A Techopedia munkatársai, 2017. november 8
Elvihető: Eric Kavanagh a házigazda az adat-érettséget és a szervezeti érettséget tárgyalja Jen Underwood (Impact Analytix) és Ron Huizenga (IDERA) részéről.
Jelenleg nincs bejelentkezve. Kérjük, jelentkezzen be vagy jelentkezzen be a videó megtekintéséhez.
Eric Kavanagh: Jól van, hölgyeim és uraim. Üdvözlet és üdvözlöm még egyszer. Szerdán 4-kor keletre, ez azt jelenti, hogy itt az ideje a Hot Technologies-nek. Igen valóban. A nevem Eric Kavanagh; A mai rendezvényünk házigazdája vagyok, amelyet valóban meghatároznak, és amelynek célja az egyes technológiák meghatározása az adatkezelés világának bizonyos állapotain. És ma a mai témánk az „Adatok érettségének elérése: Szervezeti egyensúlyozási törvény”. Tehát ott van a helyed a valódi önről, érdeklődjön a Twitteren, @eric_kavanagh. Mindig retweetelek, ha megemlítesz, és megpróbálok visszamenni. Ez egy jó hely, ahol információt szerezhet arról, hogy mi történik a világon. Imádom ezt a formátumot. Rövid karakterek, 140 karakter - vagy annál több manapság. Tehát nyugodtan küldjön nekem egy tweetet, és vissza fogom válaszolni.
Ez az év természetesen forró. A mai napra az adatmegéretetről beszéltünk, és itt van a felállás, valóban teted felett. Van egy új elemzőnk; Nagyon izgatott vagyok, hogy Jen Underwood, az Impact Analytix. Jó szakértő az üzleti intelligencia és az elemzés, valamint az adatok megjelenítése és ezekkel a nagyszerű témákkal kapcsolatban. És természetesen az adatok érettsége. És jó haverunk, Ron Huizenga felhívja az IDERA-t. Tehát először Jenről, majd Ronról fogunk hallani. Aztán szép kerekasztal-beszélgetést folytatunk.
Ahogy ezt a következő diát felfelé tolom, csak pár gyors szót mondok. Az adatkezelés érettsége egy ideje tárgya. A történelem során nyilvánvalóan el kell érnie egy bizonyos pontot, mielőtt elkezdené gondolkodni az érettségről, és sok érettségi életciklus került kifejlesztésre - vagy ciklusokra -, amelyek megpróbálták kitalálni, hol tartózkodik a görbe. Ön korai stádiumban van? Ön tinédzser? Érett vagy? Satöbbi.
És azt hiszem, sok szervezet van a tizenévesekben, vagy a tizenévesek végén vagy a húszas évek elején az érettség szempontjából. És ez nem mond semmi visszatartó tényt. Csak az, hogy a kezdeti időkben még mindig kedvesek vagyunk az adatok stratégiai eszközként történő kezelésére. És a dolgok gyorsan változnak. Különösen az elmúlt öt-hét évben, mivel a kis adatoktól a nagy adatokig költözöttünk, és megpróbálják összeegyeztetni ezeket a meglehetősen eltérő világokat és az új technológiákat a régi technológiákkal. Tehát a örökség odakint van, mindenütt megtalálható.
Az egyik vicc, amelyet évekkel ezelőtt hallottam, hogy a hagyaték egy olyan rendszer, amelyet gyártanak. Abban a pillanatban, amikor egy rendszer elindul a gyártásban, technikailag örökség. És bizonyos értelemben ez igaz. De lényeg az, hogy megvannak ezek a rendszerek, amelyek már régóta működnek, és meg kell találnunk a módját annak megértésére, hogy hol vagyunk a saját lejárati görbénkben, hogy maximalizáljuk és optimalizáljuk az adatok, mint eszköz értékét . És természetesen vannak bizonyos megfelelési problémák, bizonyos rendeletek, amelyekre aggódnunk kell, attól függően, hogy milyen iparágban vagyunk. És természetesen akkor is aggódnunk kell a hackelés miatt. A múltban már beszéltünk az adatkezelésről és arról, hogy ez mennyire nélkülözhetetlen a biztonság szempontjából, és csak megérti az adatok felhasználásának szerepét és felelősségét, és gondoskodik arról, hogy a lehető legjobban megkapjuk az értéket.
És ezzel együtt átadom a kulcsot Jen Underwoodnak, aki elmondhatja nekünk az adatmegéretség szempontját. Jen, vedd el.
Jen Underwood: Köszönöm, Eric, és köszönöm, hogy meghívott. Tehát ma néhány különféle témát tárgyalok, majd bemutatom Ron-t az IDERA-val, és mélyebben elmélyül az adott téma néhány más részén. Azt fogom mondani, hogy ez a digitális korszakban vagy a digitális átalakulásban kritikus szerepet játszik, amiben jelenleg vagyunk, és amint Eric elmondta, ez egy fejlődő korszak. Néhány szórakoztató statisztika az EDM Tanácstól, volt egy adatkezelési iparági benchmark jelentés. Majdnem két éves, de még mindig meglehetősen releváns, és felfedi néhány, önöknek ismert tényezőt, amikor tinédzserként működik ebben a térben. Kicsit beszélek az adatok érettségéről és a kormányzás pilléreiről.
A digitális korszak vagy a digitális átalakulás ezen témája kapcsán, amelyet mindenhol hall, ez valójában most történik. Az egyik érdekes tény, amelyet összegyűjtöttem, mivel minden nap követtem az iparágat, a Gartner egy pontja volt a tíz legfontosabb stratégiai technológiai trendekben. És azt mondták, hogy 2020-ig - tehát csak néhány évvel távol vagyunk ettől - az információkat arra fogjuk felhasználni, hogy újból feltaláljuk, digitalizáljuk és automatizáljuk, vagy megszüntessük azoknak a folyamatoknak a 80% -át, amelyek már egy évtizeddel korábban vannak.
És ezt látom egy ideje, azt hiszem, itt látnak különféle embereket, akik azt mondják, hogy tudod: "Data's the new oil", és ezek a fajta dolgok. Szeretném azt mondani, hogy az adatok most digitális arany. És ha a szoftveralkalmazásokra és a szoftverek bevonására gondol, a múltban világszerte voltam a Microsoft termékmenedzsere, és még a karrierem változása is, tudod, valóban a szoftverekre összpontosítana, és most a felhasználókra és az adatok összegyűjtése és az adatok bevételszerzésre való gondolkodása.
Most belépünk ebbe a korszakba, ahol az adatok digitális arany, és elkezdted látni, hogy megjelenik az úgynevezett adatfõnök, és nekik van, tudod, két elsõdleges misszió - és természetesen néhány másik is - az adatok biztonságát és biztonságosságát, valamint módszereket kell találni az adatok értékének a digitális eszközként történő belső - és akár külső - maximalizálására. Tehát az ilyen típusú dolgok, amelyek a múltban esetleg nem voltak, vagy nem tűntek fontosnak a szervezete számára, az adatok végül helyet kapnak a C-szintű asztalnál a CDO-val, és sokkal komolyabban veszik figyelembe a továbblépést.
Ha az adatkezelésre és az érettségre gondol, két különféle témával foglalkozom, amelyek itt a konkrét dián vannak, az első az, tudod, maga az adatkezelés. Ez inkább az üzleti funkciókról szól, amelyek adat- és adatfolyamokat fejlesztnek és hoznak létre, az ott alkalmazott néhány politikáról és gyakorlatról. És amikor az adatkezelés érettségére gondol, akkor a szervezet azon képessége, hogy pontosan meghatározza, könnyen integrálja, tudja, kihasználja azokat az adatokat, amelyek újra rendelkeznek belső vagy külső célokkal, például az adatok bevételszerzésével. És az egyik nagy téma - és ez vicces is volt a karrierem elején, és valójában kihasználtam az IDERA egyes eszközeit és adat-architektúra projektjeit - az egész metaadat-koncepció volt, és folyamatosan gondolkodtunk a metaadatokban, és akkor nem beszéltünk erről körülbelül hosszú, hosszú ideig. Végre látom, hogy a metaadatok ismét menőek. Nagyon fontos a különféle csoportokkal való interakció, megérteni, hol vannak az adatok, mi az adat. Különösen olyan dolgokban, mint egy adattó. Végül, végül is érdekes lesz.
Most megígértem, hogy itt van néhány statisztika egy iparági referencia-jelentésből. Ez az EDM Tanácsának volt 2015-től. Az adatminőség és az irányítás korszerűsítéséről szól, és ebben a konkrétban néhány szórakoztató tényező található. Tehát itt a szervezetek több mint 33 százaléka rendelkezik aktív, formális adatkezelési programmal a szervezet valamilyen szintjén - csak 33. Ez tehát önmagában is nagyon érdekes. A ténylegesen formalizált 50 százalék közül az adatok kezelését szeretnénk felismerni, hogy ez egy igazán fontos eszköz szervezetünkben, csakúgy, mint az emberek emberi erőforrásokkal. Csak 50% -uknak volt egy évnél régebbi programja. Tehát ez ismét egy feltörekvő terület, valóban nagyon érdekes abban, amiben egyre fontosabbá válunk, különösen olyan kérdésekben, mint például az iparági rendeletek néhány kiadása.
Tehát ezen a ponton sokszor - és érdekes, hogy karrierje során műszaki értékesítésben és szerepekben voltam - valójában nem az volt, hogy „Ó, pénzt spórolhatunk meg, ami motiválná a szervezetet” - ez általában a félelem. Ez inkább a következő: „Ó, istenem, meg kell győződnünk arról, hogy le vannak fedve. Nem akarjuk elveszíteni munkahelyünket. ”És természetesen olyan dolgok, mint a hackelés és az adatkockázatok, valamint az adatok kiszivárgása, valóban érdekes referencia-tanulmányok vannak erről. A Verizon évente egyet tesz, és valószínűleg az egyik kedvenc véleményem. Amit szinte mindig lát, véletlenszerű, nem feltétlenül, tudod, az adatok szándékos visszaélése vagy az adatok hibás kezelése szivárgást eredményez. És gyakran - nem rendelkeznek ezekkel a statisztikákkal az adott munkamenethez -, de izgalmas, hogy ezek a véletlenszerű szivárgások az engedélyek és az etcetera rossz irányítása során. Tudod, hogy a dolgok kicsit könnyebbé váljanak, ezek a szivárgások kölcsönbe kerülnek. És általában azok számára, akik mellékfigyelőek vagy külsőek a szervezeténél, és erre nincs szükség.
Tehát ezek azok a típusú dolgok, amikor gondolkodik egy adatkezelési biztonsági és irányítási programról. Tudod, nem csak a rossz döntéseket és a pénzmegtakarítást, hanem annak biztosítását is, hogy tudja, biztonságban van-e, és betartja-e az adatvédelmi és biztonsági törvényeket. Ön képes pénzt keresni az adatokra ebben a digitális korszakban, és természetesen, tudod, hatékonyan szeretne dolgokat csinálni, és újra felhasználni az adatokat, és megvan az áldott példány, és - utálom, amikor az emberek azt mondják, és az elemzésben vagyok, már régóta az elemzésben dolgozik, az igazság egyik verziója. Általában, tudod, általában az igazság több verziója van, csak különböző perspektívákból. De alapvetően azt akarja, hogy az adatok megbízhatóak legyenek-e a döntésein.
Az egyik legnagyobb mozgatórugó, amelyet látok - jó dolog, jó dolog, hogy ismét lehűlni kezd - az Európai Unió GDPR-es koncepciója. És hadd beszéljek erről egy kicsit. Tehát ha nem ismeri a GDPR-t, sokat fog hallani erről a jövő évben. Új jogszabályra kerül sor májusban. Ezt a rendeletet 2018 májusában hajtják végre, és néhány nagy büntetést szab ki az információ helytelen kezelése miatt. Lehet, hogy hallotta erről más formában - talán nem a GDPR kifejezést használva - hallotta, vagy látta, hogy ezt írják az elfelejtéshez való joggal, vagyis felveheti a kapcsolatot, és felkérheti a forgalmazókat, hogy távolítsák el az Ön adatait. A régi adat-építészek ismét nem távolítanák el az adatokat. Megváltoztatnánk, inaktívvá tennénk az adattárolási forgatókönyvekben. Soha nem töröltük adatainkat. Erre nem volt folyamat. Tehát, tudod, olyan dolgok érintik a szervezet minden aspektusát, valamint a különböző módszereket és folyamatokat, amelyeket esetleg soha nem vett figyelembe az alkalmazás vagy az adattárház létrehozásakor. Tehát ha látja, hogy a GDPR-rel kapcsolatos kérdésekre gondolkodni fog, hamarosan jogi alapra lesz szüksége a személyes adatok gyűjtésének és feldolgozásának igazolására.
Tehát ez többnyire személyes szinten történik, tehát az egyetértést szabadon kell megadni: konkrét, tájékozott, egyértelmű. És ez hatással lesz a mesterséges intelligencia és az adattudomány sok területére - ez az a terület, amelybe manapság leginkább az adattudomány vonatkozásai vonatkoznak, és csak annak biztosítása, hogy magukban a modellekben legyen némi átláthatóság -, valamint az önkiszolgálás számos más területein. BI, az adattárház, a törzsadatkezelés, akár az ügyfél 360 projektje, a testreszabáshoz és akár az üzleti vonal alkalmazásaihoz is. Szóval ez valami, ami megérinti a szervezeted minden részét. És más joghatóságok adatvédelmi törvényeivel ellentétben a GDPR az Európai Unióban vagy azon kívül található szervezetekre alkalmazandó. És a megfelelőségi bírság ismét jelentős. Szervezetét a teljes éves bruttó négy százalékáig bírságolhatja - azt hiszem, forgalomnak - önmagában is jövedelemnek hívják.
Remélhetőleg felhívom a figyelmedet, és ezekre ügyekre kell figyelni. Ha a vállalkozás már követi ezen gyakorlatok és ipari szabványok némelyikét a PCI-vel, akkor talán ez egy ISO - nem vagyok biztos benne, hogy ezt mondom-e jól - 27001. Ha máris ezeket teszed, akkor nem kellene Nem lehet túl lenyűgöző, de ezt mindenképpen tudnia kell. Tehát a felkészüléshez van néhány terület, különösen az adatkezelés területén, és az egyik első lépés egy katalógus és az adatok besorolása - tudva, hogy hol vannak az adatok. És egy olyan hibrid világban, ahol az adatok mindenhol élnek: a felhőben; ezek ezekben az alkalmazásokban; az értékesítésben van; egy másik véletlenszerű programban is használja a marketing, tudod, az ügyfél- vagy a készlet-rendszerek - az összes ilyen típusú hely. Tudja, hol vannak az adatok, és a legegyszerűbb dolgok - és ez az adatkezelés egy nagyon szórakoztató területe volt - ezen adatkatalógusok ezen fogalmai, amelyek rendelkeznek intelligenciával, még a gépi tanulás osztályozása is az információ része.
És ismét: metaadatok - megemlítettem, hogy a metaadatok újra hűvösvé válnak, tehát valóban a metaadatokra gondolkodik, és nem azért foglalkoznak ezzel a fontos témával, amikor elkezdesz adatlapokat és az ilyen típusú dolgokat megtervezni, és természetesen ezeket irányítod és ellenőrzed. Tehát a megfigyelés sokkal fontosabb lesz, ha vissza kell térnie, és például a GDPR-ből valaki felkérheti Önt, hogy igazolja, hová ment az adat, ki rendelkezik, ki férhet hozzá, stb. Mert valójában meg kell mutatnia a hatóságoknak az ilyen típusú dolgokat.
Annak érdekében, hogy segítsen az adatkezelés érettségében, valójában van néhány gondolati iskola, és azt hiszem - nem vagyok 100% -ban biztos - azt hiszem, Ron fedélzetén láttam, hogy ezek közül néhányat lefedi, tehát egyet Ma a CMMI-ről fogok beszélni. És ez, ez elérhető az emberek számára; lefedi az adatkezelés hat különböző kategóriáját, 25 folyamatterületet, 414 gyakorlati nyilatkozatot és 596 különféle munkaterméket. Tehát amikor csak az összes dolgot végiggondolja, mint például az adatkezelés és -szerkesztés, az 596 funkcionális munkatermék, akkor nem is vette észre, mennyit csináltál, ugye? Vagy amit valójában nem csinálsz. Amikor egy ilyen számra nézek, ez az egyik dolog, ami valóban ragaszkodik a fejembe. Tehát ebben, és ami tetszik az adott témában, az az építészet és a technológia szempontjából semleges. Tehát ez azt jelenti, ha van, és a legtöbb nagyobb szervezettel, amellyel konzultáltam, vagy évek óta dolgoztam és hajtottam végre, akkor tudod, hogy van mindenféle különféle technológiájuk. Tehát tudni fogja, hogy le kell fordítania a DMM jelentését azokra a platformokra és technológiákra, amelyeket az adott környezetben használ. Az iparágtól is független, tehát nem feltétlenül vonatkozik például az egészségügyre. Az egészségügyi ellátásnak bizonyos - függetlenül attól, hogy a BAA vagy a különféle típusú osztályozások - a program összeállításakor vagy a szervezeten belüli adatkezelési érettségi szint javításának tervével kapcsolatban különféle dolgokat kell lefordítania vagy átnéznie.
Mi ez, ha nem ezek közül néhány? Lényegében meghatározza a mit, de nem mondja el pontosan, hogyan kell ezt csinálni. Pályafutásom nagy részében nagyon A típusú személyiség voltam, tetszett, amikor az emberek kitűztek egy célt, és kitaláltam, hogyan lehet elérni ezt a célt, és nem mondhatom, hogy mikor mikromásoltam az időmet, hogyan jutok el oda. Ez az adatkezelés érettsége, és ezek a folyamatok a CMMI-vel, ez megadja a célokat, és megmutatja, hogyan kell mérni magát ezen a különféle területeken. És adnak neked egy szintet. Különböző módszerekkel pontozhatja és mérheti magát, függetlenül attól, hogy az 1. szint egészen az ötödik szintig eléri - ez azt jelenti, hogy optimalizálta, és van egy igazán erős programja a helyén.
És annak érdekében, hogy csak érzést adjunk arról, hogy ez valójában mit jelent, itt van egy kis áttekintés, hogy mit jelenthet ez. Tehát itt, amikor gondolkodik egy adatkezelési érettségi processzor életciklusáról, a támogatási folyamatok a helyén vannak, a követelményektől, a kockázatkezeléstől kezdve, az ottani folyamatokat támogatni kell az adatkezelésig, és kedves vagyok ennek átgondolása, de az adatkezelés lényegében önmagában egy egész program. Ha üzleti szószedetünk van, akkor örökké beszéltünk az üzleti szószedetekről és az adatépítõkrõl - ezeknek valami olyasmi legyen, ami a szervezetén belül található. Ezen technológiai katalógusok közül néhányat készítenek, üzleti szószedetet készítenek az információk gyűjtésével, az információk gyűjtésével és a szétgondolással, és tudod, linkeket helyeznek a dokumentumokba ugyanazon adatok különböző szempontjaihoz, az adatmezőhöz., vagy az adatok verziója, mivel az az érték életciklusa alatt változik.
Ez a fajta dolog, ami sokkal jobb lett, mióta karrierem elkezdtem. A múltban otthon kifejlesztett rendszereket kellett kifejlesztenünk az ilyen típusú dolgok elvégzéséhez. Tehát az egészet és a képet összességében tekintjük, ez a stratégia, majd az itt található összes különféle elem, a menedzsmenttől a kormányzás minőségéig. És egy dolog az adatminőség szempontjából, érdekes, mivel az ipar automatizálódik, és megint megvannak ezek a digitális folyamatok automatizált döntéshozatallal. Sokat dolgozom az adattudományi téren, ahol ezen eszközök némelyike automatizálja a döntéseket és frissíti a prediktív modelleket. Ezen eszközök és algoritmusok nagy része megköveteli és feltételezi, hogy az adatok jóak. Az adatoknak érvényesnek kell lenniük ahhoz, hogy jó automatizált döntést hozzon. Tehát, gondolkodva, tudod, talán az adatminőség az egyik dolog, amelyet az emberek félrevonnak, és nem veszik komolyan. De amint elkezdi automatizálni a döntéshozatalt a prediktív modellezés és a gépi tanulás modelleiben, az adatok minősége nagyon fontos lesz.
Néhány módszer az előrehaladás mérésére itt: - és hagyom, hogy Ron erről beszéljen, egy csodálatos diával is rendelkezik erről az ülésén -, csak egy gyors csúszópontot fogok adni neked, tudod, ezek a különböző szintek ebben. Alapvetően ez egy önértékelés, igaz? Tehát megvizsgálja az adatkezelést és azt, hogy mit gondol, van-e bármi a helyén. És ne zavarjon, ha nem. Mint mondtam, valójában csak a szervezetek 33% -a kezdte el ilyen típusú dolgokat csinálni. Annak ellenére, hogy tudod, az ilyen típusú programok legalább mentén vannak - több mint 20 éve vagyok az iparban, és természetesen évekkel ezelőtt ezt a fajta dolgot csináltam, talán nem csak ezt neveztük. A CMMI-nek van egy gyakorlata, amelyet ön értékelhet, és végigjárhat és átnézheti, és létrehozhatja saját - ebben az esetben egy ilyen radartérkép - ezeket a különféle szögeket vagy dolgokat. És mindegyik szervezet, ahogy másként tettem, tudod, amikor szoktam konzultálni és megvalósítani ezeket a projekteket, tudod, hogy minden szervezet egyedi. Olyan területek lesznek, amelyek számukra igazán, nagyon fontosak lesznek. Lehet, hogy tudja, a folyamatmenedzsment, a minőségmenedzsment vagy a kockázatok - attól függ, hogy mi az, de érdemes megnézni és létrehozni egy referenciaértéket vagy egy kiindulási alapot, majd gondolkodni kell azon, ami meghatározza a sikerét.
Ezen a téren, amikor fontolóra veszi az ilyen típusú dolgok mérését és irányítását, először meg kell szereznie bizonyos végrehajtói szponzorálást egy ilyen programhoz. Ez olyasmi, amely keresztirányú lesz az egész szervezetben, így még ha Susie Q és John Smith is úgy dönt, hogy "igen, tegyük ezt. Meg kell csinálnunk." Ezt nem tudják csinálni egy silóban szervezetet, vagy akár IT-t is. Tényleg be kell szereznie ezt a nevezési lehetőséget az üzleti vállalkozásoktól és az érintettek szakértőitől. Van nekik egy kis idejük. Nem akarják, hogy ez csak extra feladat legyen. Ha valaha is dolgozott - azt hiszem, már elvégeztem néhány törzsadat-kezelési feladatot, projektet korábban és az adatminőséget -, és általában, tudod, eljutsz az üzlethez, és ők: „Ó, adatkezelés.” Ez nem az valami, amiben izgatottak vannak. És olyanok, mint: „Ó, nem. Erre van időnk erre ”- és megteszik. Szóval szeretne valamiféle elkötelezettséget vállalni. Szüksége lesz az áldásra felülről. Azt szeretné, ha keresztfunkcionális.
Ez ismét valami, ami valóban megérinti a szervezet sok területét. És a GDPR-rel ez kissé megkönnyíti, mert ismét a GDPR törvényei, és ha ezeket a személyes adatokat az ügyfelek számára használják, és az egész szervezetben felhasználják, ennek kissé könnyebbnek kell lennie, ha alkalmazza, ha van betartani a GDPR-t. Itt leszkötve a nyelv. Ezt könnyebben meg kell tennie. Meg szeretne osztani néhány felelősséget, majd megnézné, tudod, testreszabja ezeket. Tehát mindig megvizsgálja az ilyen típusú útmutatásokat, amelyeket ezek a szervezetek nyújtanak, és általában ezek a következők: Útmutatások az ön számára, és a szervezet kultúrájához vezetni fognak.
A kormányzásban való részvétel valóban nagyon fontos tényező volt, és az egyik olyan dolog, amelyet néhány termékként fejlesztettem ki, amikor a Microsoft világméretű termékmenedzsmentjében voltam, az önkiszolgáló BI, amely lehetővé tette az üzleti és a nem műszaki adatfelhasználó számára, hogy játszani az adatokkal és létrehozni saját jelentéseit, és sokszor az IT visszaszorítja. Tehát sok időt töltöttem erre a kormányzásra, és gondoskodtam arról, hogy a termékek rendelkezzenek a megfelelő szolgáltatásokkal, valamint az auditálással és a naplózással, és, tudod, úgy készítsem, hogy azok ne öntsék le az adatbázist. De van egy keret, amely, tudod, az évek során az ilyen típusú dolgok ezen témáján dolgozik, amely valóban hasonló az adatkezeléshez. Azt szeretné, ha megkapja ezt az alapot, amelyet erre ügyvezetői szponzorral hoztak létre, és ezt az elkötelezettséget az üzlet és az informatika között szeretné.
Tehát megint beszéltünk a költségvetés / időelosztásról és az új folyamatok kidolgozásáról. Kulturális szintű változás lesz, ha ezek közül néhányat megtesz, tudod, elkezdi az adatok keresését. De tudod, ez is stratégiai szempontból nagyon fontos. És hogy érzetet keltsünk Önnek, íme egy példa, és megtisztítottam az egyik régi projektemtől, amely évekkel ezelőtt volt ilyen jellegű. És ismét, ez valószínűleg inkább az általános irányítási szempontból jelentkezik, de természetesen újrafelhasználható az ilyen típusú projekteknél az adatkezelési folyamatok irányításával és fejlesztésével, valamint irányításával. Van üzleti tárgyú szakértője, itt vannak adatkezelők, az IT témájú szakértők, tudod, a különböző üzletágak számára. Számos nagyobb társaságnál ott lesz az ön vállalati szabványbizottsága, valamint a vállalati építészek, adatépítészek és modellezők. Tehát különféle szintű szakértők lesznek különböző szintektől. És ismét, ezek közül sok - utálom, hogy példaként szerepeljenek - testreszabhatóak lesznek a szervezetéhez és a kultúrádhoz.
Az egyik dolog, amikor ezekkel a projektekkel dolgozik, ismét sok esetben valószínűleg nem a legizgalmasabb projekt a szervezetekben, nem olyan vizuális, mint az emberek szeretnék. Vicces, ez egyike azoknak a dolgoknak, amelyek akkor lépnek fel, amikor a tanácsadó cég bekerül a saját IT-csoportjába, vagy akár a BI kiválósági központba lép, vagy az analitikai kiválósági központ bejön, és dolgozunk az adatokkal minőség és az adatkezelés érettsége, valószínűleg nem lennének hihetetlenül izgatottak, ha megteszik. De meg kell találnia a motiválás módját, és be kell vonnia a méréseibe. Tehát amikor arra gondolsz, hogy mi lesz, egy dolog ezt a gyakorlatot egyszer elvégezni, és embereket szállítasz a fedélzetre. És megtudja, hogy szeretik az adatkatalógust, vagy szeretik ezeket a dolgokat, mert ez megkönnyíti az életüket, és megtalálhatják, mit jelent az adat, vagy megértik, és hozzátehetik saját perspektívájukat. És az a tény, hogy az adatkatalógusok valószínűleg az egyik legnagyobb projekt, amely segít az embereknek valóban beleszeretni ebbe.
Tehát a következő dolog az, hogy elkapják őket. Hogy tarthat valakit olyannak, hogy talán nem törődnek vele? Meg kell határozni néhány mérőszámot, be kell építeni, mérni az elembe, majd megismerni azt, amikor jogsértések merülnek fel, és némi figyelmet kell fordítani arra, hogy „Hé, egy idő után nagyon jól csináltunk, majd egy idő után nem olyan jól”. olyan típusú dolgok, amelyekre gondolkodni kell, hogy továbbra is fennálljon. És amikor a pontozásra gondol, és ez egy példa a CMMI-től, így pontozza. Ismét lesz saját irányítópultja, saját KPI-je, tudod, a munkatársak mérésének különböző módjai vannak egy szervezetben. De különböző módszereket kaphat a saját sikerének felmérésére és mérésére. A legfontosabb szempont, hogy ezt el kell távolítania, vagy ettől el kell távolítania egy horgot, győződjön meg arról, hogy van-e módja a siker mérésére, és hogy sikerét is megünnepelheti.
Tehát ezzel megértem, hogy ott lógott ehhez az izgalmas témához, és átadom Ronnak, aki egy kicsit mélyebben ásni fog.
Ron Huizenga: Nos, köszönöm, Jen. És köszönöm mindenkinek, hogy csatlakozott hozzánk ma. Most néhány szempontot fogok áttekinteni Jen beszédeiről, és kicsit mélyebben megyek bizonyos területeken. De én azt is megteszem, hogy összefoglalom, hogyan lehet legalább valamilyen módon magas szintű önértékelést végezni ezen területek közül néhányon. Mert amint látta a CMMI modellekkel és az ilyen típusú dolgokkal, nagyon gyorsan elmélyedhet sok különböző mutatóval. Tehát azt szeretnénk elérni, hogy valami olyasmi legyen, hogy jól érezzük magunkat arról, hogy a szervezete meglehetősen magas szinten van, majd elkezdhetnénk bemélyedni a többibe. Tehát ezzel fogok beszélni a szervezeti hatékonyságról. És ezt a CMMI-re és néhány egyéb szabványra vagy tudás-testre alapozom, amelyek ebből az évből származtak. És akkor beszélek az adatok érettségének és a folyamat érettségének néhány mutatójáról, mert amikor ezt átlépjük, látni fogjuk, hogy ezek együtt járnak. A perspektívákat támogatva Jen az egyik terület kormányzásáról beszélt. És egy kicsit is beszélek a vállalati építészetről. Aztán összefoglaljuk, és eljutunk maga a kerekasztalhoz.
Ha megnézzük, rengeteg szabvány és BOK - amelyek természetesen tudományos testületek - az évek során megjelentek. Ezek nagy része valóban az érettségi modell képességéből származik. És innen jött a CMMI, amelyről Jen beszélt. Maga a CMM modell valójában 1998-ban volt. Ezt valójában egy Watts Humphrey nevű úriember indította el, amikor az IBM-mel volt. 27 éves karrierje volt az IBM-nél. De az adott modell valódi aktív fejlesztése akkor kezdődött, amikor Carnegie Mellonnál volt, és ezt az Egyesült Államok Védelmi Minisztériuma megbízta. Ennek meghatározására sok más szabványt használtak. És valami nagyon jó tudni az iparágról, amikor erről a többi szabványban erről beszélünk, amikor az időzítését megvizsgáljuk, ez olyan dolgok hátterében áll, amelyeket általában az iparban látunk. Ekkor kezdődött el a minőségi mozgalom megragadása, különösen a gyártás területén, és ez más területeken is megindult. Ahol a gyártási folyamatok fejlesztésének lehetőségeit vizsgáltuk, olyan tevékenységeket végeztünk, mint például a teljes minőségirányítás, az időben történő gyártás és más dolgok. És sok filozófia, amely ebből jött ki, bekerült a teljes minőségű műbe.
És ez valóban egyfajta ugrópont, ahonnan ezeknek a dolgoknak a nagy része kezdődött. Az általános iparban indult, és továbbjutott informatikai, adat-, folyamat- és információs rendszerekbe is. Más olyan standardok, amelyekről látjuk, hogy szorosabban kapcsolódnak vagy specifikusabbak bizonyos dolgokhoz, amelyekről beszélünk, természetesen az adat-érettségi modell, amelyről Jen egy kicsit beszélt. Létezik még az Object Management Group üzleti folyamat érettségi modellje. És számos más szabvány, amelyekről Ön láthatta, hogy szervezete küzdhet vagy felhasználható az üzlet különböző területein, különösen az IT-vezérelt, például a COBIT, amely az információs és technológiai irányítási célok, az ITIL, amely általában infrastruktúra -központú, amelyre valószínűleg sokan foglalkoztak. Ismét a teljes minőségirányítás. És különösen, ha olyan dolgokba kerül, mint a metrikák és minden más, akkor láthatta, hogy a statisztikai folyamatirányítás is játékba kerül. És akkor természetesen néhány olyan tudományos test, amivel foglalkozunk, információs vagy informatikai szakemberek. Az adatkezelő testület a.
Ehhez hasonlóan létezik az üzleti elemzési tudáskészlet is. És a projekt menedzsment ismeretek testülete. Lehet, hogy ezek közül többet vagy többet a játék különböző szereplői használnak egyszerre a szervezetben. De szűrjük le a BOK -kon keresztül, és menjünk vissza, és mondjuk: mi az érettség? És felsoroljuk az érett fogalommeghatározását, mert amikor megkérdezi, hogy mi az érettség, amikor a szótárba keresi, valójában azt mondja: „érett vagy”. Tehát a „érett” szó használata azt jelenti, hogy elérte a haladó fejlesztési szakasz - természetesen nagyon általános. De amit valójában itt tekintünk, az az, amit előrehaladtunk egy magasabb és magasabb szintű szint elérése érdekében. És ha sok szabványt megnéz, amint látni fogja, akkor különösen a CMMI és a képességi érettségi modell tényleg ötpontos skálán alapul, tehát fokozatosan ad lehetőséget nekünk arra, hogy megnézhessük, hogyan valójában ezen a skálán fejlődünk abban, hogy hogyan növekszünk?
Az érettség szempontjából azonban a szervezeti érettség elérése szempontjából egyensúlyban kell lennünk. El kell érnie az adatok érettségét, és néhány kritériumról beszélünk, amelyeket ott kell tennie, de ugyanakkor a folyamat érettségét kell elérnie. Ugyanaz az érme két oldala, és együtt kell járniuk. Nem állhat például nulla-tól öt-ig az adat-érettség skálán anélkül, hogy növelné a folyamat érettségét, és ugyanez vonatkozik a folyamat érettségére. Mindkettő össze van kötve, és egymás felé húzza az utazáshoz, ahogy valójában fejlődsz a különböző szakaszokon. És egy kicsit tovább beszélek egy jövőbeli dián itt. A másik dolog, amit fel kell ismernünk: az adatok és a folyamat érettségének elérése alapvető jelentőségű a vállalati architektúra szempontjából, és alapvető fontosságú néhány olyan irányítási ügyben, amelyről Jen is beszélt. Engedélyezjük az érettség elérését ezekben a dolgokban, amelyeket megpróbálunk tenni.
Most a diára, amelyről Jen mondta, hogy egy kicsit részletesebben fogok beszélni. Csak néhány kategóriát vettem fel, és itt a CMM-skála felhasználásával, és valójában nekem is van saját, ténylegesen nullát adok hozzá a skála tetejéhez, mert lehet, hogy vannak olyan esetek, amikor valójában nem tettél meg ezekben az esetekben bármilyen tapadás. Tehát ez csak a felismerés módja, amely történt. Tehát, ha különösen az adatkezelést vizsgáljuk, akkor nullával kezdheti, mert nincs adatkezelési programja a helyén. És amikor elkezdi érezni a különböző területeket, miután elkezdi bevezetni egy projekt szintjén, majd a program szintjén, részlegeken keresztül és végül vállalati szinten, így a kormányzási szempontból valóban érett és növekszik, egy szervezet, ahogy ezt csinálod.
Ennek egyéb aspektusai, például a törzsadatkezelés, nullával kezdődhetnek, anélkül, hogy formális anyag-osztályozást végeznének. Akkor eljut, és olyan pontig nő, ahol felismeri, hogy megvannak a törzsadatok, és elkezdi osztályozni, de nem integrált. Ezután elkezdi az integrált és megosztott adattárak kialakítását. Akkor, amikor egy szabványos környezetbe kerül, akkor az az, amikor adatkezelési szolgáltatásokat nyújt. És ahogy tovább haladsz odafelé, létrehozni fogja az adatkezelőket és végül egy adatkezelői tanácsot, amely ezt minden alkalommal valóban komolyan veszi. Ha megvizsgálja a műszaki környezetet, az alkalmazásokat és az adatbázisokat az adatok integrációjának szempontjából, akkor ismét éretlen környezetben számos ad hoc, point-to-point interfészre lesz szüksége, és ilyen típusú dolog. És ahogy növekszik, elkezdi bevezetni néhány általános eszközt és szabványt. Akkor elkezdi megnézni a közös integrációs platformokat, amint ezt kibővíti. És amint a szabványossá válik, szabványosított köztes szoftverekkel és olyan egyszerű dolgokkal fog dolgozni, mint például a vállalati szolgáltató buszok, a kanonikus modell, osztályozni fogja az összes adatot a szervezetben, és bekapcsolódhat a tárolóban található üzleti szabályokba, és ezek a dologról. És aztán tovább menni, ahol teljes mértékben beágyazódik a szervezeti kultúrába. És természetesen a minőség kiemelkedő fontosságú. Amint Jen beszélt, sok döntés és sok eszköz, amelyek fennállnak, feltételezzük, hogy rendelkeznek magas színvonalú adatokkal, amelyekkel dolgozik. Tehát az adatminőség az adatok érettségi szintjének alapvető alapja.
Ha megnézzük az adatokat, akkor valószínűleg sok siló és szétszórt adat áll rendelkezésre éretlen környezetben. Előfordulhat, hogy következetlenségei vannak, amelyeket elfogadnak. És akkor elkezdi dolgozni ezen, felismerve az következetlenséget, majd elkezdi a tervezést. És ha itt megnézzük a kezelt környezeteket, akkor itt nagyon fontos az adatok adattisztítása fogyasztáskor, az adatok felhasználása a döntéshozatalban. Tehát, amiről valójában beszélünk, az adattisztításról van szó, amelyet adattárházakba és más döntéstámogató eszközökbe töltünk. És ez analóg azzal, amit régen láttak az adatgyártási iparban, ahol az emberek termékeket építenek, végigmennek a futószalagon, és végén megvizsgálják a terméket, és elmennek: „Ó, itt vannak hiányosságok. ”Ismét, egy dolog, amit soha nem tehet meg, az az, hogy soha nem javíthatja a termék minőségét azáltal, hogy a végén megvizsgálja. Láthatja a vele felmerülő problémákat, és akkor intézkedéseket hozhat a következő és a többi javítására, amelyek utána jönnek, de soha nem fogja javítani, ha végül megvizsgálja. Tehát itt, előrehaladva, különös tekintettel az adatokra, inkább az ellenőrzés és a tisztítás szempontjából mozog a fogyasztás helyén, ahol megpróbálják ezt építeni a forrásnál, közvetlenül ahonnan elkapják a adatok, az ezen adatokra ható folyamatok, biztosítva, hogy ezek az adatok pontosak és fogyasztásra alkalmasak legyenek minden folyamat során. Ahogy tovább fejlődsz, elkezdi fejleszteni és megszerezni a minőségi KPI-ket, és valóban elkezdi fejleszteni az adatminőségre vonatkozó prevenciós megközelítést, ahogy előre halad.
Ami a szervezeti magatartást vagy a látott dolgokat illeti, ha nem gondolja, hogy problémád van, vagy tudatában vagy, akkor lehet, hogy ha a szervezetben van egy tagadási szakasz, ez azt mondja nekem, hogy egy nulla szint, vagy potenciálisan átalakulhat egybe. Ha nagyon sok káosz van az adatai között, és megpróbálja megoldani ezeket az ellentmondásokat, akkor valószínűleg az első szinten vagy. Amikor még mindig reaktív módban van, akkor kezdi a kezelt, de addig nem fog szabványosulni, amíg valójában egy nagyon stabil adatkörnyezettel rendelkezik, amely magában foglalja mind az irányítást, mind a minőséget, a törzsadatkezelést és az adatokat az integráció, hogy csak néhány pontot említsünk. És ismét, ha túljutottál ezen, akkor elkezdesz igazán proaktív irányítási stílusokba lépni. Ha eljutunk arra a részre, ahol nagyon előrejelző viselkedéssel bírunk, és az analitikával is megkönnyítjük a mentést, és a KPI-ket, hogy megkönnyítsük a szervezetben, amikor ezt megnézzük és egy pár dolgot átfedünk, akkor van még néhány dolog, amit tudunk megnézheti a szervezeteket és hol vannak. Nézzük meg a szervezet elsődleges informatikai fókuszát. Ha az informatika elsősorban a technológiára és az infrastruktúrára helyezi a hangsúlyt, valószínűleg a skála kevésbé érett vége felé tart. De amikor valóban az információra és az információkat lehetővé tevő stratégiai üzleti engedélyezésre összpontosít, akkor közelebb kerül a skála érett végéhez. Az adatok szempontjából is, ha alacsony helyzetben vagy, magas az adatkockázat, és ha magasabb szintű, akkor csökkentette az adatokkal kapcsolatos kockázatot. És ennek látszólagos oldala a szervezet értékteremtése. Az alacsonyabb érettség azt jelenti, hogy valószínűleg meglehetősen alacsony az értékteremtési szint, különösen a szervezetében lévő adatok tekintetében. És ahogy növekszik a skálán, nagy értéket generál.
Nézzük ezt magára az adatok modellezésére. Az adatmodellezés néha a vörös hajú mostohaapja lett. Az adatok modellezése alapvető fontosságú az adatok érettségének eléréséhez. Tehát csak néhány, a visszajelző tábláról szeretnék beszélni arról, hogy az adatmodellezés hogyan kapcsolódik ehhez. Ha csak dokumentációként használják, vagy egyszerű, fizikai adatbázisgenerációt alkalmaznak a kis alkalmazásokhoz és az ilyen típusú dolgokhoz, akkor valószínűleg az első szintre esik az adatok érettsége szempontjából. Amint elkezdi ölelni és felismerni a különféle modelleket, ideértve a koncepcionális, a logikai modellt és a fizikai modellezést is, ahol ez szintén, tudod, alapvetően a tervezés előmozdítása. Valóban tervezési szempontból használja, akkor az első szintre áll.
Amikor egy vállalkozás szintjén kezdi megnézni, ideértve a vállalati vagy a kanonikus modellek kiépítését, a fogalmak bevezetését és a több modellbe való beillesztést, az adatsort és a kormányzási metaadatok egyenesen a modellekbe építését, elkezdi a harmadik szint, majd továbblépés a teljes kormányzás metaadataihoz, az üzleti szótár integrációjához, stb. Az életciklusra és az adatok értékláncára az a pillanat, amikor valóban elérte a negyedik szintet. És ismét, egy teljesen integrált modellezés az üzleti szótárakkal, metaadatokkal, az olyan funkciók vezetése, mint például az önkiszolgáló elemzés, ez valójában akkor, amikor egy meglehetősen érett állapotba került.
Ennek részeként nagyon röviden szeretnék beszélni az adatok életciklusáról. És azt az okot, amelyről az adatok életciklusáról szeretnék beszélni, sajnos gyakran figyelmen kívül hagyják. És miről szól, valóban leírta, hogyan hoz létre, olvas, frissít vagy töröl egy adatelemet, és az egész szervezetében az erre ható folyamatok. Tehát azok közül, akik már régóta működnek az iparban, ezt CRUD-nak nevezik, mivel ez a létrehozás, olvasás, frissítés és törlés. De ezt alapvető szinten meg kell értenünk, amikor szervezetünk adataival foglalkozunk. Sok tényező játszik szerepet. Milyen üzleti szabályok betartják ezt? Melyek az üzleti folyamatok, amelyek felhasználják, előállítják vagy megváltoztatják az adatokat? Milyen alkalmazások valósítják meg ezeket az üzleti folyamatokat, hogy lehetővé tegyék ezt? Minden, ami az adatok életciklusának szempontjából játszik szerepet.
Jen ismét korábban erre utalt - nem feltétlenül létezik egyetlen igazságforrás. És egy adott adatelem létrehozásának többféle módja is lehet. És valószínűleg be kell lépnie, különféle dolgok jönnek létre több rendszeren vagy több bevitelen keresztül, amelyeket össze kell egyeztetnie és el kell döntenie, hogy kitaláljon egy megfelelő adatforrást az adott döntéshez abban az időpontban. Az adatoknak több változata is lehet, különböző célokra egy szervezetben. Ennek eléréséhez képesnek kell lennie az üzleti folyamatok, az adatvonalak modellezésére, amely magában foglalja az adatfolyamokat, az integrációt, és magában foglalja az olyan dolgokat, mint az ETL, tehát az adattárház, az adatkezelési és az átmeneti területek kibontása, átalakítása és betöltése és természetesen az adatkapcsolatok a nagy adatoldalon is jönnek játékba. Miközben kihúzza ezt az információt az adat-tóból, akkor tudnia kell, hogyan fogyasztja és hogyan használja. Maga az életciklus szempontjából valójában az, hogyan állítunk elő vagy gyűjtünk új adatokat, hogyan osztályozzuk azokat - mivel meg kell osztályozniuk, hogy megértsék és hatékonyan dolgozzanak együtt velük - hogyan tárolja, hogyan azt használja, hogyan módosítja azokat az üzleti folyamatokban, ahol megosztják a szervezetben - és nagyon fontos: megőrzés és archiválás. Mennyi ideig őrzi meg az adatokat? Mikor archiválja? Mikor végül elpusztítja ezeket az adatokat? Mindezeket a dolgokat figyelembe kell venni az adatok életciklusában, és mindezeket meg kell tennie, hogy a szervezetben magas szintű adat-érettséget érjen el.
Most pedig a fordító oldalról ismét azt mondtam, hogy olyanok, mint az ikrek, ahol meg kell beszélni a folyamatok érettségéről az adatok érettségével összefüggésben - ők kéz a kézben járnak. Itt is van néhány különféle dolog, és - ne aggódj, nem fogom ezeket elolvasni, hanem csak egy ellenőrző listát, így újra megkezdheti önértékelését a szervezet szempontjából a folyamat érettsége. Nézzük meg újra a dolgokat a kezdettől kezdve az optimalizált oldalakon. Megint ugyanazt az ötpontos skálát használjuk, amelyet a képességi érettségi modellből nyertünk. Ha olyan dolgokra tekintünk, mint például a fókusz, ha alacsonyabb szintre vagy kezdeti szintre csökkent a folyamatok érettségi szintje, akkor a szervezetedben észreveheti, hogy az emberek valóban saját módszereikre támaszkodnak munkájuk elvégzéséhez. És előfordulhat, hogy némi hősiesség és az a fajta dolog is megtörténik, hogy készítsen dolgokat. Ezután eljut egy olyan pontra, ahol proaktívabban foglalkozik vele, ahol a vezetés felelősséget vállal a munkaegységekért és a teljesítményért. Ezután elkezdi fejleszteni a szabványos integrált folyamatokat. Ezután a folyamat stabilitása és újrafelhasználása. Ezután többet lát a mentorálás és a statisztikai menedzsment kultúrájáról, hogy kiszámítsa az ezekre a folyamatokra vonatkozó mutatókat és KPI-ket, végül pedig a teljes optimalizálási szintre.
Ha megnézi a munkamenedzsmentet, akkor érdemes mehet egy olyan területről, ahol következetlen a munkamenedzsment szintje, a jobban menedzseltre, ahol legalább egy magasabb szinten kiegyensúlyozza az erőforrások iránti elkötelezettségét. Aztán egy olyan pontig, ahol alkalmazkodóbb vagy agilisabb szervezettel rendelkezik, így szabványosíthatja folyamatait, de testreszabhatja őket a szervezet különböző körülményeihez legjobban megfelelő módon. És ha eljut a fejlett szakaszba, akkor az erőfeszítések nagyon fontosak, és ez azt jelenti, hogy mindenki intuitív módon megérti, mi folyik, és a munkatársak rendelkeznek a folyamatadatokkal, így képesek felmérni és kezelni saját munkájukat.
Visszatérve a gyártási analógiához - amikor láttuk, hogy ahogy az összeszerelő sorok és az ipar modernizálása elkezdődött, még a futószalagon is elkezdtünk beszélni a teljes minőségről és a munkavállalók felhatalmazásáról, ha valaki látta valami hibás a gyártás egy adott szakaszában, az emberek felhatalmazást kaptak arra, hogy elérjék a nagy piros gombot és leállítsák az egész szerelvényt, amíg a problémák megoldódnak, mielőtt a dolgok továbbmennek. És ez az a mentalitás és egyfajta kultúra, amelyet folyamatainkat körülvevő adatokra keresünk, hogy megbizonyosodjunk arról, hogy ténylegesen optimalizáljuk adatainkat és folyamatainkat a szervezetünkben.
Kultúrája egyéb mutatói - kultúrája stagnál-e abban, hogy nincs azonosítható alapja az üzleti folyamatok fejlesztése iránti valódi elkötelezettségnek? Van-e a felelősség delegálása, amelyet tovább látunk? És ahogy tovább haladsz, akkor is lehet silók, de amikor elindulsz felfelé a kultúra és a dolgok szempontjából, amelyeket üzleti folyamatatok során végez, akkor megbontják ezeket a különböző üzleti silókat és kihasználják folyamatok az egész szervezetben. Nagyon fontos, hogy amint az esemény színpadára érkezel, amire valójában alapul, ahelyett, hogy a bélérzetet érzi, valójában minőségi mutatókat gyűjt, és van olyan mérőszámok, amelyek megjósolják a vállalkozásod teljesítéséhez való képességét és ez rendkívül fontos.
Az építészet vonatkozásában beszéljünk erről, mert nagyon sokan itt vagyunk az IT-ben, vagy mindig az IT-t nézzük. Ugyanígy, ugyanazok a dolgok, amelyeket az adatokban látunk. Kétségbeesett informatikai rendszereink vannak, ha valóban elmaradsz a folyamat érettségének kezdeti szakaszában. Miután elkezdi kezdeni a folyamatok kezelését, látni fogja, hogy egyes szolgáltatások fel vannak állítva, ahol valójában inkább a szolgáltatás-alapú megközelítést alkalmazza. Akkor, ha szabványossá válik, akkor többet lát majd a teljes körű szolgáltatás átvételéről az adatok és a szolgáltatások, valamint a folyamatszolgáltatások és az ilyen típusú dolgok vonatkozásában, egészen a teljes szolgáltatáshoz vagy új architektúrához vezető szolgáltatáshoz. És végül egy teljes, folyamatvezérelt vállalkozás felé, amely felhasználja az Ön adatait.
Ugyanígy, ugyanazok a mérlegek, amikor erre nézünk. A termelékenység szempontjából az alacsony érettségi szintnél alacsony termelékenységi szintet és magas folyamatszintű érettséget tapasztal, sokkal magasabb termelékenységet fog látni. A minőség ezzel együtt jár. Ugyanaz, mint az adatokkal - ha alacsony az érettségi szint, akkor nagy kockázatot és nagy hulladékot fog látni. De minél magasabb az érettségi szint, annál alacsonyabb lesz, ezzel csökken a kockázata és jelentősen csökken a hulladék. Néhány dolog szempontjából, amelyet a szervezetben valamilyen tünetnek vagy indikátornak tekinthet, ha az elsődleges filozófia a költségcsökkentésen alapul, akkor valószínűleg alacsony szintű a folyamat érettsége. Ezután diplomás lesz, és felmegy a szervezet hatékonyságának alaposabb vizsgálata felé, majd amikor egy nagyon érett szintre kerül, ismét az értékteremtésre összpontosít.
Szervezeti menedzsment szempontjából, ha a káosz uralkodik, ez általában ismét az alacsony folyamatsűrűségű szervezetek tünete. De elkezdesz összpontosítani arra, amit inkább vezetői mentalitásnak hívok, ahol - és lehet valamilyen menedzsment rendelettel vagy valamilyen más dolgot bevezetéssel - ahol valójában akkor vagy, amikor érettebb szintre kerülsz, a menedzsment inkább a vezetés. Más szavakkal: a fejlesztés filozófiája beágyazódik a kultúrába, és a vezérigazgatótól kezdve előmozdítják az egész folyamatot, valamint a szervezet egészének folyamatos, folyamatos fejlesztését.
A folyamatmodell szempontjából - és ezeket meglehetősen gyorsan átmegyek itt - ismét nézzük meg a folyamatmodelleket, mivel azok magukhoz kapcsolódnak a folyamat érettségéhez. Nagyon hasonló a dolgokhoz, amelyeket láthattunk az adatok érettségi szintjén, ahol alacsony vagy első szintnél valószínűleg csak dokumentálunk folyamatokat vagy a jelenlegi állapotfolyamatokat, de valójában nem használja azt a helyzet előmozdítása szempontjából. Amint elkezded érezni, az üzleti folyamatok modellezését fogja használni a tényleges üzleti folyamatok menedzsmentjének felgyorsításához a szervezetben, majd tovább fejlődik ott, ahol használja, és folyamatosan frissíti ezeket a modelleket, hogy a folyamatok fejlesztését végül oda irányítsa, ahol végül a folyamat tervezéséhez. És akkor, amikor teljesen éretté válik, vagy, tudod, amit általában láttok a soványokban vagy olyan szervezetekben, amelyek magasabb színvonalú programokat fogadtak el, mint például a Sigma, akkor ismét ott van a folyamatos fejlesztési mentalitás, és beépülve van a modellezésbe. az Ön szervezete. Tehát, csakúgy, mint a mérnöki tervrajzok felhasználásával termékeket építünk, legyen szó repülőgépekről, épületekről és felhőkarcolókról és ilyen típusú dolgokról, modelleinkre támaszkodunk, hogy ténylegesen előmozdítsuk üzleti tevékenységünket, mert ez az a tervezési elem, amely ténylegesen meghajtja szervezeti elemeinket .
Most ismét nem megyek át részletesen ezt és minden egyes szót. Amit elvégeztem, elvettem a két egyszerűbb rácslemezt, és kiválasztottam egy sor szót, amelyeket ezekben a leírókban használtak mind az adatok, mind a folyamat érettsége szempontjából. Tehát, amikor ezt a tényt vizsgálja, elkezdhet gondolkodni azon szavak egy részén, amelyeket látsz, hogy a saját belső kultúrájukban kijönnek azokkal a dolgokkal kapcsolatban, amelyeket mondanak. És ez segít abban, hogy elindítsa annak besorolását, ahol általános szervezetként kezdjük el illeszkedni ezen az érettségi skálán. Tehát ha olyan dolgokat lát, mint inkonzisztencia vagy stagnálás, vagy a hatástalanságok gyakran felmerülnek, vagy káosz, akkor általában a skála alsó végén vagy. Amikor elkezdi gondolkodni olyan dolgokról, mint a folyamatos fejlesztés, a stratégiai igazítás, a hibák és a minőség megelőző megközelítése és az ilyen típusú dolgok, a teljes integráció, és a versenyelőnyben szereplő legjobb gyakorlatokról beszél, akkor az az, amikor meglátja magát felfelé az optimalizálónál, a skála felső vége.
Megint szeretnék rámutatni arra, hogy amikor az adatkezelés megkezdése, különösen amikor a skála aljára néz, a kezdeti szakaszban van, az adatkezelés csak az egyes projektek szintjén vezethető be. Olyan pontra kell fejlődnie, ahol az adatkezelés és a konkrét cél a projekt adatkezelésén alapul, és a program- és megosztott adatkezelés révén fejlődött ki, ahol is vállalkozás-szintű és beágyazva van a szervezet egészébe.
Beszéltem arról a tényről, hogy ezek valójában ikrek, amelyek együtt működnek az adatok érettsége és a folyamat érettsége szempontjából. Ezen érettség elérésekor a skála mindkét oldalán utazás van, és nem léphet fel lépéseket. Ha nulla vagy, akkor az első, a második, a harmadik, a negyedik szakaszban kell fejlődnie, és végül ötödikre kell jutnod. És nagyon kevés olyan szervezet működik a világon, ahol öt van. Tehát sok szervezet szívesen örülne, ha egy olyan helyen lenne, ahol három évesnél lenne, majd ezt az ugródeszkaként felhasználhatná. És megint nem lehet elmenni, nem lehet négy évesnél idősebb az adatmegtakarításnál, és egy nem lehet a folyamat érettségénél. Csak nem működik, mert annyira összefonódnak, hogy meg kell értenie és jól kezelnie kell az adatokat és a folyamatokat egymással összefüggésben.
Jó analógia erre gondolni, mivel a szervezett érettség felé vezető úton tegyük fel, hogy a csapat két emberből áll: az egyik a folyamat érettsége, a másik az adatok érettsége. Ön akadálypályát futtat, és egy rövid kötéllel kötözve. És ahhoz, hogy a kurzus végére érjünk, az azt jelenti, hogy mindketten át kell menniük, nem csak az összes akadályt, hanem szinte ugyanabban az időben, vagy nagyon közel kell egymáshoz jutnod az összes akadályt, hogy képes továbbmenni és elérni a következő akadályt. Ez egy nagyon jó módszer arra, hogy gondolkodjunk a folyamat érettségének és az adatok érettségének kiegyensúlyozásában. Tehát más szavakkal: lehet valamilyen folyamat-központú és kissé adat-központú is, de ez egy vezető mutató lesz, és nem lehet sok rés abban, hogy valóban felhívja Önt a szintekre.
És amikor ismét az adatkezelésről nézünk rá, akkor az egyik dolog, amelyet rámutatni akartam arra az esetre, ha nem tudnád, hogy a DAMA ez év elején ténylegesen kiadta a tudás második kötetének adatkezelő testét, és azokat a dolgokat, amelyek megváltozott, ott van a tényleges DAMA kerék. És valójában egy kicsit másképp reprezentáltam, ahol az adatkezelés áll a középpontban, és a tíz különböző kategória van a különböző kerék körül. Nagyon fontos itt látni az adatmodellezést, és a tervezésnek most már vannak saját területei a kormányon - korábban már olyasmi volt bekeverve a többibe. Az egyik dolog, amely itt nagyon alapvető fontosságú, az adatmodellezés, különösen az összes többi szempont szempontjából alapvető fontosságú, mert függetlenül attól, hogy adatbázisunk adatmodellezését vagy a metaadatokkal foglalkozunk, az adatmodellezésnek szerepe van játszani az összes többi darabban, amelyről beszélünk. És a folyamatok modellezésének szerepe is sok ezekben a dolgokban van, mivel magunknak az adatoknak a megértése mellett meg kell értenünk annak felhasználását is, és így a folyamatmodellezés valóban segít bennünket abban.
Most változtassuk meg egy kicsit a fogaskerekeket, és beszéljünk a vállalati építészetről. És a modellek kulcsfontosságúak a vállalati építészet szempontjából is. És ezt a példán alapulom, és ez a Zachman-keret, amelyet itt nagyon gyorsan megmutatok. És amikor ezt megnézed, számos dolgot lát itt. Látja, hogy mi, hogyan, hol, ki, mikor és miért van a felső skálán. És akkor átmész a részletesebb kidolgozási szintekre, ha a modellezés típusait vagy a dolgok típusait vizsgálja, amelyeket a vállalati architektúra szempontjából kidolgoz, egy nagyon magas kontextusszintből egészen egy részletes szintre, beleértve a fizikai megvalósítást. Ha megnézzük az első oszlopokat, akkor az nagyon adatigényes és tartalmaz adatokat. A folyamat nagyon vezérelt. És ha megvizsgálja a többi szempontot, akkor a folyamat és az adatmodellezés kombinációját fogja használni a többi információ megszerzéséhez. Adatok lesznek ezekről a különféle dolgokról, és a folyamatmodellek is összekapcsolják a dolgokat, például a hol történnek a dolgot, a felelősséget. És a folyamatmodellezés szempontjából is, amelyet az eszközünkben is elvégzünk, elkezded ezt a célokhoz, a kapcsolatokhoz és az üzleti szabályokhoz is kötni, amelyek szintén vezetik ezeket a különböző dolgokat, amelyeket csinálsz.
A Zachman-keretrendszer átfogó szempontjából az egyik jó módszer arra, hogy erre gondoljunk, ha modell-vezérelt vagy, és valóban átmegy a különböző szinteken. Tehát magas szintű hatókörrel és a környezettel kezdődik. Ezután az üzleti modellek felé halad, lefelé rendszermodellekké, majd technológiai modellekké, majd a műszaki modellek nagyon részletes ábrázolásával is. Az adatok megint azt mutatják, hogy mi, a folyamat hogyan, és valójában ezeknek az adatoknak és a folyamatoknak a kombinációja, amelyek az összes többi jellemzőt meghatározzák.
Ennek alapján nem véletlen, hogy a vállalati architektúra ötletének megítélése valamivel különbözik, mint mások. Gyakran hallani fogja a vállalati architektúra négy pillérét: az adatok, a beszerzés, az üzleti és a műszaki architektúra. Kicsit másképp nézzük. Az adat-architektúrát alapvető alapnak tekintjük, amely két okból vezérli a vállalati architektúrát. Egy, innen kezdődött. Még a Zachman-keretrendszerhez hasonló dolgok is elsősorban az adat-architektúrából fejlődtek ki, majd az építészet többi aspektusát is felölelték. És kettő, mert az alapvető kötelék a folyamat és az adatok között. Ezért látjuk az üzleti architektúrát a vállalati építészet központi pillérének. És akkor természetesen ezt kiegészíti az alkalmazás-architektúra és a műszaki architektúra, amelyek feltétlenül szükségesek az engedélyezéshez, hogy lehetővé tegyük a valódi vállalati engedélyezést. Most, amikor ezt az ER Studio Enterprise Team Edition, az integrált modellező platformunk szempontjából vizsgáljuk, így kerül ez a játékba. És ez egy magas szintű kontextusdiagram az általunk elvégzett modellezésről és néhány mögött rejlő alapról. És ez valójában be van vezetve, ezt ténylegesen ábrázolja egy folyamatdiagram. Tehát, amikor különösen az adat-architektúra elemét és az alábbiakban az üzleti architektúránkat vizsgáljuk, szerep-alapú eszközöket kínálunk.
És amikor az üzleti építész eszközünket a bal alsó sarokban nézi, akkor itt általában üzleti elemzők és üzleti építészek dolgoznak. És általában az üzleti folyamatok egy részére koncentrálnak, és elkezdenek ezeket kiszorítani. De arra is koncentrálnak, hogy mi. Tehát elkezdenénk néhány fogalmi adatmodellezést és az ilyen típusú dolgokat. Használhatjuk ezeket a fogalmi modellezési összetevőket az adatmodellező eszközünkhöz és az adat-építészhez, ahol tovább dolgozzuk őket logikai adatmodellekké és természetesen végül a fizikai modellekké, hogy fizikai adatbázisokat állítsunk elő. És vissza is tudunk tolni, így a koncepcionális modelleket az üzleti építészeti térben is frissítjük. Nagyon fontos dolog, hogy támogatjuk a modellezés különféle típusait. Tehát, ismét, a BI nagyon fontos, és az adat-tavak, valamint az ilyen típusú dolgok, tehát valójában néhány modellt is készítünk, és ennek részeként adat vonal modellezését is végezzük. Tehát nemcsak az ETL szempontjából, ahogyan a fizikai modellektől a dimenziós modellekké térképezi az adattárházakba, vagy akár adatait behozza az adatlakkokból, és látva, hogy ezek hogyan ábrázolódnak, összekapcsolhatjuk ezeket a dolgokat. A fordított tervezés továbbítása más modellező platformoktól, a nagy adatplatformoktól.
És akkor olyan dolgok is, mint például az ETL eszközök, így ténylegesen megkezdhetjük az adatvonalak ábrázolását közvetlenül az ETL specifikációk alapján, amelyek a saját környezetükben lehetnek. Nagyon fontos tudni, hogy a relációs modellezésen túl kellett terjeszkednünk. Vannak bizonyos platformok, mint például a Hive és különösen a MongoDB, most elkezdünk beszélni a dokumentumtárolókról, ahol olyan fogalmakkal rendelkezik, mint a beágyazott objektumok és tömbök. Valójában kibővítettük a jelölést, hogy képes legyen alkalmazni az ilyen típusú modelleket is, mert ez nem relációs koncepció. Bármi, amit az adat-építész eszközben létrehozott az adat-melléktermékek szempontjából, legyen az logikai entitás vagy fizikai tábla és azok attribútumai, visszailleszthető az üzleti folyamatok modellezésébe. Tehát miközben magasabb szintű üzleti folyamatmodelleket dolgoz fel, és alacsonyabb szintre jut, akkor valójában összekapcsolhatja a tényleges adatelemeket. Tehát cselekedhet, meghatározhatjuk a CRUD mátrixokat, mi történik valójában. Ez tehát megadja neked azt az adatciklus-ciklust, amelyről a létrehozás, az olvasás, a frissítés és a törlés tárgyaltam folyamat szintjén. És a teljes BPM folyamatok modellezését ott végezzük el a saját átfedések sorozatával is, így elkezdhetjük kötni az üzleti stratégiákat, üzleti célokat. Emellett az üzleti folyamatokat végrehajtó alkalmazásokat is megköthetjük, mind modell alapú szempontból.
Más dolgok rendkívül fontosak az adatmodelljeinkben is. Az adatkezelési jellemzők vagy az adatminőségi jellemzők elsajátítása és kezelése. Itt meghatározhatja és összeállíthatja saját metaadatait a nyomon követni kívánt jellemzőkhez, és ez azt jelenti, hogy a modellt mint tervtáblát használja, hogy ezt az egész szervezeten át a metaadat-tárolókba és minden másba átadja. És természetesen a modellezés egyik korlátozása, sok évvel ezelőtt, amikor sokan az iparban kezdték ezt csinálni, az, hogy ezeket a modelleket előállítanánk. Mit csinálnánk? Kinyomtattuk őket, és falra tesszük őket, esetleg a csapat tagjai számára, hogy megosszák őket és az ilyen típusú dolgokat. Ennek igazi értéke az, hogy megoszthatjuk és együttműködhetünk szervezeteinkben. Ezért van egy adattár-központú megközelítés, ahol be- és kikapcsolhatjuk modelleinket és munkaterületeinket. És megosztjuk őket választópolgárunkkal, akik a szervezet, függetlenül attól, hogy más műszaki érdekeltek, üzleti felhasználók és ilyen típusú dolgok. Ezt kösse össze a Team Server nevű együttműködési platformunkkal.
Tehát beszéltünk a korábbi üzleti szószedetekről és kifejezésekről, azok fontosságáról és a szókincs fejlesztéséről az üzleti életben. Mindez a Team Serverben volt, ahol a felhasználók, az üzleti felhasználók együttműködhetnek ezekkel a feltételekkel. Láthatók, felhasználhatók például az adatépítõkben, az adatmodellek közelében, és természetesen ezeknek az üzleti szószedeteknek gyakran a következõ adatszótárak származnak, amelyeket az adatmodellekben készítettünk. Ezeket ki tudjuk szorgalmazni - Az adat-építész eszközökből is kiindulási pont lehet az üzleti szótár, ahol tovább finomíthatók, és mindezt a körülöttük lévő változáskezeléssel is.
Ez nagyon sok volt. Összegezve: néhány olyan dologról, amiről beszéltünk, a valódi szervezeti érettség kipróbálása, kiegyensúlyozott megközelítésre van szüksége, amely az adatok érettségéből és a folyamat érettségéből áll. Az egyik nem érhető el a másik nélkül. Ismét alapvető fontosságú, hogy mindkettőnek rendelkeznie kell, és erre támaszkodnia kell, különösen az adatmodellezésre és a folyamatok modellezésére mind a vállalati architektúra, mind az adatkezelés és a folyamatirányítás, mind pedig a szervezeteiben. A vállalati architektúra valóban összekapcsolja ezeket a különféle szempontokat és perspektívákat tekintve. Ehhez szilárd adat-architektúra alapokra van szüksége, és integrációs folyamatmodellezésre van szükség az üzleti környezet biztosításához, valamint az üzleti folyamatok és az adatfelhasználás előrehaladásához. Ismét fontosabb, mint valaha. Azt mondhatom, hogy az, ami a régi, újból új. Tehát az adatmodellezés, a folyamatmodellezés, a vonal, a metaadatok és a szószedetek alapvető fontosságúak ennek eléréséhez, és az ER / Studio Enterprise Team Edition egy együttműködési platform, amely mindezt összehozza.
És ezzel továbbjuthatunk a kérdésekhez.
Eric Kavanagh: Jól van.
Ron Huizenga: Megyünk hozzád, Eric.
Eric Kavanagh: Ron, le kell dobnom a kalapomat neked az összes erőfeszítésért, amelyet ezeknek a különböző folyamatoknak és kereteknek a dokumentálására fordítottak. Nagyon sok anyag van itt. Azt hiszem, a nagy kérdésem az, hogy kinek kell felügyelnie ezeket a dolgokat egy szervezetben, mert oly sok különböző dolgot érint. A folyamatokat ábrázolja, az operációs vezérigazgató vagy valami műveleti személy lesz. Adatok életciklusa, azt gondolod, hogy ez valószínűleg adatkezelő. Olyan sok különböző alkatrészt és olyan sok alkatrészt érint meg a vállalkozás számára. Hogyan találja meg a megfelelő embert vagy embercsoportot, és egy irányítóbizottság? Mi az? Mit mondhat nekünk arról, hogy kinek kell ezt megtennie egy szervezetben?
Ron Huizenga: Tudod, ez egy érdekes kérdés. Tényleg egy napot tölthetünk a különféle megközelítések érdemeinek megbeszélésén. De valami, amit határozottan láttam, tudod, mivel a termékmenedzsment szerepébe való belépésem előtt konzultáltam, amikor a szervezetet vizsgáltam, ez a probléma része a tulajdonjog megszerzése, és az emberek birtoklása ennek birtoklásához. És amikor olyan tudományágakra nézzünk, mint például az adatmodellezés és az üzleti folyamatok modellezése, vagy a kezdeti napokban még az adatáramlási diagramok és az ilyen típusú dolgok, akkor az IT-ből nőttek ki ilyenek. De ahogy haladtunk előre, és azt hiszem, most egyre inkább felismerjük, hogy ennek valóban üzleti alapúnak kell lennie. Tehát valóban azt akarja, hogy ennek tulajdonosa az üzletben maradjon.
És meg fogok sérteni néhány IT-embert itt, de szilárdan hiszem, hogy az adatkezelő-felelős szerepének alakulását a CIO szerepében láttuk, ami a legtöbb szervezetnél sikertelen volt. És ez azért van, mert a CIO-k nagy része technikailag, nem pedig az adatokra és a folyamatokra összpontosít. Tehát azt hiszem, hogy valóban szüksége van erre, valószínűleg valamilyen irányítóbizottságra lesz szüksége a nagyobb szervezetekben. De ennek tényleg a vállalkozás tulajdonában kell lennie. Azt állítom, hogy az Ön vállalkozásának, a folyamatmodellezésnek, az adatmodellezésnek mind az üzleti életben kell lennie, mert ez lehetővé teszi számodra annak biztosítását, hogy az informatika, aki az adatok letétkezelője és végrehajtja ezeket a folyamatokat az általuk Létrehozásakor van egy kalapáccsal, hogy megbizonyosodjon arról, hogy történik-e, ha valójában az üzlet tulajdonában van.
Eric Kavanagh: Igen, azt hiszem, egyetértek vele. De Jen, mi a véleményed erről?
Jen Underwood: Tehát nagyon érdekes. Erre utaltam, amikor azt mondtam, hogy az emberek gondozása és interaktivitása az egyik legfontosabb dolog. Egyszer írtam egy fehér könyvet arról, hogy az önkiszolgáló BI irányítás nagyon hasonló ehhez. Ez a dolgom, hogy megszerezzem a módját, hogy motiváljuk az embereket, az üzleti értékét, és hogy gondozzuk őket. És akkor, amikor meglátják, vagy megtudják, hogy az adatkatalógus, vagy bármilyen szög szükséges. Lehet, hogy csökkenti a szállítási költségeket, és valami olyasmit hoz, amelyért valaki elszámoltatható a szervezetben, így kezelheti gondozását. És igen, az üzlet teljesen. Az üzleti tárgy szakértői meg fogják csinálni vagy megszakítják.
Eric Kavanagh: Ez nehéz. Úgy gondolom, hogy mindig szeretné, ha a szervezetek körében ez az érdekelt felek konzorciuma lenne. Természetesen nem akarja az elemzés bénulását. A bürokrácia kedvéért nem akar bürokráciát. Azt akarja, hogy a szervezet rendelkezzen cselekvési tervvel és dokumentálja ezeket a dolgokat. Tudod, azt hiszem, amikor elkezdesz beszélni az üzleti folyamatok modellezéséről, ez 25 évvel ezelőtt forró volt, de ez nagyrészt leváltott volt a tényleges üzlettől. Úgy gondolom, hogy legalább néhány iparágban sok mindent el lehet vonni a tényleges szoftverből, amely a dolgokat futtatja. De azt hiszem, manapság meg kell találnunk a módját annak a két világnak az egyensúlyához, igaz, Ron? Azt akarja, hogy folyamatmodelljei naprakészek és naprakészek legyenek, és tükrözzék a ténylegesen zajló eseményeket. Tehát nem akarja, hogy csak egy külön feladat legyen, ahol van, valahol a polcon ül. De ez, ez egy kicsit kihívást jelent, igaz? Mivel nem minden operációs rendszer igazodik ehhez a végrehajtható kódhoz. De mit gondolsz?
Ron Huizenga: Teljesen. És érdekes, mert az egyik dolog, amire nézek, amikor az emberek, tudod, azonnali kielégítő társadalommá váltak. Az emberek azt gondolják: „Ó, csak kimegyünk és vásárolunk néhány szerszámot, és megcsináljuk ezt a számunkra.” Olyan, mintha nem fogod megvásárolni a folyamat érettségét. Nem fogja megvásárolni az adatok lejáratát. Ez nehéz munka. Fel kell dobnia az ujjait, és meg kell tennie. És ennek mechanizmusa a modellezés. Túl bonyolult ahhoz, hogy ne csak a jelenlegi állapotot ábrázolja, hanem azért is, hogy meg tudjuk határozni, hogyan fejleszteni fogja ezeket a különböző üzleti folyamatokat. Szüksége van erre a vizuális keretre, hogy megértse, milyen hatást gyakorolnak ezek a változások.
Eric Kavanagh: Ez valóban - csak tweetelt; Most tweettem ezt: „Nem fogja megvásárolni a folyamat érettségét, nem fogja megvásárolni az adatok lejáratát.” Teljesen egyetértek mindkettővel. És Jen, a gondolataiba hoznék téged. És ráteszek egy másik kérdést. Az egyik résztvevő azt kérdezi: mit jelent a folyamatvezérelt vállalkozás vagy a folyamat érettsége? Jen, tudsz vele beszélni?
Jen Underwood: Valójában kissé jobban tudok beszélni az előző kérdéshez. Amikor gondolkodok, az igazat megmondva, ez az első, tudod, eszközök vásárlása. Nagyon jó, nagyszerű megjegyzés volt, mert annyira igaz. De amit mondom, ez sokkal jobb. Tehát áttekintem sok megoldást, és látom a különböző tereket, és teszteltem őket. Amit jobb, az az, hogy felfedezzük az adatokat, megcímkézzük, és legalább egy hatalmas futási indulást adjunk Önnek, és ez is, amikor azt mondom, kevésbé fájdalmas, szinte szórakoztató. Tehát képzelje el, hogy egy adatkatalógus vagy egy MDM-projekt szórakoztató. Igen, és vannak olyan szervezetek tagjai, amelyek ezeket az adatokat használják, akár jelentéskészítésben, akár más típusú dolgokban vannak, és azt hiszem, hogy valaki még a vonalon is mondta, hé, hogy az embereket érdekli az egyéni fejlesztési tervük. Ja, még egy szintet is. Vesz ezeket a dolgokat, és azt mondja, hogy most 30% -kal csökkentettük az elutasított szállítmányokat, és így mentettünk meg pénzt. Csak az adatok jobb kezelése. Ez a fajta dolog, és pénzt tesz körül, és szórakoztatóvá teszi. Vagy érdekesvé és relevánssá teszi azt, amit csinálnak. Azt hiszem, ez egy ilyen varázslat, amely hiányzik ezekben az elkötelezettségekben, amelyek során az emberek megpróbálják ezt megtenni egy szervezetben, és ez elakad.
Eric Kavanagh: Igen, ez jó pont. És Ron, visszajutva néhány perccel ezelőtt a hozzászóláshoz a vizuális keret fontosságáról, azt hiszem, ez teljesen igaz, mert sokszor, ha az emberek nem látnak valamit, nagyon nehéz a fejét körbetenni annak körül, ami azt jelenti, és ha minden bizonnyal elkezdesz beszélni összetett folyamatokról, amelyek kölcsönösen függnek egymástól és a vezérlőpontokról, és ezekről a dolgokról, akkor azt valahol egy időben meg kell térképezni, és ideális esetben ezt olyan szoftverrel teszik, amelynek a funkciója be van ágyazva a katalógusba, Példa arra, hogy milyen transzformációk történtek különböző vonalak felhasználásával ettől a ponttól a pontig. Vagy ami elérhető ezen a vezérlőponton. És én valamilyen módon hivatkozom a történelemre a kockázatkezelés területén, ahol egy ellenőrzési pont a folyamat bármely pontja, vagy bármely olyan opció, egyéni vagy szoftver alkalmazás, ahol ténylegesen meg lehet változtatni valamit, igaz? Ezt hívják ellenőrző pontnak. És számomra nagyon értékes, hogy megkapod ezt a vizuális keretet. Mert akkor láthat egyfajta sétát, és csak időbe telik. Az emberi agy időbe telik ahhoz, hogy ezt a dolgot kezelje, és hogy valóban megértse és optimalizálja, ugye?
Ron Huizenga: Teljesen. És egyfajta eltérő analógia használatához, amelyet véleményem szerint perspektivikusan fogalmaz meg: én egy kicsit repülési dió vagyok, azt mondanám, ha párhuzamosan próbálsz erre gondolkodni, gondolj egy 747-es építésére. - vagy Airbus 380, tehát nem választom az egyik gyártót a másikhoz képest - gondolkodj azon, milyen nehéz lenne ezt csak a szövegekből álló dokumentumok alapján megtenni, nem pedig a tervrajzok és a 3D-s CAD rajzok, és mindent, hogy ez ténylegesen össze van szerelve.
Eric Kavanagh: Igen, ez durva lenne. És Jennek is beszélnie kell.
Ron Huizenga: Az üzlet ugyanaz, igaz?
Eric Kavanagh: Igen, nem igaz. Jennek beszélnie kell az egyik forró területével, amelyet szeretne tanulni, azaz a vizualizáció. Számomra képesnek kell lennie valami megjelenítésére, hogy teljes mértékben megértse.
Jen Underwood: Sok ember csinál, igen. És még csak egy megjelenítés is beszél, mi a mondás, több ezer szó vagy valami hasonló. Amikor meglátják, el tudnak hinni. És megkapják.
Eric Kavanagh: Egyetértek. Szeretem, Ron, ahogyan te mindezt összehúztad. Azt hiszem, csak újra megkérdezem magam, szükség van egy bajnokra a szervezeten belül, és ki lesz ott, aki kapcsolattartóként szolgál a különböző csoportok számára. Az adatkezelőkről olyan dolgokról beszélünk, amelyekről gyakran beszélünk - azt hiszem, hogy ez egy nagyon fontos szerepet játszik, és úgy érzem, hogy ez egy olyan szerep, amelyre az utóbbi három vagy négy évben sokkal több figyelmet fordítottak, mivel felismertük az adatok értékét kormányzás, ugye? Az adatkezelő olyan személy, aki beszélhet az üzleti vállalkozással, de megérti a rendszereket, megérti az adatok életciklusát, az egész képet. És azt hiszem, hogy ez a személy lehet és valószínűleg a vezérigazgató szabálya alá tartozik, igaz?
Ron Huizenga: Igen, és szüksége lesz egy multifunkcionális csapatra, igaz? Szüksége van tehát olyan emberekre, akik olyan csapatból állnak, amely ezt végzi, vagy amely a műszaki oldalt képviselő különböző területekről származik, vagy, tudod, a különböző üzleti területekről. És tudod, attól függően, hogy milyen típusú szervezeted van, ha van projektmenedzsment irodád, és sok kezdeményezést egy PMO vezet, akkor biztosan ellenőrizni fogja, hogy van-e PMO a részvétel, csak azért, hogy mindenki harmóniában maradjon, és összehangolja a dolgokkal való munkát.
Eric Kavanagh: Ja, és tudod, még egy utolsó dolog, ezt az utolsó diát, az irányítási keretet felteszem. Volt egy résztvevő kérdése, hogy hiányoznak-e az adatok a diaról? Ez az, hogy adatok szerepelnek-e a diaban, vagy mit gondol a dátumról hiányzó adatokkal kapcsolatos megjegyzésről?
Jen Underwood: Nem, és ez csak egy általános irányítási keret. Alapvetően ez az önkiszolgáló BI-területből származik, tehát ennek nagy része vonatkozik az adatokra. Éppen a látószögből és a nézőpontomból jött, nem pedig az adatoldalra összpontosítva, amikor ezt összeraktam. De az adatok minden bizonnyal az lenne, ha ezekre a darabokra gondolsz, akkor lenne adatok. Legyen az alapja az adatoknak, az elszámoltathatóságnak az adatok felhasználásával az egész folyamatban és az egész keretben.
Eric Kavanagh: Igen, nincs értelme ennek. És azt hiszem, csak egy utolsó kérdést vetek fel neked, miközben itt foglalkozunk, Ron. Ha arra gondolok, hogy mennyi információt és mennyi adatot használunk manapság, és milyen messze vannak a szervezetek, akkor mi az ökoszisztémák jelentősége manapság a csatornapartnerek között, és hogyan tudunk információt megosztani e partnerségek között és egy a blokklánc rövid rövid hivatkozása erre - hogy ne kerüljek a dolgok túl bonyolultá. A lényeg az, hogy egyre inkább adatközpontú, összekapcsolt világban vagyunk, mind üzleti szempontból, mind pedig mindennapi életünk szempontjából. És nekem ez csak még inkább megemeli a tétet azért, mert a szervezetek valóban keményen átnézik, mit javasol itt: az érettségüket, hol állnak, és milyen messze vannak a görbe és valóban őszinte magukkal kapcsolatban ezzel, igaz? Mert ha nem tudsz jobbat, nem tudsz jobbat csinálni, és ha nem gondolkodsz a dolgokon, akkor nem fogsz tudni jobban, igaz?
Ron Huizenga: Pontosan. És azt hiszem, egy mondatot használnék: valószínűleg nem vagy olyan jó, mint gondolnád. Ez nagyon durvanak tűnhet, de az emberek nagyon optimisták lehetnek ebben, de ha nagyon keményen veszi körül, és igazán jó, kritikus önértékelést végeznek, azt hiszem, hogy bármelyik szervezet jelentős hiányosságokat talál, amelyek foglalkoznom kell.
Eric Kavanagh: Egyet kell adnom. És ott egy kollégánk kommentálta a metaadatok, az adatokkal kapcsolatos adatok fontosságát. Nincs kétség. A metaadatok az a ragasztó, amely ezeket a rendszereket együttesen tartja, és még mindig soha nem tudtuk teljesen feltörni ezt a kódot, és jó okból, őszintén szólva, mert a metaadatok megváltoznak. Ez rendszerenként eltérő. Tudod, minél jobban megpróbálja normalizálni az adatait, annál kevésbé leszek pontosak.
Tehát most nagyon vagyunk ebben a furcsa világban, és talán azt hiszem, még egy kérdést felteszek neked, Jen, mert már pár alkalommal említette az adatkatalógusokat. Nagyon szeretem az adatkatalógus-technológia új mozgalmát, amely automatikusan ellenőrzi az információs rendszereket, meghatározza a metaadat-oszlopok nevét és így tovább, és segít fokozatosan megteremteni az adatok és a metaadatok stratégiai nézetét a rendszerekben. Mert számomra, hogy manuálisan csináljam ezeket a dolgokat, egyszerűen csak túl sok. És soha nem fogsz eljutni annak a hegynek a tetejére, amíg a lavina rád nem jön, és, tudod, vagy vagy normalizálódott a játék-tészta szürke pontjáig, vagy nem normalizálódott elég ahhoz, hogy valójában Nem tudom, mi folyik itt. Számomra a gépek használatával a gépi tanulásról, amelyről folyamatosan beszélünk, ez lesz a kulcsa a jövőben, hogy segítsen nekünk legalább egy olyan kötelet megszerezni, amely elegendő az adatok köré, hogy jól megértsük, mi van ott, igaz, Jen ?
Jen Underwood: Igen, igen. Szeretem ezeket a technológiákat. Nagyon, nagyon jóak. És akkor gondolkodsz rajta, ez megadja neked azt a hatalmas futóindítást. És akkor akkor tömegforrás. Van adatkezelője, tudod, előrehúzva, hogy saját dokumentációt adnak hozzá, vagy ott van a perspektíva, ezek a változások. Tudod, mondván, hogy ezeket a hitelesített adatforrásokat kell használni a jelentések készítéséhez. Az emberek kereshetnek és megtalálhatják a megfelelő adatokat. Nagyon, nagyon szép. És az is segít - amikor az üzleti vállalkozásokra és a rejtélyes vállalati adatkezelésre gondoltam, amikor DBA-dolgokat készítettem - kibővített tulajdonságokat és SQL Server alkalmazást használtunk, és olyan eszközökkel szkennelünk, mint például az IDERA, ugye? Megkísérelni létrehozni egy adatkatalógust. De a DBA vagy az adatépítészek verziójában, tudod, bármi is volt az érték vagy az oszlop vagy mező, valószínűleg nem egyezett meg azzal, ami az üzlet volt. Tehát most, hogy az üzletnek valóban könnyedén tudnia kell, tud menni, belépni, megtalálni és kezelni, és mindent cél-alapúnak kell lennie, valóban, szeretném, ha azt szeretném, ha ez már régen, őszintén szólva lenne. Tehát sokkal jobb lesz.
Eric Kavanagh: Ez vicces. Van még egy utolsó megjegyzésünk egy közönség tagjától, amely szerint a blokklánc lesz a legértékesebb, ha a metaadatokhoz hitelesítési bélyegzőt helyezünk. Ez egy jó pont, és, tudod, a blockchain valóban csodálatos technológia. Valahogy ezt egyfajta koherens alapnak tartom, amely sok pontot összekapcsol a rendszerek és az alkalmazások között és így tovább. És tudod, a blockchain fejlesztésének korai szakaszában vagyunk, de most azt látjuk, hogy természetesen ettől a ponttól kezdve kezdődött, amikor előtérbe került, és most az IBM nagyon keményen dolgozik a blockchain technológiákról. Az SAP mindezt megvásárolta. És valóban, ez lehetőséget kínál egy mélyebb alapra és keretrendszerre, amely összeköti ezeket a rendszereket és ezeket a pontokat.
Tehát a nép több mint egy órán át megégett. Köszönjük, hogy ma velünk maradt, de mindig szeretnénk válaszolni a kérdéseire és megismerni az összes kommentárt. Mindezeket az internetes közvetítéseket archiváljuk későbbi megtekintés céljából, tehát ugorj online a insideanalysis.com webhelyre, ahol megtalálhatjuk az erre mutató linket. Néhány órán belül fel kell állnia, általában az esemény után. És legközelebb utolérjük. A jövő héten további néhány esemény jön be - sok cucc zajlik. De ez búcsút fog tenni, emberek. Köszönöm a rám szánt időt. Vigyázz magadra. Buh-bye.
