Autors: Techopedia Staff, 2017. gada 8. novembris
Takeaway: Uzņēmējs Ēriks Kavanagh pārrunā datu briedumu un organizatorisko briedumu ar Jen Underwood no Impact Analytix un Ron Huizenga no IDERA.
Pašlaik neesat pieteicies. Lai redzētu video, lūdzu, pierakstieties vai reģistrējieties.
Ēriks Kavanagh: Labi, dāmas un kungi. Sveicināti un vēlreiz sveicam. Tas ir trešdiena pulksten četros austrumos, un tas nozīmē, ka ir laiks Hot Technologies. Jā, patiesi. Mani sauc Ēriks Kavanaghs; Es būšu jūsu šodienas izrādes, kas patiešām ir definēta, vadība, kas paredzēta noteiktu tehnoloģiju veidu noteikšanai dažos stāvokļos, kas atrodas datu pārvaldības pasaulē. Un mūsu šodienas tēma ir “Datu brieduma sasniegšana: Organizatoriskā līdzsvarošanas likums”. Tātad patiesībā ir vietas informācija par jūsu pašu, iesūtiet mani Twitter, @eric_kavanagh. Es vienmēr retweet, ja jūs pieminēt mani, un es mēģināšu sekot līdzi. Tā ir piemērota vieta, kur doties, lai iegūtu informāciju par pasaulē notiekošo. Man patīk šis formāts. Mūsdienās īsās, 140 rakstzīmes vai vairāk. Tāpēc nekautrējieties sūtīt man tvītu un es sekošu atpakaļ.
Šis gads, protams, ir karsts. Mēs šodien runājam par datu briedumu šodien, un šeit ir apkopojums, kura augšgalā patiesi ir jūsu. Mums šodien ir jauns analītiķis; Es ļoti priecājos, ka man ir Jen Underwood no Impact Analytix. Viņa ir eksperte biznesa informācijas, analītikas un datu vizualizācijas jomā, kā arī visās šajās lieliskajās tēmās. Un, protams, datu briedums. Un mūsu labais draugs Rons Huizenga zvana no IDERA. Tātad vispirms dzirdēsim no Dženas un tad no Rona. Un tad mums būs jauka apaļā galda diskusija.
Stumjot šo nākamo slaidu šeit, es teikšu tikai dažus ātrus vārdus. Datu pārvaldības termiņš jau kādu laiku ir bijis temats. Acīmredzot vēsturē jums ir jānokļūst noteiktā brīdī, pirms sākat domāt par briedumu, un ir izstrādāts daudz brieduma dzīves ciklu - vai ciklu -, mēģinot saprast, kur jūs atrodaties līknē. Vai jūs esat agrīnā stadijā? Vai tu esi pusaudzis? Vai tu esi nobriedis? Etcetera.
Un es domāju, ka liela daļa brieduma pakāpes organizāciju ir pusaudžu gados vai pusaudžu beigās vai divdesmito gadu sākumā. Un tas neko nesaka, kas attur. Tas ir tikai tas, ka mēs joprojām veidojamies pirmajās dienās, kad varam pārvaldīt datus kā stratēģisku vērtību. Un lietas strauji mainās. Īpaši pēdējos piecos līdz septiņos gados, kad mēs esam pārcēlušies no maziem datiem uz lieliem datiem un viņi mēģina savienot šīs diezgan atšķirīgās pasaules un jaunās tehnoloģijas ar vecajām tehnoloģijām. Tātad mantojums ir tur, tas ir visur.
Viens no jokiem, ko dzirdēju pirms gadiem, ir tas, ka mantojums ir sistēma, kas tiek ražota. Brīdī, kad sistēma nonāk ražošanā, tehniski tas ir mantojums. Un savā ziņā tā ir taisnība. Bet vissvarīgākais ir tas, ka mums ir visas šīs sistēmas, kuras darbojas jau sen, un mums jāatrod veids, kā saprast, kur atrodamies mūsu pašu brieduma līknē, lai varētu maksimizēt un optimizēt datu kā aktīva vērtību . Un, protams, ir dažas atbilstības problēmas, daži noteikumi, par kuriem mums jāuztraucas, atkarībā no tā, kurā nozarē mēs darbojamies. Un tad, protams, mums arī jāuztraucas par uzlaušanas. Iepriekš mēs esam runājuši par datu pārvaldību un to, kā tā patiešām ir neatņemama drošības sastāvdaļa un tikai izpratne par datu izmantošanas lomām un atbildību un pārliecināšanās par to, vai no tā mēs iegūstam vislabāko vērtību.
Līdz ar to es nodošu atslēgas Jen Underwood, un viņa var mums pateikt savu perspektīvu attiecībā uz datu briedumu. Džen, atņem to.
Jen Underwood: Paldies, Eric, un paldies, ka uzaicinājāt mani. Tāpēc šodien es apskatīšu dažas dažādas tēmas un tad iepazīstināšu Ronu ar IDERA un viņš iedziļināsies dažās citās šīs konkrētās tēmas jomās. Es teikšu, ka tā ir kritiskā loma digitālajā laikmetā vai digitālajā pārveidē, kurā mēs šobrīd atrodamies, un, kā Ēriks bija teicis, tas ir laikmets, kas mainās. Daži jautri statistikas dati no EDM padomes, bija datu pārvaldības nozares etalonu ziņojums. Tas ir gandrīz divus gadus vecs, bet tas joprojām ir diezgan būtisks un atklās dažus, jūs zināt, faktiskos veidus, kas paši par sevi ir pusaudzis šajā telpā. Parunāšu mazliet par datu briedumu un pārvaldības pīlāriem.
Par šo digitālā laikmeta vai digitālās pārveidošanas tēmu, kuru dzirdat visur, tas patiesībā notiek šobrīd. Viens no interesantiem faktiem, ko esmu apkopojis, jo katru dienu esmu sekojis šai nozarei, bija Gartnera teiktais par viņu desmit stratēģisko tehnoloģiju tendencēm. Viņi bija teikuši līdz 2020. gadam - tātad mēs esam atlikuši tikai dažus gadus no tā - informācija tiks izmantota, lai no jauna izgudrotu, digitalizētu un automatizētu vai likvidētu 80 procentus procesu, kas mums ir bijuši pirms desmit gadiem.
Un es to esmu redzējis kādu laiku, es domāju, ka šeit jūs redzat dažāda veida ļaudis sakām, jūs zināt, “Data's the new oil”, un šāda veida lietas. Man patīk teikt, ka tagad dati ir digitālais zelts. Un, ja jūs domājat par programmatūras lietojumprogrammām un programmatūras iesaistīšanu, es iepriekš biju pasaules mēroga Microsoft produktu menedžeris, un, pat zināt, es pat mainīju savu karjeru, mēs patiešām koncentrētos uz programmatūru, tagad mēs koncentrējamies uz lietotājiem un datu vākšana un domāšana par datu monetizāciju.
Mēs atrodamies šajā laikmetā, kurā dati ir digitālais zelts, un jūs sākat redzēt, ka, parādoties tam, ko sauc par galveno datu virsnieku, un viņi, jūs zināt, ir divas galvenās misijas - un, protams, vēl dažas citas - pārliecināties, vai dati ir droši, kā arī atrast veidus, kā palielināt datu vērtību kā šo digitālo vērtību iekšēji un pat ārēji. Tātad šāda veida lietas, kuras agrāk jūsu organizācijai varētu nebūt bijušas vai var būt nešķiet svarīgas, dati beidzot iegūst vietu C līmeņa galdā kopā ar CDO, un turpmākie pasākumi tiks uztverti daudz nopietnāk.
Ja domājat par datu pārvaldību un gatavību, šeit ir divas dažādas tēmas, kuras man ir šajā konkrētajā slaidā, un pirmā ir, jūs zināt, pati datu pārvaldība. Tas ir vairāk par biznesa funkcijām, kas attīsta un rada datus un datu plūsmas, par dažām politikām un to praksi. Un, domājot par datu pārvaldības briedumu, tā ir organizācijas spēja precīzi definēt, viegli integrēt, jūs zināt, izmantot tos datus, kas viņiem atkal ir, iekšējiem vai ārējiem mērķiem, piemēram, datu monetizācijai. Un viena no lielajām tēmām - un tas ir bijis smieklīgi, jau agrāk manā karjerā, un es faktiski izmantoju dažus IDERA rīkus un datu arhitektūras projektus - bija visa šī metadatu koncepcija, un mēs turpinājām domāt par metadatiem, un tad par to nerunāja apmēram ilgi, ilgi. Es beidzot redzu, ka metadati atkal ir forši. Tas ir diezgan svarīgi, mijiedarbojoties ar dažādām grupām, saprotot, kur ir jūsu dati, kādi ir dati. Īpaši tādās lietās kā datu ezers. Tas beidzot, beidzot kļūst interesanti.
Tagad es apsolīju, ka man ir daži statistikas dati no nozares etalona ziņojuma. EDM padomei tas bija no 2015. gada. Tas ir par datu kvalitātes un pārvaldības modernizēšanu, un šajā konkrētajā ir daži jautri fakti. Tātad šeit vairāk nekā 33 procentiem organizāciju ir aktīva, formāla datu pārvaldības programma kādā organizācijas līmenī - tikai 33. Tātad pati par sevi tā ir ļoti interesanta. No 50 procentiem, kas patiešām ir formalizēti, mēs vēlamies pārvaldīt datus, mēs saprotam, ka šī ir patiešām nozīmīga vērtība mūsu organizācijā, tāpat kā cilvēkiem ir cilvēkresursi. Tikai 50 procentiem no viņiem bija programmas, kas vecākas par vienu gadu. Tātad šī atkal ir joma, kas veidojas, un tas tiešām ir diezgan interesanti tajā, kas mums ir kļuvis arvien svarīgāks, it īpaši saistībā ar tādām lietām kā daži nozares noteikumi.
Tātad šajā brīdī daudzreiz - un tas ir interesanti, ja visā karjerā esmu bijis tehniskajā pārdošanā un lomās - tas īsti nebija “Ak, mēs varam ietaupīt naudu, kas motivētu organizāciju” - tās parasti ir bailes. Tas ir vairāk par: “Ak, Dievs, mums ir jāpārliecinās, ka mēs esam pārklāti. Mēs nevēlamies zaudēt darbu. ”Un, protams, tādas lietas kā uzlaušanas un datu riski un datu noplūde, ir patiešām interesanti salīdzinošie pētījumi par to. Verizon to dara vienu reizi gadā, un, iespējams, tas ir viens no maniem iecienītākajiem, ko pārskatīt. Tas, ko jūs gandrīz vienmēr redzat, ir nejaušs, un tas, protams, ne vienmēr nozīmē tīšu datu ļaunprātīgu izmantošanu vai nepareizu pārvaldību, kas izraisa noplūdi. Un bieži vien - viņiem nav šīs statistikas par šo konkrēto sesiju -, taču ir aizraujoši, ka šīs nejaušās noplūdes no nepareizas atļauju pārvaldības un citām tēmām. Jūs zināt, lai padarītu lietas mazliet vieglāku, šīs noplūdes tiek aizdotas. Un parasti cilvēkiem, kuri ir blakus vai ir ārpus jūsu organizācijas, un tas nav tas, ko vēlaties.
Tātad šie ir lietu veidi, kad domājat par datu pārvaldības drošības un pārvaldības programmu. Jūs zināt, ne tikai sliktus lēmumus un ietaupot naudu, bet arī pārliecinoties, ka esat drošs un stingri ievērojat privātuma un drošības likumus. Jūs varat gūt peļņu no datiem šajā digitālajā laikmetā, un, protams, jūs zināt, jūs vēlaties darīt lietas efektīvi un atkārtoti izmantot datus, kā arī jums ir svētītā kopija, un es to - es ienīstu, kad cilvēki saka, es esmu analītikā, un es Mēs esam analītikā darbojušies jau ilgu laiku, viena patiesības versija. Parasti, patiesībā, ir vairākas patiesības versijas, tikai no dažādiem aspektiem. Bet būtībā jūs vēlaties, lai dati būtu ticami, uz kuriem balstāt lēmumus.
Viens no lielākajiem vadītājiem, ko es redzu - un tā ir laba lieta, laba lieta, ka tas atkal kļūst vēss - ir visa Eiropas Savienības GDPR koncepcija. Un ļaujiet man par to mazliet parunāt. Tātad, ja jūs nezināt GDPR, jūs daudz dzirdēsit par to nākamajā gadā. Tas ir jauns tiesību akts, kas notiek maijā. Tas tiks ieviests 2018. gada maijā, un tam ir daži lieli sodi par nepareizu informācijas izmantošanu. Jūs, iespējams, esat dzirdējuši par to runājam citos veidos - varbūt nelietojot terminu GDPR -, iespējams, esat dzirdējuši vai redzējuši, ka tas rakstīts par tiesībām tikt aizmirstam, kas nozīmē, ka varat sazināties ar pārdevējiem un lūgt pārdevējiem noņemt jūsu datus. Atkal, iepriekšējie datu arhitekti, viņi datus nenoņems. Mēs to mainītu, mēs to padarītu neaktīvu datu glabāšanas scenārijos. Mēs nekad īsti neesam izdzēsuši savus datus. Tam nebija procesu. Tātad, jūs zināt, lietas, kas skar visus jūsu organizācijas aspektus un dažādus veidus un procesus, kurus jūs, iespējams, nekad neesat apsvēris, veidojot savu lietojumprogrammu vai datu noliktavu. Tātad, ja redzat, ka ir jādomā par GDPR, drīz jums būs nepieciešams juridisks pamats, lai attaisnotu personas datu vākšanu un apstrādi.
Tātad tas galvenokārt notiek personiskā līmenī, tāpēc piekrišana ir jāsniedz brīvi: konkrēta, informēta, nepārprotama. Un tas ietekmēs daudzas mākslīgā intelekta un datu zinātnes jomas - tā ir joma, kurā es pārsvarā šajās dienās runāju par datu zinātni un vienkārši pārliecinieties, ka pašos modeļos ir zināma pārredzamība, kā arī daudzas citas jomas no jūsu pašapkalpošanās. BI, jūsu datu noliktava, galvenā datu pārvaldība, pat klienta 360 projekti, personalizēšanai un pat jūsu biznesa līnijas lietojumprogrammām. Tātad tas ir kaut kas, kas aizkustinās katru jūsu organizācijas daļu. Un atšķirībā no privātuma likumiem citās jurisdikcijās, GDPR būs piemērojams visām organizācijām, kas atrodas Eiropas Savienībā vai ārpus tās. Un atkal ir ievērojamas soda naudas par atbilstību. Jūsu organizācijai var uzlikt naudas sodu līdz četriem procentiem no jūsu kopējā bruto gada - es uzskatu, ka to sauc par apgrozījumu - ienākumiem per se.
Cerams, ka man būs jūsu uzmanība, un tās ir lietas, kuras jums vajadzētu ņemt vērā. Ja jūsu uzņēmums jau ievēro dažas no šīm praksēm un nozares standartiem, izmantojot PCI, varbūt tas ir ISO - es neesmu pārliecināts, vai es teikšu šīs tiesības - 27001. Ja jūs jau darāt dažus no tiem, tas nevajadzētu ” Pārāk milzīgs, bet tas noteikti ir jāapzinās. Kad jūs tam gatavojaties, ir dažas jomas, it īpaši datu pārvaldībā, un viena no pirmajām lietām ir kataloga izveidošana un jūsu datu klasificēšana - zinot, kur atrodas jūsu dati. Un hibrīdpasaulē, kur dati dzīvo visur: Tas atrodas mākonī; tas ir šajās lietotnēs; tas ir pārdošanas spēks; tas ir kādā citā izlases programmā, ko mārketings arī izmanto, jūs zināt, klientu sistēmas vai krājumu sistēmas - visi šie vietu veidi. Ziniet, kur atrodas jūsu dati, un ko ir visvieglāk darīt - un šī ir bijusi ļoti jautra datu pārvaldības joma, vai šie datu katalogu jēdzieni, kuriem ir intelekts, pat mašīnmācīšanās klasifikācija ir daļa no informācijas.
Un atkal metadati - es pieminēju, ka metadati atkal kļūst forši, tāpēc, domājot par metadatiem un nespīdot uz šo svarīgo tēmu, kad sākat veidot datu ezerus un šāda veida lietas, un, protams, tos pārvaldāt un uzraugāt. Tātad monitorings kļūs daudz svarīgāks, kad jums būs jādodas atpakaļ, un, piemēram, kāds no GDPR varētu lūgt jums pierādīt, kur šie dati aizgāja, kam tas ir, kam bija piekļuve tam, utt. Tā kā jums faktiski būs jāparāda varas iestādēm šāda veida lietas.
Lai palīdzētu jums pilnveidot datu pārvaldību, patiesībā ir dažas domu skolas, un es uzskatu - es neesmu 100% pārliecināts - es domāju, ka Rona klājā es redzēju, ka viņš segs dažas no tām, tāpēc Es runāšu par šodien no CMMI. Un šis, tas ir pieejams ļaudīm; tas aptver sešas dažādas datu pārvaldības kategorijas, 25 procesu jomas, 414 prakses paziņojumus un 596 dažādus darba produktus. Tātad, pārdomājot tikai visas jūsu veiktās lietas, piemēram, pārvaldot un arhitektējot datus, 596 funkcionālos darba produktus, jūs nenojautāt, cik daudz jūs izdarījāt, vai ne? Vai arī to, ko patiesībā nedarāt. Kad es skatos uz tādu numuru, tā ir viena no lietām, kas man tiešām prātā. Tātad šajā, un tas, kas man patīk šajā konkrētajā, ir tā, ka tā ir arhitektūra un tehnoloģija neitrāla. Tas nozīmē, ka, ja jums ir un lielākajai daļai no lielākajām organizācijām, ar kurām esmu konsultējies vai kuras gadu gaitā esmu strādājis un ieviesis, jūs zināt, tām tur ir visādas dažādas tehnoloģijas. Tāpēc jūs vēlēsities tulkot, ko nozīmē DMM, platformām un tehnoloģijām, kuras izmantojat savā vidē. Tas ir arī no nozares neatkarīgs, tāpēc tas ne vienmēr ir raksturīgs, piemēram, veselības aprūpei. Veselības aprūpei ir dažas pārliecības - vai tā ir BAA, vai dažāda veida klasifikācija, jums ir jātulko vai jāskatās uz dažāda veida lietām, veidojot programmu vai plānu, lai uzlabotu datu pārvaldības brieduma līmeni jūsu organizācijā.
Kas tas ir, ja tā nav dažas no šīm lietām? Būtībā tas ir ko noteikt, bet konkrēti nepasaka, kā to izdarīt. Tā kā mana karjera bija bijusi ļoti A tipa personība, man patika, kad cilvēki man izvirzīja mērķi, un es varēju izdomāt, kā sasniegt šo mērķi, un, teiksim, neveicot laika uzskaiti, kā tur nokļūt. Tas ir datu apstrādes brieduma process, kā arī šie CMMI procesi - tas dod jums mērķus un dod iespēju novērtēt sevi dažās no šīm dažādajām jomām. Un viņi jums piešķirs līmeni. Ir dažādi veidi, kā jūs varat gūt vārtus un novērtēt sevi neatkarīgi no tā, vai tas ir pirmais līmenis līdz pat piektajam līmenim, tas nozīmē, ka esat to optimizējis un jums ir patiešām spēcīga programma.
Un, lai tikai sajustu, ko tas patiesībā nozīmē, man šeit ir neliels pārskats par to, ko tas varētu nozīmēt. Tātad šeit, kad jūs domājat par datu pārvaldības brieduma procesora dzīves ciklu, tajā ir atbalsta procesi, sākot ar visām prasībām, riska pārvaldību, jums tur ir jāatbalsta procesi līdz datu pārvaldībai un es esmu laipns Tas, ka datu pārvaldība būtībā ir vesela programma. Ja jums ir biznesa glosārijs, mēs uz visiem laikiem esam runājuši par biznesa glosārijiem un datu arhitektiem - tam vajadzētu būt kaut kam jūsu organizācijā. Daži no šiem tehnoloģiju veidiem, kas atrodas tur, viņi veido, izstrādā biznesa glosāriju, izmantojot informācijas kopīgu meklēšanu un ņemšanu, un neko, un, jūs zināt, ievietojot saites dokumentos uz dažādiem viena un tā paša datu perspektīviem, no datu lauka vai datu versiju, jo tā mainās visā vērtības dzīves ciklā.
Šie ir to lietu veidi, kas ir kļuvuši daudz labāki kopš es sāku savu karjeru. Mums agrāk bija jāizstrādā pašmāju sistēmas, lai veiktu šāda veida lietas. Tāpēc mēs skatāmies uz kopējo un kopējo ainu, tā ir stratēģija un pēc tam visi dažādie elementi, sākot no vadības līdz pārvaldības kvalitātei. Un viena lieta attiecībā uz datu kvalitāti ir interesanta, jo nozare kļūst automatizētāka, un mums atkal ir šie digitālie procesi ar automatizētu lēmumu pieņemšanu. Es daudz strādāju datu zinātnes telpā, kur mums daži no šiem rīkiem automatizē lēmumus un atjaunina prognozēšanas modeļus lidojuma laikā. Daudzi no šiem rīkiem un algoritmiem prasa un pieņem, ka dati ir labi. Lai jums būtu labs automatizēts lēmums, datiem jābūt derīgiem. Tāpēc, domājot par, jūs zināt, varbūt datu kvalitāte parasti ir viena no tām lietām, kuras cilvēki maldina un neuztver to ļoti nopietni. Bet, tiklīdz jūs sākat automatizēt lēmumu pieņemšanu modeļos, kas saistīti ar paredzamo modelēšanu un mašīnmācīšanos, datu kvalitāte kļūst patiešām svarīga.
Daži veidi, kā novērtēt jūsu progresu šeit, ir - un es ļaušu Ronam par to runāt, arī viņš savā sesijā to ir iemīļojis. Es tikai došu jums ātri ielīst, jūs zināt, šie dažādie līmeņi šajā. Būtībā tas ir pašnovērtējums, vai ne? Tātad jūs izpētīsit savu datu pārvaldību un to, ko jūs domājat, ka jums vispār kaut kas ir vietā. Un nekaunieties, ja jums tā nav. Kā es teicu, tiešām ir tikai 33 procenti organizāciju, kas pat ir sākušas darīt šāda veida lietas. Pat ja jūs zināt, šāda veida programmas ir bijušas vismaz līdzīgas - šajā nozarē esmu darbojies vairāk nekā 20 gadus un, protams, es darīju šāda veida lietas jau pirms daudziem gadiem, iespējams, mēs to vienkārši nenosaucām. CMMI, viņiem ir vingrinājums, kuru jūs varat pats novērtēt, un jūs varat to izpētīt un apskatīt, kā arī izveidot savu - šajā gadījumā šāda veida radaru diagramma - novērtēja visus šos dažādos leņķus vai lietas. Un katra organizācija, kā es esmu rīkojusies atšķirīgi, jūs zināt, kad es kādreiz konsultējos un realizēju šos projektus, jūs zināt, katra organizācija ir unikāla. Tās būs jomas, kas viņiem būs patiešām, patiešām svarīgas. Varbūt, jūs zināt, tā ir procesa vadība vai kvalitātes vadība, vai arī riski - atkarīgs no tā, kas tas ir, bet jūs vēlaties meklēt un izveidot etalonu vai bāzes līniju un pēc tam padomāt arī par to, kas nosaka tā panākumus.
Tāpēc, domājot par šāda veida lietu noteikšanu un pārvaldību, vispirms vēlēsities iegūt dažas izpildvaras sponsorēšanu šādai programmai. Tas ir kaut kas, kas visā organizācijā būs daudzfunkcionāls, tāpēc pat ja Sūzija Q un Džons Smits nolemj: "Jā, darīsim to. Mums tas jādara", viņi to nevar izdarīt tvertnē viņu organizācija vai pat ja tā ir IT. Jums tiešām ir jābūt šādai iepirkšanai no biznesa un datu subjektu ekspertiem. Viņiem ir nepieciešams kāds laiks. Viņi nevēlas, lai tas būtu tikai papildu uzdevums. Ja jūs kādreiz esat strādājis - es domāju, ka esmu paveicis dažus galveno datu pārvaldības uzdevumus, projektus iepriekš un datu kvalitāti - un parasti, jūs zināt, jūs nokļūstat biznesā, un viņi: “Ak, datu pārvaldīšana.” Tas nav kaut ko viņi ir sajūsmā. Un viņi ir šādi: “Ak, nē. Mums tam ir vajadzīgs laiks, ”un viņi to arī dara. Tātad jūs vēlēsities kādu laiku uzņemties saistības. Jums būs nepieciešama šī svētība no augšas. Jūs vēlaties, lai tā būtu daudzfunkcionāla.
Atkal tas ir kaut kas tāds, kas patiešām skar daudzas organizācijas jomas. Un ar GDPR tam vajadzētu būt nedaudz vienkāršākam, jo atkal - GDPR likumi un tas, kur šie personas dati tiek izmantoti jūsu klientiem un tiek izmantoti visā jūsu organizācijā, tam vajadzētu būt nedaudz vienkāršākam, ja jūs to izmantojat, ja jums ir ievērot GDPR. Šeit tiek sasietas mēles. Tas jums būtu jādara vieglāk. Jūs vēlēsities uzlikt zināmu atbildību un tad apskatīsit, jūs zināt, jūs tos pielāgosit. Tāpēc jūs vienmēr skatāties uz šāda veida norādījumiem, ko sniedz šīs organizācijas, un tas parasti ir tas, kas viņi ir: Viņi ir vadlīnijas jums un jūs plānojat ieviest savā kultūrā savā organizācijā.
Darbs pārvaldībā patiešām ir bijis patiešām nozīmīgs, viena no lietām, kuras daži no produktiem, kurus es izstrādāju, kad es biju pasaules produktu pārvaldībā Microsoft, bija pašapkalpošanās BI un kas biznesa lietotājam un netehnisko datu lietotājam ļāva spēlējiet ar datiem un izveidojiet savus pārskatus, un daudzas reizes IT tas atgrūstos. Tāpēc es esmu pavadījis daudz laika šai pārvaldībai un pārliecinājies, ka produktiem ir piemērotas funkcijas, kā arī audits un reģistrēšana, un, jūs zināt, padarot to tādu, lai tie nepazeminātu datu bāzi per se. Bet ir ietvars, kas, jūs zināt, gadu gaitā strādā pie šī konkrētā šāda veida lietu temata, kas ir reāli līdzīgs arī datu pārvaldībai. Jūs vēlēsities, lai būtu pamats, kas tam ir izveidots ar izpildvaras sponsorēšanu, un jūs vēlēsities šīs saistības starp biznesu un IT.
Tā tas atkal ir, mēs runājām par budžeta / laika sadalījumu un jaunu procesu izstrādi. Kultūras līmeņa izmaiņas notiks tad, kad, kaut kā jūs darīsit dažas no šīm lietām, sāksit meklēt datus. Bet jūs zināt, tas atkal ir ļoti svarīgi no stratēģiskā viedokļa. Un, lai radītu jums sajūtu, šeit ir piemērs, un es attīrīju to no viena no maniem vecajiem projektiem, kas bija izveidots pirms gadiem, par šāda veida lietām. Un tas atkal, iespējams, ir vairāk no vispārējā pārvaldības viedokļa, bet noteikti to var izmantot šāda veida projektiem, pārvaldot un pilnveidojot jūsu datu pārvaldības procesus un tos pārvaldot. Jums ir biznesa priekšmeta eksperts, šeit ir datu pārraugi, jūs zināt, IT priekšmetu eksperti, kas darbojas dažādās uzņēmējdarbības jomās. Daudziem uzņēmumiem, kas ir lielāki, būs tur jūsu uzņēmuma standartu padome, kā arī jūsu uzņēmuma arhitekti, datu arhitekti un modelētāji. Tātad būs daži dažādu jomu eksperti no dažādiem līmeņiem. Un atkal, daudz no šiem - es ienīstu to izmantot kā piemēru - tiks pielāgoti jūsu organizācijai un jūsu kultūrai.
Viena no lietām, kad strādājat ar šiem projektiem, arī tas, iespējams, daudzreiz nav organizāciju aizraujošākais projekts, nav tik vizuāls, cik ļaudis vēlas. Tas ir smieklīgi, tā ir viena no tām lietām, kad, ienākot konsultāciju firmai vai pat jūsu IT grupā vai ienākot jūsu BI izcilības centram vai ienākot jūsu analītikas izcilības centram, un mēs strādāsim pie datiem kvalitāti un datu pārvaldības briedumu, viņi, iespējams, nebūs neticami satraukti to darīt. Bet jums jāatrod veidi, kā viņus motivēt, un iekļaut to savos mērījumos. Tātad, kad jūs domājat par to, kas tas būs, ir viena lieta, veicot šo vingrinājumu vienreiz, un jūs saņemat cilvēkus uz klāja. Un jūs uzzinājāt, ka viņi mīlēja datu katalogu vai viņi mīl dažas no šīm lietām, jo tas viņu dzīvi padara vieglāku, viņi var atrast, ko dati nozīmē, vai arī saprast, un viņi var tam pievienot savu skatījumu. Un lieta, datu katalogi, iespējams, ir viens no lielākajiem projektiem, lai palīdzētu cilvēkiem patiešām iemīlēties šajā.
Tāpēc nākamā lieta ir turpināt viņus iesaistīties. Kā jūs kādu aizraujat, ka varbūt viņiem tas nerūp? Ir jādefinē daži rādītāji un jāiekļauj tie, to mērīšana un pēc tam jāiemācās, ja ir pārkāpumi, un zināma izpratne par to, ka: “Ei, mēs kādu laiku darījām labu, bet pēc laika - ne tik labi.” ir lietas, par kurām jādomā, lai turpinātu to turpināt. Un, kad jūs domājat par vērtēšanu, un tas ir CMMI piemērs, viņi to vērtē. Atkal jums būs savi informācijas paneļi, savi KPI, jūs zināt, dažādi veidi, kā cilvēki tiek vērtēti organizācijā. Bet jums ir dažādi veidi, kā gūt panākumus un novērtēt savus panākumus. Mans galvenais punkts, kas jums no tā būtu jāatsakās, vai āķis, no kura jums vajadzētu atņemt, ir pārliecināties, ka jums ir veids, kā izmērīt panākumus, un jūs varat arī svinēt savus panākumus.
Tāpēc es novērtēju, ka jūs esat tur iekarojis šo aizraujošo tēmu, un es pārdomāšu Ronu, kurš iedziļināsies mazliet dziļāk.
Rons Huizenga: Nu paldies, Džen. Un paldies visiem, ka šodien pievienojāties mums. Tagad es ņemšu vērā pāris aspektus par to, ko Džena runāja, un padziļināšos dažās jomās. Bet es arī gatavošos sniegt sava veida kopsavilkumu par to, kā jūs vismaz varat sava veida augsta līmeņa pašnovērtējumu veikt arī dažās no šīm jomām. Tā kā, kā jūs redzējāt ar CMMI modeļiem un šāda veida lietām, jūs varat ļoti ātri iedziļināties, izmantojot daudz dažādu rādītāju. Tātad tas, ko mēs patiešām vēlamies sasniegt, ir kaut kas tāds, lai jūs varētu labi izjust, kur jūsu organizācija atrodas diezgan augstā līmenī, un tad sākt iedziļināties citās. Tāpēc es runāšu par organizācijas efektivitāti. Un es to balstīšu uz CMMI un dažiem citiem standartiem vai zināšanu kopumiem, kas gadu gaitā ir iznākuši no tā. Un tad es runāšu par dažiem datu brieduma un procesa brieduma rādītājiem, jo, mums to caurskatot, jūs redzēsit, ka tie iet roku rokā. Atbalstot perspektīvas, Džena runāja par pārvaldību vienā jomā. Un es mazliet runāšu arī par uzņēmuma arhitektūru. Un tad mēs to apkoposim un nonāksim pie paša apaļā galda.
Ja mēs paskatāmies uz to, gadu gaitā ir publicēts daudz standartu un BOK - kas, protams, ir zināšanu kopums. Daudzi no tiem patiešām ir radušies no brieduma modeļa iespējām. Un šeit nāca CMMI, par kuru Džena runāja. Pats CMM modelis faktiski bija 1998. gadā. To faktiski sāka džentlmenis ar nosaukumu Watts Humphrey, kad viņš bija kopā ar IBM. Viņam bija 27 gadus ilga karjera IBM. Bet viņa reālā aktīvā šī modeļa izstrāde sākās, kad viņš bija Kārnegī Melonā, un to pasūtīja ASV Aizsardzības departaments. Lai to iegūtu, ir izmantoti daudzi citi standarti. Un tas, kas ir ļoti labi zināt par nozari, kad mēs runājam par to dažos citos standartos, ir, ja mēs skatāmies uz šī laika grafiku, tas notiek arī uz to lietu fona, kuras mēs vispār redzējām nozarē. Tas bija tad, kad kvalitātes kustība patiešām sāka uzņemties, it īpaši ražošanā, un tā izplatījās citās jomās. Kur mēs meklējām veidus, kā uzlabot ražošanas procesus, veicot tādas darbības kā pilnīga kvalitātes vadība, ražošana tieši laikā un citas lietas. Un daudz filozofiju, kas no tā izrietēja, ienāca visā darba kvalitātes kopumā.
Un tas tiešām ir sava veida lēkāšanas punkts, no kura sākās daudz no šīm lietām. Tā sākās vispārējā nozarē un iekļāvās arī IT un datu, kā arī procesu un informācijas sistēmās. Citi standarti, kurus mēs redzam un kas ir vairāk saistīti vai specifiskāki dažām lietām, par kurām mēs runājam, protams, ir datu brieduma modelis, par kuru Džena runāja mazliet. Objektu vadības grupā ir arī biznesa procesa brieduma modelis. Un vēl virkne citu standartu, kurus jūs, iespējams, redzējāt, ka jūsu organizācija var cīnīties vai tikt izmantota dažādās uzņēmējdarbības jomās, it īpaši IT vadībā, piemēram, COBIT, kas ir informācijas un tehnoloģiju vadības mērķi, ITIL, kas parasti ir infrastruktūra -koncentrējies, ar ko daudzi no jums, iespējams, ir tikuši galā. Atkal pilnīga kvalitātes vadība. Un jo īpaši tad, kad esat iedziļinājies tādās lietās kā metrika un viss pārējais, iespējams, redzējāt, ka ir iesaistītas arī tādas lietas kā statistiskā procesa kontrole. Un tad, protams, dažas no zināšanu kopām, ar kurām mēs strādājam, ir informācijas vai IT speciālisti. Datu pārvaldības korpuss.
Tur ir līdzvērtīgs arī biznesa analīzes zināšanu kopums. Un projektu vadības zināšanu kopums. Jums var būt vairākas vai vairākas no šīm lietām, kuras vienlaikus izmanto dažādas jūsu organizācijas ieinteresētās puses. Bet izfiltrēsim caur BOK un atgriezīsimies, un pateiksim, kas ir briedums? Mēs uzskaitām nobriedušu definīciju, jo, jautājot, kas ir briedums, kad to uzmeklējat vārdnīcā, tas faktiski saka “tu esi nobriedis”. Tātad, izmantojot vārdu “nobriedis”, tas tiešām nozīmē, ka esat sasniedzis padziļinātu attīstības pakāpe - protams, ļoti vispārīga. Bet tas, ko mēs šeit patiesībā skatāmies, ir tas, ko mēs darām, virzoties uz augstāku un augstāku sasniegumu līmeni, kad mēs ejam. Un, apskatot daudzus standartus, kā jūs redzēsit, it īpaši CMMI un spēju brieduma modeli patiešām balstīja lietas piecu punktu skalā, tāpēc tas dod mums pakāpenisku iespēju paskatīties un pateikt, kā ir vai mēs faktiski attīstāmies šajā mērogā, kā augam?
Tomēr, kad mēs skatāmies uz briedumu, lai sasniegtu organizatorisko briedumu lietās, kuras mūs interesē, mums jābūt līdzsvarā. Jums jāpanāk datu briedums, un mēs runāsim par dažiem kritērijiem, kas jums tur ir jādara, bet jums vienlaikus jāsasniedz procesa briedums. Tās ir vienas monētas divas puses, un tām ir jāiet roku rokā. Nevar palielināt, piemēram, no nulles līdz pieciem datu brieduma skalā, nepalielinot procesa briedumu, un tas pats attiecas uz procesa briedumu. Viņi abi ir savienoti kopā un velk viens otru braukšanai, jo jūs faktiski attīstāties dažādos posmos. Un es šeit par to mazliet vairāk pastāstīšu nākotnē. Citas lietas, kas mums jāsaprot, ir gan datu, gan procesa sasniegšana, ir būtiska uzņēmuma arhitektūrā un būtiskas dažām pārvaldības lietām, par kurām arī Jen runāja. Mēs ļaujam tiem, sasniedzot briedumu, dažās no šīm lietām, kuras mēs cenšamies darīt.
Tagad uz slaida, par kuru Džena teica, ka es runāšu par to sīkāk. Esmu izvēlējies tikai dažas kategorijas un, izmantojot šeit esošo CMM skalu, un man faktiski ir sava, es skalas augšdaļai faktiski pievienoju nulli, jo var būt daži gadījumi, kad jūs faktiski neesat izveidojis jebkāda vilce šajos gadījumos. Tātad šie ir tikai notikušā atpazīšanas veidi. Tātad, ja mēs īpaši skatāmies uz datu pārvaldību, jūs varat sākt nulli, jo jums nav nevienas datu pārvaldības programmas. Un, kad jūs sākat nobriest dažādās jomās, tiklīdz sākat to ieviest projekta līmenī, tad programmas līmenī, izmantojot sadalījumus un galu galā visa uzņēmuma mērogā, tas ir, no pārvaldības viedokļa, jūs faktiski nobriest un augt kā organizācija, kā jūs to darāt.
Citus aspektus, piemēram, pamatdatu pārvaldību, jūs varat sākt no nulles bez formālu lietu datu klasifikācijas. Pēc tam nokļūstot, jūs pieaugsit līdz vietai, kurā atzīsit, ka jums ir pamatdati un jūs sākat klasificēt, bet tas nav integrēts. Tad jūs sākat strādāt, lai izveidotu integrētas un kopīgas krātuves. Tad, kad nonākat standartizētā vidē, tieši tad jūs meklējat datu pārvaldības pakalpojumu sniegšanu. Un, virzoties tālāk augšup, jūs izveidosit galveno datu pārvaldniekus un galu galā datu pārvaldīšanas padomi, kas to visu laiku nopietni aplūkos. Apskatot savu tehnisko vidi un lietojumprogrammas, kā arī datubāzes no datu integrācijas viedokļa, vēlreiz nenobriedušā vidē jums būs vairākas ad hoc, point-to-point saskarnes un šāda veida lieta. Pieaugot, jūs sāksit ieviest dažus kopīgus rīkus un standartus. Tad jūs to sākat aplūkot kopīgās integrācijas platformas. Kad kļūsiet standartizēts, jūs strādāsit ar standartizētu starpprogrammatūru un iespējamām vienkāršām lietām, piemēram, uzņēmuma pakalpojumu kopnēm, kanonisko modeli, klasificēsit visus savus datus jūsu organizācijā un sasaistīsities arī ar tādām lietām kā biznesa noteikumi jūsu krātuvē un šāda veida no lietas. Un tad dodieties vēl tālāk, kur jūs to pilnībā iegūstat organizācijas kultūrā. Un, protams, vissvarīgākā ir kvalitāte. Kā Džena runāja, pieņemot daudzus lēmumus un daudzus rīkus, pieņemsim, ka jums ir augstas kvalitātes dati, ar kuriem strādājat. Tātad datu kvalitāte ir kaut kas būtisks datu brieduma sasniegšanas pamats.
Atkal, aplūkojot datus, nenobriedušā vidē var būt daudz tvertņu un izkliedētu datu. Jums var būt pieļautas neatbilstības. Un tad jūs sākat pie tā strādāt, atzīstot nekonsekvenci, un tad sākat apsvērt plānošanu. Un, ja šeit aplūko pārvaldītu vidi, kaut kas ļoti svarīgs šeit ir datu tīrīšana patēriņa laikā, lai datus izmantotu lēmumu pieņemšanā. Tas, par ko mēs patiesībā runājam, ir datu tīrīšana, kur mēs to ielādēsim datu noliktavās un citos lēmumu atbalsta instrumentos. Un tas ir analogs tam, ko mēs agrāk redzējām datu ražošanas nozarē, kur cilvēki būvē produktus, viņi iet uz leju montāžas līnijai, un tā beigās jūs pārbaudīsit produktu un aiziet: “Ak, mums šeit ir trūkumi. ”Atkal viena lieta, ko nekad nevar izdarīt, ir tā, ka jūs nekad nevarat uzlabot produkta kvalitāti, pārbaudot to beigās. Jūs varat redzēt problēmas ar to, un tad jūs varat veikt pasākumus, lai uzlabotu nākamos un citus, kas nonāk zem līnijas, bet jūs nekad neuzlabosit to, pārbaudot to beigās. Tātad šajā vietā, virzoties uz priekšu, jo īpaši attiecībā uz datiem, jūs vairāk pārvietojaties no pārbaudes un tīrīšanas viedokļa patēriņa vietā, kur jūs sākat mēģināt to iebūvēt avotā, tieši no vietas, kur noķerat datus, procesus, kas darbojas uz šiem datiem, nodrošinot, ka šie dati ir precīzi un derīgi lietošanai visos procesos visā garumā. Tālāk attīstoties, jūs sākat attīstīt un iegūt kvalitatīvus KPI un, virzoties uz priekšu, patiešām sākat attīstīt šo profilakses pieeju datu kvalitātei.
Runājot par organizatorisko izturēšanos vai lietām, kuras jūs redzat, ja nedomājat, ka jums ir kāda problēma vai jūs to nezināt, iespējams, ka, ja jūsu organizācijā ir kāds atteikuma posms, tas man saka, ka jūs esat nomodā nulles līmeņa vai potenciāli pārvietojas vienā. Ja jūsu datos ir daudz haosa un mēģināt novērst šīs neatbilstības, iespējams, esat pirmajā līmenī. Kad jūs joprojām esat reaktīvajā režīmā, jūs pārejat uz pārvaldītu, taču negrasāties standartizēt, kamēr faktiski nav ļoti stabilas datu vides, kas aptver gan pārvaldību, gan kvalitāti, gan galveno datu pārvaldību, gan datus. integrācija, nosaucot tikai dažus punktus. Un atkal, tiklīdz jūs to esat pārcietis, tas ir, kad jūs sākat iekļūt patiesi proaktīvos pārvaldības stilos. Ja jūs nokļūstat vietā, kur jums ir ļoti paredzama rīcība, kā arī analītikā, lai to dublētu, un KPI, lai to dublētu jūsu organizācijā, kad mēs to aplūkojam un pārklājam pāris lietas, ir arī dažas citas lietas, kuras mēs varam redzēt par organizācijām un to atrašanās vietu. Apskatīsim galveno IT fokusu organizācijā. Ja galvenais uzsvars IT jomā joprojām tiek likts uz tehnoloģijām un infrastruktūru, jūs, iespējams, atrodaties skalas mazāk nobriedušā gala virzienā. Bet, kad jūs patiešām koncentrējaties uz informāciju un informāciju veicinošu stratēģisko biznesa iespēju nodrošināšanu, jūs tuvojaties skalas nobriedušam beigām. Arī tad, kad skatāties uz to no datu viedokļa, ja jūs atrodaties zemākā līmenī, jums ir augsts datu risks, un, ja jūs esat visaugstākajā līmenī, jūs esat pazeminājis ar datiem saistīto risku. Un tas ir arī organizācijas vērtību ģenerēšana. Zemāks datu termiņš nozīmē, ka jums, iespējams, ir diezgan zems vērtību radīšanas līmenis, īpaši attiecībā uz jūsu organizācijā esošajiem datiem. Un, palielinoties skalai, jūs saņemat augstas vērtības paaudzi.
Apskatīsim to pašas datu modelēšanas ziņā. Dažreiz datu modelēšana ir kļuvusi par sarkangalvju audžumeitu. Un datu modelēšana ir būtiska, lai sasniegtu datu briedumu. Tāpēc es gribu runāt tikai par dažām signalizatoru zīmēm par to, kā datu modelēšana to saista. Ja tas tiek izmantots tikai dokumentēšanai vai vienkāršas, fiziskas datu bāzes ģenerēšanai mazām lietotnēm un šāda veida lietām, iespējams, datu brieduma ziņā jūs esat nonācis pirmā līmeņa līmenī. Kad sākat aptvert un atpazīt dažāda veida modeļus, ieskaitot konceptuālo, loģisko modeli un fizisko modelēšanu, kur tas arī ir, jūs zināt, principā jūs virzāt uz priekšu dizainu. Jūs to patiešām izmantojat kā dizaina viedokli, tad jūs esat pirmā līmeņa.
Kad jūs sākat aplūkot to vairāk no uzņēmuma līmeņa, ieskaitot uzņēmuma vai kanonisko modeļu izveidi, koncepciju ieviešanu un sasaistīšanu vairākos modeļos, datu līniju un pārvaldības metadatu izveidošanu tieši savos modeļos, jūs sākat nokļūt trešajā līmenī un pēc tam pārejot pie pilnas pārvaldības metadatiem, biznesa glosārija integrācijas, utt. Aplūkojot dzīves ciklu un datu vērtību ķēdi, ir tas, kad jūs patiešām nonākat ceturtajā līmenī. Un atkal, pilnībā integrēta modelēšana ar biznesa glosārijiem, metadatiem, spēja vadīt tādas lietas kā pašapkalpošanās analītika, tas tiešām ir, kad esat sasniedzis diezgan nobriedušu stāvokli.
Šajā sakarā es ļoti īsi gribu runāt par datu dzīves ciklu. Un iemesls, kāpēc es gribu par to runāt, ir datu dzīves cikls, diemžēl, diezgan bieži tiek ignorēts. Un kas tas ir par lietu, tas tiešām aprakstīja, kā tiek izveidots, lasīts, atjaunināts vai izdzēsts datu elements, kā arī procesus, kas uz to iedarbojas visā jūsu organizācijā. Tātad tie no mums, kas nozarē darbojas jau ilgu laiku, to sauc par CRUD, jo tas ir izveide, lasīšana, atjaunināšana un dzēšana. Bet mums tas ir jāsaprot pamata līmenī, kad mēs strādājam ar datiem mūsu organizācijā. Spēlē ir daudz faktoru. Kādi ir biznesa noteikumi, kas to ievēro? Kādi ir biznesa procesi, kas patērē, rada vai maina datus? Kādas ir lietojumprogrammas, kas faktiski ievieš šos biznesa procesus, lai jūs varētu to darīt? Viss, kas attiecas uz datu dzīves ciklu.
Un atkal Džena uz to atsaucās jau iepriekš - var nebūt viens patiesības avots. Var būt vairāki veidi, kā tiek izveidots noteikts datu elements. Un jums faktiski var nākties ienākt, dažādas lietas rodas, izmantojot vairākas sistēmas vai vairākas devas, kuras jums ir jāsaskaņo un jānolemj, lai nākt klajā ar to, kāds ir attiecīgajā brīdī attiecīgajam lēmumam atbilstošais datu avots. Dažādiem mērķiem organizācijā var būt vairāki datu varianti. Lai to sasniegtu, jums jāspēj modelēt biznesa process, datu līnija, kas ietver datu plūsmas, integrāciju un kas ietver tādas lietas kā ETL, tāpēc iegūstiet, pārveidojiet un ielādējiet datu noliktavu, datu pārraides un inscenēšanas zonas. un, protams, tiek izmantotas arī datu saites no lielo datu puses. Izvelkot šo informāciju no datu ezera, jums jāzina, kā jūs to patērējat un kā to izmantojat. Runājot par pašu dzīves ciklu, tas tiešām ir tas, kā mēs veidojam vai vācam jaunus datus, kā mēs tos klasificējam - jo jums tas jāklasificē, lai saprastu un efektīvi strādātu ar to - kā jūs to glabājat, kā jūs jūs to izmantojat, kā jūs pārveidojat to uzņēmējdarbības procesā, kur tas tiek koplietots organizācijā, un tas ir ļoti svarīgi: saglabāšana un arhivēšana. Cik ilgi jūs glabājat datus? Kad jūs to arhivējat? Kad jūs galu galā iznīcināt šos datus? Visas šīs lietas ir jāņem vērā jūsu datu dzīves ciklā, un jums tas viss jādara, lai jūsu organizācijā sasniegtu augstu datu brieduma līmeni.
Tagad es atkal teicu, ka viņi ir tādi kā dvīņi, kur jums ir jārunā par procesa briedumu saistībā ar datu briedumu - viņi iet roku rokā. Atkal man ir dažas atšķirīgas lietas, un - neuztraucieties, ka es tos visus neizlasīšu, bet tikai izveidošu kontrolsarakstu, lai atkal - atkal jūs varat sākt pašnovērtēt, kur atrodas jūsu organizācija procesa briedums. Vēlreiz apskatīsim lietas no sākuma līdz optimizētajām lapām. Atkal mēs izmantojam to pašu piecu punktu skalu, kas tika iegūta no spēju brieduma modeļa. Ja paskatās uz lietām, piemēram, fokusu, ja neesat atradies zemākā līmenī vai sākotnējā procesa brieduma līmenī, jūs savā organizācijā varat secināt, ka cilvēki patiešām paļaujas uz savām metodēm sava darba veikšanai. Un jūs, iespējams, redzēsit kādu varonību un šāda veida lietas, lai varētu paveikt lietas. Tad jūs sākat nonākt līdz punktam, kurā jūs esat aktīvāks par to, kur jūsu vadība uzņemas atbildību par darba vienībām un sniegumu. Tad jūs sākat attīstīt standarta integrētos procesus. Tad procesa stabilitāte un atkārtota izmantošana. Tad jūs sākat redzēt vairāk mentoringa un statistiskās pārvaldības kultūru, lai aprēķinātu metriku un KPI par šiem procesiem un, visbeidzot, līdz pilnam optimizācijas līmenim.
Apskatot darba vadību, jūs varat ķerties pie tā, ka jūs ejat no apgabala, kurā jums ir nekonsekventi darba vadības līmeņi, uz labāk pārvaldītu, kur jūs vismaz augstākā līmenī līdzsvaro savas saistības ar resursiem. Pēc tam līdz vietai, kurā jums ir pielāgojamāka vai veiklāka organizācija, lai jūs varētu standartizēt procesus, bet tos pielāgot, lai tos vislabāk izmantotu dažādos apstākļos jūsu organizācijā. Kad esat nokļuvis progresīvā līmenī, ļoti svarīgas ir iespējas, un tas nozīmē, ka visi intuitīvi saprot notiekošo, un personālam ir procesa dati, lai viņi varētu novērtēt un pārvaldīt savu darbu.
Atkal atgriežamies pie ražošanas analoģijas - kad mēs ieraudzījām, ka, sākoties modernizēšanai mūsu montāžas līnijas un viss tamlīdzīgais rūpniecībā, mēs sākām runāt par kopējo kvalitāti un darbinieku pilnvarām pat montāžas līnijā, kur, ja kāds redzētu kaut kas nebija kārtībā kādā konkrētā ražošanas posmā, cilvēki tika pilnvaroti, ka viņi var nospiest lielo sarkano pogu un izslēgt visu montāžas līniju, līdz problēmas tika atrisinātas, pirms lietas turpinājās. Un tas ir tāds mentalitātes tips un tāda veida kultūra, kādu mēs procesos meklējam ap datiem, lai pārliecinātos, ka mēs faktiski optimizējam savus datus un procesus mūsu organizācijā.
Citi jūsu kultūras rādītāji - vai jūsu kultūra ir nemainīga attiecībā uz to, vai nav identificējama pamata patiesām saistībām uzlabot jūsu biznesa procesus? Vai ir atbildības deleģēšana, kuru mēs redzam tālāk? Tā kā jūs virzāties tālāk, jums, iespējams, joprojām ir silosi, bet, sākoties virzībai uz priekšu attiecībā uz kultūru un lietām, kuras jūs darāt sava biznesa procesā, jūs arī sadalāt šos dažādos biznesa silosus un piesaistāt līdzekļus. procesus visā jūsu organizācijā. Ir ļoti svarīgi, lai, nokļūstot notikuma vietā, būtu tas, uz ko jūs patiesībā balstāties, nevis lai justos zarnās, jūs faktiski apkopojat kvalitātes rādītājus, un jums ir izveidoti rādītāji, lai prognozētu jūsu spējas, veicot savu biznesu. operācijas, un tas ir ārkārtīgi svarīgi.
Runājot par arhitektūru, parunāsim par to, jo liela daļa cilvēku šeit strādā IT jomā vai vienmēr skatās uz to. Atkal tie paši lietu veidi, ko mēs redzējām datos. Mums ir izmisīgas IT sistēmas, ja jūs patiešām nezināt sākotnējos procesa brieduma posmus. Kad sākat pārvaldīt procesus, jūs redzēsit, ka daži pakalpojumi tiek iestatīti tur, kur jūs patiešām izmantojat vairāk uz pakalpojumiem balstītu pieeju. Tad, ja jūs kļūsit standartizēts, jūs redzēsit vairāk pilna servisa datu un pakalpojumu, gan procesu pakalpojumu, gan šāda veida lietu, tieši tur, kur nokļūsit pilnā pakalpojumā vai jaunā arhitektūrā. Un tad galu galā uz pilnu procesu virzītu uzņēmumu, kas izmanto jūsu datus.
Atkal tie paši skalas veidi, ja mēs to skatāmies. Runājot par produktivitāti, zemā procesa brieduma līmenī jūs redzēsit zemu produktivitātes līmeni un augstu procesa briedumu, jūs redzēsit daudz augstāku produktivitāti. Un kvalitāte iet roku rokā ar to arī. Tāpat kā ar datiem - ja jūs esat zems brieduma līmenis, jūs redzēsit augstu riska līmeni un arī lielu atkritumu daudzumu. Bet, jo augstāks ir jūsu brieduma līmenis, jo zemāks būs tas, zemāks risks un ievērojami samazināsies atkritumu daudzums. Runājot par dažām lietām, kuras jūs varētu uzskatīt par sava veida simptomiem vai rādītājiem organizācijā, ja primārā filozofija balstās uz izmaksu samazināšanu, jūs, iespējams, atrodaties zemā procesa brieduma līmenī. Pēc tam notiks absolvēšana un virzība uz rūpīgākai efektivitātes izpētei jūsu organizācijā, un, sasniedzot ļoti nobriedušu līmeni, jūs atkal koncentrēsities uz vērtību ģenerēšanu.
No organizācijas vadības viedokļa, ja valda haoss, tas atkal ir simptoms organizācijām, kurām ir zems procesa briedums. Bet jūs sākat koncentrēties uz to, ko es vairāk saucu par vadības mentalitāti, kur - un tur var būt kāda vadība ar dekrētu vai uzlikšanas lietām - tur, kur jūs patiesībā esat, tad, kad esat nonācis pie nobriedušākiem līmeņiem, jūsu vadība nozīmē: vairāk vadības. Citiem vārdiem sakot, uzlabošanas filozofija ir iestrādāta kultūrā, un, sākot ar izpilddirektoru, viņi veicina visu procesu uzlabošanas filozofiju un nepārtrauktu, nepārtrauktu uzlabošanu jūsu organizācijā kopumā.
Procesa modeļa ziņā - un es šeit diezgan ātri pārdomāšu šīs lietas - vēlreiz aplūkosim procesu modeļus, jo tie ir saistīti ar paša procesa briedumu. Atkal ļoti līdzīgs tām lietām, kuras mēs redzējām datu briedumā, kur zemā līmenī vai pirmajā līmenī jūs, iespējams, vienkārši dokumentējat procesus vai pašreizējā stāvokļa procesu, bet jūs to patiešām neizmantojat, lai virzītu lietas uz priekšu. Kad jūs sākat nobriest, jūs plānojat izmantot biznesa procesu modelēšanu, lai palielinātu faktisko biznesa procesu pārvaldību organizācijā, pēc tam attīstieties vēl tālāk, kur to izmantojat, un pastāvīgi atjauniniet šos modeļus, lai virzītu procesu uz turieni, kur jūs galu galā atrodaties. nokļūt procesa projektēšanā. Un tad, kad jūs esat kļuvis pilnīgi nobriedis vai, jūs zināt, tas, ko parasti redzat liesās organizācijās vai organizācijās, kuras ir pieņēmušas augstākas kvalitātes programmas, piemēram, Sigma, tas atkal ir tas, kur jums ir nepārtraukta pilnveidošanas mentalitāte, un tas ir iesakņojies tieši jūsu organizācija. Tātad, tāpat kā mēs izmantojam inženiertehniskos plānus produktu būvēšanai neatkarīgi no tā, vai tas ir lidmašīnas vai ēkas un debesskrāpji, un šāda veida lietas, mēs paļaujamies uz saviem modeļiem, lai faktiski virzītu savu biznesu uz priekšu, jo tas ir dizaina elements, kas faktiski virza mūsu organizācijas elementus uz priekšu .
Tagad es atkal nedomāšu detalizēti izskatīt šo un katru vārdu. Es esmu izdarījis, ka esmu paņēmis šos divus vienkāršākos režģa slaidus un esmu izvēlējies vairākus vārdus, kas tika izmantoti dažos no šiem citiem deskriptoriem gan datu briedumam, gan procesa briedumam. Tātad, aplūkojot šo faktu, jūs varat sākt domāt par dažiem vārdiem, kurus redzat iznākot jūsu pašu iekšējā kultūrā attiecībā uz teiktajām lietām. Un tas jums palīdzēs sākt klasificēt, kur mēs kā vispārējā organizācija sākam iederēties šajā brieduma skalā. Tātad, ja jūs redzat tādas lietas kā nekonsekvence vai stagnācija vai neefektivitāte rodas diezgan bieži vai rodas haoss, jūs parasti atrodaties skalas apakšējā galā. Kad sākat domāt par tādām lietām kā pastāvīga uzlabošana, stratēģiska saskaņošana, preventīva pieeja defektiem un kvalitātei un šāda veida lietām, pilnīga integrācija, un jūs runājat par konkurences priekšrocību paraugpraksi, tas ir, kad jūs redzēsit sevi augšup pie optimizētāja, skalas augšējā galā.
Atkal ir tas, ko es arī gribu norādīt, ka tad, kad sākat aplūkot datu pārvaldību, it īpaši, kad skatāties skalas apakšā, ir sākotnējie posmi, datu pārvaldību var ieviest tikai atsevišķu projektu līmenī. Jums jāattīstās līdz vietai, kurā datu pārvaldība un konkrētais mērķis ir no projekta datu pārvaldības, un tā ir attīstījusies, izmantojot programmu un dalīto datu pārvaldību, kur tas atkal ir visa uzņēmuma mērogā un iestrādāts organizācijā kopumā.
Esmu runājis par to, ka šie patiesībā ir dvīņi, kas strādā kopā datu brieduma un procesa brieduma ziņā. Lai sasniegtu šo briedumu, abpus skala ir brauciens, un jūs nevarat pārlēkt soļus. Ja jūs atrodaties nulle, jums būs jāattīstās caur pirmo, otro, trešo, ceturto posmu un galu galā jāsaņem pieci. Un pasaulē ir ļoti maz organizāciju, kurās ir pieci. Tātad daudzas organizācijas būtu vairāk nekā priecīgas atrasties vietā, kur atrodas trijniekā, un pēc tam varētu to izmantot kā atspēriena punktu uz priekšu. Un atkal jūs nevarat iet, jūs nevarat būt četrgadīgs no datu brieduma un viens procesa briedumā. Tas vienkārši nedarbojas, jo tie ir tik savstarpēji saistīti, ka jums ir jāsaprot un labi jārīkojas ar jūsu datiem un procesiem kopā.
Laba analoģija, lai padomātu par to, kā tas ir jūsu ceļojumā uz organizētu briedumu, pieņemsim, ka jūsu komandā ir divi cilvēki: viens ir procesa briedums, bet otrs ir datu briedums. Jūs vadāt šķēršļu joslu un esat sasiets kopā ar īsu virvi. Lai nokļūtu šī kursa beigās, tas nozīmē, ka jums abiem ir jāpārdzīvo ne tikai visi šķēršļi, bet arī jāpārvar visi šķēršļi gandrīz vienlaikus vai ļoti tuvu viens otram, lai būtu spējīgs virzīties tālāk un tikt pie nākamā šķēršļa. Tas ir patiešām labs veids, kā domāt par procesa un datu brieduma līdzsvarošanu. Citiem vārdiem sakot, jūs varat būt nedaudz uz procesu orientēts un nedaudz uz datiem orientēts, taču tas būs vadošais rādītājs, un nevar būt daudz plaisu, lai jūs faktiski parādītu caur līmeņiem.
Un, kad mēs to atkal skatāmies no datu pārvaldības, viena no lietām, ko es gribēju norādīt, ja jūs to nezināt, ir tas, ka DAMA faktiski šā gada sākumā ir publiskojusi Datu pārvaldības struktūras zināšanu otro sējumu, kā arī lietas, kas mainīts tur ir faktiskais DAMA ritenis. Un es to faktiski pārstāvēju mazliet savādāk, kur centrā ir datu pārvaldība un desmit dažādas kategorijas ap dažādu riteni. Kaut kas šeit ir ļoti svarīgi redzēt, ir datu modelēšana, un tagad dizainam faktiski ir savas jomas pie stūres - iepriekš tas bija savādāk sajaukts ar citiem. Viena no lietām, kas šeit ir ļoti būtiska, jo īpaši datu modelēšana, ir būtiska visiem šiem citiem aspektiem, jo neatkarīgi no tā, vai mēs veicam mūsu datu bāzu datu modelēšanu vai ar to saistītos metadatus, datu modelēšanai ir sava loma spēlēt visos šajos citos skaņdarbos, par kuriem mēs runājam. Un procesu modelēšanai ir liela loma arī daudzās no šīm lietām, jo papildus pašu datu izpratnei mums ir jāsaprot arī tas, kā tie tiek izmantoti, un tas ir tas, kā procesu modelēšana patiešām palīdz mums to izdarīt.
Tagad nedaudz mainīsim pārnesumus un runāsim par uzņēmuma arhitektūru. Modeļiem ir izšķiroša nozīme arī uzņēmumu arhitektūrā. Es to pamatoju uz piemēru, un tas ir Zahmana ietvars, kuru es šeit parādīju ļoti ātri. Apskatot šo, jūs šeit redzat vairākas lietas. Jūs redzat, kas, kā, kur, kurš, kad un kāpēc ir tāds, kā augšpusē. Un tad jūs iet cauri detalizētākiem izstrādes līmeņiem, ja vēlaties, attiecībā uz modelēšanas veidiem vai lietām, kuras jūs izstrādājat, ņemot vērā uzņēmuma arhitektūru no ļoti augsta konteksta līmeņa līdz pat detalizētam līmenim, ieskaitot fizisko ieviešanu. Ja paskatās uz pirmajām kolonnām, tas ir ļoti intensīvi un ar to saistītajiem datiem. Tas, kā tiek virzīts process. Un, aplūkojot citus aspektus, jūs izmantojat procesu un datu modelēšanas kombināciju, lai palielinātu pārējo informāciju. Jums būs dati par visām šīm dažādajām lietām, un jūsu procesu modeļi arī saistīs lietas, piemēram, to, kur notiek lietas, atbildību. Un arī attiecībā uz procesu modelēšanu, ko mēs darām arī savos instrumentos, jūs varat sākt to sasaistīt arī ar mērķiem un attiecībām un biznesa noteikumiem, kas arī virza šīs dažādās lietas, kuras jūs darāt.
Raugoties no Zachman ietvara, viens no labākajiem veidiem, kā domāt par to, ir arī tas, ka jūs vadāt pēc modeļa un jūs faktiski iziet dažādus līmeņus. Tātad jūs sākat ar augsta līmeņa darbības jomu un kontekstu. Pēc tam jūs izvēlaties biznesa modeļus, izveidojot sistēmu modeļus, pēc tam tehnoloģiju modeļus un pēc tam arī ļoti detalizētu tehnisko modeļu attēlojumu. Un atkal, dati atspoguļo to, kas, process ir kā, un tas tiešām ir datu un procesa mijiedarbība, kas virza visas citas īpašības šeit.
Balstoties uz to, nav nejaušība, ka tas, kā mēs skatāmies uzņēmuma arhitektūras ideju, ir nedaudz savādāks nekā daži citi. Diezgan bieži dzirdēsit par četriem uzņēmuma arhitektūras pīlāriem - datu, iegūšanu, biznesa un tehnisko arhitektūru. Mēs uz to skatāmies nedaudz savādāk. Mēs uzskatām datu arhitektūru par galveno pamatu, kas virza visu uzņēmuma arhitektūru divu iemeslu dēļ. Viens, tur tas sākās. Pat tādas lietas kā Začmana ietvars galvenokārt izauga no datu arhitektūras, un pēc tam tās aptvēra arī citus arhitektūras aspektus. Un divi, jo pamata saikne starp procesu un datiem. Tāpēc biznesa arhitektūru mēs redzam kā centrālo uzņēmuma arhitektūras pīlāru. Un tad, protams, to papildina lietojumprogrammu arhitektūra un tehniskā arhitektūra, kas ir absolūtas nepieciešamības veicinātāji, lai ļautu mums vadīt patiesu uzņēmuma iespēju. Tagad, kad mēs to aplūkojam attiecībā uz ER Studio Enterprise Team Edition, mūsu integrēto modelēšanas platformu, tas ir tas, kā tā tiek spēlēta. Un šī ir dažu mūsu veikto modelēšanas un dažu pamatprincipu augsta līmeņa konteksta diagramma. Un tas faktiski tiek virzīts iekšā, tas faktiski ir iezīmēts procesa diagrammā. Tāpēc, īpaši apskatot mūsu datu arhitektūru un mūsu biznesa arhitektūru, mēs piegādājam uz lomu balstītus rīkus.
Apskatot mūsu biznesa arhitekta rīku apakšējā kreisajā stūrī, tur parasti strādā biznesa analītiķi un biznesa arhitekti. Viņi parasti koncentrējas uz dažiem biznesa procesiem un sāk tos padzīt. Bet viņi ir koncentrējušies arī uz to, kas. Tad mēs sākam veikt konceptuālu datu modelēšanu un šāda veida lietas. Mēs varam izmantot un apvienot šos konceptuālos modelēšanas komponentus savā datu modelēšanas rīkā un datu arhitektam, kur tie tiek sīkāk izstrādāti loģiskos datu modeļos un, protams, galu galā fiziskajos modeļos, lai mēs varētu ģenerēt fiziskās datu bāzes. Mēs varam arī virzīties atpakaļ, tāpēc arī biznesa arhitektūras telpā tiek modernizēti konceptuālie modeļi. Ļoti svarīga lieta ir tas, ka mēs atbalstām dažādus modelēšanas veidus. Tātad, atkal, BI ir ļoti svarīgi, un datu ezeri, un šāda veida lietas, tāpēc mēs faktiski arī veicam kādu modelēšanu, kā arī kā daļu no tā, mēs veicam datu līnijas modelēšanu. Tātad ne tikai ETL attiecībā uz to, kā jūs kartējat no fiziskajiem modeļiem par datu noliktavu dimensijas modeļiem vai pat ienesat lietas no saviem datu ezeriem un redzat, kā tie izplūst, mēs varam sasaistīt visas šīs lietas. Kā arī reversās inženierijas nosūtīšana no citām modelēšanas platformām, no lielajām datu platformām.
Un tad arī tādas lietas kā ETL rīki, lai mēs faktiski varētu sākt iegūt datu līnijas diagrammas tieši no ETL specifikācijām, kādas jums, iespējams, ir jūsu vidē. Ir arī ļoti svarīgi zināt, ka mums vajadzēja izvērsties arī ārpus relāciju modelēšanas. Mums ir noteiktas platformas, piemēram, Hive un it īpaši MongoDB, mēs tagad sākam runāt par dokumentu veikaliem, kur mums ir tādi jēdzieni kā iegultie objekti un masīvi. Mēs faktiski esam paplašinājuši apzīmējumu, lai varētu ietilpt arī šāda veida modeļos, jo tas ir nesaistīts jēdziens. Visu, ko mēs izveidojām datu arhitekta rīkā attiecībā uz datu artefaktiem, neatkarīgi no tā, vai tas ir loģiskas entītijas vai fiziskas tabulas un to atribūti, pēc tam var ievietot arī biznesa apstrādes modelēšanā. Tā kā jūs izstrādājat biznesa procesu modeļus no augsta līmeņa un nokāpjat zemākā līmenī, jūs faktiski varat saistīt faktiskos datu elementus. Tātad jūs varat rīkoties, mēs varam precizēt CRUD matricas, kas patiesībā notiek. Tas dod jums šo datu dzīves ciklu, par kuru es runāju procesa laikā izveidot, lasīt, atjaunināt un izdzēst. Mēs tur arī veicam pilnu BPM procesu modelēšanu ar savu pārklājumu komplektu, lai jūs varētu sākt piesaistīt biznesa stratēģijas, biznesa mērķus. Varam arī piesaistīt lietojumprogrammas, kas ievieš šos biznesa procesus, un tas viss ir atkarīgs no modeļa viedokļa.
Citas lietas ir ārkārtīgi svarīgas arī mūsu datu modeļos. Apgūti datu pārvaldības vai datu kvalitātes parametri un pārvaldība. Jūs tur varat definēt un izveidot savus metadatus raksturlielumiem, kurus vēlaties izsekot, un tas nozīmē, ka jūs tagad izmantojat savu modeli kā projektu, lai virzītu to visā jūsu organizācijā metadatu krātuvēs un visu pārējo. Un, protams, viens no modelēšanas ierobežojumiem, pirms daudziem gadiem, kad daudzi no mums šajā nozarē sāka darbu, ir tas, vai mēs ražosim šos modeļus. Ko mēs darītu? Mēs tos izdrukājām, mēs uzlikām uz sienas, iespējams, lai komandas locekļi dalītos un šāda veida lietas. Tā patiesā vērtība ir dalīšanās un sadarbība mūsu organizācijās. Tāpēc tāpēc mums ir pieeja, kas balstīta uz krātuvi, kur mēs reģistrējamies un pārbaudām savus modeļus un darba telpas. Un mēs tos dalām ar saviem vēlētājiem, kuri ir organizācija, neatkarīgi no tā, vai viņi ir citi tehniskie dalībnieki, biznesa lietotāji un šāda veida lietas. Un arī piesaistiet to mūsu sadarbības platformai, kuras nosaukums ir Team Server.
Tātad mēs runājām par agrākajām biznesa vārdnīcām un terminiem, kā arī par tā nozīmi un šīs vārdnīcas izstrādāšanu biznesam. Tas viss ir bijis Team Server, kur lietotāji, biznesa lietotāji var sadarboties ar šiem noteikumiem. Tie ir redzami, izmantojami datu arhitektos, piemēram, blakus datu modeļiem, un, protams, liela daļa šo biznesa glosāriju bieži nāk no dažām datu vārdnīcām, kuras esam izveidojuši savos datu modeļos. Mēs tos varam izstumt - Arī no datu arhitekta rīkiem sākumpunkts ir biznesa glosārijs, kur tos var pilnveidot tālāk, un tas viss notiek arī ar izmaiņu vadību.
Tas bija daudz. Apkopojot, pāris lietas, par kurām mēs runājām, ir izmēģināt patiesu organizatorisko briedumu, jums ir nepieciešama līdzsvarota pieeja, kas sastāv no datu brieduma un procesa brieduma. Jūs nevarat sasniegt vienu bez otra. Arī tas ir fundamentāli, un jums ir jābūt abiem, un uz to jāpaļaujas, it īpaši uz datu modelēšanu un procesu modelēšanu gan uzņēmuma arhitektūrā, gan datu pārvaldībā un procesu pārvaldībā, kā arī savās organizācijās. Uzņēmējdarbības arhitektūra to patiešām sasaista, aplūkojot šos dažādos aspektus un perspektīvas. Lai to izdarītu, jums ir nepieciešams stabils datu arhitektūras pamats, un jums ir nepieciešama integratīva procesu modelēšana, lai nodrošinātu šo biznesa kontekstu un ļautu virzīt biznesa procesu un datu patēriņu uz priekšu. Atkal svarīgāks nekā jebkad agrāk. Varu teikt, tas, kas ir vecs, atkal ir jauns. Tātad datu modelēšana, procesu modelēšana, ciltsraksti, metadati un glosāriji ir ļoti svarīgi, lai to sasniegtu, un ER / Studio Enterprise Team Edition ir sadarbības platforma, kas visu to apvieno.
Un līdz ar to mēs varam pāriet pie jautājumiem.
Ēriks Kavanaghs: Labi.
Rons Huizenga: Mēs dosimies pie jums, Ēriks.
Ēriks Kavanaghs: Ron, man jāpieliek jums cepure par visām pūlēm, ko veltījāt šo dažādo procesu un ietvaru dokumentēšanai. Tas ir daudz materiāla, ko jūs tur esat ieguvis. Es domāju, ka lielais jautājums, kas man rodas, ir tas, kam būtu jāuzrauga šī organizācija, jo jūs pieskaraties tik daudzām un dažādām lietām. Jūs izdomājat procesus, tas būs galvenais operācijas virsnieks vai kāda operāciju persona. Datu dzīves cikls, jūs domājat, ka varbūt tas būs galvenais datu pārzinis. Jūs pieskaraties tik daudzām dažādām detaļām un tik daudzām dažādām biznesa sastāvdaļām. Kā jūs atrodat īsto personu vai cilvēku grupu, un vai tā ir vadības komiteja? Kas tas ir? Ko jūs varat mums pateikt par to, kam organizācijā tas jādara?
Rons Huizenga: Jūs zināt, tas ir interesants jautājums. Mēs faktiski varam pavadīt dienu, lai diskutētu par dažādu atšķirīgu pieeju nopelniem. Bet kaut kas, ko es noteikti redzēju, jūs zināt, kā es konsultējos pirms stāšanās produktu vadības lomā, ir tas, ka es apskatīju organizāciju, tāpēc tā ir bijusi problēma, kas saistīta ar īpašumtiesību iegūšanu un cilvēku piesaistīšanu. Un, aplūkojot tādas disciplīnas kā mūsu datu modelēšana un pat biznesa procesu modelēšana vai pat pirmajās dienās datu plūsmas diagramma un šāda veida lietas, šāda veida tehnoloģija izauga no IT. Bet, tā kā mēs esam virzījušies uz priekšu, un es domāju, ka tagad mēs arvien vairāk un vairāk apzināmies, ka tas patiesībā ir jāvirza uz uzņēmējdarbību. Tātad jūs patiešām vēlaties, lai īpašumtiesības uz to būtu biznesā.
Un es šeit apvainošu dažus IT cilvēkus, taču es esmu pārliecināts, ka lielākajā daļā organizāciju galvenā datu apstrādātāja lomas attīstība ir bijusi CIO loma. Un tas ir tāpēc, ka liela daļa CIO ir koncentrēti tehniski, nevis uz datiem un procesiem. Tāpēc es domāju, ka jums tas tiešām ir vajadzīgs, jums, iespējams, būs nepieciešams kāda veida vadības komiteja lielākās organizācijās. Bet tas tiešām ir jāpieder uzņēmumam. Es izteiktu argumentu, ka jūsu biznesam, jūsu procesu modelēšanai, datu modelēšanai visiem ir jāpieder biznesam, jo tas dod jums iespēju nodrošināt, ka IT, kas ir datu glabātājs un šos procesus īsteno, izmantojot to, ko viņi Veidojot, jums ir šis āmurs, lai pārliecinātos, ka tas notiek, ja tas faktiski pieder uzņēmumam.
Ēriks Kavaņahs: Jā, es domāju, ka es tam piekritīšu. Bet Džen, kāda ir tava doma par to?
Jen Underwood: Tātad tas ir patiešām interesanti. Tas ir tas, uz ko es atsaucos, kad teicu, ka cilvēku aprūpe un interaktivitāte ir viena no galvenajām lietām. Vienā brīdī es rakstīju baltu grāmatu par to, ka pašapkalpošanās BI pārvaldība ir ļoti līdzīga šai. Tas ir jāiegūst, jāatrod veids, kā motivēt ļaudis, tā biznesa vērtības pusi, likt viņiem rūpēties par to. Un tad, kad viņi redz vai atrod, neatkarīgi no tā, vai tas ir datu kataloģizēšana vai kāds leņķis tas notiek. Varbūt tas ir pārvadāšanas izmaksu samazināšana, kaut kas tāds, par ko kāds ir atbildīgs organizācijā, tas ir, kā jūs varat to sagādāt. Un jā, bizness absolūti. Uzņēmējdarbības priekšmetu eksperti to plāno izveidot vai salauzt.
Ēriks Kavanaghs: Tas ir grūti. Es domāju, ka jūs vienmēr vēlaties, lai būtu šis ieinteresēto personu konsorcijs no visas organizācijas. Protams, jūs nevēlaties analīzes paralīzi. Jūs nevēlaties birokrātiju birokrātijas labad. Jūs vēlaties, lai organizācijai būtu rīcības plāns un lai šīs lietas tiktu dokumentētas. Jūs zināt, es domāju, ka, kad sākat runāt par biznesa procesu modelēšanu, tas bija karsts pirms 25 gadiem, bet tas lielākoties bija atrauts no faktiskā biznesa. Es domāju, ka vismaz dažās nozarēs jūs varat daudz ko no šī procesa izvilkt no faktiskās programmatūras, kas vada lietas. Bet es domāju, ka šajās dienās mums jāatrod veids, kā līdzsvarot šīs divas pasaules, vai ne, Ron? Jūs vēlaties, lai būtu aktuāli un atjaunināti procesu modeļi, kas atspoguļotu notiekošo. Tātad jūs nevēlaties, lai tas būtu tikai atsevišķs vingrinājums tur, kur tas ir, tas kaut kur atrodas uz plaukta. Bet tas ir, tas ir mazliet izaicinoši, vai ne? Tā kā ne visas operētājsistēmas ir saskaņotas ar šāda veida izpildāmo kodu. Bet ko jūs domājat?
Rons Huizenga: Absolūti. Un tas ir interesanti, jo viena no lietām, uz kuru es raugos, ir tad, kad cilvēki, jūs zināt, mēs esam kļuvuši par tūlītējas apmierināšanas sabiedrību. Cilvēki domā: “Ak, mēs vienkārši aiziesim un nopirksim dažus instrumentus un padarīsim šo darbu par labu mums.” Tas ir tāpat kā tas, ka jūs nepirksit procesa briedumu. Jūs nepirksit datu termiņu. Tas ir smags darbs. Jums ir jāuzrullē piedurknes, un jums tas jādara. Un mehānisms, kā to panākt, ir modelēšana. Tas ir pārāk sarežģīti, ja nav ne tikai pašreizējā stāvokļa, kurā strādājat, vizuāla attēlojuma, bet arī lai varētu plānot, kā uzlabot šos dažādos biznesa procesus. Jums ir nepieciešams šis vizuālais ietvars, lai jūs varētu saprast, kādu iespaidu šīs izmaiņas radīs.
Ēriks Kavaņahs: Tas tiešām ir - es tikai tweet; Es šobrīd runāju par to ar čivināšanu - “Jūs nepirksit procesa briedumu, jūs arī nepērksit datu termiņu.” Es varu pilnībā piekrist abām šīm lietām. Un Džen, es jūs ievestu domās. Un es tam uzmetīšu vēl vienu jautājumu. Viens no dalībniekiem jautā: ko nozīmē process virzīts uzņēmums vai procesa briedums? Džen, vai jūs varat ar to kaut ko uzrunāt?
Jen Underwood: Es faktiski varu runāt mazliet labāk par iepriekšējo jautājumu. Kad es domāju par patiesību, tas ir pirmais, jūs zināt, instrumentu pirkšana. Tas bija tik lielisks, lielisks komentārs, jo tas ir tik patiess. Bet tas, ko es teikšu, ir diezgan daudz labāks. Tāpēc es pārskatīju daudz risinājumu un redzu dažādas telpas un testēju tās. Tas, kas kļūst labāk, ir datu atklāšana, marķēšana un vismaz masīva skriešanas sākuma piešķiršana, kā arī tas, ka es saku mazāk sāpīgi, tas ir gandrīz jautri. Tāpēc iedomājieties, ka datu katalogs vai MDM projekts ir jautri. Tas ir, un jums ir cilvēki, kas darbojas organizācijā, kas izmanto šos datus, neatkarīgi no tā, vai tas ir pārskatu veidošana vai cita veida lietas, un es domāju, ka kāds pat tiešsaistē bija teicis, hei, liekot cilvēkiem rūpēties par viņu individuālo attīstības plānu. Jā, pat pacel to vēl par vienu līmeni. Mēs uzņemamies šīs lietas un sakām, ka tagad par 30 procentiem ir samazināti nepareizi novirzīti sūtījumi, un tas ir ietaupītais naudas daudzums. Tas tikai labāk pārvalda mūsu datus. Tās ir šāda veida lietas, un jūs ievietojat tai naudu, un jūs to izklaidējat. Vai arī jūs padarāt to interesantu un atbilstošu tam, ko viņi dara. Manuprāt, tas ir tāds maģiskais spēks, kura trūkst daudzos pasākumos, ko cilvēki cenšas darīt organizācijā, un tā ir apstājusies.
Ēriks Kavanagh: Jā, tas ir labs punkts. Un, Ron, atpakaļ uz jūsu komentāru pirms dažiem mirkļiem par vizuālā ietvara nozīmi, es domāju, ka tas ir pilnīgi taisnība, jo daudzkārt, ja cilvēki kaut ko neredz, ir tiešām grūti apvilkt galvu ap to, kas tas ir nozīmē, un, protams, kad jūs sākat runāt par sarežģītiem procesiem ar savstarpējo atkarību un vadības punktiem, kā arī visām šīm lietām, tas kaut kur kādā brīdī ir jānozīmē, un ideālā gadījumā jūs to darāt ar programmatūru, kuras funkcionalitāte ir iestrādāta katalogā, lai piemērs, kādas pārvērtības notika, izmantojot dažādas līnijas no šī punkta uz šo punktu. Vai arī to, kas ir pieejams šajā kontroles punktā. Un es sava veida vēsturi atsaucos riska pārvaldībā tur, kur kontroles punkts ir kāds procesa punkts, vai jebkura opcija, vai individuāla, vai programmatūras lietojumprogramma, kurā jūs faktiski var kaut ko mainīt, vai ne? To viņi sauc par kontroles punktu. Un, manuprāt, tas ir patiešām vērtīgi, ka jūs saņemat šo vizuālo ietvaru. Cēlonis, tad jūs varat redzēt un veida pastaigas cauri, un tas vienkārši prasa laiku. Cilvēka smadzenēm ir vajadzīgs laiks, lai pārvaldītu šos materiālus un patiesi tos saprastu un tāpēc optimizētu, vai ne?
Rons Huizenga: Absolūti. Un, lai izmantotu citādu analoģiju, kas, manuprāt, liek to perspektīvā: es esmu mazliet aviācijas uzgrieznis, es teiktu, ja jūs mēģināt domāt par to paralēli, padomājiet par 747 būvēšanu - vai Airbus 380, tāpēc es neizvēlos vienu pārdevēju pār otru - padomājiet, cik grūti būtu to darīt, pamatojoties uz dokumentiem, kas sastāv tikai no teksta, nevis uz rasējumiem un trīsdimensiju CAD rasējumiem un visu, kā tas faktiski ir salikts kopā.
Ēriks Kavaņahs: Jā, tas būtu rupji. Arī Dženai ir jārunā.
Rons Huizenga: Bizness ir tas pats, vai ne?
Ēriks Kavaņahs: Jā, nē, tas ir pareizi. Dženai ir jārunā ar vienu no karstākajām jomām, kurā jums patīk studēt, kas ir vizualizācija. Man liekas, ka kaut ko var iztēloties, lai to pilnībā saprastu, man šķiet.
Jen Underwood: Daudzi cilvēki to dara, jā. Un pat tikai vizualizācija runā, kas saka, tūkstošiem vārdu vai kaut kas tamlīdzīgs. Kad viņi to redz, viņi tam var ticēt. Un viņi to iegūst.
Ēriks Kavanaghs: Es piekrītu. Un es mīlu, Ron, to, kā jūs to visu esat sapulcinājis. Es domāju, ka es tikai jautāju sev no jauna, ka jums ir nepieciešams čempions organizācijas iekšienē, un kurš tur atradīsies, kalpos par saziņu dažādām grupām. Datu pārvaldnieki ir tas, par kuriem mēs bieži runājam - es domāju, ka tā ir patiešām svarīga loma, un es uzskatu, ka šī ir loma, kurai pēdējos trīs vai četros gados ir pievērsta daudz lielāka uzmanība, jo mēs esam novērtējuši datu vērtību pārvaldība, vai ne? Šis datu pārvaldnieks ir kāds, kurš var sarunāties ar uzņēmumu, bet arī saprast sistēmas, izprast datu dzīves ciklu, visu šo ainu. Un es domāju, ka šī persona var būt un tai, iespējams, vajadzētu būt izpilddirektora pakļautībā, vai ne?
Rons Huizenga: Jā, un jums būs nepieciešama daudzfunkcionāla komanda, vai ne? Tātad jums būs nepieciešami cilvēki, kas sastāv no komandas, kas nodarbojas ar to vai citu, kas ir no dažādām jomām, kas pārstāv tehnisko pusi, no, jūs zināt, dažādām biznesa jomām. Un, jūs zināt, atkarībā no organizācijas veida, ja jums ir projektu vadības birojs un daudzas jūsu veiktās iniciatīvas vada PMO, jūs vēlaties pārliecināties, ka jums ir PMO iesaistīšanos, kā arī tikai tāpēc, lai saglabātu harmoniju un saskaņotu visu veidu, kā viņi strādā pie lietām.
Ēriks Kavanaghs: Jā, un jūs zināt, pēdējā lieta, es uzlikšu šo pēdējo slaidu, pārvaldes ietvaru. Mums kāds dalībnieks vaicāja, vai šajā slaidā trūkst datu? Vai tas ir, vai dati tiek norādīti slaidā, vai ko jūs domājat par komentāru par to, ka slaidā trūkst datu?
Jen Underwood: Nē, un tas ir tikai vispārīgs pārvaldības satvars. Būtībā tas nāk no pašapkalpošanās BI telpas, tāpēc dati par to tiek netieši norādīti. Tas tikai nāca no mana skatupunkta un manām perspektīvām, nevis, koncentrējoties uz datiem, saliekot to kopā. Bet dati noteikti būtu, ja padomātu par visiem šiem gabaliem, būtu arī dati. Neatkarīgi no tā, vai tas ir datu pamats, atbildība, izmantojot datus visā procesā un visā ietvarā.
Ēriks Kavaņahs: Jā, nē, tam ir pilnīga jēga. Un es domāju, ka, iesaiņojoties šeit, Ron, es jums uzdošu tikai vienu pēdējo jautājumu. Ja es domāju par to, cik daudz informācijas un cik daudz datu mēs šodien izmantojam, un cik tālas organizācijas ir, cik liela ir ekosistēmu nozīme šajās dienās starp kanālu partneriem un kā mēs varam dalīties ar informāciju starp šīm partnerībām un maza ātra blokķēdes norāde uz šo - lai lietas nebūtu pārāk sarežģītas. Rezultāts ir tāds, ka mēs atrodamies arvien vairāk uz datiem balstītā, savienotā pasaulē, gan no biznesa viedokļa, gan no ikdienas dzīves. Un man tas tikai palielinās likmes vēl vairāk, lai organizācijas patiešām nopietni apskatītu, ko jūs šeit ierosināt, kas ir to briedums, stāvoklis un cik tālu tās atrodas līknes un patiesībā būdami godīgi pret sevi, vai ne? Jo, ja jūs nezināt labāk, jūs nevarat darīt labāk, un, ja jūs neatspoguļojat lietas, tad jūs neuzzināsit labāk, vai ne?
Rons Huizenga: Tieši tā. Es domāju, ka frāze, kuru es lietotu, ir, iespējams, jūs neesat tik labs, kā domājat. Tas var šķist skarbi, bet cilvēki pret to var būt diezgan optimistiski, taču, ja jūs to ļoti smagi aplūkojat un patiešām labu, kritisku pašnovērtējumu, es domāju, ka jebkura organizācija, jūs zināt, atradīs ievērojamas nepilnības, kuras viņi jārisina.
Ēriks Kavanaghs: Man jāpiekrīt. Un viens no mūsu kolēģiem tur komentēja metadatu, datu par datiem, svarīgumu. Par to nav šaubu. Metadati ir līme, kas visas šīs sistēmas satur kopā, un mēs joprojām patiesībā neesam līdz galam izlauzuši šo kodu un pamatota iemesla dēļ, atklāti sakot, ka metadati mainās. Tas atšķiras no sistēmas uz sistēmu. Jūs zināt, jo vairāk jūs mēģināt normalizēt savus datus, jo mazāk precīzi, manuprāt, tie kļūst.
Tāpēc mēs šobrīd atrodamies savādā šajā dīvainajā pasaulē, un es domāju, ka es vēlētos uzdot jums vēl vienu jautājumu, Jen, jo jūs pāris reizes minējāt datu katalogus. Es ļoti mīlu šo jauno datu katalogu tehnoloģijas kustību, kas automātiski skenē jūsu informācijas sistēmas, noskaidro metadatu kolonnu nosaukumus utt. Un tā tālāk un palīdz jums pakāpeniski izveidot savu datu stratēģisko skatu un metadatus savās sistēmās. Man tas liekas, ka manuāli veikt šos darbus ir vienkārši par daudz. Un jūs nekad nenokļūsit šī kalna virsotnē, pirms jums nenāks lavīna, un, jūs zināt, vai nu jūs esat normalizējies līdz pelēkās mīklas līmenim, vai arī neesat pietiekami normalizējies tur, kur jūs patiešām nezināt Nezinu, kas notiek. Manuprāt, izmantojot mašīnas, mašīnmācīšanās, par kuru mēs nepārtraukti runājam, tas nākotnē būs galvenais, lai palīdzētu mums vismaz iegūt pietiekami daudz datu, lai labi izprastu, kas tur ir, Jen ?
Jen Underwood: Jā, es daru. Es mīlu šīs tehnoloģijas. Viņi ir ļoti, ļoti forši. Un tad jūs domājat par to, ka tas dod jums masveida skriešanas sākumu. Un tad jūs varat meklēt sabiedrībā resursus. Jums ir jūsu datu pārvaldnieki, un jūs zināt, vai jūs pievienojat savu dokumentāciju, vai arī šī ir perspektīva, tās ir izmaiņas. Jūs zināt, sakot, ka šie ir sertificēti datu avoti, kurus izmantot pārskatu sagatavošanai. Cilvēki var meklēt un atrast pareizos datus. Tas tiešām, tiešām diezgan jauki. Un arī palīdz - domājot par biznesu un to, cik slepena bija uzņēmuma datu pārvaldība, kad strādāju ar DBA lietām, - mēs izmantojām paplašinātus rekvizītus un SQL Server un skenējām ar tādiem rīkiem kā IDERA, vai ne? Lai mēģinātu izveidot datu katalogu. Bet DBA vai datu arhitektu versijā, jūs zināt, neatkarīgi no tā, kāda bija šī vērtība vai bija šī kolonna vai lauks, tas droši vien neatbilda biznesam. Tāpēc tagad, kad bizness ir ļoti ērts, jūs zināt, ieejat, atrodiet un pārvaldāt, un lai viss būtu balstīts uz mērķiem, tas tiešām ir, es patiešām vēlos, ka es to godīgi sakot jau sen būtu ieguvis. Tātad tas kļūst daudz labāk.
Ēriks Kavanaghs: Tas ir smieklīgi. Esam saņēmuši vēl vienu auditorijas locekļa pēdējo komentāru, kurā teikts, ka, iespējams, vislētākākais būs ķēdes posms, kas uzliks metadatiem autentifikācijas zīmogu. Tas ir labs punkts, un, jūs zināt, blockchain patiešām ir pārsteidzoša tehnoloģija. Es to uzskatu par sava veida saliedētu pamatu, lai savienotu daudz punktu starp sistēmām un lietojumprogrammām utt. Un, jūs zināt, mēs esam blockchain attīstības sākumposmā, bet tagad mēs redzam, ka tas, protams, ir atdalīts, sākot no šī brīža, kad tas parādījās, un tagad jums ir jādara IBM ļoti smagam darbam par blockchain tehnoloģijām. SAP to visu ir iegādājies. Un tas tiešām ir, tas dod iespēju dziļākam pamatam un ietvaram, lai savienotu visas šīs sistēmas un visus šos punktus.
Tātad, ļaudis, ir nodeguši vairāk nekā stundu. Paldies, ka šodien paliecāt kopā ar mums, bet mums vienmēr patīk atbildēt uz jūsu jautājumiem un iepazīties ar visiem komentāriem. Mēs visas šīs tīmekļa apraides arhivējam vēlākai apskatei, tāpēc tiešsaistē pievienojamies vietnei insideanalysis.com, kur varat atrast saiti uz to. Tam vajadzētu būt sagatavotam dažu stundu laikā, parasti pēc pasākuma. Un mēs ar jums sazināsimies nākamreiz. Nākamnedēļ gaidām vēl dažus pasākumus - notiek daudz lietu. Bet tas jums atvadīsies, ļaudis. Paldies par tavu laiku. Rūpēties. Buh-bye
