Evaluating business value of engineering data platform in financial software industry

Abstract

Data is a valuable asset in the modern world. It provides the ability to analyse the past, observe the present, and predict the future. Many companies use their product- and user-related data to drive business decisions. Similarly, the data generated in the engineering activities around the product or service can be collected and utilised for better visibility, for example, on team- or component-level insights. This is not always an easy task, as the engineering related data is often scattered, hard-to-access, and follows varying schemas and standards. To harness the value of engineering data to its full potential, an investment in mastering it needs to be made.

OP Group is keen to invest in the better understanding and utilisation of engineering data, and they are aiming to do this by building their own engineering data platform. In this thesis, different reasons and motives to implement a new data platform focusing on engineering data rather than choosing to use something already available in the field are analysed. Additionally, the thesis depicts the important value-generating factors for an engineering data platform and observes the practices that ensure their successful implementation. The analysis part of the thesis involves a literature review of publications related to products similar to the engineering data platform OP Group is aiming to build.

The results of the review are combined with the requirements gathered from OP Group, and a list of actionable suggestions for building a successful engineering data platform is conducted. Some of the key actions to take were: use the cloud platform to ensure sufficient resource scaling; develop the platform modularly with configurable data pipelines to accelerate the platform’s extendibility; standardise data formats; and implement sufficient testing for the platform and the data.

Finally, the thesis concludes that the success of the implementation of an engineering data platform at OP Group should be evaluated by the requirements set for it as well as by how well it can help engineering related management and decision-making to be more data-driven. Also, it is good to acknowledge that the requirements and goals set in this thesis for the engineering data platform at OP Group should be seen as a baseline implementation. In the future, the focus of the work will most likely shift more towards data analysis, involving methods like pattern recognition, prediction models, and possibly even machine learning and artificial intelligence applications.

Data on arvokas voimavara nykymaailmassa. Se mahdollistaa menneisyyden analysoinnin, nykyhetken havainnoinnin sekä tulevaisuuden ennustamisen. Monet yritykset käyttävät jo tuote- ja käyttäjädataansa liiketoimintapäätösten ohjaamiseen. Samalla tavalla tuotteen tai palvelun ympärillä tapahtuvasta suunnittelutoiminnasta syntyvää dataa voidaan kerätä ja hyödyntää paremman näkyvyyden saavuttamiseksi esimerkiksi tiimi- tai komponenttitason tilannekatsauksiin. Tämän toteuttaminen ei aina ole helppo tehtävä, sillä suunnittelutoimintaan liittyvä data on usein hajallaan, vaikeasti saatavilla ja noudattaa toisistaan eroavia skeemoja ja standardeja. Jotta suunnittelutoiminnassa syntyvän datan arvo saataisiin kunnolla käyttöön, on sen ymmärtämiseen ja hyödyntämiseen panostettava.

Muiden ohjelmistoalan yritysten tavoin OP Ryhmä on kiinnostunut panostamaan suunnittelutoiminnan datan tehokkaampaan käyttöön, ja heidän tavoitteenaan onkin oman suunnittelutoiminnassa syntyvään dataan keskittyvän alustan rakentaminen. Tässä diplomityössä analysoidaan erilaisia syitä ja motiiveja uuden tietoalustan toteuttamiselle alalla jo saatavilla olevien valmiiden alustojen hyödyntämisen sijaan. Lisäksi työ tarkastelee tärkeimpiä tekijöitä ja käytänteitä, joiden avulla tietoalustasta saatava liiketoiminnallinen arvo pyritään takaamaan. Näihin perehdytään kirjallisuuskatsauksella, johon sisällytettiin julkaisuja, jotka käsittelevät OP Ryhmässä rakenteilla olevan suunnittelutietoalustan kaltaisia tuotteita.

Katsauksen tuloksia arvioidaan rinnakkain OP Ryhmässä tietoalustalle asetettujen vaatimusten kanssa ja lopputuloksena laaditaan luettelo toimenpiteistä menestyksekkään suunnittelutietoalustan rakentamiseksi. Keskeisiä tunnistettuja toimenpiteitä ovat muun muassa: pilvipohjaisen alustan käyttö riittävän resurssiskaalautuvuuden takaamiseksi, alustan kehittäminen modulaarisesti konfiguroitavilla dataputkilla alustan laajennettavuuden helpottamiseksi, dataformaattien standardisoiminen sekä riittävän testauksen toteuttaminen sekä alustalle että datalle.

Lopuksi työssä todetaan, että suunnittelutietoalustan toteutuksen onnistumista OP Ryhmässä tulisi arvioida sille asetettuihin vaatimuksiin peilaten sekä sen perusteella, miten hyvin alusta voi auttaa suunnittelutoimintaan liittyvää johtamista ja päätöksentekoa siirtymään datavetoisempaan suuntaan. On myös hyvä tiedostaa, että tässä työssä asetetut vaatimukset ja tavoitteet suunnittelutietoalustalle OP Ryhmässä tulisi nähdä vain perustana alustan toteutukselle. Tulevaisuudessa alustan kehitystyön painopiste siirtyy todennäköisesti datan analysointiin hyödyntäen muun muassa hahmontunnistusta, ennustemalleja ja mahdollisesti jopa tekoälyn sovelluksia.