Datan käsitteellinen mallintaminen päätöksenteon ja arvonluonnin tukena : eläkedatan hyödyntämisen edellytykset finanssialan organisaatiossa

Abstract

Tässä pro gradu -tutkielmassa tarkastellaan, miten eläkedatan käsitteellinen mallintaminen voi tukea datan hyödyntämistä päätöksenteossa ja luoda edellytyksiä arvonluonnille finanssialan organisaatiossa. Tutkimuksen tavoitteena on arvioida eläkedatan nykytilaan liittyviä vahvuuksia ja kehityskohteita sekä ymmärtää, millä tavoin datan käsitteellinen mallintaminen voisi tukea päätöksentekoa.

Tutkimus toteutettiin kvalitatiivisena tapaustutkimuksena yhdessä finanssialan organisaatiossa. Tutkimusaineisto kerättiin organisaation asiantuntijoilta ja analysoitiin teorialähtöisesti suhteessa tietojohtamisen, dataperusteisen päätöksenteon ja arvonluonnin kirjallisuuteen. Tutkimuksessa ei mallinnettu dataa, vaan arvioitiin nykytilan havaintojen perusteella, miten datan käsitteellinen mallintaminen voisi tukea päätöksentekoa eläkedatan kontekstissa.

Tutkimuksen tulokset osoittavat, että eläkedataa hyödynnetään päätöksenteossa laajasti, mutta sen käyttö on usein työlästä, aikaa vievää ja osin henkilöriippuvaista. Keskeiset haasteet liittyvät datan hajautuneisuuteen, rakenteelliseen epäyhtenäisyyteen, puutteelliseen dokumentointiin sekä käsitteellisiin tulkintaeroihin. Näiden vuoksi päätöksenteon tueksi tarvittavan tiedon tuottaminen edellyttää paljon manuaalista selvittelyä ja asiantuntijoiden tulkintaa.

Tutkimuksen perusteella eläkedatan käsitteellinen mallintaminen voi tukea päätöksentekoa epäsuorasti selkeyttämällä datan merkityksiä, vahvistamalla yhteistä käsitteellistä ymmärrystä ja vähentämällä datan hyödyntämiseen liittyviä haasteita. Datan käsitteellinen mallintaminen näyttäytyy osana organisaation tietojohtamisen käytäntöjä ja luo edellytyksiä systemaattisemmalle päätöksenteolle sekä organisaatio- ja asiakasarvon muodostumiselle.

This master’s thesis examines how conceptual data modeling of pension data can support data utilization in decision-making and create preconditions for value creation in a financial sector organization. The aim of the study is to assess the strengths and challenges related to the current state of pension data and to understand in what ways conceptual data modeling could support decision-making.

The study was conducted as a qualitative case study in a single financial sector organization. The research data were collected from organizational experts and analyzed using a theory-driven approach in relation to the literature on knowledge management, data-driven decision-making, and value creation. The study does not involve actual data modeling, instead, it evaluates how conceptual data modeling could support decision-making based on identified challenges in the current state.

The results show that pension data are widely used in decision-making, but their utilization is often labor-intensive, time-consuming, and partly dependent on individual expertise. Key challenges relate to data fragmentation, structural inconsistency, insufficient documentation, and conceptual interpretation differences. Based on the findings, conceptual data modeling can support decision-making indirectly by clarifying data meanings, strengthening shared understanding, and reducing friction in data utilization. Conceptual data modeling is thus seen as part of organizational knowledge management practices, creating preconditions for more systematic decision-making and for organizational and customer value creation in a data-intensive and regulated environment.