Datan merkitys yritysten päätöksenteossa ei ole enää vain trendi, vaan elinehto. Kun katseet kääntyvät yhä vahvemmin tekoälyn ja koneoppimisen hyödyntämiseen, on hyvä muistaa yksi perussääntö: AI on tasan niin fiksu kuin sille syötetty data. Jos pohjalla oleva data on huttua, tuloksetkin ovat huttua.

Mutta miten varmistamme, että valtavat datamassat pysyvät laadukkaina matkallaan läpi monimutkaisten prosessien? Vastaus löytyy dataputkien ja ETL-prosessien (Extract, Transform, Load) systemaattisesta laadunvarmistuksesta.

Kun data muuttaa muotoaan, virheen mahdollisuus kasvaa

Dataputki on kuin moderni tehdaslinjasto. Dataa kerätään eri lähteistä, sitä siivotaan, yhdistellään ja muokataan ennen kuin se tallennetaan tietovarastoon analysoitavaksi. Jokainen näistä vaiheista, eli datan poiminta, muuntaminen ja lataaminen, on kriittinen piste, jossa tiedon oikeellisuus voi vaarantua.

Dataputkien laadunvarmistuksella pyritään siihen, että:

1. Data on ehyttä: Siirtyykö kaikki tarvittava vai katoaako matkalla bittejä bittiavaruuteen?
2. Data on oikeellista: Muuttuuko tieto sellaiseksi kuin pitää vai vääristyvätkö laskentasäännöt muunnosvaiheessa?
3. Dataan voi luottaa: Voiko liiketoimintajohto tai tekoälymalli tehdä päätöksiä tämän tiedon pohjalta ilman pelkoa virheistä?

Case S-Pankki: Kun laatu on toiminnan ytimessä

Me VALAlla olemme päässeet sukeltamaan syvälle datan laadunvarmistuksen maailmaan muun muassa S-Pankin kanssa. S-Pankin ja Handelsbankenin suuressa liiketoimintakaupassa ja siihen liittyvässä migraatiossa kyse ei ollut vain numeroista. Se oli satojen tuhansien asiakkaiden arkea, kuten tilejä, kortteja ja sijoituksia.

Tällaisessa mittakaavassa virheille ei ole tilaa. Olimme mukana varmistamassa, että data siirtyi ehyenä ja oikeassa muodossa uuteen kotiinsa. Erityisen kriittistä oli testata, että tietovarastot ja viranomaisraportit toimivat siirron jälkeen täsmälleen oikein. Tämä vaati paitsi teknistä osaamista, myös ymmärrystä siitä, miten data linkittyy liiketoiminnan jatkuvuuteen ja asiakastyytyväisyyteen.

Kuten S-Pankin QA Manager Henri Tehilä totesi, laadunvarmistuksella on suora yhteys brändiin ja luottamukseen. Kun dataan voi luottaa, organisaatio voi keskittyä arvon luomiseen pelkän tarkistamisen sijaan.

Lue täältä lisää: https://www.valagroup.com/fi/referenssit/s-pankki/

Ja katso täältä S-Pankin Henri Tehilän vierailu VALAn Laadun takana podcastissa: https://www.valagroup.com/fi/laadun-takana-podcast/

Miten lähteä liikkeelle?

Dataputkien laadunvarmistus ei ole vain lopputarkastus, vaan sen pitäisi olla kiinteä osa kehitystä alusta alkaen. Se sisältää muun muassa seuraavat asiat:

• Automaattiset tarkistukset: Putkien sisäänrakennettu validointi havaitsee poikkeamat heti.
• Regressiotestaus: Varmistetaan, etteivät uudet muutokset riko olemassa olevia tietovirtoja.
• Datan täsmäytys: Tarkistetaan, että lähdejärjestelmän ja kohdejärjestelmän tiedot täsmäävät täysin.

Laatu on innovaation turvaverkko

Tässä ajassa uusia teknologioita ja työkaluja syntyy vauhdilla, ja niitä otetaan organisaatioissa innolla käyttöön. Usein tässä vauhdissa laadunvarmistus kuitenkin unohtuu tai se nähdään toissijaisena asiana. Todellisuudessa asia on päinvastoin.

Kun dataputkien laadunvarmistus on hoidettu kunnolla, se luo turvaverkon uusille kokeiluille ja innovaatioille. Kun pohjarakenne on kunnossa ja automaattiset tarkistukset hälyttävät virheistä, uskalletaan uusia työkaluja ja tekoälymalleja testata huomattavasti rohkeammin. Laadunvarmistus ei siis ole innovoinnin este, vaan sen välttämätön perusta.

Yhteenveto

Dataratkaisut ovat yrityksen hermosto. Jos hermostossa kulkee väärää tietoa, koko organisaatio reagoi virheellisesti. Panostamalla dataputkien laadunvarmistukseen rakennat vankan pohjan, jonka päälle on turvallista rakentaa niin perinteistä raportointia kuin tulevaisuuden tekoälyratkaisujakin.

Haluatko jutella lisää siitä, miten teidän organisaationne dataputket saataisiin kestämään kriittinen tarkastelu? Me VALAlla autamme mielellämme, oli kyse sitten monimutkaisista migraatioista tai jatkuvasta laadunvarmistuksesta.

• Blog
|
• Software testing