Datan laadun hallinta rakennusyrityksessä

Abstract

Diplomityössä tutkittiin datan laadun hallintaa rakennusyrityksessä, jossa on 2020-luvun alussa aloitettu järjestelmällinen datan laadun hallinta. Työn tavoitteena oli selvittää, miten yrityksessä datan laatua hallitaan ja miten sitä pitäisi mitata. Tutkielma painottaa tietojen laadunhallinnan ja mittauksen tärkeyttä ja esittelee käytännöllisiä työkaluja datan hyödyntämisen tehostamiseen ja tietojen laadun parantamiseen yrityksissä.

Aiempi tieteellinen tutkimus on osoittanut, että heikko datan laatu voi johtaa yrityksissä taloudellisiin menetyksiin ja heikentää päätöksentekoa. Datan jatkuvasti lisääntyessä datan hallinnan tärkeys korostuu.

Tutkimus toteutettiin tapaustutkimuksena, jonka alussa tutustuttiin teoriaan datasta ja tiedosta konseptina sekä esiteltiin datan laadun hallinnan teoreettinen viitekehys sekä konkreettisia datan laadunhallintamenetelmiä. Empiirinen tutkimus keskittyi kohdeyrityksen datan laadunhallintaan perustettuun datan hallintamalliin sekä menetelmiin ja toimintoihin, joilla datan laatua parannetaan. Lisäksi datan laatua ja datan käyttöä tutkittiin yksittäisen projektin hankintaprosessin näkökulmasta, käyttäen hyväksi projektin hankinnan tilannekuvan raportin viitekehystä.

Tutkimuksen lopputuloksena saatiin kattava kuva yrityksen datan laadunhallinnan metodeista, siitä, miten dataa hyödynnetään yrityksessä ja minkälaisten viitekehysten avulla datan laatua voitaisiin parantaa. Kehitysalueina huomioitiin järjestelmien ulkopuolella käytettävän datan integroiminen yrityksen tietojärjestelmiin sekä käyttäjäkohtaisen datan laadun arviointi.

This master's thesis investigated data quality management in a construction company where systematic data quality management was initiated in the early 2020s. The study aimed to assess how data quality is managed within the company and how it should be measured. The thesis emphasizes the importance of data quality management and measurement and introduces practical tools for enhancing data utilization and improving data quality in companies.

Previous scientific research has shown that poor data quality can lead to financial losses and impair decision-making in companies. As data continuously increases, the importance of data management is emphasized.

The research was conducted as a case study, which began by exploring the theory of data and knowledge as concepts and introduced the theoretical framework for data quality management as well as concrete data quality management methods. The empirical study focused on the data quality management system established in the target company, including the methods and operations that improve data quality. Additionally, data quality and data usage were examined from the perspective of an individual project's procurement process, utilizing the reference framework of the project's procurement situation report.

The results of the research provided a comprehensive overview of the company's data quality management methods, how data is utilized in the company, and how data quality could be improved using various frameworks. Areas for development included integrating data used outside of systems into the company's information systems and evaluating user-specific data quality.