Agile datalla tarkoitamme ketterän tekemisen ja modernin datan yhteen niittämistä. Agile-tekeminen tekee datan hyödyntämisestä tavoitteellista. Data tuo ketterään tekemiseen ja päätöksentekoon nopeutta ja tarkkuutta. Ketterää ei siksi kannata tehdä ilman olennaisen datan keräämistä. Dataa taas ei kannata tuottaa ilman sen tavoitteellista hyödyntämistä. Siksi agile data.
Data on asiakkaan ääni tiimissä
Ketterässä arjessa korostuu viestintä, yhdessä tekeminen ja valmius muuttaa suuntaa kokeiluiden avulla. Erilaisten osaajien hyödyntäminen on tärkeää ja saamme erilaiset äänet kuuluviin hyvällä fasilitoinnilla. Vaarana kuitenkin on, että on että unohdamme datan. Intuitio ja äänestäminen tiimissä ei aina kerro, mikä on oikein. Datan tulisi antaa tiimiin asiakkaan ääni.
Tuo siis data ketterien rutiinien osaksi. Tämä vähentää tarvetta ah-niin-ihanalle konttoripolitiikalle ja spekulaatiolle. Jotta voidaan perustella, miksi asioita kannattaisi muuttaa, tarvitaan perusteita uudenlaisen tekemisen puolesta. On tärkeää keskittyä datan ymmärtämiseen ja datapohjaiseen suunnitteluun. Kokeile esimerkiksi seuraavia:
- Retrossa katsotaan ensin aikajanalla mitä tiimissä on tapahtunut, mitä asiakkailta on opittu, ja miten myynti on sujunut
- Suunnitteluun tuotavista ideoista on jo kerätty dataa siitä mitä ongelmia ne ratkaisevat tai mitä uusia mahdollisuuksia kehittäminen avaa
- Aika ajoin tiimille tuodaan tietoa kilpailijoista tai uusista tekniikoista dataa hyödyntäen
- Päätöksenteossa tuodaan näkyväksi mihin dataan ja analyysiin päätös on perustunut.
Opettele aakkoset, jotta opit lukemaan
Datakeskeiset projektit lähtevät liikkeelle liian usein teknologiavetoisesti. Niissä tehdään mahdolliseksi se, mitä ennen ei yksinkertaisesti pystytty tekemään. Jotain uutta siis voitaisiin tehdä, mutta tehdäänkö?
Älä siis kerää liian monimutkaista dataa. Jos teet esimerkiksi liikennevirtasuunnittelua on toki perusteltua mallintaa ja kerätä massiivisia määriä Isoa Tietoa, mutta jos haluat esimerkiksi kerätä palautetta kahdesta eri käyttöliittymästä voit tehdä sen näyttämällä kuvia kouralliselle ihmisiä ja ottamalla palautteen muistiin.
Nyt kun dataa generoituu enemmän kuin koskaan aikaisemmin, tarvitaan sen hyödyntämiseen suunnitelmallisuutta ja päätös siitä että datan käyttöön panostetaan. Vaikka kaksi asiaa tapahtuu samaan aikaan, niiden välillä ei välttämättä ole yhteyttä. Tarvitaan siis myös todellista luku- ja ymmärrystaitoa kuten kielellisissäkin asioissa. Emmehän alakoulussakaan aloittaneet lukemista romaaneista, vaan kehityimme vähitellen ymmärtäjinä.
Näistä kohdista tunnistat, että data on alkanut vaikuttamaan tekemiseen tavoitteellisesti:
- Tunnistetaan, mikä data on relevanttia
- Saadaan tarvittava data kerättyä nopeasti ja riittävän laajasti
- Data osataan ryhmitellä ja visualisoida siten, että sen tulkinta on sujuvaa ja ymmärrettävää
- Dataa ja muuta osaamista hyödyntämällä tunnistetaan vaihtoehtoisia skenaarioita ja pohditaan niiden mahdollisia vaikutuksia huomiseen
- Tilanteen pohjalta tehdään nopeita päätöksiä, ja seurataan niiden vaikutuksia
Sujuvoita yhteistyötä dataosaajien ja sen hyödyntäjien välillä
Datan tarpeen ja käytön parantaminen onnistuu hyvin tuomalla data-osaajat osaksi muuta ketterää tekemistä. Tuo dataosaajat täysivaltaisiksi jäseniksi ketterään tiimiin. Käytä ketteriä rutiineita dataan liittyvässä kehittämisessä. Tuo liiketoimintatiimeihin data-osaajia sovittamaan datan luomista ja hyödyntämistä osaksi muuta työtä. Ihmiset alkavat auttamaan toisiaan kun rakenteet kannustavat tekemään työtä yhdessä.
Kuten esimerkeistä huomaat suosittelen monipuolista näkökulmaa. Ei yritetä parantaa vain juuri omaa kenttää vaan katsoa asioita myös laajemmin. Tavoitteena on vähentää yrityksen sisäistä ihmisten ja yksiköiden taistelua, sekä tuoda asiakas näkyviin. Faktat riitelevät- tai pikemminkin puolustavat- tekemisiä, eivät ihmiset. Dataperusteisesti on myös helpompi luopua siitä, mikä ei ehkä enää toimi.