Enhancing Operations Management Efficiency and Employee Experience Through Data
Kivinen, Sari (2020)
Kivinen, Sari
2020
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2020063019452
https://urn.fi/URN:NBN:fi:amk-2020063019452
Tiivistelmä
Opinnäytetyön tavoitteena oli analysoida ja arvioida, miten asiantuntijapalveluyrityksen toiminnan ohjausta voidaan liiketoiminnan ja työntekijäkokemuksen näkökulmasta tehostaa datan avulla. Työn pääpaino oli liiketoiminnan kasvun kannalta keskeisten tekijöiden ymmärtämisessä dataohjautuvuuteen pyrittäessä.
Tietopohja rakennettiin yrityksen eri toiminnoille tärkeiden tekijöiden sekä liiketoiminnan tuloksen kannalta oleellisten mittarien pohjalta sekä toisaalta data-analytiikan ja arkkitehtuurin näkökulmasta. Näiden pohjalta määriteltiin data vetoisen toiminnan ohjauksen viitekehys, jota sovellettiin toimeksiantajayrityksessä tehdyssä tapaustutkimuksessa. Laadullinen tutkimus tehtiin teemahaastattelujen ja netnografian avulla. Tuloksia hyödynnettiin design työkalujen avulla ratkaisujen ja kehitysideoiden suunnittelussa toimeksiantajalle.
Tulokset osoittavat, että yrityksen käyttämien sovellusten keskinäinen integraatio oli vähäinen ja sovelluksissa oli päällekkäisyyksiä ja tarvittavissa toiminnoissa puutteita. Manuaaliset prosessit monimutkaistivat toimintoja vaikuttaen negatiivisesti liiketoiminnan tulokseen ja työntekijäkokemukseen, sekä aiheuttivat tarpeettomia kustannuksia. Minimoimalla manuaaliset prosessit yritys voisi parantaa käyttökatettaan noin kahdellakymmenellä prosentilla. Päällekkäisten sovellusten karsiminen toisi säästöjä lisenssimaksuihin ja käytettyjen sovellusten kokonaisvaltainen virtaviivaistaminen voisi rahoittaa toiminnanohjausjärjestelmän (ERP) käyttöönoton tuoden samalla viidenkymmenen prosentin lisäsäästöt vuosittaisiin ohjelmistolisenssimaksuihin. Tuloksien pohjalta laadittiin toimenpide-ehdotuksia jotka tähtäävät data-analytiikan älykkääseen hyödyntämiseen liiketoiminnan ohjauksessa.
Johtopäätöksinä esitettiin, että liiketoiminnan ohjaaminen datan avulla edellyttää integroituja prosesseja, jotka mahdollistavat yksiselitteisen totuuden kaikille yrityksen toiminnoille. ERP-järjestelmän avulla luodaan perusta operatiiviselle liiketoiminnan älykkyydelle, mutta älykäs analytiikka edellyttää datastrategiaa ja arkkitehtuuria, prosessien yksinkertaistamista sekä suorituskyvyn hallintaympäristön ja keskeisten suorituskykyindikaattoreiden (KPI) määrittelyä. The objective of this thesis was to analyze and evaluate how to improve operations management efficiency in a professional services company in business performance and employee experience perspective by utilizing data. The focus was to understand the key factors that need to be considered when aiming towards data driven operations and business growth. The analysis was done through literature and as a case study in the client company.
The theoretical framework was built on the key business performance and business operations management concepts and the factors that impact business performance in different company functions. The other angle for the framework was built on data analytics and business intelligence perspective and based on these a data driven operations management framework was defined. The framework was applied to a case company. Qualitative research was done as interviews and netnography and the results were applied by using design methods to develop solutions and development ideas for the case company.
The case findings indicate low integration, gaps and overlaps in enterprise applications resulting in manual processes that impact negatively to business performance and employee experience and generate unnecessary cost. Fixing the inefficiencies, the operating profit of the company could be improved by approximately twenty percent. Cutting the overlaps could save in license fees, streamlining the applications portfolio could pay off the deployment of an enterprise resource planning (ERP) solution while saving additional fifty percent in software license fees per annum. In addition, the path towards data driven operations management and business growth was proposed.
In conclusion, data driven operations management requires data availability and integrated processes that enable the same truth throughout the company. Basic operations management and operational business intelligence can be achieved by application for enterprise resources planning. Building advanced analytics capabilities requires data strategy and analytics architecture, simplifying the processes and developing performance management framework with conforming key performance indicators (KPIs).
Tietopohja rakennettiin yrityksen eri toiminnoille tärkeiden tekijöiden sekä liiketoiminnan tuloksen kannalta oleellisten mittarien pohjalta sekä toisaalta data-analytiikan ja arkkitehtuurin näkökulmasta. Näiden pohjalta määriteltiin data vetoisen toiminnan ohjauksen viitekehys, jota sovellettiin toimeksiantajayrityksessä tehdyssä tapaustutkimuksessa. Laadullinen tutkimus tehtiin teemahaastattelujen ja netnografian avulla. Tuloksia hyödynnettiin design työkalujen avulla ratkaisujen ja kehitysideoiden suunnittelussa toimeksiantajalle.
Tulokset osoittavat, että yrityksen käyttämien sovellusten keskinäinen integraatio oli vähäinen ja sovelluksissa oli päällekkäisyyksiä ja tarvittavissa toiminnoissa puutteita. Manuaaliset prosessit monimutkaistivat toimintoja vaikuttaen negatiivisesti liiketoiminnan tulokseen ja työntekijäkokemukseen, sekä aiheuttivat tarpeettomia kustannuksia. Minimoimalla manuaaliset prosessit yritys voisi parantaa käyttökatettaan noin kahdellakymmenellä prosentilla. Päällekkäisten sovellusten karsiminen toisi säästöjä lisenssimaksuihin ja käytettyjen sovellusten kokonaisvaltainen virtaviivaistaminen voisi rahoittaa toiminnanohjausjärjestelmän (ERP) käyttöönoton tuoden samalla viidenkymmenen prosentin lisäsäästöt vuosittaisiin ohjelmistolisenssimaksuihin. Tuloksien pohjalta laadittiin toimenpide-ehdotuksia jotka tähtäävät data-analytiikan älykkääseen hyödyntämiseen liiketoiminnan ohjauksessa.
Johtopäätöksinä esitettiin, että liiketoiminnan ohjaaminen datan avulla edellyttää integroituja prosesseja, jotka mahdollistavat yksiselitteisen totuuden kaikille yrityksen toiminnoille. ERP-järjestelmän avulla luodaan perusta operatiiviselle liiketoiminnan älykkyydelle, mutta älykäs analytiikka edellyttää datastrategiaa ja arkkitehtuuria, prosessien yksinkertaistamista sekä suorituskyvyn hallintaympäristön ja keskeisten suorituskykyindikaattoreiden (KPI) määrittelyä.
The theoretical framework was built on the key business performance and business operations management concepts and the factors that impact business performance in different company functions. The other angle for the framework was built on data analytics and business intelligence perspective and based on these a data driven operations management framework was defined. The framework was applied to a case company. Qualitative research was done as interviews and netnography and the results were applied by using design methods to develop solutions and development ideas for the case company.
The case findings indicate low integration, gaps and overlaps in enterprise applications resulting in manual processes that impact negatively to business performance and employee experience and generate unnecessary cost. Fixing the inefficiencies, the operating profit of the company could be improved by approximately twenty percent. Cutting the overlaps could save in license fees, streamlining the applications portfolio could pay off the deployment of an enterprise resource planning (ERP) solution while saving additional fifty percent in software license fees per annum. In addition, the path towards data driven operations management and business growth was proposed.
In conclusion, data driven operations management requires data availability and integrated processes that enable the same truth throughout the company. Basic operations management and operational business intelligence can be achieved by application for enterprise resources planning. Building advanced analytics capabilities requires data strategy and analytics architecture, simplifying the processes and developing performance management framework with conforming key performance indicators (KPIs).