Liiketoimintatiedon hallintajärjestelmä ja sen hyödyt riskienhallinnassa

Abstract

Organisaatioiden käytettävissä olevaan datan hyödyntämiseen liitetään usein liiketoimintatiedon käsite. Tämä tutkielma tarkastelee liiketoimintatietoa, liiketoimintatiedon hallintajärjestelmän rakennetta sekä massadatan soveltuvuutta perinteiseen liiketoimintatiedon hallintajärjestelmään. Massadatalla tarkoitetaan suuria datamääriä. Tutkielmaan on liitetty riskin ja organisaatioiden riskienhallinnan toiminnon käsitteet, jotta käsiteltäville teemoille pystytään tarjoamaan liiketoimintaan liittyvä konteksti ja käyttötapausesimerkkejä. Liiketoimintatiedon hyödyntämistä on tutkittu 1950-luvun loppupuolelta lähtien, joskin se on noussut erityiseksi trendiksi 2010-luvulla. Organisaatioiden riskienhallinnan tarkoituksena on tunnistaa, analysoida ja suhtautua riskeiksi luokiteltuihin tapahtumiin. Massadatan avulla organisaatioiden riskienhallintatoiminnot pystyvät esimerkiksi rakentamaan virtuaalisia tuotantolaitoksia ja simuloimaan ulkoisten riskien vaikuttavuutta liiketoimintaan. Massadatan varastointi ja hyödyntäminen vaativat kuitenkin erilaisia ratkaisuja perinteiseltä liiketoimintatiedon hallintajärjestelmältä. Perinteisen liiketoimintatiedon hallintajärjestelmän ytimessä toimii tietovarasto, joka ei kuitenkaan välttämättä sovi rakenteettoman datan varastointiin. Rakenteettoman datan varastoimiseen on kehitetty esimerkiksi tietoallasteknologia, joka mahdollistaa raken-teettoman datan varastoimisen ja hyödyntämisen. Tutkielma on toteutettu kirjallisuuskatsauksena ja tutkielman tarkoituksena on vastata tutkimuskysy-mykseen ”Mitä liiketoimintatiedon käsitteellä tarkoitetaan, miten toimiva liiketoimintatiedon hallintajärjestelmä rakennetaan ja miten organisaatioiden riskienhallinta voi hyötyä liiketoimintatiedon hallintajärjestelmästä?”. Liiketoimintatiedon hyödyntämiseen omistettua järjestelmää on ehdotettu jo 1950-luvun loppupuolel-la. Liiketoimintatiedon hallintajärjestelmiin liittyvä tutkimus on lisääntynyt erityisesti 2010-luvulla. Massadata luo uusia mahdollisuuksia riskienhallinnan prosesseille – erityisesti operatiivisten riskien hallintaan. Massadata luo haasteita perinteiselle liiketoimintatiedon hallintajärjestelmän arkkitehtuurille. Ongelmia voidaan ratkaista esimerkiksi tutkielmassa esitetyllä tietoallasteknologialla.

Organizations use of available data is often described as business intelligence. This thesis looks into data, business intelligence, structure of a business intelligence management system and the application of mass data in a business intelligence management system. Mass data is used to describe vast amounts of data. Risk and risk management is added to the thesis to provide context and actual use scenarios of data in operative risk management scenarios. The use of data in business has been researched as early as late 1950’s but the term business intelligence has been a real trend in the 2010’s. Risk management is concerned with recognizing, analyzing and reacting to events that are classified as risks. Mass data provides opportunities in risk management such as building virtual production facilities and simulating the effect of external risk in the process. The storage and usage of mass data creates challenges for a traditional business intelligence system and requires modern solutions. Data lake technology is used as an example solution for storing large amounts of unstructured data as a part of a business intelligence management system. The thesis is conducted as a literature review and answers the research question “what does business intelligence mean, how a business intelligence management system is built and how risk management can benefit from a well-built business intelligence management system?”. A system that is dedicated to exploiting business-related data has been proposed already in the late 1950’s. Business intelligence related research has increased especially in the 2010’s, Big data creates new opportunities for risk management processes – especially in operational risk management. Big data creates challenges for a traditional business intelligence system architecture. This thesis presents a data lake technology approach to solving these problems.