Avaimet ketterään datan hallintaan -aamiaisseminaari 29.3.2019
0 likes243 views
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.
![Rajapintojen tietorakenteiden kuvaaminen
Esimerkkejä työkaluista
• swagger.io
• RAML
• Aglio
• APIdoc
• DapperDox
• Shins
Esimerkki rakenteesta (JSON)
{
"firstName": "John",
"lastName": "Smith",
"age": 25,
"address":
{ "streetAddress": "21 2nd Street",
"city": "New York",
"state": "NY",
"postalCode": "10021"
},
"phoneNumber": [
{ "type": "home",
"number": "212 555-1234"
}
],
"email": [
{ "type": "personal",
"number": "john@doe.com"
},
{ "type": "work",
"number": "jsmith@some.com"
}
]
}](https://image.slidesharecdn.com/talentbaseagiledatamanagementbreakfastseminar2019-190405101835/85/Avaimet-ketteraan-datan-hallintaan-aamiaisseminaari-29-3-2019-75-320.jpg)
![Rajapintojen tietorakenteiden kuvaaminen
{
"firstName": "John",
"lastName": "Smith",
"age": 25,
"address":
{ "streetAddress": "21 2nd Street",
"city": "New York",
"state": "NY",
"postalCode": "10021"
},
"phoneNumber": [
{ "type": "home",
"number": "212 555-1234"
}
],
"email": [
{ "type": "personal",
"number": "john@doe.com"
},
{ "type": "work",
"number": "jsmith@some.com"
}
]
}](https://image.slidesharecdn.com/talentbaseagiledatamanagementbreakfastseminar2019-190405101835/85/Avaimet-ketteraan-datan-hallintaan-aamiaisseminaari-29-3-2019-76-320.jpg)
More Related Content
Similar to Avaimet ketterään datan hallintaan -aamiaisseminaari 29.3.2019 (20)
More from Loihde Advisory (20)
Avaimet ketterään datan hallintaan -aamiaisseminaari 29.3.2019
- 1. Aamiaisseminaari 29.3.2019 Avaimet ketterään datan hallintaan #TBEvents
- 2. Aikataulu 9.00 Avaussanat • Nino Ilveskero 9:05 Avaimet ketterään datan hallintaan • Tero Laatikainen, Anna Virolainen, Mikko Lukkarinen & Juha Loukola 10:45 Tauko 11:00 Master Datan merkitys organisaation toiminnalle • Taru Väre 11:30 Lounas
- 3. Kaikki (digi)kehityshankkeet liittyvät tavalla tai toisella dataan
- 4. Datahankkeet eivät ole korkealla johdon ja rahoittajien prioriteeteissa
- 5. Datayksiköt ovat todella tukossa, eivätkä pysty palvelemaan kriittisiäkään kehityshankkeita tarvitussa tahdissa
- 6. Kehityshankkeet päätyvät ohittamaan yhteiset datayksiköt ja -varannot omien aikataulujensa suojelemiseksi ê Datakehitysvelka kasvaa
- 8. Esityksen asiantuntijat Anna Virolainen Johtaminen, strategia, portfolio Mikko Lukkarinen Tehokkaat ketterät tiimit Juha Loukola Työkalut ja automaatio
- 10. Perinteinen keskitetty tiedonhallinta Tietohallinto Työryhmiä Tietoarkkitehtuuri Sääntöjä ja menettelytapaohjeita Datatiimit
- 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.
- 15. Haasteet rytmittämisessä ja priorisoinnissa
- 18. Portfolion hallinta ja priorisointi Anna Virolainen
- 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 -€ -€ +€ +€
- 22. PORTFOLIO Aikainen analyysi Töiden vertikaalinen pilkkominen EPIC EPIC FEATURE Tietosuojavaatimukset Asiakastieto Rajapinnat Integroinnit Analytiikka
- 23. PORTFOLIO Aikainen analyysi Aikainen analyysi Tekemisen rytmitys ja priorisointi alkaa aikaisesta analyysista Asiakastarve, hyödyt Teknologia Data Riskit, mittarit
- 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
- 28. ” Action expresses priorities. Mahatma Gandhi
- 30. DATATARPEET Perinteinen suunnitelma- ohjautunut kehitysmalli Siilo, vesiputous, heikko analysointi Suunnittelu Konseptointi Muutoshallinta Toteutus Testaus Käyttöönotto Pitkä palautesykli
- 31. Haasteet Data-asiantuntijoiden tulee rohkeasti omaksua ketteriä menetelmiä, ajatusmalleja ja uskallusta edetä iteratiivisesti. Kehittäjien tulee ymmärtää, hyvään dataan liittyvän kehitystyön vaatimukset.
- 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%
- 33. DATATARPEET Ketterä, iteratiivinen kehitysmalli Siilo, ketterä kehitys, hyvä analysointi Nopea palautesykli Määrittely Kehitys Käyttöönotto
- 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
- 35. 1. Ketterä tuoteomistajuus 2. Priorisointi 3. Sisäänrakennettu laatu
- 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
- 37. Ongelman tai tarpeen varmistaminen! Olettamus à Riski Data à Varmuus
- 38. Usein Harvoin Joskus Ei käyttöä Jatkuva käyttö Toimintojen ja ominaisuuksien käyttöaste 45% 7% 13% 16% 19% Standish Group
- 39. Toimintojen lisääminen vs. vähentäminen Jokainen uusi toiminnallisuus hidastaa kehitystä Jokainen poistettu tai korjattu toiminnallisuus mahdollistaa nopeamman kehityksen
- 40. Tuoteomistajan pitää osata kieltäytyä https://dilbert.com/strip/2013-02-25
- 41. LIIKETOIMINTA RATKAISUSUUNNITTELU TIIMI TAI TIIMIT Kehitä asioita oikein Ratkaisun konsepti Arkkitehtuuri Operatiivinen malli, optimointi Prototyypit, PoC, UX UX TUOTEOMISTAJA ARKKITEHTI PALVELUMUOTOILIJA / RATKAISUSUUNNITTELIJA PM / SCRUM MASTER
- 42. Fail fast! VALUE DRIVEN (arvoperusteinen) & RISK DRIVEN (riskiperusteinen)
- 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
- 46. Don’t Push – Enable Pull 36 % 49 % 13 % Done 6 % In Production 7 % STOP STARTING START FINISHING
- 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
- 50. Ketterien tiimien työkalut ja automaatio Juha Loukola
- 51. Tavoite Sirpa haluaa saavuttaa datakehityksessä samanlaisen tehokkuuden kuin sovellus- ja järjestelmäkehityksessäkin on
- 52. Perinteinen keskitetty tiedonhallinta Datatiimit Sääntöjä ja menettelytapaohjeita Työryhmiä Tietoarkkitehtuuri Tietohallinto
- 53. Tavoite Sirpa haluaa saavuttaa tiedonhallinnassa samanlaisen tehokkuuden kuin sovellus- ja järjestelmäkehityksessäkin on
- 54. Tietopohja Kehitystiimit Ketterä tiedonhallinta Suosituksia Ohjaus, asiantuntemus, tuki Tiedonhallinnan asiantuntijat
- 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
- 57. Vain ylläpidetty tietopohja on hyödyllinen
- 58. Vinkki Vältä hankkimasta työkalua jota et ymmärrä.
- 60. Liiketoiminnan sanasto Onko liiketoiminnan sanasto määritelmineen helposti… • löydettävissä? • käytettävissä? • kommentoitavissa? • täydennettävissä?
- 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
- 67. Datan saavutettavuus Saavatko kehittäjät ja analyytikot tarvitsemansa datan • nopeasti? • helposti? • tietoturvallisesti? • hallituin käyttövaltuuksin? Saavatko kehittäjät ja analyytikot luotua kokeiluympäristöjä, datasetteineen, helposti, turvallisesti, itsepalveluna?
- 68. DATA LAKE DATANHALLINTA Datakokeiluympäristöt, DataOps LIIKETOIMINNAN JÄRJESTELMÄT DATAKATALOGI DATAVARASTOT ETL DATA LAKE YLLÄPITO HALLINTO, RISKIENHALLINTA, TIETOSUOJA… PÄÄSYNHALLINTA PÄÄSYN- HALLINTA LIIKETOIMINTA- YKSIKÖT ANALYTIIKKA KEHITYSTIIMIT ASIANTUNTIJAT
- 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
- 73. Vältä turhaa dokumentointia aika työmäärä perinteinen, ennakoiva, ”just in case” Scott W. Ambler tavoitteet, vaatimukset, arkkitehtuuri ratkaisun yleiskuvaus ketterä, tiivis, automaattinen ”just in”
- 74. 쾱…
- 75. Rajapintojen tietorakenteiden kuvaaminen Esimerkkejä työkaluista • swagger.io • RAML • Aglio • APIdoc • DapperDox • Shins Esimerkki rakenteesta (JSON) { "firstName": "John", "lastName": "Smith", "age": 25, "address": { "streetAddress": "21 2nd Street", "city": "New York", "state": "NY", "postalCode": "10021" }, "phoneNumber": [ { "type": "home", "number": "212 555-1234" } ], "email": [ { "type": "personal", "number": "john@doe.com" }, { "type": "work", "number": "jsmith@some.com" } ] }
- 76. Rajapintojen tietorakenteiden kuvaaminen { "firstName": "John", "lastName": "Smith", "age": 25, "address": { "streetAddress": "21 2nd Street", "city": "New York", "state": "NY", "postalCode": "10021" }, "phoneNumber": [ { "type": "home", "number": "212 555-1234" } ], "email": [ { "type": "personal", "number": "john@doe.com" }, { "type": "work", "number": "jsmith@some.com" } ] }
- 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
- 79. Aamiaisseminaari 29.3.2019 Avaimet ketterään datan hallintaan #TBEvents
- 80. Tästä kerroimme
- 81. Nykytila-analyysit ja kehityssuunnitelmat Arkkitehtuurisuunnittelu Dataplatformien jA MDM- järjestelmien suunnittelu Tietosuojapalvelut Mitä me voimme auttaa teitä? Ylimmän johdon sparraus Portfolionhallinta Ketterä muutos Työkalut ja automaatio Asiantuntijaterirooleihin Koulutukset KETTERÖITTÄMISEN PALVELUT DATAN JA ANALYTIIKAN PALVELUT
- 82. ” Data || ketteryys ≠ itseisarvo