelmien vastuutahot).

Kehittäminen ja oppiminen jatkuu. Minut pyydettiin kehittämään (tuotteistamaan) palveluna tätä tietojohtamisen ilosanomaa kirjani pohjalta Citrus Solutions oy:hyn. Vuorovaikutusmallia on jonkin aikaa kehitetty. Mallin vieminen käytäntöön on seuraava vaihe ja samalla sen edelleen kehittäminen. Olemme myös yhdessä koulutusyritys Profession kanssa tehneet kaksipäiväisen tietojohtamisen koulutustapahtuman, jonka markkinointi alkoi juuri äsken. Ensimmäinen koulutustapahtuma on Espoon Keilaniemessä 5.-6.6.2018: Tietojohtaminen sote-uudistuksessa - mutu-johtamisesta kohti tietoperustaista johtamista. https://www.professio.fi/tietojohtaminen-sote-uudistuksessa/.

Päivitys 6.3.2018: Karri Niemelä kommentoi FB:n puolella Gartnerin listaa, jolla ei ole yhtäkään avoimen koodin tuotetta. Tässä on Karrin ja toisenkin keskustelijan kommenteista poimittuja tuollaisia tuotteita:

• http://www.pentaho.com/:
  http://www.pentaho.com/license ja https://github.com/pentaho
• http://pachyderm.io
• https://kylo.io
• https://github.com/apache/incubator-superset
• http://www.spagobi.org/product/
• https://www.dataiku.com/
• https://www.knime.com/software 

Muista ko. keskustelun kommenteista tuli myös esille se, että Gartnerin listalle pääsee maksamalla. Tämä väite pitäisi selvittää Gartnerilta. 

Päivitys 6.3.2018: Ari Hovi kommentoi suoraan sähköpostiini blogiani seuraavasti: Ari viittaa kommentissaan kehittyviin ja jalostuviin Ari Hovi oy:n tuotteisiin. Hovin tuotteet ovat BI-riippumattomia. 

"Kaiken keskiössä on dataymmärrys. Se perustuu liiketoiminnan näkemyksiin, jotka Ellien avulla saadaan kommunikoitua ja kuvattua. Näin vihdoinkin pienennetään vuosikymmeniä vaivannutta harmaata aluetta liiketoiminnan ja IT:n välillä. Aletaan päästä eroon sovelluskeskeisestä, siiloutuneesta ajattelusta ja edetään kohti datakeskeistä yhteistyömallia – joka on edellytys vuosisadan suurimman murroksen kohtaamiseen, joka siis on tekoäly. Alueita, mihin olemme satsanneet ovat:

• laajempi data platform -ajattelu
• data science ja tekoäly – näille tarvitaan hyvin ymmärrettyä ja kuvattua dataa
• mallinnuksen helpottaminen ja nopeuttaminen:
• Hovi Data Framework- menetelmä
• Uusi SaaS-palveluna toimiva helppokäyttöinen mallinnustuotteemme eli Ellie, on nyt asiakkaalla koekäytössä."

Päivitys 7.3.3018: Jukka Kalliosaari kommentoi Linkedinin puolella seuraavasti:

"ERI tietojyvästen vuorovaikutuksen havaitseminen ja synteesin tuottaminen on TÄLLÄ hetkellä järjestelmien yhteensopimattomuuden vuoksi liiaksi ihmisten vastuulla. Tietojen aito integraatio on YKSI soten onnistumisen ehdoista. Tassa olen samaa mieltä kuin pääministeri Sipilä."

Päivitys 8.3.2018: Gartner on analysoinut muutosta vuodesta 2017 vuoteen 2018. https://www.linkedin.com/pulse/gainers-losers-gartner-2018-magic-quadrant-data-piatetsky-shapiro/?trk=eml-email_feed_ecosystem_digest_01-recommended_articles-12-Unknown&midToken=AQEAFwdzZlXTEg&fromEmail=fromEmail&ut=3DYp0ioOTuHo81
 
Viitteet

(1) Gartnerin vertailututkimukset BI-tuotteista 2017 ja 2018: 
 https://www.gartner.com/doc/reprints?id=1-4RUIGZP&ct=180226&st=sb
 Garterin vertailu 2/2017: Magic Quadrant for Business Intelligence and Analytics Platforms; Published: 16 February 2017 ID: G00301340 ; Analyst(s):Rita L. Sallam, Cindi Howson, Carlie J. Idoine, Thomas W. Oestreich, James Laurence Richardson, Joao Tapadinhas 
Garterin vertailu 2/2017: Magic Quadrant for Business Intelligence and Analytics Platforms; Published: 16 February 2017 ID: G00301340 ; Analyst(s):Rita L. Sallam, Cindi Howson, Carlie J. Idoine, Thomas W. Oestreich, James Laurence Richardson, Joao Tapadinhas

(2) Ollin kymmenen kohdan ohjelma ja sen kytkeytyminen kokonaisarkkitehtuurimalliin kirjasta "Tietojohtaminen ja tapaus SOTE (2017, s. 92-93): 

---

[i] Ari Hovi määrittelee tietomallinnuksen seuraavasti: Tietojen mallintaminen (Data Modeling). Mallintamisessa laaditaan käsitemalleja, jotka kuvaavat tietojen rakenteet. Lisäksi muodostetaan käsitteiden ja tietojen kuvaukset eli metadataa. Syntyy siis graafisia malleja ja sanallisia kuvauksia, joiden avulla päästään ratkaisemaan hajanaisen tiedon ongelmia, mm. tietovarastoinnilla, MDM-ratkaisuila ja sovellusintegroinnilla. Big Data ei ole poikkeus, nekin tiedot kannattaa kuvata. Valmisohjemiston arvioinnissa pitäisi olla mukana käsitemallien vertailu. Oikein tehtynä tietomallinnuksen avulla saadaan kokonaiskuva eri tietojärjestelmien tiedoista ja saadaan kokonaisnäkemys koko organisaatioiden tiedoista nyt ja tavoitetilassa.  Käsitteiden ja tietojen määrittelyt ovat itse asiassa liiketoiminnan kehittämistä. Tämä on keskeinen osa Tietoarkkitehtuurin laatimista. Oleellista on tehdä mallinnus nopeasti ja oikealla tasolla – muuten aika ei riitä ja usko loppuu.http://www.arihovi.com/tiedon-mallintaminen-supermenetelma/

[ii]  Ari Hovi määrittelee masterdatan seuraavasti: ”Master datalla tarkoitetaan dataa, joka on pitkäikäistä ja hitaasti muuttuvaa. Esimerkiksi asiakkaan tietoja talletetaan usein vuosia ja niihin tulee silloin tällöin muutoksia, mutta ei jatkuvasti. Tyypillisiä muita Master Data tietoja ovat tuotetiedot, organisaatiotiedot, oman työntekijät sekä erilaiset koodistot. Master Data –tietoja on joskus kutsuttu termillä ”rekisteri”, esim. asiakasrekisteri tai tuoterekisteri.”  http://www.arihovi.com/mita-master-data/

[iii]  Ari Hovi määrittelee ja arvioi tietovaraston roolia seuraavasti: ”Idea on, että tietovarastoa käytetään paljon laajemminkin kuin vain talon sisäiseen raportointiin ja analysointiin. Tietoja tuodaan omista ja ulkoisista tietolähteistä. Tietovarastoa käyttävät sekä omat henkilöt että ulkoiset osapuolet. Sen päälle rakennetaan nopeita kevytsovelluksia. Tietovarastoympäristö voi toimia myös sovellusten välisessä integraatiossa. Uusia tutkimustyyppisiä tarpeita, kuten em. henkilöstötehokkuus, saadaan nopeasti hoidettua.  Tämä kaikki edellyttää hyvää mallinnusta ja laajaa tietovaraston sisältöä. Tähtimallitoteutus ei ole tarpeeksi kattava.”

http://www.arihovi.com/olipa-kerran-tietovarasto/

[iv]  Ari Hovin tietomallinnuksista on referenssilista ohessa. Mukana on myös maininta viimeisimmän työnantajani, Valviran mallinnustyöstä. http://www.arihovi.com/referensseja/