DATAN KÄSITTELY, LAATU JA MERKITYS YRITYKSESSÄ

Muutama vuosi sitten puhuttiin, että kaikki data kannattaa varastoida kritiikittömästi siltä varalta, että sille on vielä joskus käyttöä. Tällä hetkellä tilanne alkaa olla se, että datan määrä, tunnistettavuus ja laatu melkeinpä haastaa sen hyödynnettävyyttä.

Internetissä olevan datan määrä kaksinkertaistuu joka vuosi. Datan kerääminen ja varastointi asettaa toimijoille myös vastuita ja rajoituksia, erityisesti mitä tulee henkilötiedoiksi laskettaviin tekijöihin. Tämä on hyvä, sillä kaikkialla tapahtuva arvokkaan datan kerääminen tekee siitä toisaalta erittäin houkuttelevaa myös rikollisille toimijoille.

Viime aikojen ikävät tapahtumat ja lisääntyneet kyberuhkat ovat lisänneet tietoisuutta siitä, millaista dataa yrityksissä kerätään tai voidaan kerätä ja miten sitä tulee kerääjän varastoida ja suojata. Onkin erittäin suositeltavaa, että yritys pyrkii ennakoiden tunnistamaan minkälaista dataa yrityksessä prosessoidaan ja millä tavoin.

Toimijoiden vahvan tunnistamisen merkitys on kasvanut ja tulee kasvamaan huomattavasti. Yhä suurempi osa yhteiskunnan toiminnasta digitalisoituu, jolloin myös sitä säätelevä lainsäädäntö lisääntyy jatkuvasti. Näissä asioissa on hyvä pysähtyä määräajoin ja tarkastella kuinka asiat omassa yrityksessä ovat, jotta ikäviltä yllätyksiltä vältyttäisiin.

Data on tavallisesti joukko havaintoja, merkintöjä ja ominaisuuksia. Data itsessään ei vielä merkitse mitään ja se on periaatteessa arvotonta. Vasta tulkinnan avulla datasta syntyy informaatiota, joka jalostuu inhimillistettynä arvokaaksi tiedoksi ja parhaimmillaan viisaudeksi.

Dataa voidaan käsitellä ja jalostaa monin eri tavoin. Kun dataa käsitellään alkuperäisjärjestelmässä sen ydintoimintaan liittyen, puhutaan datan primäärikäytöstä; esimerkiksi kun sähköinen ostolasku lähetetään, vastaanotetaan, tiliöidään ja maksetaan taloushallintojärjestelmässä.

Data ei kuitenkaan ole tämän jälkeenkään hyödytöntä, vaan monenlaista prosessista syntyvää dataa voidaan käyttää vielä sekundäärisesti esimerkiksi opettamaan järjestelmään upotettuja algoritmejä oletustiliöimään saman toimittajan samaa tuotetta koskeva lasku seuraavalla kerralla samalla tavoin tai antamaan työaikaa säästäviä suosituksia järjestelmän käyttäjälle.

Voi olla, että laskun liitteitä on pyritty myös tunnistamaan kuvantunnistusmenetelmin käyttökokemuksen parantamiseksi ja työn sujuvoittamiseksi. Laskun käsittelyprosessista saadaan myös kerätyksi hyödyllistä käyttödataa esimerkiksi, kuinka kauan operaatio kesti ja mitä kautta käyttäjä tuli sivustolle laskua käsittelemään.

On myös olemassa monenlaista sensoreista ja sijanneista kerättävää dataa, mitä voidaan hyödyntää vaikkapa olosuhteiden tai lokaation tunnistamiseen, sekä käyttökokemuksen räätälöintiin ja parantamiseen. Lyhyesti todeten parhaimmillaan datalla voidaan muodostaa digitaalinen kaksonen datan luoneen prosessin todellisuudesta.