CIO kertoo: nämä tekijät erottavat huippudata- kumppanin muista

🇬🇧 Tämä blogi on saatavilla myös englanniksi (käännös). Löydät sen oikeassa yläkulmassa olevasta kielipainikkeesta.

Mitä CxO-näkökulmasta oikeasti arvostetaan datakumppanissa?

Yhä useampi yritys puhuu datasta strategisena voimavarana, mutta harvempi osaa vielä käyttää sitä johdonmukaisesti. 

Haastattelimme Recordlyn hallituksen jäsentä Pete Niemistä, joka tuntee sekä ostajan, strategiakumppanin että teknologia-alan realiteetit. Lopputuloksena syntyi rehellinen ja käytännönläheinen näkemys siitä, missä datayritykset onnistuvat, ja missä ne edelleen kompastuvat. Tässä Peten oivalluksensa datakumppanin roolista, konsultoinnin rajoista ja haasteista, sekä siitä, miten C-tason ostaja pystyy arvioimaan datakumppanin luotettavuutta ja yhteensopivuutta.

artikkeli pähkinänkuoreessa 🌰

• Datakumppanin tärkein tehtävä ei ole vain ratkaista teknisiä ongelmia, vaan luoda pitkäaikaista liiketoiminta-arvoa ymmärtämällä asiakkaan tavoitteet ja haasteet.

• CxO-tason ostajat arvostavat kumppania, joka pystyy haastamaan ajattelua, osoittamaan selkeän etenemismallin ja tuomaan todisteita toimivista ratkaisuista – ei vain paketoituja palveluita.

• Suurin haaste datan hyödyntämisessä on siiloutuminen ja liian kapea näkökulma – dataa käytetään strategisesti vain osittain, eikä kokonaisuutta yhdistetä tai jalosteta liiketoimintahyödyiksi.

• Luottamus rakentuu teoista, ei titteleistä. Hyvä maine, avoimuus omista rajoista ja lupausten pitäminen erottavat huippukumppanin muista.

• AI-ratkaisuissa tarvitaan kriittisyyttä: virhemarginaalit on tunnistettava ja lähdedatan laatu varmistettava ennen tuotantokäyttöä.

• Recordly erottuu keskittymällä siihen, missä se on paras: data ja generatiivinen tekoäly, ei kaikkea kaikille. Se voi tulla mukaan keskelle olemassa olevaa kumppaniverkostoa ja tuoda tuoretta, riippumatonta näkemystä.

Voitko lyhyesti kertoa, kuka olet ja mikä on nykyinen roolisi Recordlyn hallituksessa?

Kun keskustelut Recordlyn kanssa alkoivat, roolini määriteltiin tietohallinnon ja ostajan näkökulman sparraajaksi. Taustani on pitkä palvelukehityksen, tuotteistamisen ja myynnin parissa, ja hallitustyössä olenkin erityisesti auttanut kirkastamaan, miltä palveluiden tulisi näyttää ja miten Recordlyn osaaminen kannattaa pukea sanoiksi, jotta asiakas ymmärtää sen arvon.

Recordlyssa minua kiehtoi ensimmäisenä ihmiset - heidän osaamisensa ja syvällinen teknologiaymmärryksensä. Hallituksessa tuon suuresti CxO-tason johtajan näkökulmaa: miten he tulkitsevat asioita ja minkälaisia johtopäätöksiä he niistä tekevät.

Osallistun mielelläni myös strategian käytännön toteutukseen. En siis käy vain kokouksissa katsomassa numeroita, vaan haluan olla mukana ratkomassa todellisia haasteita ja parantamassa toimintaa.

Modernin hallituksen täytyy pystyä auttamaan yritystä kaikissa tilanteissa ja toimimaan aktiivisena kumppanina kehitystyössä. Verkostoilla on tässä iso rooli; sekä Suomessa että kansainvälisesti parhaat yhteistyöt ja projektit syntyvät vahvojen verkostojen kautta.

Miten datayritykset voivat luoda asiakkailleen pitkäaikaista arvoa sen sijaan, että ratkaisisi vain teknisiä ongelmia? 

Arvon luominen vaatii enemmän kuin pelkkää teknologiakumppanuutta. Suurin haaste datayrityksille ja konsulttitaloille on asiakkaiden hyvin vaihteleva datamaturiteetti. Erot voivat olla valtavia: toisissa organisaatioissa data on strateginen voimavara, joka on johdon agendalla, kun taas toisissa se on vain pienen asiantuntijajoukon työkalupakissa. Tällöin datakumppanin täytyy pystyä toimimaan eri maturiteettitasoilla ja samalla auttaa nostamaan asiakkaan osaamista uudelle tasolle.

Nykyään jokaisen johtoryhmän, toimitusjohtajan ja hallituksen tulisi ymmärtää, että data on keskeinen tekijä lähes kaikessa liiketoiminnan kehittämisessä. Datayritysten, kuten Recordlyn, vahvuutena on syvällinen teknologiaosaaminen ja poikkeuksellisen hyvä ymmärrys datan liiketoimintahyödyistä. Haaste ja mahdollisuus on viestin kirkastaminen niin, että se resonoi myös niiden johtajien kanssa, joille aihe ei ole entuudestaan tuttu.

Pitkäaikainen arvo syntyy, kun datakumppani ymmärtää asiakkaan kasvutavoitteet ja liiketoiminnan haasteet, ja pystyy osoittamaan selkeästi, miten data tukee tavoitteiden saavuttamista ja parantaa toimintaa. Arvostan myös, että Recordlylla on brändiosaamista: moni konsulttiyritys mainostaa puolueettomuutta, mutta ostajan näkökulmasta tämä voi tarkoittaa, että tarvitaan useampi kumppani, ja silloin riskinä on osaamisen epätasaisuus ja yhteistyön takkuaminen. Brändiriippuvuus voi päinvastoin olla vahvuus: kyky yhdistää datan ja tekoälyn hyödyntämisen ymmärrys käytännön teknologioihin ja suositella parhaita ratkaisuja ilman tuputtamista. Konkreettiset esimerkit ja selkeät perustelut rakentavat luottamusta.

Pitkän aikavälin maine syntyy teoista. Se vaatii rohkeutta ja selkärankaa myös vaikeissa tilanteissa. Jos asiakas haluaa edetä ratkaisulla, joka poikkeaa konsultin suosituksesta ja jonka konsultti arvioi sisältävän merkittävän epäonnistumisriskin, voi olla sekä eettisesti että liiketoiminnallisesti perusteltua vetäytyä projektista. Pitkäaikainen menestys rakentuu rehellisyydelle ja kyvylle tehdä vaikeitakin päätöksiä, myös silloin, kun se tarkoittaa toimeksiannon kieltäytymistä.

Mitkä ovat tyypillisimpiä aukkoja tai sokeita pisteitä, joita yrityksillä on, kun ne pyrkivät käyttämään dataa strategisesti?

Tyypillinen sokea piste on se, että datan hyödyntäminen strategiassa nähdään liian kapeasti, pelkkänä raportointina ja analytiikkana. Usein keskitytään kehittämään parempia raportteja ja syvällisempää analytiikkaa, vaikka itse data pysyy muuttumattomana. Ei ymmärretä, että datan arvo syntyy sen siistimisestä, rikastamisesta ja laajemmasta hyödyntämisestä.

Esimerkiksi yritys, joka käyttää strategiassaan vain taloushallinnon dataa, rajoittaa mahdollisuutensa. Nykyisin tiedetään, että asiakas-, tuotanto-, ESG- sekä people & culture -data voivat tuoda merkittävää lisäarvoa päätöksentekoon. Jos strategia rakentuu vain yhdelle datalähteelle, näkymä on väistämättä kapea. Johdon pitäisi pyytää parempaa dataa mieluummin kuin parempaa raporttia.

Pitkään toimineilla, suuria datamassoja keränneillä yrityksillä tilannetta monimutkaistaa myös GenAI-hype: suuri osa datasta voi olla turhaa, virheellistä tai yksinkertaisesti liian vanhaa. Esimerkiksi markkinadatasta vain viimeiset 18 kuukautta saattaa olla relevanttia, ja kaikki sitä vanhempi voi olla käytännössä muinaishistoriaa.

Yleisin sudenkuoppa on datan siiloutuminen. Monessa organisaatiossa jokainen asiantuntija vastaa vain oman alueensa datasta, eikä ole roolia tai rakennetta, joka hallitsisi ja yhdistäisi koko organisaation datakokonaisuutta. Tällöin eri yksiköt tekevät omista datoistaan johtopäätöksiä, mutta kukaan ei yhdistä niitä kokonaiskuvaksi tai jalosta niitä strategisiin tarpeisiin. Strateginen data ei synny yksittäisistä lähteistä, vaan eri datojen yhdistämisestä ja uudenlaisesta analyysistä.

Toinen tyypillinen haaste liittyy rooleihin ja vastuunjakoon. Monet organisaatiot ovat nimenneet Chief Data Officerin tai muun datajohtajan. Historia kuitenkin osoittaa, että osa näistä titteleistä voi jäädä lyhytikäisiksi – kuten kävi monille CDO-rooleille – mutta itse funktio jää elämään ja sulautuu osaksi liiketoimintaa. On tärkeää varmistaa, että vastuu datan strategisesta hyödyntämisestä ei ole vain muodollinen, vaan että sillä on aidosti resurssit ja vaikutusvalta.

Kolmas sudenkuoppa on liiketoimintaymmärryksen ja datatyön irti kytkeytyminen toisistaan. Jos datatiimit eivät tunne liiketoiminnan tavoitteita ja kontekstia, he tuottavat helposti teknisesti hienoa mutta liiketoiminnallisesti irrelevanttia analyysiä. Pitkäaikaisen arvon kannalta on ratkaisevaa, että data-asiantuntijat ja liiketoimintajohto työskentelevät tiiviisti yhdessä ja puhuvat samaa kieltä.

Mitä C-tason johtajat etsivät arvioidessaan ulkoisia datakumppaneita?

C-tason johtajat etsivät datakumppanilta ennen kaikkea kykyä ratkaista oikeita ongelmia ja haastaa tarvittaessa asiakkaan ajattelua.

Tyypillisesti datakumppania etsitään kahdesta syystä:

1. Liiketoiminnassa tarvitaan dataan liittyvää osaamista, jota sisäisesti ei ole riittävästi
   

2. Tarvitaan ratkaisuja, joissa liiketoimintaymmärrys ja datan tekninen hyödyntäminen yhdistyvät, mutta sisäiset kyvykkyydet eivät kata molempia.

Prosessi alkaa usein siitä, että asiakkaan puolella määritellään ongelma. Hyvä kumppani ei kuitenkaan tyydy suoraan ratkomaan sitä, vaan pystyy arvioimaan, onko ongelma määritelty oikein ja mikä on paras tapa edetä. Arvostetaan selkeää visiota ja konkreettista etenemismallia, mutta ei jäykästi tuotteistettua palvelua tai pakettia, joka on samanlainen kaikille. Erityisesti datan hyödyntämisessä asiakkaiden tarpeet vaihtelevat niin paljon, että paras ratkaisu syntyy aina yhdessä määrittämällä ja räätälöimällä. Samalla on hyvä nähdä todisteita siitä, että vastaavia ratkaisuja on toteutettu aiemminkin.

Mikä ärsyttää asiakkaita?

Moni konsultti ehdottaa ensimmäiseksi kartoitusta. Tämä voi kuitenkin herättää asiakkaissa vastarintaa, jos se tarkoittaa useiden konsulttien kierrättämistä samoissa haastatteluissa ja saman tiedon keräämistä uudelleen ja uudelleen. Asiakkaan näkökulmasta on tehokkaampaa, että yksi konsultti oppii ymmärtämään asiakkaan liiketoiminnan ja sen haasteet, ja sisäiset lisäkartoitukset tehdään sen jälkeen konsulttitalon sisällä, ilman että asiakasta kuormitetaan toistuvilla tapaamisilla.

Hyvä datakumppani osaa siis yhdistää strategisen ajattelun, teknisen osaamisen ja asiakkaan ajankäytön kunnioittamisen. Kun nämä toteutuvat, kumppanista tulee luotettu neuvonantaja, ei vain projektitoimittaja.

Mikä tekee datakumppanista luotetun johtajan tai ostajan näkökulmasta?

Luottamus syntyy maineesta, avoimuudesta ja lupauksista kiinni pitämisestä.

Ensimmäinen tekijä on maine. C-tason johtajat kuulevat suosituksia ennen kaikkea kollegoilta, vendoreilta ja omista verkostoistaan. Sana kiertää nopeasti, kenelle kannattaa soittaa ja kenelle ei. Hyvä maine syntyy siitä, miten kumppani on toiminut todellisissa projekteissa.

Toinen tekijä on avoimuus ja nöyryys. Luotettava kumppani ei esitä osaavansa asioita, joita ei hallitse. Hän uskaltaa kysyä, kuunnella ja oppia asiakkaalta. Myös maailman paras asiantuntija voi menettää uskottavuutensa, jos antaa ymmärtää tietävänsä kaiken. Molemminpuolinen kunnioitus on välttämätöntä jo kumppanuutta etsiessä.

Kolmas tekijä on lupausten pitäminen – erityisesti aikataulujen ja budjettien osalta. Esimerkiksi eräs suomalainen yritys tunnetaan siitä, ettei se koskaan ylitä T&M (time and materials) -arviota; se on heidän periaatteensa. Vastaavasti olen nähnyt tapauksia, joissa projektin budjetti räjähti heti alkuvaiheessa pelkällä ”oli T&M” -perustelulla. Luottamus katoaa siinä hetkessä, eikä se useinkaan palaudu.

Lisäksi on syytä kyseenalaistaa kustannusperusteinen päätöksenteko, jossa hinta painaa kaikkein eniten. Halpa ja huono ratkaisu tulee lopulta usein kalliimmaksi. Jos budjetti ei riitä ”Ferrariin”, hyvä kumppani suosittelee toista järkevää vaihtoehtoa, eikä väkisin myy sitä, mikä ei ole asiakkaalle realistinen tai tarpeellinen.

Kun ostaa data- tai tekoälyhankkeita, millaisia menestyksen mittareita tarkastelet ja mitä KPI:ta asettaisit?

Menestyksen mittarit kannattaa sitoa suoraan liiketoiminnan tavoitteisiin.

Ihannetilanteessa projektille asetetaan menestysmittarit heti alussa. Käytännössä mitä akuutimpi ja monimutkaisempi hanke on, sitä vähemmän aikaa ja kyvykkyyttä usein jää mittariston rakentamiseen. Helpoin tilanne on, jos yrityksellä on jo selkeät liiketoimintatavoitteet – silloin projektin mittarit voidaan johtaa suoraan niistä. Tyypillisiä esimerkkejä ovat skaalautuvuuteen ja tehokkuuteen liittyvät KPI:t, jotka voivat olla sekä kvalitatiivisia että kvantitatiivisia. Perinteiset mittarit, kuten aikataulu ja kustannukset, tulevat vasta tämän jälkeen.

Yksi käytännöllinen mittari on resurssien tarve: kuinka paljon asiakkaan sisäisiä henkilötyökuukausia (FTE) projekti vaatii verrattuna ulkoiseen työpanokseen. Olen nähnyt tarjouksia, joissa sisäisen työn osuus vaihtelee huomattavasti, ja yleensä mitä vähemmän sisäistä resursointia tarvitaan, sen parempi asiakkaan näkökulmasta.

Koska mittareiden määrittäminen ei ole aina helppoa, on arvokasta, jos palveluntarjoaja pystyy jo tarjouksessaan esittämään alustavat mittarit, governance-mallin, ohjausryhmärakenteen sekä sen, kuinka usein mittarit käydään läpi.

Parhaat toimijat näyttävät mittarit jo alustavissa keskusteluissa tai viimeistään tarjousvaiheessa.

Esimerkiksi loppukäyttäjäpalveluiden kypsimmät toimittajat esittävät tarjouksissaan valmiit ja selkeät mittarit, kuten asiakastyytyväisyyden tai helpdeskin vastausajan, ja harvoin asiakas kaipaa muuta. Sama toimintamalli on täysin mahdollinen myös data- ja AI-projekteissa. Kun palveluntarjoaja pystyy osoittamaan, miten se mittaa omaa onnistumistaan ja liittämään nämä mittarit asiakkaan tavoitteisiin, yhteistyö rakentuu vahvemmalle perustalle.

Millaiset tekoälyratkaisut ovat mielestäsi kypsiä tuotantokäyttöön, ja missä asioissa yritysten tulisi vielä pysyä kokeilevalla otteella?

Kypsät AI-ratkaisut ovat niitä, joissa virhemarginaali on hyväksyttävä ja hallittavissa.

Tällä hetkellä tuotantokäyttöön soveltuvat parhaiten sellaiset tekoälyn ratkaisut, joissa virheitä voidaan sietää tai joissa asiantuntija tarkistaa tulokset ennen niiden hyödyntämistä. Näin riskiä voidaan hallita ja vähentää merkittävästi.

Myös liiallinen luottamus tekoälyyn on nouseva riski.

Yksi huolestuttava trendi on, että perinteisiä hakukoneita käytetään yhä vähemmän ja niiden sijaan turvaudutaan suoraan GenAI-vastauksiin. Kun tekoäly hallusinoi vähemmän, antaa lähdeviitteitä ja tuottaa laadukkaampaa tekstiä, sen vastauksia kyseenalaistetaan entistä harvemmin. Tämä voi johtaa siihen, että virheet jäävät huomaamatta ja syntyy ongelmia, joita ei ennen olisi tapahtunut; yksinkertaisesti siksi, että ihmisten kriittisyys hiipuu.

Virheiden juurisyy on usein huono tai vanhentunut data tai ymmärrys siitä mitä datan pitäisi olla.

Esimerkki arjesta: GenAI saattaa ilmoittaa, että ravintola on auki, vaikka se ei ole, koska lähdedata on virheellistä tai vanhentunutta. Sama riski koskee yritysmaailmaa - jos lähdedata ei ole ajantasaista ja luotettavaa, myös tekoälyn tuottama vastaus on väärä. Siksi datan hallinta ja laadunvarmistus ovat kriittisiä vaiheita ennen tekoälyn käyttöä.

Yrityskontekstissa tämä tarkoittaa myös sitä, että tietyt tietolähteet on suljettava kokonaan pois. Esimerkiksi netin avoimet keskustelufoorumit eivät sovellu lähteiksi, koska valtaosa sisällöstä ei ole faktapohjaista. GenAI:n laatu on aina suoraan sidoksissa siihen, millaista dataa sille annetaan.

Millaisia haasteita Recordlyn kaltaiset datakumppanit ovat erityisen hyvin asemoitunut ratkaisemaan?

Useimmilla yrityksillä on jo pitkäaikaisia kumppaneita ja markkinassa käydään jatkuvaa kilpailua siitä, kuka saa olla kenenkin strateginen kumppani. Harva kuitenkin on aidosti syväasiantuntija datassa tai generatiivisessa tekoälyssä. Asiakkaat ymmärtävät, että jokainen IT-toimittaja ei voi olla huippuosaaja jokaisessa trendissä, vaikka markkinassa tällä hetkellä kaikki haluaisivat oman osuutensa datan ja tekoälyn kakusta.

Recordlyn vahvuus on, että se voi tulla mukaan tilanteisiin, joissa kumppaniverkosto on jo olemassa, ja osoittaa asiantuntijuutensa ilman historiallisia sidonnaisuuksia. Tämä mahdollistaa objektiivisen näkökulman ja keskittymisen siihen, miten data ja tekoäly tukevat asiakkaan liiketoimintaa, ei siihen, miten sovitetaan yhteen vanhoja rakenteita.

Erikoistuminen on strateginen valinta.

Suurissa konserneissa konserniohjaus voi ohjata kaikkia kumppaneita samojen vuosittaisten painopisteiden mukaan, joskus jopa epäsopiviin tai keskenään ristiriitaisiin kombinaatioihin. Recordly ei yritä olla ”kaikkea kaikille”: se on data- ja AI-asiantuntija, joka voi tarvittaessa antaa neuvoja muuhun infrastruktuuriin ja arkkitehtuuriin liittyen, mutta ei lähde kilpailemaan esimerkiksi laiteasennuksissa tai perus-IT-palveluissa.

Yksi kumppani ei riitä kaikkeen.

Vaikka monessa organisaatiossa halutaan keskittää kaikki IT-palvelut yhdelle toimittajalle, todellisuudessa tämä harvoin johtaa parhaaseen lopputulokseen. Recordly on huippuerikoistunut, ja jos samanlaista osaamista vaaditaan nykyiseltä, laaja-alaisemmalta kumppanilta, se on usein käytännössä mahdotonta saavuttaa. Siksi Recordly pystyy tuomaan pöytään arvoa juuri erikoisosaamisensa ja riippumattoman näkökulmansa kautta.

Peten suosikkilainaus on Albert Einsteinilta: “Jos et osaa selittää sitä yksinkertaisesti, et ymmärrä sitä tarpeeksi hyvin.”