Od zamestnancov Techopedia, 8. novembra 2017
Jedlo so sebou: Host Eric Kavanagh diskutuje o zrelosti údajov a organizačnej zrelosti s Jen Underwoodovou spoločnosťou Impact Analytix a Ronom Huizengom z spoločnosti IDERA.
Momentálne nie ste prihlásení. Ak chcete vidieť video, prihláste sa alebo sa zaregistrujte.
Eric Kavanagh: Dobre, dámy a páni. Dobrý deň, ešte raz vitajte. Je streda o 4. hodine východnej, čo znamená, že je čas pre Hot Technologies. Ano, naozaj. Volám sa Eric Kavanagh; Budem vaším hostiteľom pre našu dnešnú šou, ktorá je skutočne definovaná a určená na definovanie určitých druhov technológií v určitých štátoch bytia vo svete správy údajov. A našou témou dnes je „Dosiahnutie zrelosti údajov: Zákon o organizačnom vyvážení“. Takže je tu skutočne vaše miesto, zasiahnite ma na Twitteri @eric_kavanagh. Vždy ma opakujem, ak sa o mne zmienite, a pokúsim sa tiež sledovať. Je to dobré miesto, kde môžete získať informácie o dianí vo svete. Milujem tento formát. Krátke znaky, 140 znakov - alebo viac v týchto dňoch. Takže neváhajte a pošlite mi tweet a ja sa vrátim späť.
Tento rok je, samozrejme, horúci. Dnes hovoríme všetko o zrelosti údajov a tu je zostava, pričom vaše sú skutočne na vrchole. Dnes máme nového analytika; Som veľmi nadšený, že mám Jen Underwoodovú z Impact Analytix. Je celkom odborníčkou v oblasti podnikovej inteligencie a analytiky a vizualizácie údajov a všetkých týchto skvelých tém. A samozrejme splatnosť údajov. A náš dobrý kamarát Ron Huizenga volá z IDERA. Najprv budeme počuť od Jena a potom od Rona. A potom sa uskutoční pekná diskusia za okrúhlym stolom.
Keď sem posúvam túto ďalšiu snímku, poviem len pár rýchlych slov. Splatnosť správy údajov je už chvíľu predmetom. Je zrejmé, že v histórii sa musíte dostať do určitého bodu skôr, ako začnete premýšľať o zrelosti, a vyvinulo sa veľa životných cyklov zrelosti - alebo cyklov - ktoré sa snažia zistiť, kde sa nachádzate v krivke. Ste v ranom štádiu? Ste teenager? Si zrelý? A tak dalej.
A myslím si, že veľa organizácií je v dospievajúcich rokoch alebo na konci dospievania alebo na začiatku dvadsiatych rokov, pokiaľ ide o zrelosť. A to nehovorí nič odrádzajúce. Je to len to, že sme v počiatkoch stále tak trochu schopní spravovať údaje ako strategické aktívum. A veci sa rýchlo menili. Najmä za posledných päť až sedem rokov, keď sme sa trochu presunuli od malých údajov k veľkým dátam a snažia sa zladiť tieto pomerne odlišné svety a nové technológie so starými technológiami. Takže odkaz je tam, je všade.
Jedným z vtipov, ktoré som počul pred rokmi, je to, že odkaz je systém, ktorý sa vyrába. V okamihu, keď sa systém uvedie do výroby, je to technicky dedičstvo. A to je pravda. Pointa je, že máme všetky tieto systémy, ktoré boli už dlho a musíme nájsť spôsob, ako pochopiť, kde sa nachádzame v našej vlastnej krivke splatnosti, aby sme mohli maximalizovať a optimalizovať hodnotu údajov ako aktíva., A samozrejme existujú určité problémy s dodržiavaním predpisov, niektoré nariadenia, ktorých sa musíme obávať, v závislosti na tom, v akom odvetví sa nachádzame. A potom sa samozrejme musíme tiež obávať hackingu. V minulosti sme hovorili o správe údajov a o tom, ako je to skutočne neoddeliteľnou súčasťou bezpečnosti, a len chápeme úlohy a povinnosti používania údajov a zabezpečujeme, že z nich získame najlepšiu hodnotu.
A tak s tým odovzdám kľúče Jen Underwoodovej a môže nám povedať jej pohľad na zrelosť údajov. Jen, zober to.
Jen Underwood: Vďaka, Eric, a vďaka za pozvanie. Takže dnes sa budem venovať niekoľkým rôznym témam a potom predstavím Rona s IDEROU a bude sa hlbšie kopať do niektorých ďalších oblastí tejto konkrétnej témy. Poviem, že je to rozhodujúca úloha v digitálnej ére alebo digitálnej transformácii, v ktorej sa práve nachádzame, a ako povedal Eric, je to vývojová éra. Niektoré zábavné štatistiky z rady EDM, bola vypracovaná referenčná správa odvetvia správy údajov. Je to takmer dva roky, ale stále je to celkom relevantné a odhalí niektoré, viete, faktoidy samy o sebe ako teenager v tomto priestore. Budem hovoriť trochu o zrelosti údajov a o pilieroch riadenia ako takých.
K tejto téme digitálnej éry alebo digitálnej transformácie, ktorú všade počujete, sa to práve teraz deje. Jedným zo zaujímavých faktov, ktoré som zozbieral, keď som každý deň sledoval toto odvetvie, bol bod, ktorý spoločnosť Gartner uviedla v ich desiatke najdôležitejších strategických technologických trendov. A povedali do roku 2020 - takže sme od toho vzdialení len pár rokov - informácie sa použijú na opätovné objavenie, digitalizáciu a automatizáciu alebo odstránenie 80 percent procesov, ktoré máme pred desiatimi rokmi.
A videl som to už nejaký čas, myslím, že tu vidíte rôzne typy ľudí, ktorí hovoria, viete: „Data sú nový olej“ a také typy vecí. Rád by som povedal, že údaje sú teraz digitálnym zlatom. A ak uvažujete o softvérových aplikáciách a softvérovom zapojení, bol som v minulosti celosvetovým produktovým manažérom spoločnosti Microsoft a dokonca aj zmena v mojej kariére z, viete, skutočne by sme sa zamerali na softvér až teraz, keď sa zameriavame na používateľov a zhromažďovanie údajov a premýšľanie o speňažovaní údajov.
Vstupujeme do tejto éry, v ktorej sú údaje digitálnym zlatom, a začínate vidieť, že so vznikom toho, čo sa nazýva hlavný úradník pre údaje, a sú to, viete, dve hlavné misie - a určite niekoľko ďalších - zabezpečiť, aby boli údaje bezpečné a tiež nájsť spôsoby, ako maximalizovať hodnotu údajov interne - aj externe - ako digitálne aktívum. Takže tieto typy vecí, ktoré nemuseli alebo nemuseli byť v minulosti pre vašu organizáciu dôležité, sa údaje konečne dostanú do kresla u tabuľky na úrovni C s CDO a budú sa brať oveľa vážnejšie v budúcnosti.
Ak premýšľate o správe údajov a zrelosti, existujú tu dve rôzne témy, ktoré mám na tomto konkrétnom liste, prvou je, viete, samotná správa údajov. Je to viac o obchodných funkciách, ktoré vyvíjajú a vytvárajú údaje a toky údajov, o niektorých politikách a postupoch tam. A potom, keď premýšľate o zrelosti správy údajov, je to schopnosť organizácie presne definovať, ľahko integrovať, viete, využívať tieto údaje, ktoré majú opäť na interné alebo externé účely, ako je napríklad speňaženie údajov. A jednou z veľkých tém - a bolo to vtipné, skôr v mojej kariére, a ja som vlastne využil niektoré z nástrojov IDERA a projektov architektúry dát - bol celý tento koncept metaúdajov a my sme o metadátach stále premýšľali, a potom sa nehovorilo asi na dlhú dobu. Konečne vidím, že metadáta sú opäť v pohode. Je to skutočne dôležité pri interakcii s rôznymi skupinami, pri porozumení, kde sú vaše údaje, aké sú tieto údaje. Najmä vo veciach ako dátové jazero. Konečne je to zaujímavé.
Teraz som sľúbil, že tu mám nejaké štatistické údaje zo správy o priemyselnom benchmarku. Toto bolo od roku 2015 pre Radu EDM. Ide o modernizáciu kvality údajov a správy vecí verejných av tomto konkrétnom je niekoľko zábavných faktoidov. Takže tu viac ako 33 percent organizácií má aktívny a formálny program správy údajov na určitej úrovni organizácie - iba 33. To je samo o sebe veľmi zaujímavé. Z 50%, ktoré skutočne formalizovali, chceme spravovať údaje, si uvedomujeme, že toto je v našej organizácii skutočne dôležité aktívum, rovnako ako ľudia majú ľudské zdroje. Iba 50 percent z nich malo programy staršie ako jeden rok. Takže toto je opäť oblasť, ktorá sa vynára, je to naozaj celkom zaujímavé v tom, čo sa stáva stále dôležitejším, najmä s vecami, ako sú niektoré priemyselné nariadenia.
Takže v tomto bode, mnohokrát - a je zaujímavé, že som bol počas svojej kariéry v technickom predaji a úlohách - to nebolo skutočne „Ach, môžeme ušetriť peniaze, ktoré by motivovali organizáciu“ - je to zvyčajne strach. Je to skôr: „Ó môj bože, musíme sa uistiť, že sme zakrytí. Nechceme prísť o prácu. “A určite veci ako hackerské a dátové riziká a úniky údajov, sú skutočne zaujímavé porovnávacie štúdie. Verizon robí jeden každý rok a je to pravdepodobne jeden z mojich obľúbených na preskúmanie. To, čo takmer vždy vidíte, je neúmyselné, nie nevyhnutne, ako viete, úmyselné zneužitie údajov alebo nesprávne spravovanie údajov, ktoré vedie k úniku údajov. A často - nemajú tieto štatistiky pre túto konkrétnu reláciu - ale je fascinujúce, že tieto náhodné úniky zlého spravovania povolení a atď. Viete, aby sa veci trochu zjednodušili, tieto úniky sú zapožičané. A zvyčajne pre ľudí, ktorí sú vedľajšími poznámkami alebo externými osobami vašej organizácie, a to nie je to, čo chcete.
Toto sú druhy vecí, keď premýšľate o tom, či máte program na správu a správu údajov. Viete, nielen zlé rozhodnutia a šetrenie peňazí, ale tiež sa ubezpečujete, že viete, že ste v bezpečí, dodržiavate právne predpisy o ochrane súkromia a bezpečnosti. V tejto digitálnej ére ste schopní speňažiť údaje a samozrejme viete, že chcete robiť veci efektívne a opakovane používať dáta a mať požehnanú kópiu a mať - nenávidím, keď ľudia hovoria, a som v analytike a ja V analytike som bol dlho, jedna verzia pravdy. Viete, zvyčajne existuje viac verzií pravdy len z rôznych perspektív. V zásade však chcete mať spoľahlivé údaje, na ktorých sa zakladáte.
Jedným z najväčších faktorov, ktoré vidím - a je to dobrá vec, je to dobrá vec, ktorá sa znova ochladzuje - je celá koncepcia GDPR Európskej únie. A dovoľte mi o tom trochu hovoriť. Takže, ak nepoznáte GDPR, tento rok sa o ňom veľa dozviete. Je to nová legislatíva, ktorá sa koná v máji. Bude sa vymáhať v máji 2018 a za nesprávne spravovanie informácií sa ukladajú vysoké sankcie. Možno ste to už počuli v iných formách - možno nepoužívate pojem GDPR - možno ste to už počuli alebo videli ako právo na zabudnutie, čo znamená, že môžete osloviť predajcov a požiadať o odstránenie vašich údajov. Opäť, v minulosti dátoví architekti by neodstránili údaje. To by sme zmenili, urobili by sme ho neaktívnym v scenároch skladovania údajov. Naše údaje sme naozaj nikdy neodstránili. Na to sme nemali procesy. Je to tak, viete, veci, ktoré sa dotknú každého aspektu vašej organizácie a rôznych spôsobov a procesov, ktoré ste možno nikdy nezohľadnili pri vytváraní svojej aplikácie alebo skladu údajov. Ak teda vidíte veci, o ktorých sa má uvažovať o GDPR, skoro budete potrebovať právny základ na zdôvodnenie zhromažďovania a spracovania osobných údajov.
Ide teda väčšinou o osobnú úroveň, takže je potrebné slobodne dať súhlas: konkrétny, informovaný, jednoznačný. A bude to mať vplyv na mnoho oblastí umelej inteligencie a dátovej vedy - to je oblasť, na ktorú sa väčšinou zameriavam, sú implikácie vedy o údajoch a len sa ubezpečí, že v samotných modeloch je určitá transparentnosť - ako aj mnoho ďalších oblastí z vášho samoobsluhy. BI, váš dátový sklad, správa kmeňových údajov, dokonca aj projekty vašich zákazníkov 360, na personalizáciu a dokonca aj na podnikové aplikácie. To je niečo, čo sa dotkne každej časti vášho orgánu. Na rozdiel od zákonov o ochrane súkromia v iných jurisdikciách sa GDPR bude vzťahovať na všetky organizácie nachádzajúce sa v Európskej únii alebo mimo nej. A pokuty za súlad sú opäť vysoké. Je to vaša organizácia, ktorá môže dostať pokutu až do výšky štyroch percent svojho celkového hrubého ročného príjmu - myslím si, že sa to nazýva obrat - príjem ako taký.
Dúfajme, že mám vašu pozornosť a toto sú veci, ktoré by ste si mali všimnúť. Ak už vaša spoločnosť dodržiava niektoré z týchto postupov a priemyselných noriem s PCI, možno je to ISO - nie som si istý, či to poviem správne - 27001. Ak už niektoré z nich robíte, nemalo by byť príliš ohromujúci, ale určite si toho treba uvedomiť. Keď sa na to pripravíte, existuje niekoľko oblastí, najmä v oblasti správy údajov. Jednou z prvých vecí je katalóg a klasifikácia údajov - vedieť, kde sa vaše údaje nachádzajú. A vo svete, v hybridnom svete, kde dáta žijú všade: je to v cloude; je to v týchto aplikáciách; je to v predajnej sile; je to v nejakom inom náhodnom programe, ktorý používa marketing, viete, vaše zákaznícke systémy alebo vaše inventárne systémy - všetky tieto typy miest. Vedieť, kde sú vaše údaje a najjednoduchšie je postupovať - a toto bola skutočne zábavná oblasť správy údajov, sú tieto koncepty týchto katalógov údajov inteligentné, dokonca aj klasifikácia strojového učenia je niektoré z informácií.
A opäť, metaúdaje - spomenul som si, že metadáta sú opäť v pohode, takže keď začnete navrhovať dátové jazerá a tieto typy vecí, samozrejme ich premýšľate o metaúdajoch a nesklame sa nad touto dôležitou témou a samozrejme ich riadením a monitorovaním. Monitorovanie sa tak stane oveľa dôležitejším, keď sa musíte vrátiť a napríklad niekto z GDPR vás môže požiadať, aby ste dokázali, kam tieto údaje smerovali, kto ich má, kto k nim mal prístup, atď. Pretože v skutočnosti budete musieť orgánom ukázať tieto typy vecí.
Aby sme vám pomohli s zrelosťou správy údajov, v skutočnosti existuje niekoľko myšlienkových škôl a ja verím - nie som si stopercentne istý - myslím, že som videl v Ronovej palube, že niektoré z nich pokryje, takže som Dnes sa budem rozprávať z CMMI. A toto je k dispozícii ľuďom; Zahŕňa šesť rôznych kategórií správy údajov, 25 procesných oblastí, 414 praktických vyhlásení a 596 rôznych pracovných produktov. Takže, keď premýšľate o všetkých veciach, ktoré robíte, ako napríklad spravujete a archivujete údaje, 596 funkčných pracovných produktov, neuvedomili ste si, koľko ste urobili, že? Alebo to, čo naozaj nerobíte. Keď sa pozriem na takéto číslo, je to jedna z vecí, ktorá mi v mysli skutočne záleží. Takže v tomto a to, čo sa mi na tomto konkrétnom páči, je jeho architektúra a technológia neutrálna. To znamená, že ak máte, a väčšina väčších organizácií, s ktorými som v priebehu rokov konzultovala alebo som ich implementovala a implementovala, viete, že tam majú najrôznejšie technológie. Takže budete chcieť, ako viete, preložiť, čo znamená DMM pre platformy a technológie, ktoré používate v konkrétnom prostredí. Je tiež nezávislá od odvetvia, takže sa nemusí nutne týkať napríklad zdravotnej starostlivosti. Zdravotná starostlivosť má istotu - či už ide o BAA alebo o rôzne typy klasifikácií, pri zostavovaní programu alebo plánu musíte preložiť alebo pozrieť sa na rôzne typy vecí, aby ste zlepšili úroveň zrelosti správy údajov vo vašej organizácii.
Čo je to, ak to nie sú niektoré z tých vecí? V podstate je to to, čo definuje, ale nehovorí vám konkrétne, ako to urobiť. Keďže som bol počas svojej kariéry veľmi osobnou osobnosťou typu A, páčilo sa mi, keď mi ľudia dali cieľ a ja som mohol prísť na to, ako sa k tomuto cieľu dostať, a napríklad, mikromanažovanie môjho času, ako sa tam dostať. Takto zrelosť správy údajov a tieto procesy s CMMI vám poskytujú ciele a poskytujú vám spôsob, ako sa merať v niektorých z týchto rôznych oblastí. A oni vám úroveň. Existujú rôzne spôsoby, ako môžete skóre a meranie sami, či už je to úroveň jedna až do úrovne 5, čo znamená, že ste ju optimalizovali a máte skutočne silný program.
A aby som vám dal pocit, čo to vlastne znamená, mám tu malý prehľad o tom, čo by to mohlo znamenať. Keď teda premýšľate o životnom cykle zrelosti správy údajov, máte zavedené podporné procesy, všetko od požiadaviek, riadenia rizika, musíte tam podporovať procesy, až po správu údajov a som milá. správy, je v podstate celý program sám osebe. S obchodným slovníkom sme už navždy hovorili o obchodných slovníkoch a dátových architektoch - to by malo byť niečo, čo máte vo svojej organizácii. Niektoré z týchto typov katalógových technológií tam vonku vytvárajú, rozvíjajú obchodný glosár s crowdsourcingom informácií a získavania informácií a podobne a, viete, dávajú odkazy v dokumentoch na rôzne perspektívy tých istých údajov, z oblasti údajov alebo verzia údajov, ako sa mení počas celého životného cyklu hodnoty.
Toto sú veci, ktoré sa od začiatku svojej kariéry zlepšili. V minulosti sme museli vyvíjať domáce systémy, aby sme robili tieto typy vecí. Pozeráme sa teda na celok a celkový obraz, je to stratégia a potom všetky rôzne časti od manažmentu po kvalitu riadenia. Jedna vec týkajúca sa kvality údajov je zaujímavá, pretože priemysel sa stáva viac automatizovaným a máme opäť tieto digitálne procesy s automatizovaným rozhodovaním. Veľa pracujem v oblasti dátovej vedy, kde máme niektoré z týchto nástrojov, ktoré automatizujú rozhodnutia a aktualizujú prediktívne modely za behu. Mnoho z týchto nástrojov a algoritmov vyžaduje a predpokladá sa, že údaje sú dobré. Údaje musia byť platné, aby vám umožnili správne automatizované rozhodnutie. Takže pri premýšľaní viete, že kvalita údajov je zvyčajne jednou z tých vecí, ktoré ľudia tak často odkladajú a neberú to veľmi vážne. Ale akonáhle začnete automatizovať rozhodovanie v modeloch pre prediktívne modelovanie a strojové učenie, kvalita údajov sa stáva skutočne dôležitou.
Niekoľko spôsobov, ako zmerať váš pokrok, je - a nechám s tým hovoriť Ronom, má k tomu aj krásny sklz vo svojej relácii - len vám poskytnem rýchly prehľadný vrchol, viete, v týchto rôznych úrovniach. V podstate je to sebahodnotenie, však? Takže sa pozriete na správu údajov a na to, čo si myslíte, že máte vôbec zavedené. A nebuďte v rozpakoch, ak nie. Ako som už povedal, skutočne existuje len 33% organizácií, ktoré tieto typy vecí začali robiť. Aj keď viete, tieto typy programov trvali aspoň - v tomto odvetví som bol už 20 rokov a určite som robil tieto druhy vecí pred rokmi, možno sme to len nenazvali. CMMI majú cvičenie, ktoré môžete sami posúdiť, a môžete sa cez ne pozrieť a vytvoriť si svoj vlastný - v tomto prípade tento druh radarovej mapy - hodnotil všetky tieto rôzne uhly alebo veci. A každá organizácia, ako som to urobila inak, viete, keď som robila konzultácie a implementáciu týchto projektov, viete, každá organizácia je jedinečná. Budú to oblasti, ktoré pre nich budú naozaj dôležité. Možno viete, že je to riadenie procesov alebo riadenie kvality alebo riziká - záleží na tom, čo to je, ale budete sa chcieť pozrieť a vytvoriť referenčnú hodnotu alebo základnú líniu a potom premýšľať o tom, čo definuje jeho úspech.
Keď potom uvažujete o meraní a riadení týchto typov vecí, budete chcieť najprv zaistiť určité výkonné sponzorstvo pre takýto program. Toto je niečo, čo bude fungovať v celej organizácii, takže aj keď Susie Q a John Smith sa rozhodnú: „Áno, urobme to. Musíme to urobiť.“ Toto nemôžu urobiť v sile in ich organizácia, alebo aj keď je to IT. Naozaj musíte mať tento vstup od odborníkov z oblasti obchodu a údajov. Potrebujú nejaký čas. Nechcú, aby to bola len ďalšia úloha. Ak ste už niekedy pracovali - myslím, že som už vykonal niekoľko úloh týkajúcich sa správy hlavných údajov, projektov predtým a kvality údajov - a zvyčajne viete, dostanete sa k podnikaniu a oni: „Och, správca údajov.“ Nie je to niečo, z čoho ich nadchne. A sú ako: „Nie, nie. Potrebujeme na to čas, “a majú. Takže budete chcieť mať nejaký časový záväzok. Toto požehnanie budete musieť mať zhora. Budete chcieť, aby to bolo krížovo funkčné.
Toto je opäť niečo, čo sa skutočne dotýka mnohých oblastí organizácie. A s GDPR by to malo byť o niečo jednoduchšie, pretože opäť, zákony z GDPR a kde sa tieto osobné údaje používajú pre vašich zákazníkov a používajú sa v celej vašej organizácii, malo by to byť o niečo jednoduchšie, ak ich použijete, ak máte dodržať GDPR. Zviazanie jazyka tu. To by pre vás malo byť jednoduchšie. Budete chcieť priradiť určitú zodpovednosť a potom sa pozrieť na, viete, budete ich prispôsobovať. Takže sa vždy pozriete na tieto typy usmernení, ktoré tieto organizácie poskytujú, a to je zvyčajne to, čo sú: Sú to pokyny pre vás a vy sa chystáte implementovať svoju kultúru vo svojej organizácii.
Práca v oblasti správy vecí verejných bola skutočne veľmi dôležitá. Jednou z vecí, ktoré niektoré z produktov, ktoré som vyvinul, keď som bol v celosvetovom riadení produktov v spoločnosti Microsoft, boli samoobslužné BI a umožňujúce podnikovým používateľom a používateľom netechnických údajov, aby hrať sa s dátami a vytvárať si vlastné správy a IT sa mnohokrát posunie späť. Trávil som teda veľa času týmto riadením a zabezpečoval som, aby produkty mali správne funkcie a audit a protokolovanie, a viete, robím to tak, aby samy o sebe databázu neznížili. Existuje však rámec, ktorý v priebehu rokov pracuje na tejto konkrétnej téme týchto typov vecí, ktoré sú skutočne podobné aj správe údajov. Budete chcieť mať tú nadáciu, ktorá bola za týmto účelom založená s výkonným sponzorstvom, a budete chcieť tento záväzok medzi obchodom a IT.
Opäť sme hovorili o pridelení rozpočtu / času a pri vývoji nových procesov. Keď urobíte niektoré z týchto vecí, viete, začnete sa pozerať na údaje, bude to zmena na kultúrnej úrovni. Ale viete, je to opäť veľmi dôležité zo strategického hľadiska. A aby som vám dal pocit, tu je príklad, a očistil som ho od jedného z mojich starých projektov z minulých rokov na tieto veci. A opäť, pravdepodobne je to viac z hľadiska všeobecného riadenia, ale určite sa môže opätovne použiť pre tieto typy projektov so správou a vývojom procesov správy údajov a ich riadením. Máte odborníka na obchodné záležitosti, máme tu dátových správcov, odborníkov na informačné technológie pre rôzne oblasti podnikania. Veľa spoločností, ktoré sú väčšie, bude mať vaše rady pre podnikové štandardy a vaše podnikové architektov a dátových architektov a modelárov. Takže budú existovať rôzni odborníci na rôzne témy z rôznych úrovní. A opäť, veľa z nich - nerád to uvádzam ako príklad - budú prispôsobené vašej organizácii a vašej kultúre.
Jedna z vecí, keď pracujete s týmito projektmi, opäť je to často, pravdepodobne to nie je najzaujímavejší projekt v organizáciách, nie taký vizuálny, ako ľudia požadujú. Je to smiešne, je to jedna z tých vecí, keď poradenská spoločnosť príde alebo dokonca vo vašej vlastnej skupine IT alebo príde skupina pre vaše centrum excelentnosti BI alebo príde vaše analytické centrum excelentnosti a budeme pracovať na údajoch kvalita a vyspelosť správy údajov, nemusia byť neuveriteľne nadšení. Musíte však nájsť spôsoby, ako ich motivovať a zahrnúť ich do svojich meraní. Takže keď premýšľate o tom, čo to bude, je to jedna vec urobiť toto cvičenie raz a dostanete ľudí na palubu. A zistíte, že sa im páčilo katalóg údajov alebo že milujú niektoré z týchto vecí, pretože to uľahčuje ich život a môžu nájsť, čo znamenajú alebo im rozumejú, a môžu k nemu pridať svoj vlastný pohľad. Dátové katalógy sú pravdepodobne jedným z najväčších projektov, ktoré ľuďom pomôžu skutočne sa do nich zamilovať.
Takže ďalšou vecou je udržať ich zasnúbených. Ako udržujete niekoho v tom, že sa o to možno nestarajú? Je to definovať niektoré metriky a zahrnúť ich, ich meranie do a potom poskytnúť nejaké učenie, keď dôjde k porušovaniu pravidiel a určité povedomie, že „Hej, robili sme na chvíľu dobrý a potom nie príliš dobrý po chvíli.“ Takže tie sú typy vecí, o ktorých by ste mali uvažovať, aby ste to udržali ďalej. A potom, keď premýšľate o bodovaní, a to je príklad z CMMI, takto to skórujú. Opäť budete mať svoje vlastné dashboardy, svoje vlastné KPI, viete, rôzne spôsoby, ako sa ľudia merajú v organizácii. Ale budete mať rôzne spôsoby, ako hodnotiť a merať svoj vlastný úspech. Môj kľúčový bod, ktorý by ste si mali vziať od toho, alebo hák, ktorý by ste si ho mohli vziať, je uistiť sa, že máte spôsob, ako merať úspech, a že môžete tiež oslavovať svoje úspechy.
Vďaka tomu si vážim, že si tam visel pre túto vzrušujúcu tému, a ja sa obrátim k Ronovi, ktorý to kopne trochu hlbšie.
Ron Huizenga: No, ďakujem, Jen. A ďakujem vám všetkým za to, že ste sa k nám dnes pripojili. Teraz sa chystám zobrať niekoľko aspektov toho, o čom hovorila Jen, a ísť v niektorých oblastiach trochu hlbšie. Budem však tiež poskytovať zhrnutie toho, ako môžete mať aspoň nejaké sebahodnotenie na vysokej úrovni v niektorých z týchto oblastí. Pretože, ako ste videli s modelmi CMMI a týmto typom vecí, môžete ísť veľmi hlboko veľmi rýchlo s mnohými rôznymi ukazovateľmi. To, na čo sa skutočne chceme dostať, je niečo, čo vám umožní získať dobrý pocit z toho, kde je vaša organizácia na pomerne vysokej úrovni, a potom začať vŕtať do ostatných. Takže s tým budem hovoriť o organizačnej efektívnosti. A ja to budem zakladať na CMMI a niektorých ďalších normách alebo orgánoch poznania, ktoré z toho v priebehu rokov vychádzajú. A potom budem hovoriť o niektorých ukazovateľoch zrelosti pre údaje o zrelosti a procesnej zrelosti, pretože ako to prejdeme, uvidíte, že idú ruka v ruke. Na podporu perspektív Jen hovorila o správe vecí verejných v jednej oblasti. A trochu budem hovoriť aj o podnikovej architektúre. A potom to zhrnieme a dostaneme sa k samotnému okrúhlemu stolu.
Ak sa na to pozrieme, existuje mnoho štandardov a BOK - ktoré sú samozrejme subjektom znalostí - ktoré boli uverejnené v priebehu rokov. Mnohé z nich skutočne vychádzajú z schopnosti modelu zrelosti. A odtiaľ prišla CMMI, o ktorej Jen hovorila. Samotný model CMM bol vlastne v roku 1998. Začal ho pán gentleman menom Watts Humphrey, keď bol v spoločnosti IBM. V spoločnosti IBM mal 27 rokov. Jeho skutočný aktívny vývoj tohto konkrétneho modelu sa však začal, keď bol v Carnegie Mellon, a zadalo ho ministerstvo obrany USA. Na odvodenie sa použilo mnoho ďalších noriem. A niečo, čo je veľmi dobré vedieť o priemysle, keď o tom hovoríme v niektorých ďalších štandardoch, je to, že keď sa pozrieme na načasovanie tohto stavu, je to aj na pozadí vecí, ktoré sme v priemysle všeobecne videli. To bolo vtedy, keď sa kvalitný pohyb skutočne začal chopiť, najmä vo výrobe, a to sa točilo do iných oblastí. Tam, kde sme hľadali spôsoby, ako zlepšiť výrobné procesy, robiť veci ako celkové riadenie kvality, výroba v pravý čas a iné veci. A veľa filozofií, ktoré z toho vyšli, prišlo do celého kvalitného súboru práce.
A to je skutočne druh skákacieho miesta, z ktorého začalo veľa týchto vecí. Začalo to vo všeobecnom priemysle a dostalo sa aj do oblasti IT a dátových, procesných a informačných systémov. Ďalšími štandardmi, ktoré sú podľa nás viac spojené alebo konkrétnejšie s niektorými vecami, o ktorých hovoríme, je samozrejme model zrelosti údajov, o ktorom Jen trochu hovorila. Existuje tiež model splatnosti obchodných procesov skupiny Object Management Group. A mnoho ďalších štandardov, ktoré ste možno videli, že vaša organizácia môže zápasiť s rôznymi oblasťami podnikania alebo ich využívať, najmä v oblasti IT, napríklad COBIT, čo sú ciele kontroly informácií a technológií ITIL, čo je spravidla infraštruktúra. - zameraná, s ktorou sa mnohí z vás mohli zaoberať. Opäť, celkové riadenie kvality. A najmä keď sa dostanete k veciam, ako sú metriky a všetko ostatné, možno ste videli veci ako štatistické riadenie procesov. A potom, samozrejme, niektoré zo znalostí, s ktorými sa zaoberáme, sú odborníci na informácie alebo IT. Orgán správy údajov podľa.
K dispozícii je tiež ekvivalent vedomostí z podnikovej analýzy. A vedomostný riadiaci orgán projektu. Môžete mať niekoľko alebo viac z týchto vecí, ktoré používajú rôzne zainteresované strany vo vašej organizácii súčasne. Ale poďme sa nejako odfiltrovať cez BOK a poďme späť a povedzme, čo je splatnosť? A my uvádzame definíciu zrelého, pretože keď sa pýtate, aká je zrelosť, keď si ju vyhľadáte v slovníku, v skutočnosti sa hovorí, že ste „zrelý“. Takže pomocou slova „zrelý“ to skutočne znamená, že ste dosiahli pokročilého stupeň vývoja - samozrejme veľmi všeobecný. Na čo sa tu však skutočne pozeráme, je pokrok, ktorý robíme, aby sme dosahovali vyššiu a vyššiu úroveň úspechu. A keď sa pozriete na veľa štandardov, ako uvidíte, CMMI a model zrelosti schopností skutočne založili veci na päťbodovej stupnici, takže nám poskytuje postupný spôsob, ako sa pozerať a hovoriť, ako sú v skutočnosti sa vyvíjame v tomto rozsahu v tom, ako rastieme?
Keď sa však pozrieme na zrelosť, z hľadiska dosiahnutia organizačnej zrelosti vo veciach, ktoré nás zaujímajú, musíme byť v rovnováhe. Musíte dosiahnuť zrelosť údajov a hovoríme o niektorých kritériách, ktoré tam musíte urobiť, ale zároveň musíte dosiahnuť procesnú zrelosť. Sú to dve strany tej istej mince a musia ísť ruka v ruke. Na stupnici na zrelosť údajov nemôžete prejsť od nuly k piatim bez toho, aby ste zvýšili procesnú zrelosť, a to isté platí o procesnej zrelosti. Obaja sú spolu spojení a navzájom sa ťahajú za jazdu, ako sa skutočne vyvíjate v rôznych fázach. A budem o tom hovoriť trochu viac v budúcom diapozitíve. Ďalšie veci, ktoré si musíme uvedomiť, je dosiahnutie údajov aj procesnej zrelosti, ktoré sú základom podnikovej architektúry a zásadné pre niektoré veci správy vecí verejných, o ktorých Jen hovorila. Umožňujeme ľuďom dosahovanie zrelosti v niektorých z týchto vecí, ktoré sa snažíme robiť.
Teraz na snímke, o ktorej Jen povedala, chcem hovoriť podrobnejšie. Vzal som si iba niekoľko kategórií a pomocou škály CMM tu a vlastne mám svoju vlastnú, v skutočnosti pridám nulu, pokiaľ ide o, na vrchol stupnice, pretože môžu existovať určité prípady, keď ste sa v skutočnosti neučinili akékoľvek trakcie vôbec v týchto prípadoch. Toto sú len spôsoby rozpoznávania, ktoré sa vyskytli. Ak sa pozrieme najmä na správu údajov, môžete začať od nuly, pretože nemáte zavedené žiadne programy na správu údajov. A keď začnete dozrievať v rôznych oblastiach, hneď ako ho začnete zavádzať na úrovni projektu, potom na úrovni programu, prostredníctvom divízií a nakoniec celého podniku, tak z pohľadu riadenia skutočne dozrievate a rastiete ako to robíte.
Ďalšie aspekty, ako je správa kmeňových údajov, môžete začať od nuly bez formálnej klasifikácie údajov o látkach. Potom sa dostanete do bodu, keď zistíte, že máte kmeňové údaje a začnete klasifikovať, ale nie sú integrované. Potom začnete pracovať na integrovaných a zdieľaných úložiskách. Potom, keď sa dostanete do štandardizovaného prostredia, práve vtedy sa zaoberáte poskytovaním služieb správy údajov. A ako postupujete ďalej, ustanovíte správcov kmeňových údajov a nakoniec radu pre správu údajov, ktorá sa na to bude stále vážne pozerať. Keď sa pozriete na svoje technické prostredie a na aplikácie a databázy, ktoré máte z pohľadu dátovej integrácie, opäť v nezrelom prostredí budete mať niekoľko ad hoc, point-to-point rozhraní a tento typ vec. A ako budete rásť, začnete zavádzať niektoré bežné nástroje a štandardy. Keď to vyrastiete, začnete sa zaoberať bežnými integračnými platformami. A keď sa stanete štandardizovanými, budete pracovať na štandardizovanom middleware a možných ľahkých veciach, ako sú podnikové servisné autobusy, kanonický model, kategorizácia všetkých vašich údajov vo vašej organizácii a tiež viazanie sa na veci, ako sú obchodné pravidlá vo vašom úložisku a také druhy. veci. A potom pôjdete ešte ďalej, aby ste ju úplne začlenili do organizačnej kultúry. A samozrejme, kvalita je prvoradá. Ako hovorila Jen, veľa rozhodnutí a veľa nástrojov, ktoré sú tam hore, predpokladajú, že máte kvalitné dáta, s ktorými pracujete. Kvalita údajov je teda niečo, čo je základom dosiahnutia zrelosti údajov.
Keď sa znova pozriete na údaje, v nezrelých prostrediach môžete mať veľa síl a rozptýlených údajov. Možno máte nezrovnalosti, ktoré sú akceptované. A potom na tom začnete pracovať, spoznávate nekonzistentnosť a potom sa začnete zaoberať plánovaním. Ak sa tu pozriete na spravované prostredia, je tu veľmi dôležité čistenie údajov pri spotrebe, aby sa údaje mohli použiť pri rozhodovaní. Takže to, o čom skutočne hovoríme, je čistenie dát, kde ich nahráme do dátových skladov a ďalších nástrojov na podporu rozhodovania. A to je analogické tomu, čo sme videli v priemysle, v ktorom sa vyrábajú údaje, kde ľudia vyrábajú výrobky, robia si cestu dole po montážnej linke a na jej konci by ste produkt skontrolovali a šli: „Och, Máme tu chyby. “Opäť platí, že jednu vec, ktorú nemôžete urobiť, je to, že nikdy nemôžete vylepšiť kvalitu výrobku jeho kontrolou na konci. Môžete vidieť problémy s tým a potom môžete prijať opatrenia na zlepšenie ďalších a ďalších, ktoré po nej zostúpia po línii, ale nikdy sa tým nezlepšíte kontrolou na konci. Preto sa pri postupe vpred, najmä v údajoch, pohybujete viac z hľadiska inšpekcie a očistenia v mieste spotreby, kde sa to začnete snažiť vybudovať priamo pri zdroji, priamo z miesta, kde chytíte údaje, procesy, ktoré na tieto údaje pôsobia, zabezpečujúce, že údaje sú presné a vhodné na spotrebu pri každom procese po celú dobu. Ako sa budete ďalej vyvíjať, začnete sa vyvíjať a získavať kvalitné KPI a skutočne sa začnete rozvíjať tento prístup prevencie ku kvalite údajov, keď postupujete ďalej.
Čo sa týka organizačného správania alebo vecí, ktoré vidíte, je to, že ak si nemyslíte, že máte problém alebo neviete, môže to byť, ak vo vašej organizácii existuje fáza odmietnutia, ktorá mi hovorí, že ste na úroveň nula alebo potenciálne presunutie do jednej. Ak je okolo vašich údajov veľa chaosu a snaží sa tieto nezrovnalosti vyriešiť, pravdepodobne ste na jednej úrovni. Keď ste stále v reaktívnom režime, prechádzate do riadenia, ale nebudete štandardizovaný, kým nebudete mať skutočne veľmi stabilné dátové prostredie zahŕňajúce správu, kvalitu, správu kmeňových údajov a údaje. integrácia, aby sme vymenovali len niektoré body. A ešte raz, keď sa tým prebudíte, v tom čase sa začnete zaoberať skutočne proaktívnymi štýlmi správy. Ak sa dostanete k časti, v ktorej máte veľmi prediktívne správanie, a tiež k analytike, ktorá ho zálohuje a KPI, ktoré ho zálohujú vo vašej organizácii, keď sa na to pozrieme a prekrývame pár vecí, existuje niekoľko ďalších vecí, ktoré môžeme pozrite sa na organizácie a kde sú. Pozrime sa na primárne zameranie IT v organizácii. Ak sa v IT stále zameriavate stále na technológiu a infraštruktúru, pravdepodobne ste na konci stupnice. Keď sa však skutočne zameriavate na strategické a podnikateľské možnosti podporujúce informácie, dostávate sa bližšie k vyspelému koncu stupnice. Keď sa na to pozeráte z hľadiska údajov, ak ste na nízkej úrovni, máte vysoké riziko údajov a ak ste na vyššej úrovni, znížili ste riziko spojené s údajmi. A naopak je to tvorba hodnoty organizácie. Nižšia zrelosť údajov znamená, že pravdepodobne máte pomerne nízku úroveň tvorby hodnoty, najmä pokiaľ ide o údaje, ktoré máte vo svojej organizácii. A keď sa pohybujete po stupnici, získate generáciu s vysokou hodnotou.
Pozrime sa na to z hľadiska samotného modelovania údajov. Niekedy sa stalo modelovanie údajov krokom s červenými očami. A modelovanie údajov je nevyhnutné na dosiahnutie zrelosti údajov. Chcem teda len hovoriť o niektorých z oznamovacích príznakov o tom, ako na to nadväzuje modelovanie údajov. Ak sa používa iba na dokumentáciu alebo na jednoduché generovanie fyzickej databázy pre malé aplikácie a tento typ vecí, pravdepodobne ste na úrovni jednej z hľadiska zrelosti údajov. Keď začnete objať a spoznať rôzne typy modelov, vrátane koncepčného, logického modelu a fyzického modelovania, kde je tiež, viete, v podstate idete dizajnom. Naozaj to používate ako konštrukčné hľadisko, potom ste na úrovni jednej.
Keď sa na to pozeráte z podnikovejšej úrovne, vrátane budovania podnikových alebo kanonických modelov, zavádzania konceptov a viazania viacerých modelov, dátovej línie a budovania metaúdajov správy priamo do svojich modelov, začínate sa úroveň tri a potom prejdú ďalej k metadátam úplnej správy vecí verejných, integrácii podnikového glosára atď. Pri pohľade na životný cyklus a hodnotový reťazec údajov je to, keď sa skutočne dostanete na úroveň štyri. A opäť, plne integrované modelovanie s obchodnými glosármi, metadátami, ktoré sú schopné riadiť veci ako samoobslužná analytika, to je naozaj vtedy, keď ste dosiahli pomerne zrelý stav.
V rámci toho chcem veľmi stručne hovoriť o životnom cykle údajov. A dôvodom, o ktorom chcem hovoriť, je životný cyklus údajov, bohužiaľ, často ignorovaný. A o čom to je, skutočne popisuje, ako sa dátový prvok vytvára, číta, aktualizuje alebo odstraňuje a procesy, ktoré naň pôsobia v celej organizácii. Tí z nás, ktorí pôsobili v tomto odvetví už dlho, sa označujú ako CRUD, pretože ide o vytváranie, čítanie, aktualizáciu a mazanie. Musíme to pochopiť na základnej úrovni, keď pracujeme s údajmi v našej organizácii. Do hry vstupuje veľa faktorov. Aké obchodné pravidlá na to reagujú? Aké obchodné procesy spotrebúvajú, produkujú alebo menia údaje? Aké aplikácie skutočne implementujú tieto obchodné procesy, aby vám to umožnili? Všetko, čo prichádza do hry, pokiaľ ide o životný cyklus údajov.
A opäť, Jen sa o tom zmienil skôr - nemusí existovať nevyhnutne jeden zdroj pravdy. Môže existovať niekoľko spôsobov, ako sa určitý dátový prvok vytvorí. A možno budete musieť prísť, rôzne veci prichádzajú prostredníctvom viacerých systémov alebo viacnásobného príjmu, ktoré musíte zmieriť a odhodlať, aby ste prišli s tým, aký je správny zdroj údajov pre dané konkrétne rozhodnutie v danom okamihu. V organizácii môže byť viac variantov údajov na rôzne účely. Aby ste to dosiahli, musíte byť schopní modelovať obchodný proces, dátový rad, ktorý zahŕňa dátové toky, integráciu a ktorý zahŕňa veci, ako je ETL, takže extrahujte, transformujte a načítajte do svojho dátového skladu, dátového centra a oblastí postupovania. a samozrejme aj dátové spojenia na strane veľkých dát. Keď tieto informácie sťahujete z dátového jazera, musíte vedieť, ako ich konzumujete a ako ich používate. Pokiaľ ide o samotný životný cyklus, je to skutočne spôsob, akým vytvárame alebo zhromažďujeme nové údaje, ako ich klasifikujeme - pretože ich musíte klasifikovať, aby ste mu mohli rozumieť a efektívne s nimi pracovať - ako ich ukladáte, ako vy Používam to, ako ho prispôsobujete tým obchodným procesom, v ktorých je zdieľaný v organizácii - a veľmi dôležité: uchovávanie a archivácia. Ako dlho si údaje uchovávate? Kedy ju archivujete? Kedy nakoniec tieto údaje zničíte? Všetky tieto veci sa musia brať do úvahy vo vašom životnom cykle údajov a všetky tieto kroky musíte urobiť, aby ste vo svojej organizácii dosiahli vysokú úroveň zrelosti údajov.
Teraz, na druhú stranu, som opäť povedal, že sú ako dvojčatá, kde musíte hovoriť o procesnej zrelosti v spojení so splatnosťou údajov - idú ruka v ruke. Opäť tu mám niekoľko rôznych vecí a - nebojte sa, nebudem si ich všetky prečítať, ale len tak nejaký kontrolný zoznam - znova môžete začať sebahodnotiť, kde je vaša organizácia z hľadiska splatnosti procesu. Pozrime sa znova na veci od začiatku až po optimalizované stránky. Opäť používame rovnakú päťbodovú stupnicu, ktorá bola odvodená z modelu zrelosti schopností. Ak sa pozriete na veci, ako je zameranie, ak ste na nižšej úrovni alebo na počiatočnej úrovni zrelosti procesu, vo vašej organizácii možno zistíte, že ľudia sa pri vykonávaní svojej práce skutočne spoliehajú na svoje vlastné metódy. A môžete vidieť nejaké hrdinstvá a také veci, aby ste mohli veci urobiť. Potom sa dostanete do bodu, v ktorom ste o tom proaktívnejší, kde váš manažment preberá zodpovednosť za pracovné jednotky a výkon. Potom začnete vyvíjať štandardné integrované procesy. Potom stabilita procesu a opätovné použitie. Potom začnete vidieť viac kultúry mentorstva a štatistického riadenia, aby ste vypočítali metriky a KPI týkajúce sa týchto procesov a nakoniec úplnej úrovne optimalizácie.
Keď sa pozriete na riadenie práce, môžete ísť na to, že pôjdete z oblasti, v ktorej máte nekonzistentné úrovne riadenia práce, na lepšie riadené, kde vyvažujete aspoň na vyššej úrovni svoje záväzky týkajúce sa zdrojov. Potom sa dostanete do bodu, keď máte prispôsobivejšiu alebo agilnejšiu organizáciu, aby ste mohli štandardizovať svoje procesy, ale prispôsobiť ich najlepším použitiam za rôznych okolností vo vašej organizácii. A keď sa dostanete do pokročilého štádia, práve tu je posilnenie postavenia veľmi dôležité, čo znamená, že každý intuitívne chápe, čo sa deje a zamestnanci majú procesné údaje, aby mohli vyhodnotiť a riadiť svoju prácu.
Opäť sa vraciame k výrobnej analógii - keď sme videli, že keď sme začali modernizovať naše montážne linky a všetko podobné v priemysle, začali sme hovoriť o celkovej kvalite a posilňovaní pracovníkov dokonca aj na montážnej linke, kde, keď niekto videl v nejakej konkrétnej fáze výroby bolo niečo zlé, ľudia boli splnomocnení, aby mohli naraziť na veľké červené tlačidlo a vypnúť celú montážnu linku, kým sa problémy nevyriešia skôr, ako sa veci začnú ďalej rozvíjať. A to je ten druh mentality a kultúry, ktorú hľadáme okolo údajov v našich procesoch, aby sme sa uistili, že skutočne optimalizujeme naše údaje a procesy v našej organizácii.
Ostatné ukazovatele vašej kultúry - je vaša kultúra nečinná z hľadiska neexistencie identifikovateľného základu pre skutočný záväzok zlepšovať vaše obchodné procesy? Existuje delegácia zodpovednosti, ktorú vidíme ďalej v mierke? A keď sa posúvate ďalej, stále môžete mať zásobníky, ale keď sa začnete pohybovať smerom nahor, pokiaľ ide o kultúru a veci, ktoré robíte vo svojom obchodnom procese, rozbíjate aj tieto rôzne obchodné silá a využívanie pákového efektu. procesy vo vašej organizácii. Je veľmi dôležité, že keď sa dostanete do fázy udalosti, to, na čom skutočne stojíte, je, že namiesto toho, aby ste mali dobrý pocit, skutočne zbierate kvalitatívne metriky a máte k dispozícii metriky na predpovedanie svojej schopnosti vykonávať svoju činnosť. a to je nesmierne dôležité.
Pokiaľ ide o architektúru, porozprávajme sa o tom, pretože mnohí z nás sú v oblasti IT alebo sa na ňu vždy pozeráme. Opäť platí, že rovnaké typy vecí, ktoré sme videli v údajoch. Ak ste skutočne v počiatočných fázach zrelosti procesu, máme zúfalé IT systémy. Akonáhle začnete spravovať svoje procesy, uvidíte, že niektoré služby sú nastavené tam, kde skutočne prijímate viac prístupu založeného na službách. Potom, keď sa stanete štandardizovanými, uvidíte viac úplného prijatia služieb, pokiaľ ide o dáta a služby a procesné služby a tento druh vecí, a to až tam, kde sa dostanete k úplným službám alebo novej architektúre. A nakoniec v konečnom dôsledku na plne riadený procesný podnik, ktorý využíva vaše údaje.
Keď sa na to pozrieme znova, rovnaké typy mierok. Pokiaľ ide o produktivitu, pri nízkej úrovni zrelosti procesu uvidíte nízku úroveň produktivity a vysokú zrelosť procesu, uvidíte oveľa vyššiu produktivitu. S tým súvisí aj kvalita. Rovnaké ako v prípade údajov - ak máte nízku úroveň zrelosti, uvidíte vysokú mieru rizika a tiež vysokú mieru odpadu. Ale čím vyššia je úroveň vyspelosti, znížite to a znížite svoje riziko a výrazne znížite plytvanie. Pokiaľ ide o niektoré veci, ktoré sa môžu v organizácii javiť ako symptómy alebo ukazovatele, ak je základná filozofia založená na znižovaní nákladov, pravdepodobne ste na nízkej úrovni procesnej zrelosti. Potom to bude maturovať a prejsť smerom k bližšiemu pohľadu na efektívnosť vo vašej organizácii a potom, ako sa dostanete na veľmi vyspelú úroveň, budete sa znova zameriavať na vytváranie hodnoty.
Z hľadiska riadenia organizácie, ak vládne chaos, je to zvyčajne príznak organizácií s nízkou procesnou zrelosťou. Ale začnete sa sústrediť na to, čomu hovorím viac manažérskej mentality, kde - a môže existovať nejaký manažment na základe nariadenia alebo uvalenia vecí -, kde ste skutočne vtedy, keď sa dostanete na vyspelejšie úrovne, vaša správa sa prekladá do viac vodcovstva. Inými slovami, filozofia zlepšovania je zakotvená v kultúre a od generálneho riaditeľa propaguje celú filozofiu zlepšovania procesov a neustáleho zlepšovania vo vašej organizácii ako celku.
Pokiaľ ide o procesný model - a tieto veci prejdem pomerne rýchlo tu - znova sa pozrime na procesné modely, ktoré sa spájajú so samotnou splatnosťou procesu. Opäť veľmi podobné veciam, ktoré sme videli v súvislosti so zrelosťou údajov, kde na nízkej alebo prvej úrovni možno dokumentujete procesy alebo proces aktuálneho stavu, ale v skutočnosti to nevyužívate z hľadiska posunu vecí vpred. Keď začnete dozrievať, budete používať modelovanie podnikových procesov na zvýšenie skutočného riadenia podnikových procesov v organizácii, potom sa budete vyvíjať ešte ďalej tam, kde ho používate, a tieto modely neustále aktualizovať, aby ste zlepšili proces tam, kde ste nakoniec. dostať sa do procesu návrhu. A potom, keď dosiahnete úplnú zrelosť alebo, viete, to, čo zvyčajne vidíte v štíhlych alebo organizáciách, ktoré prijali programy vyššej kvality, ako je Sigma, je to opäť miesto, kde máte mentalitu neustáleho zlepšovania a je zakorenené priamo pri modelovaní vašej organizácie. Rovnako ako používame technické plány na vytváranie produktov, či už ide o lietadlá alebo budovy a mrakodrapy a také veci, aj my sa spoliehame na naše modely, aby skutočne posunuli naše podnikanie vpred, pretože to je konštrukčný prvok, ktorý skutočne poháňa naše organizačné prvky vpred,
Teraz tu nebudem podrobne preberať toto a každé jednotlivé slovo. Urobil som to, že som si vzal tieto dva jednoduchšie snímky mriežky a vybral som si niekoľko slov, ktoré sa použili v niektorých z týchto deskriptorov pre zrelosť údajov aj procesnú zrelosť. Keď sa na to pozriete po skutočnosti, môžete začať premýšľať o niektorých slovách, ktoré vidíte vychádzajú vo vašej vlastnej vnútornej kultúre, pokiaľ ide o veci, ktoré sa hovoria. A to vám pomôže začať klasifikovať, kde sa ako celková organizácia začíname zapájať celkovo do tejto stupnice zrelosti. Takže ak vidíte veci, ako je nekonzistentnosť alebo stagnujúci alebo neefektívnosť, často sa objavujú alebo chaos, zvyčajne sa nachádzate na spodnej hranici stupnice. Keď začnete premýšľať o veciach, ako je neustále zlepšovanie, strategické vyrovnávanie, preventívny prístup k chybám a kvalite a tento typ vecí, úplná integrácia a hovoríte o osvedčených postupoch v konkurenčnej výhode, vtedy sa uvidíte sami hore pri optimalizátore, vyšší koniec stupnice.
Chcem opäť zdôrazniť, že keď sa začnete zaoberať správou údajov, najmä keď sa pozriete na spodnú časť stupnice, je v počiatočných fázach, správa údajov sa môže zaviesť iba na úrovni jednotlivých projektov. Musíte sa vyvinúť do bodu, v ktorom je správa údajov a konkrétny cieľ z riadenia projektových údajov a vyvinula sa prostredníctvom správy programov a divíznych údajov, kde je opäť celá organizácia a je súčasťou organizácie ako celku.
Hovoril som o skutočnosti, že v skutočnosti ide o dvojčatá, ktoré spolupracujú, pokiaľ ide o zrelosť údajov a procesnú zrelosť. Na dosiahnutie tejto zrelosti je na oboch stranách stupnice cesta a nemôžete skočiť. Ak ste v nule, budete sa musieť vyvíjať v etapách jedna, dva, tri, štyri a nakoniec sa dostať do piatich. A na svete je len veľmi málo organizácií. Takže veľa organizácií by bolo viac než šťastných, keby boli v mieste troch a potom by boli schopní ich využiť ako odrazový mostík do budúcnosti. A opäť nemôžete ísť, nemôžete byť na štyri od splatnosti údajov a jedno na konci procesu. Jednoducho to nefunguje, pretože sú vzájomne prepojené, takže musíte pochopiť vaše údaje a procesy a spolu s nimi dobre manipulovať.
Dobrá analógia na to, aby ste o tom premýšľali, ako je to na vašej ceste k organizovanej zrelosti, predpokladajme, že váš tím pozostáva z dvoch ľudí: Jedným je procesná zrelosť a druhým je zrelosť údajov. Vediete prekážkovú dráhu a ste zviazaní krátkym lanom. A aby ste sa dostali na koniec tohto kurzu, znamená to, že obaja musíte prekonať nielen všetky prekážky, ale musíte prekonať všetky prekážky takmer súčasne alebo veľmi blízko pri sebe. schopný ísť ďalej a dostať sa k ďalšej prekážke. Je to skutočne dobrý spôsob, ako myslieť na vyváženie procesnej zrelosti a splatnosti údajov. Inými slovami, môžete byť trochu zameraní na proces a môžete byť trochu zameraní na údaje, ale bude to hlavný ukazovateľ a nemôže existovať veľa medzier na to, aby sme vás skutočne dostali cez úrovne.
A potom, keď sa na to znova pozrieme z oblasti správy údajov, jedna z vecí, na ktorú som chcel poukázať v prípade, že si to neuvedomujete, je DAMA začiatkom tohto roka skutočne vydala Orgán správy údajov druhého zväzku znalostí a vecí, ktoré zmenil sa skutočné koleso DAMA. A vlastne som to reprezentoval trochu inak, kde je správa údajov v centre a desať rôznych kategórií okolo rôznych kolies. Niečo, čo je tu veľmi dôležité vidieť, je modelovanie údajov a dizajn má v súčasnosti svoje vlastné oblasti na volante - predtým to bolo trochu zmiešané s ostatnými. Jednou z vecí, ktorá je v tomto prípade veľmi zásadným bodom, je najmä modelovanie údajov, ktoré má zásadný význam pre všetky tieto ďalšie aspekty, pretože bez ohľadu na to, či robíme modelovanie údajov v našich databázach alebo metaúdaje, ktoré riešime, má modelovanie údajov úlohu zahrajte si vo všetkých týchto ďalších skladbách, o ktorých hovoríme. Pri mnohých týchto veciach musí zohrávať úlohu aj modelovanie procesov, pretože okrem pochopenia samotných údajov musíme pochopiť aj to, ako sa používajú, a práve to nám k tomu pomáha modelovanie procesov.
Teraz sa trochu prispôsobíme a porozprávame sa o podnikovej architektúre. A modely sú rozhodujúce aj pre podnikovú architektúru. A založím to na príklade a toto je Zachmanov rámec, ktorý tu ukazujem veľmi rýchlo. A keď sa na to pozriete, uvidíte tu niekoľko vecí. Vidíte čo, ako, kde, kto, kedy a prečo je druh stupnice na vrchu. A potom prejdete podrobnejšími úrovňami rozpracovania, ak budete, pokiaľ ide o typy modelovania alebo typy vecí, ktoré rozpracúvate z hľadiska podnikovej architektúry, od veľmi vysokej kontextovej úrovne až po podrobnú úroveň, vrátane fyzickej implementácie. Ak sa pozriete na prvé stĺpce, je to, čo je veľmi náročné na údaje a údaje sú zahrnuté. Ako sa riadi celý proces. Ak sa pozriete na ďalšie aspekty, využijete kombináciu modelovania procesov a údajov z hľadiska zvyšovania zvyšku informácií. Budete mať údaje o všetkých týchto rôznych veciach a vaše procesné modely budú tiež spájať veci, napríklad kde sa veci dejú, zodpovednosť. A tiež z hľadiska modelovania procesov, ktoré robíme rovnako v našich nástrojoch, môžete začať spájať toto s cieľmi a vzťahmi a obchodnými pravidlami, ktoré tiež vedú tieto rôzne veci, ktoré robíte.
Z celkového hľadiska rámca Zachmana je jedným z dobrých spôsobov, ako o tom premýšľať, aj to, že ste poháňaní modelom a skutočne prechádzate rôznymi úrovňami. Takže začínate s rozsahom na vysokej úrovni a kontextovým. Potom sa vyvíjate smerom k obchodným modelom, dole k systémovým modelom, potom k technologickým modelom a potom k veľmi podrobnému znázorneniu technických modelov. A opäť, údaje predstavujú to, čo je proces, ako a je to skutočne kombinácia interakcií údajov a procesov, ktorá riadi všetky ostatné charakteristiky tu.
Na základe toho nie je náhoda, že spôsob, akým vnímame myšlienku podnikovej architektúry, je založený trochu inak, ako môžu iní. Pomerne často budete počuť o štyroch pilieroch podnikovej architektúry, a to dátovej, akvizičnej, obchodnej a technickej architektúry. Pozeráme sa na to trochu inak. Architektúru údajov vnímame ako základný základ, ktorý riadi celú podnikovú architektúru z dvoch dôvodov. Po prvé, to začalo. Dokonca aj veci, ako je Zachmanova štruktúra, vyrastali primárne z dátovej architektúry a potom rástli, aby zahŕňali aj ďalšie aspekty architektúry. A dva, pretože základná väzba medzi procesom a údajmi. Preto považujeme podnikovú architektúru za ústredný pilier podnikovej architektúry. A potom, samozrejme, to komplimentuje aplikačná a technická architektúra, ktoré sú absolútne nevyhnutné, aby nám umožnili riadiť skutočné podnikové schopnosti. Teraz, keď sa na to pozrieme v súvislosti s ER Studio Enterprise Team Edition, našou integrovanou platformou pre modelovanie, takto to prichádza do hry. A to je kontextový diagram na vysokej úrovni niektorých modelov, ktoré robíme, a niektorých základných prvkov, ktoré sú za tým. A toto je skutočne zavedené, je to skutočne znázornené v procesnom diagrame. Keď sa pozrieme osobitne na našu časť dátovej architektúry a našu podnikovú architektúru, dodávame nástroje založené na rolách.
A keď sa pozriete na náš nástroj obchodného architekta dole v ľavom dolnom rohu, práve tam zvyčajne pracujú obchodní analytici a architekti. Zvyčajne sa zameriavajú na niektoré obchodné procesy a začínajú ich vytláčať. Sú však tiež zamerané na to, čo. Takže začneme robiť nejaké koncepčné modelovanie údajov a také veci. Tieto koncepčné modelovacie komponenty môžeme využiť a preniesť do nášho nástroja na modelovanie údajov a do dátového architekta, kde sa ďalej rozpracúvajú do logických dátových modelov a samozrejme do fyzických modelov, aby sme mohli vygenerovať fyzické databázy. A môžeme sa tiež posunúť späť, aby sa koncepčné modely inovovali aj v priestore obchodnej architektúry. Veľmi dôležitá vec je, že podporujeme rôzne typy modelovania. Takže opäť, BI je veľmi dôležité a dátové jazerá a tieto typy vecí, takže vlastne robíme aj nejaké modelovanie a tiež ako súčasť toho robíme modelovanie dátových línií. Takže nielen ETL, pokiaľ ide o to, ako robíte mapovanie z vašich fyzických modelov do svojich rozmerových modelov pre dátové sklady alebo dokonca prinášate veci z vašich dátových jazier a vidíte, ako tieto mapy vychádzajú, môžeme všetky tieto veci spojiť dohromady. Rovnako ako postupovanie spätného inžinierstva z iných modelovacích platforiem, z veľkých dátových platforiem.
A potom aj veci ako nástroje ETL, takže môžeme skutočne začať odvodzovať diagramy dátových línií priamo zo špecifikácií ETL, ktoré môžete mať vo svojom vlastnom prostredí. Je tiež veľmi dôležité vedieť, že sme sa museli rozširovať za relačné modelovanie. Máme určité platformy ako Hive a najmä MongoDB, teraz začíname hovoriť o obchodoch s dokumentmi, kde máme koncepty, ako sú vložené objekty a polia. Vlastne sme rozšírili notáciu tak, aby bola schopná vyhovieť aj týmto typom modelov, pretože je to nerelačný koncept. Čokoľvek, čo sme vytvorili v nástroji dátového architekta z hľadiska dátových artefaktov, či už ide o logické entity alebo fyzické tabuľky a ich atribúty, sa potom môže posúvať späť do modelovania podnikového spracovania. Takže keď spracovávate modely svojich obchodných procesov z vysokej úrovne a dostávate sa na nižšiu úroveň, môžete skutočne prepojiť skutočné dátové prvky. Aby ste mohli konať, môžeme špecifikovať matice CRUD toho, čo sa skutočne deje. Poskytuje vám tak životný cyklus údajov, o ktorom som hovoril pri vytváraní, čítaní, aktualizácii a odstraňovaní na úrovni procesu. A robíme tam kompletné modelovanie procesov BPM s vlastnou sadou prekrytí, takže môžete začať spájať obchodné stratégie a obchodné ciele. Môžeme sa tiež spojiť s aplikáciami, ktoré implementujú tieto obchodné procesy, a to všetko z hľadiska modelu.
Ostatné veci sú mimoriadne dôležité aj v našich údajových modeloch. Zvládnuté a spravované charakteristiky správy údajov alebo vlastnosti kvality údajov. Tu môžete definovať a zostaviť svoje vlastné metaúdaje pre vlastnosti, ktoré chcete sledovať, čo znamená, že teraz používate svoj model ako plán na to, aby ste ho prešli celou organizáciou, do svojich archívov metadát a všetkého ostatného. A samozrejme, jedným z obmedzení modelovania, pred mnohými rokmi, keď sa mnohí z nás začali zaoberať týmto odvetvím, je, že by sme tieto modely vyrábali. Čo by sme urobili? Vytlačili by sme ich, položili sme ich na stenu, prípadne pre členov tímu, ktorí sa môžu podeliť o tento druh vecí. Skutočnou hodnotou toho je, že môžeme zdieľať a spolupracovať v rámci našich organizácií. Preto máme prístup založený na úložisku, kde sa kontrolujeme a kontrolujeme naše modely a pracovné priestory. A zdieľame ich s našimi voliteľmi, ktorí sú organizáciou, či už ide o ďalšie technické zainteresované strany, podnikových používateľov a tento druh vecí. A to tiež zauzlite do našej platformy na spoluprácu s názvom Team Server.
Hovorili sme teda o predchádzajúcich obchodných slovníkoch a pojmoch, o dôležitosti a vývoji tohto slovníka pre podnikanie. To všetko bolo v tíme Team Server, kde používatelia, obchodní používatelia môžu za týchto podmienok spolupracovať. Sú viditeľné, použiteľné v dátovom architekte, napríklad v blízkosti dátových modelov a mnoho týchto obchodných glosárov často pochádza z niektorých údajových slovníkov, ktoré sme vytvorili v našich údajových modeloch. Môžeme ich tlačiť von - aj z nástrojov dátového architekta, východiskovým bodom je obchodný glosár, kde ich možno ďalej vylepšiť, a to všetko spolu s riadením zmien.
To bolo veľa. Aby som to zhrnul, pár vecí, o ktorých sme hovorili, je vyskúšať skutočnú organizačnú zrelosť, potrebujete vyvážený prístup, ktorý pozostáva z zrelosti údajov a procesnej zrelosti. Jeden nemôžete dosiahnuť bez druhého. Opäť platí, že musíte mať oboje a musíte sa na to spoľahnúť, konkrétne na modelovanie údajov a modelovanie procesov tak pre podnikovú architektúru, ako aj pre správu údajov a riadenie procesov, ako aj vo vašich organizáciách. Podniková architektúra to skutočne spája, pokiaľ ide o pohľad na tieto rôzne aspekty a perspektívy. Potrebujete solídny základ pre dátovú architektúru a potrebujete integrované modelovanie procesov, ktoré zabezpečí tento obchodný kontext a umožní vám posunúť váš obchodný proces a spotrebu údajov vpred. Opäť dôležitejšie ako kedykoľvek predtým. Môžem povedať, že to, čo je staré, je nové. Modelovanie údajov, modelovanie procesov, počet riadkov, metadáta a glosáre sú preto nevyhnutné na dosiahnutie tohto cieľa a ER / Studio Enterprise Team Edition je platforma pre spoluprácu, ktorá toto všetko spája.
A s tým sa môžeme presunúť k otázkam.
Eric Kavanagh: Dobre.
Ron Huizenga: Ideme k tebe, Eric.
Eric Kavanagh: Ron, musím ti nakloniť klobúk za všetko úsilie, ktoré si vynaložil na zdokumentovanie týchto rôznych procesov a rámcov. To je veľa materiálu, ktoré ste tam dostali. Myslím, že veľká otázka, ktorú mám, je, kto by mal dohliadať na tieto veci v organizácii, pretože sa dotýkate toľkých rôznych vecí. Ste postavou procesy, bude to hlavný prevádzkový dôstojník alebo nejaká prevádzková osoba. Životný cyklus údajov, myslíte si, že by to mohol byť hlavný dátový úradník. Dotýkate sa toľkých rôznych častí a toľkých rôznych komponentov firmy. Ako zistíte, že je to správna osoba alebo skupina ľudí a je to riadiaci výbor? Čo je to? Čo nám môžete povedať o tom, kto by to mal robiť v organizácii?
Ron Huizenga: Vieš, to je zaujímavá otázka. Môžeme skutočne stráviť deň diskutovaním o výhodách rôznych prístupov. Určite som však videl, ako som konzultoval predtým, ako som vstúpil do úlohy riadenia produktov, je to, že keď som sa pozrel na organizáciu, súčasťou problému je získanie vlastníctva a prinútenie ľudí prevziať vlastníctvo. A keď sa pozrieme na disciplíny, ako je naše modelovanie údajov a dokonca aj naše modelovanie obchodných procesov, alebo dokonca v prvých dňoch, diagramy toku údajov a tieto typy vecí, tento druh vyrastal z IT. Ale ako sme sa pohli vpred, a teraz si myslím, že si stále viac uvedomujeme, že to musí byť skutočne motivované podnikaním. Naozaj chcete, aby to bolo v podnikaní.
A tu urazím niektorých IT ľudí, ale som pevne presvedčený, že dôvodom, prečo sme videli vývoj úlohy hlavného úradníka pre údaje, je úloha CIO, ktorá vo väčšine organizácií zlyhala. A to preto, že veľa CIO je zameraných skôr na technické ako na dátové a procesné zameranie. Takže si myslím, že to skutočne musíte mať, pravdepodobne budete potrebovať nejaký typ riadiaceho výboru vo väčších organizáciách. Toto však musí skutočne vlastniť podnik. Urobil by som argument, že vaše podnikanie, vaše modelovanie procesov, vaše modelovanie údajov, všetci musia patriť do podnikania, pretože to vám dáva možnosť zabezpečiť, aby IT, ktorý je správcom údajov, a vykonával tieto procesy prostredníctvom toho, čo Pri vytváraní máte kladivo, aby ste sa uistili, že sa to deje, ak je to vlastne podnik.
Eric Kavanagh: Áno, myslím, že by som s tým súhlasil. Ale Jen, čo si o tom myslíš?
Jen Underwood: Takže je to naozaj zaujímavé. To je to, o čom som hovoril, keď som povedal, že prinútiť ľudí, aby sa starali a boli interaktívni, je pravdepodobne jednou z kľúčových vecí. Na jednom mieste som napísal bielu knihu o tom, že je to samoobslužné riadenie BI, ktoré je veľmi podobné tomuto. Ide o to, ako to dosiahnuť, nájsť spôsob, ako motivovať ľudí, čo je hodnota pre ich podnikanie, a prinútiť ich, aby sa o to starali. A potom, keď uvidia, alebo zistia, či ide o katalogizáciu údajov alebo o akýkoľvek uhol. Možno to znižuje náklady na prepravu a stavia niekoho, kto je v organizácii zodpovedný, za to, ako sa o to môžete postarať. A áno, podnikanie úplne. Odborníci na obchodné záležitosti to urobia alebo ho zlomia.
Eric Kavanagh: To je ťažké. Myslím si, že vždy chcete mať toto konzorcium zainteresovaných strán z celej organizácie. Nechcete, samozrejme, analyzovať paralýzu. Nechcete byrokraciu kvôli byrokracii. Chcete, aby organizácia mala akčný plán a aby tieto veci zdokumentovala. Viete, myslím, že keď začnete hovoriť o modelovaní obchodných procesov, ktoré bolo horúce pred 25 rokmi, ale väčšinou to bolo oddelené od skutočného podnikania. Myslím si, že aspoň v niektorých odvetviach môžete veľa tohto procesu vytiahnuť zo skutočného softvéru, ktorý spúšťa veci. Ale myslím si, že v týchto dňoch musíme nájsť spôsob, ako dosiahnuť rovnováhu medzi týmito dvoma svetmi, však, Ron? Chcete mať modely procesov, ktoré sú aktuálne a aktuálne a odrážajú to, čo sa v skutočnosti deje. Takže to nechcete mať iba ako samostatné cvičenie, kde je, niekde sedí na poličke. Ale to je trochu náročné, však? Pretože nie všetky operačné systémy sú zladené s takým druhom spustiteľného kódu. Ale čo myslíš?
Ron Huizenga: Určite. A je to zaujímavé, pretože jednou z vecí, na ktoré sa pozerám, je, keď sa ľudia, viete, stali sme okamžitou spoločnosťou potešenia. Ľudia si myslia: „Och, jednoducho pôjdeme kúpiť nejaké nástroje a urobiť z nich prácu.“ Je to ako by si nekúpil procesnú zrelosť. Nebudete kupovať splatnosť údajov. Je to tvrdá práca. Musíte si vyhrnúť rukávy a musíte to urobiť. Mechanizmom na dosiahnutie tohto cieľa je modelovanie. Je príliš zložité, aby ste nemali vizuálnu reprezentáciu, nielen aktuálny stav, na ktorom pracujete, ale aby ste boli schopní navrhnúť, ako budete zlepšovať tieto rôzne obchodné procesy. Potrebujete tento vizuálny rámec, aby ste vedeli, aký vplyv majú tieto zmeny mať.
Eric Kavanagh: To je naozaj - ja som len tweeting; Práve teraz to zdvojnásobujem - „Nebudete kupovať splatnosť procesu, nebudete kupovať zrelosť údajov.“ Môžem s týmito dvoma vecami úplne súhlasiť. A Jen, prinesiem ti tvoje myšlienky. A na to položím ďalšiu otázku. Jeden z účastníkov sa pýta: čo sa myslí pod pojmom riadený podnik alebo procesná zrelosť? Jen, vieš s tým niečo hovoriť?
Jen Underwood: V skutočnosti môžem k predchádzajúcej otázke hovoriť trochu lepšie. Keď premýšľam o pravde, je to prvá, viete, nákup nástrojov. To bol taký veľký, skvelý komentár, pretože je to tak pravda. Ale to, čo poviem, je oveľa lepšie. Preskúmam teda veľa riešení a vidím rôzne priestory a testujem ich. Zlepšuje sa objavovanie údajov, označovanie štítkami a prinajmenšom získanie masívneho spustenia a tiež to, keď hovorím menej bolestivé, je to takmer zábavné. Takže si predstavte katalóg údajov alebo projekt MDM, ktorý bude zábavný. Je to, a máte ľudí v organizácii, ktorá tieto údaje používa, či už ide o hlásenie alebo o iné typy vecí, a myslím si, že niekto, kto už bol na linke, povedal: Hej, dostávam ľudí, ktorí sa starajú o svoj individuálny plán rozvoja. Áno, dokonca si to zoberieme ešte jednu úroveň. Berie tieto veci a hovorí, že sme znížili počet chybných zásielok o 30 percent a to je to, koľko peňazí bolo ušetrených. Spravuje naše údaje lepšie. Sú to také druhy vecí, dáte si okolo nich peniaze a robíte z nich zábavu. Alebo to urobíte zaujímavým a relevantným pre to, čo robia. Myslím si, že to je také kúzlo, ktoré v mnohých týchto zákazkách chýba a že sa to ľudia pokúšajú urobiť v organizácii a je to zastavené.
Eric Kavanagh: Áno, to je dobré. A Ron, späť k vášmu komentáru pred niekoľkými okamihmi o dôležitosti mať vizuálny rámec, si myslím, že je to úplne pravda, pretože mnohokrát, ak ľudia niečo nevedia, je naozaj ťažké omotať hlavu okolo toho, čo to je. znamená, a určite, keď začnete hovoriť o zložitých procesoch so vzájomnými závislosťami a kontrolnými bodmi a všetkými týmito vecami, musíte to niekde v určitom okamihu zmapovať a v ideálnom prípade to robíte pomocou softvéru, ktorý má do katalógu zabudovanú funkčnosť pre napríklad, aké transformácie nastali pri použití rôznych riadkov od tohto bodu k tomuto bodu. Alebo čo je k dispozícii v tomto kontrolnom bode. A tam sa nejakým spôsobom odvolávam na svoju históriu v oblasti riadenia rizík, kde kontrolným bodom je akýkoľvek bod v procese alebo akákoľvek alternatíva alebo jednotlivec alebo softvérová aplikácia, kde môžete skutočne niečo zmeniť, nie? Tomu hovoria kontrolný bod. A pre mňa je to naozaj cenné, že získate ten vizuálny rámec. Pretože potom môžete vidieť a prechádzať sa a to si vyžaduje len čas. Spravovanie týchto vecí a ich skutočné porozumenie, a preto ich optimalizácia, vyžaduje ľudský mozog čas, správne?
Ron Huizenga: Určite. A aby som použil inú analógiu, o ktorej si myslím, že je v perspektíve: Som trochu letecký orech, tak by som povedal, že ak sa na to snažíte myslieť paralelne, uvažujte o vybudovaní 747 - alebo Airbus 380, takže si nevyberiem jedného dodávateľa pred druhým - premýšľajte o tom, aké ťažké by bolo urobiť to na základe dokumentov zložených iba z textu, a nie z plánov a trojrozmerných výkresov CAD a zo všetkého, ako to je vlastne spojené.
Eric Kavanagh: Áno, to by bolo drsné. A Jen musí tiež hovoriť.
Ron Huizenga: Podnikanie je rovnaké, však?
Eric Kavanagh: Áno, nie je to tak. Jen musí hovoriť s jednou z vašich horúcich oblastí, ktorú chcete študovať, čo je vizualizácia. Zdá sa mi, že niečo musíte vizualizovať, aby ste tomu úplne porozumeli.
Jen Underwood: Mnoho ľudí áno, áno. A dokonca aj vizualizácia hovorí, čo sa hovorí, tisíce slov alebo niečo také. Keď to uvidia, môžu tomu uveriť. A oni to pochopia.
Eric Kavanagh: Súhlasím. A ja milujem, Ron, spôsob, akým si to všetko dokázal. Myslím, že sa len pýtam znova, potrebujete majstra vo vnútri organizácie a kto tam bude, bude slúžiť ako styk s rôznymi skupinami. Správcovia údajov sú niečo, o čom často hovoríme - myslím si, že je to skutočne dôležitá úloha a mám pocit, že je to úloha, ktorej sa za posledné tri alebo štyri roky venovala oveľa väčšia pozornosť, pretože sme si ocenili hodnotu údajov správa vecí verejných, však? Tento správca údajov je niekto, kto môže hovoriť s firmou, ale tiež rozumie systémom, porozumie životnému cyklu údajov, celému obrazu. A myslím, že táto osoba môže a mala by byť pravdepodobne pod vedením generálneho riaditeľa, však?
Ron Huizenga: Áno, a budete potrebovať multifunkčný tím, však? Takže budete potrebovať ľudí, ktorí tvoria tím, ktorý to robí alebo ktorý pochádza z rôznych oblastí predstavujúcich technickú stránku, viete, z rôznych oblastí podnikania. A viete, v závislosti od typu vašej organizácie, ak máte kanceláriu pre riadenie projektov a veľa iniciatív, ktoré robíte, vedie PMO, budete sa chcieť uistiť, že máte PMO angažovanosť a to len preto, aby sme udržali všetkých v harmónii a synchronizovali spôsob práce na veciach.
Eric Kavanagh: Jo, a viete, ešte jedna vec, uvediem túto poslednú snímku, rámec riadenia. Požiadali sme účastníka, chýbajú na tomto snímke údaje? Znamená to, že sú na snímke obsiahnuté údaje alebo čo si myslíte o komentári chýbajúcich údajov na snímke?
Jen Underwood: Nie, a to je iba všeobecný rámec riadenia. V podstate je to zo samoobslužného priestoru BI, takže údaje sú obsiahnuté v mnohých z nich. Vychádzalo to len z môjho pohľadu a mojich perspektív a nie tak sústredené na dátovú stránku. Ale údaje by určite boli, keď premýšľate o všetkých týchto kúskoch, boli by tam dáta. Či už je to základ pre údaje, zodpovednosť za použitie údajov počas celého procesu a v rámci celého rámca.
Eric Kavanagh: Áno, to nedáva úplný zmysel. A myslím, že zahodím len jednu poslednú otázku, keď sa tu zabalíme, Ron. Ak premýšľam o tom, koľko informácií a koľko ďalších údajov v súčasnosti využívame a aké sú organizácie s odstupom času, aký význam majú ekosystémy v súčasnosti medzi partnermi v kanáli a ako môžeme zdieľať informácie v rámci týchto partnerstiev a v malý rýchly odkaz na blockchain na to - aby sa veci príliš komplikovali. Pointa je, že sme v prepojenom svete čoraz viac riadenom údajmi, a to z hľadiska podnikania, ako aj z nášho každodenného života. A podľa mňa to ešte viac zvýši podiely na tom, že organizácie skutočne dôkladne preskúmajú to, čo tu navrhujete, čo je ich vyspelosť, kde stoja a ako ďaleko sú z hľadiska krivky a naozaj k tomu sú k sebe úprimní, však? Pretože ak to nepoznáte lepšie, nemôžete robiť lepšie, a ak sa nezmýšľate nad vecami, nebudete to vedieť lepšie, však?
Ron Huizenga: Presne tak. A myslím, že fráza, ktorú by som použil, je, že asi nie si tak dobrý, ako si myslíš. Môže to znieť trochu drsne, ale ľudia môžu byť celkom optimistickí, ale ak sa na to skutočne pozriete a skutočne dobré kritické sebahodnotenie, myslím si, že každá organizácia nájde, viete, významné medzery, že potreba riešiť.
Eric Kavanagh: Musím súhlasiť. Jeden z našich kolegov tam komentoval dôležitosť metaúdajov, údajov o údajoch. O tom niet pochýb. Metadáta sú lepidlom, ktoré drží všetky tieto systémy pohromade a my sme tento kód nikdy nikdy úplne nerozbili a to z dobrého dôvodu, úprimne povedané, pretože sa metadáta menia. Je to odlišné od systému k systému. Viete, čím viac sa snažíte normalizovať svoje údaje, tým menej si myslím, že sa stane.
Takže sme práve teraz v tomto čudnom svete a možno si myslím, že vám položím ešte jednu otázku, Jen, pretože ste niekoľkokrát spomenuli katalógy s údajmi. Naozaj sa mi páči tento nový pohyb technológie katalógov údajov, ktorý automaticky prehľadáva vaše informačné systémy, zisťuje názvy stĺpcov metadát atď. A pomáha vám postupne zvyšovať strategické zobrazenie vašich údajov a metadát vo vašich systémoch. Pretože pre mňa, aby som to robil manuálne, je to len, je toho príliš veľa. A nikdy sa nedostanete na vrchol toho kopca skôr, ako na vás spadne lavína a ako viete, buď ste sa normalizovali do bodu sivosti, alebo ste sa normalizovali natoľko, aby ste sa skutočne dostali Neviem, čo sa deje. Podľa mňa, pomocou strojov, strojového učenia, o ktorom stále hovoríme, to bude v budúcnosti kľúč, ktorý nám pomôže prinajmenšom získať dostatočné množstvo údajov, aby sme dobre pochopili, čo sa tam deje, dobre Jen ?
Jen Underwood: Áno. Milujem tieto technológie. Sú veľmi, veľmi cool. A potom o tom premýšľate, dá vám to masívny štart. A potom môžete crowdsource. Máte svojich správcov údajov, viete, ťaháte dopredu, či už pridávajú svoju vlastnú dokumentáciu alebo je to perspektíva tam, to sú zmeny. Viete, hovoríte, že ide o certifikované zdroje údajov, ktoré sa majú používať na tvorbu prehľadov. Ľudia môžu vyhľadávať a nájsť správne údaje. Je to naozaj, naozaj celkom pekné. A tiež pomáha - keď premýšľam o podnikaní ao tom, ako kryptická správa podnikových údajov bola, keď som robil veci DBA - použili sme rozšírené vlastnosti a SQL Server a skenovali pomocou nástrojov, ako sú IDERA, však? Pokúste sa vytvoriť katalóg údajov. Ale vo verzii DBA alebo vo verzii dátových architektov viete, nech už bola akákoľvek hodnota alebo stĺpec alebo pole, určite to pravdepodobne nezodpovedá tomu, čo je v podniku. Takže teraz, keď máme podnikanie skutočne ľahko, viete, choďte a hľadajte a spravujte a nechajte všetko, aby bolo založené na cieľoch, naozaj by som si želal, aby sme to mali už dávno, úprimne povedané. Takže je to oveľa lepšie.
Eric Kavanagh: To je vtipné. Máme ďalší záverečný komentár od publika, podľa ktorého možno blockchain bude najcennejšou metódou na overenie metadát. To je dobrý bod a, viete, blockchain je skutočne úžasná technológia. Tak trochu to vidím ako akýsi kohézny základ na spojenie mnohých bodov medzi systémami a aplikáciami atď. A, viete, sme v raných fázach vývoja blockchainu, ale teraz vidíme, že sa to točí, samozrejme, od tohto bodu, odkiaľ to prišlo do popredia, a teraz musíte IBM veľmi tvrdo pracovať. o technológiách blockchain. SAP do toho všetkého kúpil. V skutočnosti je to príležitosť pre hlbší základ a rámec na prepojenie všetkých týchto systémov a všetkých týchto bodov.
Takže, ľudia, vyhoreli dobre za hodinu. Ďakujeme, že ste s nami dnes zostali, ale vždy radi zodpovedáme vaše otázky a dostávame sa ku všetkým komentárom. Všetky tieto webové vysielania archivujeme pre neskoršie prezeranie, takže choďte online na adresu insideanalysis.com, kde nájdete odkaz na túto adresu. Malo by to byť do niekoľkých hodín, zvyčajne po udalosti. A nabudúce vás budeme dohnať. Budúci týždeň sa chystáme na pár ďalších udalostí - deje sa veľa vecí. Ale to ťa rozlúči, ľudia. Ďakujem za Váš čas. Dávaj pozor. Buh-bye.
