Kohti parempaa päätöksentekoa : käyttäjädatan laadunhallinta osana data-analytiikkakyvykkyyttä
Kangasniemi, Maija (2020)
Pro gradu -tutkielma
Kangasniemi, Maija
2020
School of Business and Management, Kauppatieteet
Kaikki oikeudet pidätetään.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2020112793456
https://urn.fi/URN:NBN:fi-fe2020112793456
Tiivistelmä
Teknologian kehittymisen seurauksena lähes kaikille organisaatioille kertyy suuria massoja heikosti jäsenneltyä dataa matalin kustannuksin. Keskeiseksi organisaation kannalta nousee data-analytiikkakyvykkyys, eli organisaation kyky hyödyntää dataa päätöksenteossa ja toiminnan suunnittelussa. Tämän tutkimuksen tavoitteena oli tarkastella kuinka käyttäjädatan laadunhallinta vaikuttaa organisaation data-analytiikkakyvykkyyteen ja päätöksenteon edellytyksiin.
Tutkimuksen taustoittamiseksi tehtiin katsaus tietojohtamisen, datan laadunhallinnan, data-analytiikkakyvykkyyden ja dataan perustuvan päätöksenteon kirjallisuuteen. Empiirinen osuus tutkimuksessa toteutettiin laadullisena tutkimuksena tarkastelemalla käyttäjiltä dataa keräävän organisaation datan keräämiseen, käsittelyyn ja hyödyntämiseen liittyviä prosesseja ja niille annettuja merkityksiä. Aineisto kerättiin puolistrukturoituna teemahaastatteluina, ja analysoitiin teoriaohjaavan sisältöanalyysin menetelmin.
Tutkimuksen perusteella käyttäjädatan laadunhallinnan ja organisaation päätöksenteon edellytysten välillä on havaittavissa voimakas yhteys. Data-analytiikkakyvykkyys vaatii organisaatiolta laadukkaan datan, teknologian, inhimillisten taitojen ja päätöksenteon lisäksi sisäisisiä prosesseja, sekä datan merkityksen tunnistamista. Datan ennakoiva laadunhallinta parantaa organisaation edellytyksiä analysoida dataa ja hyödyntää sitä päätöksenteon välineenä, sekä keventää organisaation omia prosesseja. Organisaation pohjatessa päätöksentekoaan datan pohjalta jalostettuun tietoon, on sen mahdollista tunnistaa paremmin asiakastarpeita ja siten sitouttaa käyttäjiä tuottamaan dataa organisaation oman päätöksenteon vahvistamiseksi. As a result of technological advances, almost all organizations accumulate large masses of poorly structured data at a low cost. Data analytics capability, i.e. the organization's ability to utilize data in decision-making and operational planning becomes a core process to the organization. The aim of this study was to examine how user data quality management affects an organization’s data analytics capabilities and decision-making prerequisites.
To frame the study, a review of literature on data management, data quality management, data analytics capabilities, and data-based decision making was conducted. The empirical part of the study was carried out as a qualitative study by examining the processes related to data collection, processing and utilization in an organization that collects data from users and the meanings assigned to these procedures. The material was collected by semi-structured thematic interviews and analyzed by using the methods of theory-directed content analysis.
Based on the study, there is a strong connection between user data quality management and organizational decision-making prerequisites. In addition to high-quality data, technology, human skills, and decision-making, data analytics capabilities require internal processes, as well as recognizing the importance of data. Proactive data quality management improves the organization's ability to analyze data and utilize it as a decision-making tool and to streamline its own processes. When an organization bases its decision-making on data-based information, it is possible for it to better identify customer needs and, thus, engage users to produce data to strengthen the organization's own decision-making.
Tutkimuksen taustoittamiseksi tehtiin katsaus tietojohtamisen, datan laadunhallinnan, data-analytiikkakyvykkyyden ja dataan perustuvan päätöksenteon kirjallisuuteen. Empiirinen osuus tutkimuksessa toteutettiin laadullisena tutkimuksena tarkastelemalla käyttäjiltä dataa keräävän organisaation datan keräämiseen, käsittelyyn ja hyödyntämiseen liittyviä prosesseja ja niille annettuja merkityksiä. Aineisto kerättiin puolistrukturoituna teemahaastatteluina, ja analysoitiin teoriaohjaavan sisältöanalyysin menetelmin.
Tutkimuksen perusteella käyttäjädatan laadunhallinnan ja organisaation päätöksenteon edellytysten välillä on havaittavissa voimakas yhteys. Data-analytiikkakyvykkyys vaatii organisaatiolta laadukkaan datan, teknologian, inhimillisten taitojen ja päätöksenteon lisäksi sisäisisiä prosesseja, sekä datan merkityksen tunnistamista. Datan ennakoiva laadunhallinta parantaa organisaation edellytyksiä analysoida dataa ja hyödyntää sitä päätöksenteon välineenä, sekä keventää organisaation omia prosesseja. Organisaation pohjatessa päätöksentekoaan datan pohjalta jalostettuun tietoon, on sen mahdollista tunnistaa paremmin asiakastarpeita ja siten sitouttaa käyttäjiä tuottamaan dataa organisaation oman päätöksenteon vahvistamiseksi.
To frame the study, a review of literature on data management, data quality management, data analytics capabilities, and data-based decision making was conducted. The empirical part of the study was carried out as a qualitative study by examining the processes related to data collection, processing and utilization in an organization that collects data from users and the meanings assigned to these procedures. The material was collected by semi-structured thematic interviews and analyzed by using the methods of theory-directed content analysis.
Based on the study, there is a strong connection between user data quality management and organizational decision-making prerequisites. In addition to high-quality data, technology, human skills, and decision-making, data analytics capabilities require internal processes, as well as recognizing the importance of data. Proactive data quality management improves the organization's ability to analyze data and utilize it as a decision-making tool and to streamline its own processes. When an organization bases its decision-making on data-based information, it is possible for it to better identify customer needs and, thus, engage users to produce data to strengthen the organization's own decision-making.