Uuteen toiminnanohjausjärjestelmään tuotavan datan analysointi ja siivoaminen on ehkä tärkein yksittäinen asia, jolla varmistat ERP-projektisi aikataulussa ja budjetissa pysymisen. Mitä suurempia datamassoja yrityksesi käsittelee, sitä enemmän säästät aikaa ja rahaa automatisoimalla datamassojen käsittelyn. Datan käsittely ohjelmallisesti on nopeaa ja virheetöntä.
Jotta uusi toiminnanohjausjärjestelmä palvelee yrityksen toimintaa:
- on sinne tuotavan datan oltava oikeaa, eli sen tulee sisältää tarvittavat ja ajantasaiset tiedot
- datan on oltava oikeassa muodossa
Tässä blogissa kerromme, miten tunnistat ja korjaat datan virheet ajoissa, nopeasti ja tehokkaasti.
Selvitä, mitä dataa sinulla on ja missä se asuu
Jo ennen toiminnanohjausprojektiin ryhtymistä, selvitä mitä dataa yrityksesi käsittelee ja missä järjestelmissä datasi sijaitsee.
Tyypillisesti yrityksillä voi olla dataa useissa eri järjestelmässä, kuten
- prospektien ja asiakkaiden kontaktitiedot CRM:ssä tai henkilökunnan sähköposteissa/tiedostoissa
- alihankkijoiden ja tavarantoimittajien yhteystiedot excel-taulukoissa
- materiaali-, varaosa- ja tuotetietoja tuotannonohjausjärjestelmässä tai excel-taulukoissa
- kustannuspaikkatiedot ja tilikartat taloushallinnon ohjelmistoissa
- HR-ohjelmistossa työntekijöiden kontakti, palkka- ja osaamistietoja
- jne, jne.
Jos olet päättänyt ottaa käyttöön nykyaikaisen toiminnanohjausjärjestelmän, haluat kaikkien tietojen olevan yhdessä järjestelmässä ja aina ajan tasalla. Voidaksesi hyödyntää uutta järjestelmää alusta alkaen maksimaalisesti, on uuteen järjestelmään tuotava data siivottava tuplamerkinnöistä, virheistä ja puutteista.
Data-analyytikko siivoaa datasi ohjelmallisesti - hyödynnä ammattilaista
Päävastuu datan siirrosta kannattaa antaa kumppanille, joka hallitsee ohjelmallisen datan käsittelyn. Data-analyytikko rakentaa asiakkaan datan vaatimiin tarpeisiin analyysiohjelman, eli tekee asiakaskohtaisen ohjelman, joka käsittelee ja analysoi yrityksen datan puutteet automaattisesti.
Pidä kuitenkin mielessä, että nohevinkaan kumppani ei voi tehdä kaikkea puolestasi. Viimeistään datan virheiden korjaamisvaiheessa sinun on tehtävä tiivistä yhteistyötä käyttöönottokumppanin data-analyytikon kanssa.
Data-analyysin vaihe 1: määrittele datan kentät
Data-analyysi aloitetaan tyypillisesti asiakas- ja toimittajatiedoista sekä taloushallinnon tilikartoista. Seuraavaksi käsitellään tuotekategoriat ja tuotteisiin liittyvä data sekä avoimet myynti- ja ostolaskut.
Ensimmäinen tehtävä on määritellä yhdessä data-analyytikon kanssa, mitä tietokenttiä uuteen järjestelmään tarvitaan. Jokaiselle siirrettävälle tiedolle tulee löytyä vastaava kenttä uudessa järjestelmässä. Jos kenttää ei ole valmiina, nykyaikaisessa ohjelmassa se on helppo lisätä.
Osana ERP-projektia kannattaa kehittää yrityksen toimintatapoja ja prosesseja. On tärkeää selvittää miten tieto kulkee, kuka tietoa tarvitsee jne. Harkitse tarkkaan, kuinka paljon historiadataa on järkevää tuoda uuteen järjestelmään. Vanhaa dataa tarvitaan harvoin, mutta sen siivoaminen ja tuominen uuteen järjestelmään ei ole ilmaista. Usein on kustannustehokkaampaa jättää vanha historiadata toisaalle, ja tarpeen tullen kaivaa tieto vanhasta järjestelmästä.
Osana ERP-projektia kannattaa kehittää yrityksen toimintatapoja ja prosesseja. On tärkeää selvittää miten tieto kulkee, kuka tietoa tarvitsee jne. Harkitse tarkkaan, kuinka paljon historiadataa on järkevää tuoda uuteen järjestelmään. Vanhaa dataa tarvitaan harvoin, mutta sen siivoaminen ja tuominen uuteen järjestelmään ei ole ilmaista. Usein on kustannustehokkaampaa jättää vanha historiadata toisaalle, ja tarpeen tullen kaivaa tieto vanhasta järjestelmästä.
Data-analyysin vaihe 2: ohjelmallinen siivous
Kun tiedetään, mitä dataa uuteen toiminnanohjausjärjestelmään siirretään, aloitetaan datan ohjelmallinen siivous. Siivouksessa muun muassa poistetaan tuplatiedot, korjataan virheellisiä tietoja, poistetaan ääriarvot ja erikoismerkit vääristä paikoista yms.
Ohjelmallinen datan käsittely löytää automaattisesti tietyntyyppiset loogisesti pääteltävät virheet. Yllättävän yleinen virhe on esimerkiksi nollan puuttuminen tietyn merkkimäärään vaativien lukujonojen edestä. Jos merkkejä on liian vähän, järjestelmä ei osaa käsitellä lukuja oikein. Yleisiä virheitä ovat myös ALV-tiedoissa olevat virheet.
Data-analyysin vaihe 3: datan muokkaus
Siivousvaiheessa dataan voidaan vielä tehdä tarvittavia muokkauksia. Esimerkiksi eräs asiakkaamme halusi lisätä toimittajatietoihin nimen perään sisäisen viitenumeron sulkeissa. Toimittajan nimitiedot olivat aiemmin sijainneet yhdessä järjestelmässä ja sisäinen viitenumero toisessa. Datan käsittelyssä usein myös siivotaan ja yhtenäistetään tuotekategorioiden ja tuotteiden nimiä, jos tiedot tulevat eri paikoista hieman eri näköisinä.
Data-analyysin vaihe 4: datan rikastaminen
Data-analyytikon tekemä data-analyysi herättää lähes poikkeuksetta huomaamaan, mitkä tiedot ovat puutteellisia. Uuden ERPin käyttöönotto on oiva hetki rikastaa olemassa olevaa dataa, esimerkiksi täydentämällä puuttuvia yhteystietoja.
Datan vienti uuteen järjestelmään
Datan putsauksen ja tietojen päivityksen jälkeen data viedään uuteen järjestelmään ja otetaan saman tien ulos uutta analyysia varten. Uudelleen analysointi paljastaa mahdolliset sisään viennissä tapahtuneet virheet. Tyypillisesti sisään viennissä paljastuvia virheitä ovat päällekkäiset tietueet eli duplikaatit tai datan tallentuminen vääriin kenttiin. Yleinen virhe on myös numeromerkeistä koostuvien tunnuksien tallentuminen lukuina, jolloin tunnukset muuttuvat desimaaleiksi tai tunnuksen ensimmäinen nolla häviää. Tämän tyyppiset virheet korjataan excelissä ja päivitetään järjestelmään oikein.
Testaa kaikki kriittiset liiketoimintaprosessit - hankinnoista loppuasiakkaan laskutukseen - uudessa järjestelmässä täydellä datamassalla. Liian pieni testidatamassa ei paljasta mahdollisia pullonkauloja. Kun testaat hyvissä ajoin, saat varmuuden siitä, että uudessa toiminnanohjausjärjestelmässä kaikki sujuu niin, kuin on suunniteltu ja vältät viime hetken paniikin.
Sen lisäksi, että ohjelmallinen datan käsittely vähentää viime hetken paniikkia uuden järjestelmän käyttöönoton hetkillä, saat siitä myös kattavan dokumentaation. Jos myöhemmin tulee tarve toistaa käsittely päivitetyllä datalla tai haluat muuttaa tietojen käsittelytapaa, tulee muutosdokumentaatio tarpeeseen.
Milloin datan siivous onnistuu tee-se-itse -menetelmällä?
Datan voi putsata ja siirtää myös omin voimin. Itse tekeminen on perusteltua, jos
- yrityksen data on erittäin hyvässä mallissa. Datassa on vähän virheitä tai puutteita.
- dataa on niin vähän, että sen manuaalinen käsittely on mahdollista (asiakasdataa alle 500 riviä, tuotteita max 2000)
- dataa tuodaan vain yhdestä järjestelmästä
- yrityksessä on edistynyttä osaamista datan käsittelyyn, analysointiin ja siivoamiseen
Myös itse tehdessä lopputulos on hyvä antaa data-analyytikon analysoitavaksi, jotta varmistat datan onnistuneen siirron uuteen järjestelmään. Työnjaosta kannattaa aina sopia käyttöönottokumppanin kanssa.
- yrityksen data on erittäin hyvässä mallissa. Datassa on vähän virheitä tai puutteita.
- dataa on niin vähän, että sen manuaalinen käsittely on mahdollista (asiakasdataa alle 500 riviä, tuotteita max 2000)
- dataa tuodaan vain yhdestä järjestelmästä
- yrityksessä on edistynyttä osaamista datan käsittelyyn, analysointiin ja siivoamiseen
Myös itse tehdessä lopputulos on hyvä antaa data-analyytikon analysoitavaksi, jotta varmistat datan onnistuneen siirron uuteen järjestelmään. Työnjaosta kannattaa aina sopia käyttöönottokumppanin kanssa.
Jos sinua kiinnostaa, mitkä muut asiat vaikuttavat ERP-projektin onnistumiseen, kannattaa lukea myös blogikirjoitus Onnistu toiminnanohjausjärjestelmän käyttöönotossa
Vinkki
Vie kaikki data järjestelmään mahdollisimman aikaisessa vaiheessa. PK-yritysten ERP-hankkeissa data on hyvä tuoda sisään heti ensimmäisten viikkojen aikana, sillä useat prosessit, kuten taloushallinto, ovat riippuvaisia järjestelmään viedystä datasta.
Toiminnanohjausjärjestelmän käyttöönottoprojektin vielä ollessa kesken, syntyy myös uutta dataa. Ylimenovaiheen aikana suosittelemme, että syötät uuden syntyvän datan sekä vanhaan että uuteen järjestelmään. Tällä tavalla toimien henkilökuntasi myös tulee perehtyneeksi uuteen järjestelmään jo ennen varsinaista käyttöönottoa.
Asiakaskokemus
Valmistavan teollisuuden asiakkaallamme oli lähes 1600 riviä kontaktidataa, 400 tuotekategoriaa ja 12 000 tuotetta. Tämän datamäärä kunnostettiin ohjelmallisesti 60 työtunnissa.
Saman työn tekeminen manuaalisesti ja siitä johtuvien virheiden korjaaminen olisi helposti vienyt kaksi, jopa neljä kertaa pidemmän ajan. Lisäksi manuaalisesta työstä johtuvat virheet olisivat epäilemättä aiheuttaneet myös epäsuoria kustannuksia, kun järjestelmä ei olisi toiminut alusta asti moitteetta.
Ohjelmallisen datan käsittelyn ansiosta projekti valmistui useita viikkoja nopeammin kuin perinteisellä tavalla toimien olisi onnistunut. Lisäksi uskalsimme ajastaa uuden ERPin käyttöönoton joulun välipäiville.
Data-analyytikko Marko Mäkinen
ERP-projektin datanputsaus on kuin muutto uuteen asuntoon. Hankkiudu ensin eroon vanhassa asunnossa olevasta turhasta ja viallisesta tavarasta. Älä turhaan maksa muuttofirmalle käyttämättömän, rikkinäisen tai epämieluisan tavaran pakkaamisesta ja kuljetuksesta. Huolla muutettavat tavarat ja pakkaa muuttolaatikoihin uuden asunnon huonejärjestyksen mukaan.
ERP-projektin datanputsaus on kuin muutto uuteen asuntoon. Hankkiudu ensin eroon vanhassa asunnossa olevasta turhasta ja viallisesta tavarasta. Älä turhaan maksa muuttofirmalle käyttämättömän, rikkinäisen tai epämieluisan tavaran pakkaamisesta ja kuljetuksesta. Huolla muutettavat tavarat ja pakkaa muuttolaatikoihin uuden asunnon huonejärjestyksen mukaan.
Onko sinulle selvää, miten datasi siirtyy Odooseen? Marko Mäkisen avulla varmistat, että datasi on laadukasta ja sen siirtäminen Odooseen onnistuu ilman harmaita hiuksia.
Ota yhteyttä
Kiinnostaako sujuva ERP-projekti?
Autamme Odoon käyttöönotossa ja datan putsauksessa.