Improving research data management and assessing data quality in an expert organisation

Yrityksen käyttämän datan laatu määrittelee, kuinka hyviä kyseisen yrityksen tekemät raportit ja päätökset voivat olla. Datan laatu on merkittävä tekijä yritysten liiketoiminnalle, mutta datan valtava määrä nykyaikaisissa yrityksissä asettaa haasteita datan hallinnalle. Tehokkaalla datan hallinnalla voidaan osaltaan varmistaa datan hyvä laatu niin lyhyellä kuin pitkällä aikavälillä. Datan hallinnassa ei ole kyse kuitenkaan pelkästä teknisestä ongelmasta, vaan siihen liittyvät oleellisesti teknologian lisäksi myös ihmiset ja prosessit. Nämä organisatoriset näkökulmat on olennaista ottaa huomioon datan hallinnassa. Tässä työssä selvitettiin, miten yrityksen datan hallintaa voidaan kehittää ja datan laatua arvioida. Työn kohdeyrityksenä toimi suomalainen keskikokoinen asiantuntijayritys ja tarkasteltavana datana kyseisen yrityksen tutkimusdata. Kirjallisuuskatsauksen avulla esiteltiin datan laatuun, sen arviointiin, datan hallinnointiin sekä datan hallinnan ja laadun kehittämiseen liittyvää teoriaa. Työssä arvioitiin kohdeyrityksen tutkimusdatan laatua käyttäen subjektiivista ja kvalitatiivista haastattelumenetelmää. Lisäksi kohdeyrityksen datan hallinnan ongelmia kartoitettiin haastattelemalla, ja näiden ongelmien pohjalta yritykselle määriteltiin datan hallinnan kypsyyden nyky- ja tavoitetaso. Lopuksi kohdeyritykselle luotiin kehitysehdotukset, jotka auttavat yritystä kehittämään datan hallintaa kohti tavoitetasoa. Datan laadun ulottuvuudet ovat datan piirteitä, joita voidaan mitata. Näiden ulottuvuuksien toteutumista voidaan arvioida erilaisilla vakiintuneilla menetelmillä. Menetelmät voivat hyödyntää objektiivisia ja/tai subjektiivisia mittareita laadun arvioinnissa. Tässä työssä esiteltiin kolme datan laadun arvioinnin menetelmää, joita yritykset voivat hyödyntää omassa laadun arvioinnissaan. Yritykset voivat kehittää datan hallintaansa muun muassa hyödyntämällä datan hallinnoinnin viitekehyksiä. Datan hallinnointi on roolien, vastuiden, käytäntöjen ja prosessien määrittelyä niin, että yritys voi varmistaa datan tehokkaan hallinnan. Datan isännöinti taas varmistaa sen, että hallinnoinnin strategiset linjaukset muutetaan taktiseksi suunnitelmaksi ja jalkautetaan yrityksen jokapäiväisessä toiminnassa. Datan hallinnan kehittämisen hankkeissa on olennaista tunnistaa kriittiset onnistumistekijät, jotka vaikuttavat hankkeen onnistumiseen. Kirjallisuus tarjoaa myös datan hallinnan parhaita käytäntöjä, joilla yritykset voivat kehittää toimintaansa. Datan hallinnan kehittämiselle on lisäksi turvattava sen vaatimat resurssit. Ne mahdollistavat kehityksen, mutta ne on myös osattava hyödyntää oikein. Olennaista datan hallinnan kehittämisen hankkeissa on liiketoiminnan ja tietohallinnon yhteistoiminta. Tietohallinnon on ymmärrettävä datan hallintaan liittyvät liiketoimintatarpeet, jotta sen tarjoamat tietopalvelut vastaavat liiketoiminnan tarpeita.The quality of the reports and decisions made by a company is defined by the quality of the data it uses. Data quality is an important factor in a company’s business, but the huge amount of data in modern businesses places challenges to data management. The good quality of data can be ensured both short-term and long-term through effective data management. However, data management is not just a technical problem. In addition to technology, both people and processes are fundamentally linked to data management. Taking these organisational aspects into account when managing data is essential. In this thesis the methods with which a company can improve their data management and assess data quality were researched. The company studied in this thesis is a Finnish medium-sized expert company and the studied data was the company’s research data. Theory regarding data quality, data quality assessment, data governance as well as data management and quality improvement was researched with a literature review. The company’s research data quality was assessed using a subjective and qualitative interview method. In addition, problems related to the company’s data management were surveyed using interviews. Based on the discovered problems the current level of the company’s data management maturity was defined as well as a target level. Finally, improvement suggestions were formed to help the company improve its data management toward the target level. Data quality dimensions are properties of data which can be measured. These dimensions can be assessed using established methods utilising objective and/or subjective metrics. In this thesis three methods for data quality assessment were introduced in detail. Companies can use these tools to assess the quality of their data. Companies can improve their data management by utilising frameworks of data governance among other resources. Data governance is the definition of roles, responsibilities, practices and processes to ensure effective data management. On the other hand, data stewardship ensures that the strategic policies of data governance are transformed into a tactical plan and implemented in day-to-day working. When improving data management, it is essential to identify the critical success factors affecting the success of the project. Literature also offers data management best practices which help companies to improve their business. It is also important to ensure that data management improvement has the necessary resources. They make improvement possible, but they have to be utilised correctly. The co-operation of the business department and the IT department is essential when improving data management. The IT department must understand the company’s business needs in order to offer relevant information services