Avtor osebja Techopedia, 8.11.2017
Odvzem: Voditelj Eric Kavanagh razpravlja o zrelosti podatkov in zrelosti organizacije z Jen Underwood iz podjetja Impact Analytix in Ronom Huizengo iz IDERA.
Trenutno niste prijavljeni. Če si želite ogledati video, se prijavite ali prijavite.
Eric Kavanagh: V redu, dame in gospodje. Pozdravljeni in še enkrat dobrodošli. Sreda je ob 4h vzhodno, kar pomeni, da je čas za Hot Technologies. Da, resnično. Moje ime je Eric Kavanagh; Danes bom vaš gostitelj naše oddaje, ki je resnično definirana in zasnovana tako, da definira določene vrste tehnologije v določenih stanjih v svetu upravljanja podatkov. In naša današnja tema je "Doseganje zrelosti podatkov: zakon o organizacijskem uravnoteženju." Torej, spot je resnično o vašem, na Twitterju, @eric_kavanagh, me je zanimalo. Vedno retweetiram, če me omenjate, in poskusil bom slediti tudi njim. Dobro je obiskati informacije o dogajanju na svetu. Všeč mi je ta format. Kratki znaki, 140 znakov - ali več v teh dneh. Zato mi pošljite tvit in sledil vam bom.
Letos je seveda vroče. Danes govorimo o zrelosti podatkov in tukaj je vrsta, pri čemer je vaša resnično na vrhu. Danes imamo novega analitika; Zelo sem navdušena nad Jen Jenwood iz podjetja Impact Analytix. Je precej poznavalka poslovne inteligence in analitike ter vizualizacije podatkov in vseh teh odličnih tem. In seveda zrelost podatkov. In naš dober prijatelj Ron Huizenga kliče iz IDERA. Najprej se bomo slišali od Jen in nato še od Ron-a. In potem bomo imeli lepo okroglo mizo.
Ko bom naslednji drsnik potisnil sem, bom povedal le nekaj hitrih besed. Zrelost upravljanja podatkov je že nekaj časa predmet teme. Očitno morate v zgodovini priti do določene točke, preden začnete razmišljati o zrelosti, in razvili so se številni življenjski cikli zrelosti - ali ciklov -, da bi lahko ugotovili, kje se nahajate v krivulji. Ste v zgodnji fazi? Ste najstnik? Ste zreli? Etcetera.
In mislim, da je veliko organizacij zrelo v najstniških letih ali v poznih najstniških ali zgodnjih dvajsetih. In to ne pomeni nič odvračilnega. Samo, da smo še vedno nekako v upravljanju podatkov kot strateška prednost. In stvari se hitro spreminjajo. Zlasti v zadnjih petih do sedmih letih, ko smo se nekako premaknili od majhnih do velikih podatkov in poskušajo uskladiti te dokaj nerazlične svetove in nove tehnologije s starimi tehnologijami. Torej je zapuščina zunaj, povsod je.
Ena od šal, ki sem jo slišal pred leti, je, da je zapuščina sistem, ki je v proizvodnji. V trenutku, ko sistem začne s proizvodnjo, je tehnično zapuščen. In na nek način to je res. V bistvu pa imamo vse te sisteme, ki že dolgo obstajajo, in moramo najti način, kako razumeti, kje se nahajamo v svoji krivulji zrelosti, da bomo lahko maksimizirali in optimizirali vrednost podatkov kot prednost . In seveda obstajajo vprašanja glede skladnosti, nekateri predpisi, ki jih moramo skrbeti, odvisno od tega, v kateri panogi smo. In seveda moramo skrbeti tudi za taks. V preteklosti smo govorili o upravljanju podatkov in kako je to v resnici del varnosti in samo razumevanja vlog in odgovornosti uporabe podatkov ter zagotavljanja, da iz njih dobimo najboljšo vrednost.
In s tem bom ključe predala Jen Underwood in ona nam lahko pokaže svoj pogled na zrelost podatkov. Jen, vzemi ga.
Jen Underwood: Hvala, Eric, in hvala, da si me povabil. Danes bom obravnaval nekaj različnih tem, nato pa bom Rona predstavil z IDERO in on se bo poglobil v nekatera druga področja te posebne teme. Rekel bom, da gre za ključno vlogo v digitalni dobi ali digitalni preobrazbi, ki jo trenutno izvajamo, in kot je rekel Eric, je to obdobje, ki se razvija. Nekaj zabavnih statističnih podatkov Sveta EDM je bilo poročilo o gospodarstvu s podatki o upravljanju podatkov. Stara je skoraj dve leti, vendar je še vedno dokaj pomembna in razkrila bo nekaj, kar veste, faktoidov o tem, da je v tem prostoru najstnica. Nekaj malega bom govoril o zrelosti podatkov in samih stebrih upravljanja.
Na to temo digitalne dobe ali digitalne transformacije, ki jo slišite povsod, se to resnično dogaja prav zdaj. Eno zanimivih dejstev, ki sem jih zbral, ko sem vsak dan spremljal industrijo, je bila točka, ki jo je Gartner predstavil v svojih desetih najboljših tehnoloških trendih. In povedali so, da bodo do leta 2020 - torej smo le nekaj let od tega - informacije uporabljene za ponovno uvajanje, digitalizacijo in avtomatizacijo ali odpravo 80 odstotkov procesov, ki smo jih imeli desetletje prej.
In to vidim že nekaj časa, mislim, da tukaj vidite različne vrste ljudi, ki govorijo, veste, "Podatki so novo olje", in take stvari. Rad rečem, da so zdaj podatki digitalno zlato. In če razmišljate o programskih aplikacijah in sodelovanju v programski opremi, sem bil v preteklosti za Microsoft vodja izdelkov po vsem svetu, in celo na spremembo moje kariere od, veste, res bi se osredotočili na programsko opremo, zdaj smo osredotočeni na uporabnike in zbiranje podatkov in razmišljanje o zaslužku podatkov.
Vstopamo v to obdobje, ko so podatki digitalno zlato, in začnete opažati, da se s pojavom, kot se imenuje glavni vodja podatkov, in imajo, veste, dve glavni misiji - in zagotovo še nekaj drugih - zagotoviti, da so podatki varni in varni, ter najti načine za povečanje vrednosti podatkov v notranjosti - in celo zunaj - kot to digitalno sredstvo. Torej bodo te vrste stvari, ki se v preteklosti za vašo organizacijo morda niso zdele ali pa se morda niso zdele pomembne, podatki končno dobili sedež za tabelo na ravni C z CDO in jih bomo sprejeli veliko bolj resno.
Če razmišljate o upravljanju podatkov in zrelosti, imam tukaj na tem diapozitivu dve različni temi, prva pa je, veste, samo upravljanje podatkov. Gre bolj za poslovne funkcije, ki razvijajo in ustvarjajo podatke in pretok podatkov, nekatere politike in prakse tam. In potem, ko razmišljate o zrelosti upravljanja podatkov, je to sposobnost organizacije, da natančno opredeli, enostavno integrira, veste, da te podatke, ki jih imajo, spet uporablja za notranje ali zunanje namene, kot je monetizacija podatkov. In ena izmed velikih tem - in to je bila prej v moji karieri smešna, in dejansko sem uporabila nekaj orodij in projektov za arhitekturo podatkov IDERA - je bil to celoten koncept metapodatkov in še naprej razmišljamo o metapodatkih, nato pa se o njem ni govorilo približno dolgo, dolgo časa. Končno vidim, da so metapodatki spet kul. Res je zelo pomembno pri interakciji z različnimi skupinami, razumevanju, kje so vaši podatki, kakšni so podatki. Še posebej v stvareh, kot je podatkovno jezero. Končno postane končno zanimivo.
Zdaj sem obljubil, da bom imel tukaj nekaj statističnih podatkov iz poročila o uspešnosti industrije. Ta je bil od leta 2015 za svet EDM. Gre za posodobitev kakovosti in upravljanja podatkov, v tem posebnem pa je nekaj zabavnih faktorjev. Torej ima tukaj več kot 33 odstotkov organizacij aktiven, formalni program za upravljanje podatkov na neki ravni organizacije - le 33. To je samo po sebi zanimivo. Od 50 odstotkov, ki jih imamo resnično formaliziranih, želimo upravljati s podatki, se zavedamo, da je to resnično pomembna prednost naše organizacije, tako kot ljudje imamo človeške vire. Le 50 odstotkov jih je imelo programe, starejše od enega leta. Torej, to je spet nastajajoče področje, resnično je zanimivo, kaj postajamo vedno bolj pomembni, zlasti pri stvareh, kot so nekatere zakonodajne ureditve.
Torej, mnogokrat - in zanimivo je bilo, da sem bil v svoji karieri v tehnični prodaji in vlogah - v resnici ni bilo, "Oh, lahko prihranimo denar, ki bi motiviral organizacijo" - to je ponavadi strah. Bolj kot: "O, moj dragi, poskrbeti moramo, da bomo pokriti. Nočemo izgubiti službe. "In zagotovo stvari, kot so taksist in tveganje podatkov ter puščanje podatkov, o tem obstajajo res zanimive primerjalne študije. Verizon vsako leto naredi enega in verjetno je eden izmed mojih najljubših, ki ga lahko pregledam. Kar skoraj vedno vidite, je nenamerno, saj ni nujno, da veste, da je namerna zloraba podatkov ali napačno upravljanje podatkov, kar ima za posledico puščanje. In pogosto - nimajo teh statističnih podatkov za to posebno sejo - vendar je fascinantno, da ta naključna puščanja napačnega upravljanja dovoljenj in podobnega. Veste, da se stvari nekoliko olajšajo, te puščanje posojajo. Običajno ljudem, ki so v vaši organizaciji stranski ali zunanji, in to ni tisto, kar želite.
To so takšne stvari, ko razmišljate o programu varnosti in upravljanja podatkov. Veste, ne le slabe odločitve in prihranek denarja, ampak tudi zagotavljanje, da ste, veste, varni, upoštevate zakonodajo o zasebnosti in varnosti. V tej digitalni dobi lahko zaslužite podatke in seveda veste, da želite to storiti učinkovito in ponovno uporabiti podatke ter imeti blagoslovljeno kopijo in imeti - sovražim, ko ljudje rečejo, in v analitiki in Dolgo sem bil v analitiki, ena različica resnice. Običajno je, veste, ponavadi več različic resnice, samo z različnih vidikov. V bistvu želite, da so podatki zanesljivi, na katerih temeljijo odločitve.
Eden največjih voznikov, ki ga vidim - in to je dobro, dobro je, da se spet ohladi - je celoten koncept GDPR Evropske unije. In naj se malo pogovorim o tem. Če ne poznate GDPR, boste to prihodnje leto slišali veliko o tem. Maja je nova zakonodaja. Izvajati se bo začel maja 2018 in imel nekaj velikih kazni za napačno upravljanje informacij. To ste morda slišali v drugih oblikah - morda ne uporabljate izraza GDPR - morda ste to slišali ali videli kot pravico do pozabe, kar pomeni, da lahko stopite v stik in prosite prodajalce, naj vam odstranijo podatke. Ponovno pretekli arhitekti podatkov ne bi odstranili podatkov. Mi bi ga spremenili, naredili bi ga neaktivnega pri scenarijih hrambe podatkov. Nikoli nismo zares izbrisali svojih podatkov. Za to nismo imeli procesov. Veste, stvari, ki se bodo dotaknile vseh vidikov vaše organizacije ter različnih načinov in procesov, o katerih morda niste nikoli razmišljali pri gradnji aplikacije ali skladišča podatkov. Če torej vidite, da je treba razmišljati o GDPR, boste kmalu potrebovali pravno podlago za utemeljitev zbiranja in obdelave osebnih podatkov.
Torej je to večinoma na osebni ravni, zato je treba svobodno dati soglasje: konkretno, informirano, nedvoumno. In vplivalo bo na veliko področij umetne inteligence in podatkovne znanosti - to je področje, ki ga danes pokrivam večinoma, kar pomeni vpliv podatkovne znanosti in samo zagotavljanje preglednosti samih modelov - pa tudi številna druga področja samopostrežne službe BI, vaše podatkovno skladišče, upravljanje glavnih podatkov, celo 360 projektov vaše stranke, za personalizacijo in celo vašo poslovno aplikacijo. Torej to bo nekaj, kar se bo dotaknilo vsakega dela organa. Za razliko od zakonov o zasebnosti v drugih jurisdikcijah se GDPR uporablja za vse organizacije, ki se nahajajo znotraj ali zunaj Evropske unije. In globe za skladnost so spet pomembne. Vaša organizacija je lahko globa do štiri odstotke vašega celotnega bruto letnega - verjamem, da se imenuje promet - dohodek sam po sebi.
Upam, da imam vašo pozornost in to bi morali biti pozorni. Če vaše podjetje že upošteva nekatere od teh praks in industrijskih standardov s PCI, je morda to ISO - nisem prepričan, če bom to povedal pravilno - 27001. Če že izvajate nekatere od teh, ne bi smelo ' ne smem biti preveč prepričljiv, vendar se je vsekakor treba zavedati. Medtem ko se pripravljate na to, obstaja nekaj področij, zlasti pri upravljanju podatkov in ena prvih stvari je katalog in razvrščanje vaših podatkov - vedeti, kje se vaši podatki nahajajo. In v hibridnem svetu, kjer podatki živijo povsod: V oblaku je; je v teh aplikacijah; je v prodajni sili; je v nekem drugem naključnem programu, ki ga uporablja tudi marketing, veste, vaših strankinih sistemih ali vaših inventarnih sistemih - vse te vrste krajev. Vedite, kje so vaši podatki in kar je najlažje storiti - in to je bilo resnično zabavno področje upravljanja podatkov, ali so ti koncepti teh katalogov podatkov, ki imajo inteligenco, nekatere podatke tudi klasifikacija strojnega učenja.
In spet metapodatki - omenil sem, da se metapodatki spet ohladijo, zato resnično razmišljate o metapodatkih in ne prelistajte te pomembne teme, ko začnete oblikovati podatkovne jezerce in te vrste stvari ter jih seveda urejati in nadzirati. Torej bo spremljanje postalo veliko bolj pomembno, ko se boste morali vrniti nazaj, in nekdo iz GDPR, na primer, bi vas lahko prosil, da dokažete, kam so šli ti podatki, kdo jih ima, kdo je imel dostop do njega, itd. Ker boste dejansko morali pokazati organom te vrste stvari.
Da bi vam pomagal pri zrelosti upravljanja podatkov, je v resnici nekaj šol razmišljanja in verjamem - nisem stoodstotno prepričan - mislim, da sem v Ronovi palubi videl, da bo zajel nekaj teh, tako da Danes bom govoril iz CMMI. In ta, to je na voljo ljudem; zajema šest različnih kategorij upravljanja podatkov, 25 procesnih področij, 414 izjav o praksi in 596 različnih delovnih izdelkov. Torej, ko razmišljate o vseh stvareh, ki jih počnete, kot na primer upravljate in urejate podatke, 596 funkcionalnih delovnih izdelkov, se niste zavedali, koliko ste naredili, kajne? Ali tega, kar v resnici ne počnete. Ko gledam takšno številko, je ena od stvari, ki mi resnično pade v pamet. Pri tem in kar mi je všeč pri tem, je to, da sta arhitektura in tehnologija nevtralna. Torej to pomeni, da če imate, in večina večjih organizacij, s katerimi sem se skozi leta posvetovala ali delala in izvajala, veste, da imajo tam različne vrste tehnologij. Torej boste želeli prevesti, kaj pomeni DMM na platforme in tehnologije, ki jih uporabljate v vašem specifičnem okolju. Prav tako je neodvisna od industrije, zato ni nujno značilna na primer za zdravstveno varstvo. Zdravstvena oskrba je zagotovo - ne glede na to, ali gre za BAA ali različne vrste klasifikacij, morate med sestavljanjem programa ali načrta izboljšati stopnjo zrelosti upravljanja podatkov v svoji organizaciji ali preučiti različne vrste stvari.
Kaj je to, če ni nekaj teh stvari? V bistvu je določiti, kaj, ne pa natančno povedati, kako to storiti. Ker sem bil večino svoje kariere zelo osebnost tipa A, mi je bilo všeč, ko so mi ljudje dali cilj in sem lahko ugotovil, kako priti do tega cilja in nisem, recimo, upravljal s svojim časom, kako priti do tja. Tako je zrelost upravljanja podatkov in ti procesi s CMMI-jem vam prinašajo cilje in vam dajejo, kako meriti sebe na nekaterih teh različnih področjih. In dali vam bodo raven. Obstajajo različni načini, kako lahko sami ocenite in merite, ne glede na to, ali je nivo ena vse do pete ravni, kar pomeni, da ste ga optimizirali in imeli zares močan program.
In da bi vam samo dal občutek, kaj to v resnici pomeni, imam tukaj malo pregleda, kaj bi to lahko pomenilo. Torej, tukaj, ko razmišljate o tem, da imate življenjski cikel procesorja zrelosti za upravljanje podatkov, ima vzpostavljene podporne procese, vse od zahtev, upravljanja tveganj, tam morate podpirati procese, do upravljanja podatkov in prijazen sem tega, kar je v bistvu upravljanje podatkov, je v celoti program sam po sebi. S poslovnim glosarjem smo se za vedno pogovarjali o poslovnih glosarjih in arhitektih podatkov - to bi moralo biti nekaj, kar imate v svoji organizaciji. Nekatere od teh tehnologij v katalogu tam izdelujejo, razvijajo poslovni glosar z množičnim posredovanjem informacij in jemanjem in kaj drugega, in veste, dajanje povezav v dokumente na različne vidike istih podatkov, polja podatkov ali različico podatkov, saj se spreminjajo skozi celoten življenjski cikel vrednosti.
To so vrste stvari, ki so se od začetka svoje kariere precej izboljšale. V preteklosti smo morali tovrstne stvari razvijati domače sisteme. Torej gledamo na celoto in na splošno sliko, to je strategija in potem vsi različni deli, od upravljanja do kakovosti v upravljanju. In kar zadeva kakovost podatkov, je zanimivo, ker industrija postaja bolj avtomatizirana in imamo spet te digitalne procese z avtomatiziranim odločanjem. Veliko delam v prostoru s področja znanosti o podatkih, kjer imamo nekaj teh orodij za avtomatizacijo odločitev in posodabljanje napovednih modelov. Veliko teh orodij in algoritmov zahteva in predpostavljajo, da so podatki dobri. Podatki morajo biti veljavni za dobro avtomatizirano odločitev. Torej, ko razmišljate o tem, veste, da je morda kakovost podatkov ponavadi ena tistih stvari, ki jih ljudje nekako odpravijo in ne jemljejo zelo resno. Ko pa začnete avtomatizirati odločanje na modelih za napovedno modeliranje in strojno učenje, postane kakovost podatkov resnično pomembna.
Nekaj načinov za merjenje vašega napredka je tukaj - in Ronu bom dovolil, da spregovori s tem, tudi on je na svoji seji zelo simpatičen - o tem vam želim samo hiter vrhunec, veste, te različne ravni v tem. V bistvu gre za samoocenjevanje, kajne? Torej boste preučili svoje upravljanje podatkov in kaj mislite, da imate sploh kaj na svojem mestu. In ne bodi vam nerodno, če ne. Kot sem že rekel, samo 33 odstotkov organizacij je zares začelo izvajati tovrstne stvari. Kljub temu, da veste, da so se te vrste programov lotili vsaj - v industriji sem že več kot 20 let in zagotovo sem pred leti tovrstne stvari izvajal, tega morda nismo ravno imenovali. CMMI imajo vajo, ki jo lahko samoocenite in si lahko ogledate in ustvarite svojo - v tem primeru tovrstno radarsko karto - oceni vse te različne kote ali stvari. Vsaka organizacija, kot sem se lotil drugače, veste, ko sem se posvetovala in izvajala te projekte, veste, vsaka organizacija je edinstvena. To bodo področja, ki bodo zanje resnično zelo pomembna. Mogoče je to upravljanje procesov ali upravljanje kakovosti ali tveganje - odvisno, kakšno je, toda želeli si boste pogledati in ustvariti referenčno vrednost ali izhodišče, nato pa razmišljati tudi o tem, kaj določa njen uspeh.
Ko razmišljate o merjenju in upravljanju teh vrst, boste najprej želeli zagotoviti nekaj izvršnega sponzorstva za takšen program. To bo nekaj, kar bo v celotni organizaciji večfunkcionalno, tako da tudi če Susie Q in John Smith skleneta: "Ja, naredimo to. To moramo storiti, " tega ne morejo storiti v silosu v njihovo organizacijo ali celo, če je to IT. Resnično morate imeti nakup od podjetja in strokovnjakov, na katere se nanašajo osebni podatki. Morajo imeti nekaj časa. Nočejo, da je to samo dodatna naloga. Če ste kdaj delali - mislim, da sem že opravil nekaj glavnih nalog upravljanja podatkov, projektov in kakovosti podatkov - in ponavadi, veste, se lotite podjetja in oni, "Oh, vodenje podatkov." nekaj, nad čimer so navdušeni. In so kot: "O, ne. Za to moramo imeti čas, «in to tudi storijo. Torej si boste želeli imeti nekaj časa. Takšen blagoslov boste morali imeti od zgoraj. Želeli bi, da je navzkrižno funkcionalen.
Spet je to nekaj, kar se resnično dotakne številnih področij organizacije. In z GDPR bi to moralo biti nekoliko lažje, ker spet veljajo zakoni GDPR in kje se ti osebni podatki uporabljajo za vaše stranke in se uporabljajo v celotni organizaciji, to bi moralo biti nekoliko lažje, če jih uporabite, če imate da se držijo GDPR. Tu se naveže jezik. To bi moralo biti lažje. Želeli boste dodeliti nekaj odgovornosti in nato pogledati, veste, da jih boste prilagodili. Torej vedno gledate na takšne napotke, ki jih te organizacije zagotavljajo, in to so navadno takšni: oni so smernice za vas in jih boste uporabili za svojo kulturo v svoji organizaciji.
Delo v upravljanju je bilo resnično pomembno, ena od stvari, ki so jih nekateri izdelki, ki sem jih razvil, ko sem vodil svetovno upravljanje izdelkov pri Microsoftu, samopostrežni BI in podjetju in netehničnim uporabnikom podatkov omogočil, da se igrajo s podatki in ustvarjajo lastna poročila in velikokrat bi se IT potisnila nazaj. Tako da sem porabil veliko časa za to upravljanje in poskrbel, da bodo imeli izdelki ustrezne lastnosti ter revizijo in beleženje, in, veste, izdelavo tako, da sami ne bodo uničili baze podatkov. Vendar obstaja okvir, ki se skozi leta ukvarja s to temo teh stvari, ki je podobna tudi upravljanju podatkov. Želeli bi imeti to fundacijo, ki je bila ustanovljena s sponzorskim vodstvom za to, in želeli boste to zavezo med podjetjem in IT.
Tako je, spet smo govorili o dodelitvi proračuna / časa in razvoju novih procesov. Sprememba na kulturni ravni se bo zgodila, ko boste počeli nekaj teh stvari, začnite gledati podatke. A veste, spet je zelo pomembno s strateškega vidika. In da vam dam občutek, tukaj je primer, in očistil sem ga iz enega svojih starih projektov iz preteklih let o teh vrstah stvari. In spet, to je verjetno več z vidika splošnega upravljanja, a zagotovo ga je mogoče uporabiti za tovrstne projekte z upravljanjem in razvojem vaših procesov upravljanja podatkov in urejanja le-teh. Imate strokovnjaka za poslovno področje, tukaj imamo vodje podatkov, strokovnjake za informacijsko tehnologijo, veste, za različne vrste poslovanja. Veliko večjih podjetij bo imelo vaš odbor za standarde podjetij in vaše podjetniške arhitekte in arhitekte podatkov in modele. Tako bo nekaj različnih strokovnjakov za zadeve z različnih ravni. In spet, veliko teh - sovražim, da imajo to za zgled - prilagodili bodo vaši organizaciji in vaši kulturi.
Ena od stvari, ko delate s temi projekti, je to, da velikokrat verjetno ni najbolj vznemirljiv projekt v organizacijah, ne tako vizualno, kot si ljudje želijo. Smešno je ena od tistih stvari, ki prihajajo, ko pride svetovalno podjetje ali celo v vašo IT-skupino ali v vaš BI center skupine odličnosti ali pride v vaš analitični center odličnosti in bomo delali na podatkih kakovosti in zrelosti za upravljanje podatkov, morda ne bodo ravno navdušeni nad tem. Toda najti morate načine, kako jih spodbuditi in vključiti v svoje meritve. Ko razmišljate o tem, kaj bo, je ena stvar, da enkrat naredite to vajo in ljudi vkrcate. In ugotovite, da jim je bil katalog podatkov všeč ali imajo radi nekaj teh stvari, ker jim olajša življenje in lahko najdejo, kaj podatki pomenijo ali razumejo, in lahko temu dodajo svojo perspektivo. In katalog podatkov je verjetno eden največjih projektov, ki ljudem pomaga, da se resnično zaljubijo v to.
Naslednja stvar je, da jih ohranite. Kako ohraniti nekoga angažiranega, da mu morda to ni mar? Določiti je treba nekatere meritve in jih vključiti, njihovo merjenje v in nato zagotoviti nekaj učenja za kršitve in zavedanje, da: "Hej, delali smo res dobro nekaj časa in potem čez nekaj časa ne tako dobro." so vrste stvari, o katerih morate razmišljati, da bi to nadaljevali. In potem, ko razmišljate o točkovanju, in to je primer iz CMMI-ja, tako jih ocenijo. Spet boste imeli svoje nadzorne plošče, svoje KPI, saj veste, kako se ljudje merijo v organizaciji. Vendar boste imeli različne načine za oceno in merjenje lastnega uspeha. Moja ključna točka, da bi se morali temu odvzeti, ali pa kljuka, da jo odvzamete, je to, da imate način merjenja uspeha in da boste lahko slavili tudi svoje uspehe.
Torej s tem cenim, da ste se zadržali za to vznemirljivo temo, in prešel bom k Ronu, ki bo kopal malo globlje.
Ron Huizenga: Pa hvala, Jen. In hvala vsem, ker ste se nam danes pridružili. Zdaj bom sprejel nekaj vidikov tega, o čemer je Jen govorila, in šel nekoliko globlje na določena področja. Vendar pa bom tudi naredil nekakšen povzetek, kako lahko vsaj na nekaterih stopnjah opravite samooceno na visoki ravni. Ker kot ste videli pri modelih CMMI in takšnih stvareh, lahko zelo hitro zaidete z zelo različnimi kazalci. Torej, kaj želimo resnično doseči, je nekaj, da lahko dobite občutek, kje je vaša organizacija na dokaj visoki ravni, in nato začnete sproti preverjati druge. Torej s tem bom govoril o organizacijski učinkovitosti. To bom utemeljil na CMMI in nekaterih drugih standardih ali organih znanja, ki iz tega izvirajo skozi leta. Potem bom govoril o nekaterih kazalcih zrelosti za zrelost podatkov in zrelost procesa, ker bomo s tem videli, da gredo z roko v roki. In podpira perspektive, Jen je spregovorila o upravljanju na enem področju. Nekaj malega bom govoril tudi o podjetniški arhitekturi. In potem ga povzamemo in pridemo do same okrogle mize.
Če pogledamo, je v preteklih letih objavljenih veliko standardov in standardov korektivnosti, ki so seveda področja znanja. Veliko teh je res izhajalo iz zmožnosti modela zrelosti. In od tod izvira CMMI, o kateri je Jen govorila. Sam model CMM je bil v resnici leta 1998. Pravzaprav ga je začel gospod Watts Humphrey, ko je bil v družbi IBM. V podjetju IBM je imel 27-letno kariero. Toda njegov dejanski aktivni razvoj tega modela se je začel, ko je bil v Carnegie Mellon in ga je naročilo ameriško ministrstvo za obrambo. Za to so bili uporabljeni številni drugi standardi. In kaj je zelo dobro vedeti o industriji, ko o tem govorimo v nekaterih drugih standardih, je, ko pogledamo časovno razporeditev tega, tudi v ozadju stvari, ki smo jih na splošno videli v industriji. Takrat se je gibanje kakovosti res začelo uveljavljati, zlasti v proizvodnji, in se je začelo na drugih področjih. Kjer smo iskali načine za izboljšanje proizvodnih procesov, počeli stvari, kot je celostno upravljanje kakovosti, pravočasna izdelava in druge stvari. In veliko filozofij, ki so nastale iz tega, je prišlo v celotno kakovostno delo.
In to je res nekakšna točka za skakanje, iz katere se je začelo veliko teh stvari. Začelo se je v splošni industriji in se podalo v IT, podatke in procese ter informacijske sisteme. Drugi standardi, za katere vidimo, da so bolj povezani ali bolj specifični za nekatere stvari, o katerih govorimo, je seveda model zrelosti podatkov, o katerem je Jen malo spregovorila. Obstaja tudi model zrelosti poslovnih procesov skupine Object Management. In številni drugi standardi, za katere ste morda videli, da se vaša organizacija morda spopada ali uporablja na različnih področjih poslovanja, zlasti na IT-napravi, na primer COBIT, ki je nadzorni cilj informacijske in tehnološke tehnologije, ITIL, ki je na splošno infrastruktura - osredotočeno, s čimer se je marsikdo od vas morda spopadel. Spet celostno upravljanje kakovosti. In še posebej, ko naletite na stvari, kot so metrike in vse drugo, ste morda videli tudi stvari, kot je nadzor nad statističnimi procesi. In potem so seveda nekatera področja znanja, s katerimi se ukvarjamo, informacijski ali IT strokovnjaki. Upravljanje podatkov s področja znanja.
Prav tako je enakovredno temu poslovno analizo. In vodenje projektov. Morda imate več ali več teh stvari v igri, ki jih hkrati uporabljajo različne zainteresirane strani v vaši organizaciji. Toda dajmo se nekako filtrirati skozi okna in se vrnemo nazaj in rečemo, kaj je zrelost? In navajamo definicijo zrelega, ker ko vprašate, kaj je zrelost, ko jo pogledate v slovar, dejansko piše "zrel si." Torej, če uporabite besedo "zrel", to dejansko pomeni doseči napredno stopnja razvoja - seveda zelo generična. Ampak tisto, kar v resnici gledamo tukaj, napreduje to, kar počnemo, na višji in višji nivo dosežkov, ko gremo skozi. Ko pogledate veliko standardov, kot boste videli, zlasti CMMI in model zrelosti sposobnosti resnično temeljita na pettočkovni lestvici, tako da nam omogoča postopno iskanje in reči, kako so se dejansko razvijamo po tej lestvici, kako rastemo?
Čeprav gledamo na zrelost, moramo v smislu doseganja organizacijske zrelosti v zadevah, ki nas zanimajo, biti v ravnovesju. Doseči morate zrelost podatkov in govorili bomo o nekaterih merilih, ki jih morate tam opraviti, vendar morate hkrati doseči zrelost procesa. So dve strani istega kovanca in morata iti z roko v roki. Ne morete iti od, recimo, nič do petih na lestvici zrelosti podatkov, ne da bi povečali zrelost procesa, enako pa je tudi z zrelostjo procesa. Oba sta združena in se med vožnjo vlečeta med seboj, ko se dejansko razvijate skozi različne etape. O tem bom še malo govoril v prihodnjem diapozitivu. Druge stvari, ki jih moramo spoznati, so doseganje podatkov in zrelosti procesov, ki so temeljne za arhitekturo podjetja in so ključne za nekatere stvari, o katerih je Jen govorila. Tistim, ki jih poskušamo, omogočimo z zrelostjo pri nekaterih od teh stvari.
Zdaj pa na diapozitiv, o katerem je Jen dejala, da bom govoril malo podrobneje. Vzel sem le nekaj kategorij in s pomočjo lestvice CMM tukaj, in dejansko imam svojo, pravzaprav na lestvici dodam ničlo, ker so morda nekateri primeri, ko jih dejansko niste naredili kakršna koli vleka sploh v teh primerih. Torej, to so samo načini prepoznavanja, ki so se zgodili. Če torej pogledamo predvsem upravljanje podatkov, se lahko začnete na ničli, ker nimate nobenih programov za upravljanje podatkov. Ko začnete zoreti na različnih področjih, ko ga začnete uvajati na projektni ravni, nato na ravni programa, skozi oddelke in na koncu celotno podjetje, tako z vidika upravljanja dejansko zorete in rastete kot organizacija, kot to počnete.
Druge vidike tega, na primer glavno upravljanje podatkov, lahko začnete na ničli brez formalnih klasifikacij podatkov. Nato pridete do točke, ko pridete do točke, ko prepoznate, da imate glavne podatke in začnete klasificirati, vendar ni integriran. Nato začnete delovati v smeri integriranih in deljenih skladišč. Potem, ko zaidete v standardizirano okolje, takrat iščete storitve upravljanja podatkov. Ko boste napredovali naprej, boste ustanovili nadzornike nadrejenih podatkov in sčasoma svet za nadzor podatkov, ki to resno gleda ves čas. Ko pogledate svoje tehnično okolje in aplikacije ter baze podatkov, ki jih imate z vidika integracije podatkov, spet v nezrelem okolju potrebujete številne ad hoc, točkovne vmesnike in to vrsto stvar. Ko boste zrasli, boste začeli uvajati nekatera običajna orodja in standarde. Nato boste začeli gledati skupne integracijske platforme, ko boste zrasli. Ko boste postali standardizirani, boste delali na standardiziranem vmesnem programu in možnih preprostih stvareh, kot so podjetniški avtobusni servisi, kanonični model, kategorizirali vse svoje podatke v svoji organizaciji in tudi vezali na stvari, kot so poslovna pravila v vašem skladišču, in tovrstne vrste stvari. Potem pa še dlje, kjer se boš v celoti vključil v organizacijsko kulturo. In seveda je kakovost najpomembnejše. Medtem ko je Jen govorila, veliko odločitev in veliko orodij, ki so tam zgoraj, predpostavljajo, da imate kakovostne podatke, s katerimi delate. Zato je kakovost podatkov bistvena podlaga za doseganje zrelosti podatkov.
Ko spet pogledate podatke, boste morda imeli veliko silosov in raztresenih podatkov v nezrelih okoljih. Morda imate neskladja, ki so sprejeta. In potem začneš delati na tem, prepoznaš nedosledno in potem začneš gledati na načrtovanje. Če tukaj pogledate upravljana okolja, je tukaj zelo pomembno čiščenje podatkov pri porabi, da se podatki lahko uporabijo pri odločanju. Torej, o čem v resnici govorimo, je čiščenje podatkov, kamor ga bomo naložili v shrambe podatkov in druga orodja za podporo odločanju. In to je analogno tistemu, kar smo videli pri industriji izdelave podatkov, kjer bi ljudje gradili izdelke, se spustili po montažni liniji, na koncu pa bi izdelek pregledali in šli: "Oh, Tukaj je ena napaka, ki je nikoli ne morete storiti, in ne morete izboljšati kakovosti izdelka tako, da jo na koncu pregledate. Lahko vidite težave z njo in nato lahko sprejmete ukrepe za izboljšanje naslednjih in drugih, ki pridejo po črto po njej, vendar je nikoli ne boste izboljšali, če jo pregledate na koncu. Torej, ko se premikate naprej, zlasti pri podatkih, se bolj premikate z inšpekcijskega in čistilnega vidika na kraju porabe, kjer začnete poskušati to graditi na izviru, od tam, kjer ujamete podatki, procesi, ki delujejo na te podatke in zagotavljajo, da so ti podatki točni in primerni za porabo v vsakem procesu skozi celoten postopek. Ko se razvijate naprej, začnete razvijati in dobiti kakovostne kazalnike uspešnosti ter dejansko začnete razvijati preventivni pristop k kakovosti podatkov, ko premikate naprej.
Kar zadeva organizacijsko vedenje ali stvari, ki jih vidite, če menite, da nimate težav ali ne veste, ste morda, če je v vaši organizaciji faza zavrnitve, to mi pravi, da ste na ničelna stopnja ali se potencialno premika v eno. Če je okoli vaših podatkov veliko kaosa in poskušate odpraviti te neskladnosti, ste verjetno na prvi ravni. Ko ste še vedno v reaktivnem načinu, prehajate v upravljan, vendar ne boste postali standardizirani, dokler dejansko ne boste imeli zelo stabilnega podatkovnega okolja, ki bo zajemalo upravljanje, kakovost, glavno upravljanje podatkov in podatke integracija, če naštejem le nekaj točk. In ko enkrat to presežete, takrat začnete v resnično proaktivne sloge upravljanja. Če pridete do dela, kjer imate zelo napovedno vedenje in tudi analitike, da to podkrepite, in KPI, da to podprete v svoji organizaciji, ko to pogledamo in preložimo nekaj stvari, je nekaj drugih stvari, ki jih lahko si oglejte organizacije in kje so. Poglejmo si primarni IT fokus v organizaciji. Če je vaš glavni poudarek na IT-ju še vedno na tehnologiji in infrastrukturi, ste verjetno navzdol proti manj zrelemu koncu lestvice. Ko pa se resnično osredotočate na informacije in strateško poslovno omogočanje informacij, potem se približate zreli koncu lestvice. Tudi če na to gledate s podatkovne perspektive, če ste na spodnjem koncu, imate veliko podatkovno tveganje in če ste na višjem koncu, ste znižali tveganje, povezano s podatki. S tega vidika je ustvarjanje vrednosti organizacije. Nižja zrelost podatkov pomeni, da imate verjetno precej nizko raven ustvarjanja vrednosti, zlasti kar zadeva podatke, ki jih imate v svoji organizaciji. Ko se premikate po lestvici navzgor, pridobivate visoko vrednost.
Poglejmo to v smislu samega modeliranja podatkov. Včasih je modeliranje podatkov postalo rdečelasa pastorka. Za doseganje zrelosti podatkov je temeljno modeliranje podatkov. Zato bi rad govoril o nekaj znakih pripovedovanja o tem, kako se modeliranje podatkov vključuje v to. Če se le uporablja za dokumentacijo ali preprosto, fizično ustvarjanje baz podatkov za majhne aplikacije in tovrstne stvari, ste verjetno zreli na prvo stopnjo glede zrelosti podatkov. Ko začnete sprejemati in prepoznavati različne tipe modelov, vključno s konceptualnim, logičnim modelom in fizičnim modelom, kjer je tudi, veste, v bistvu usmerjen dizajn. Resnično ga uporabljate kot oblikovalsko stališče, potem ste na prvi ravni.
Ko začnete na to gledati z bolj podjetniškega nivoja, vključno z gradnjo podjetniških ali kanoničnih modelov, uvajanjem konceptov in vezanjem v več modelov, podatkovno linijo in gradnjo metapodatkov upravljanja naravnost v svoje modele, začnete priti do tretja raven, nato pa se premaknete naprej k metapodatkom o polnem upravljanju, integraciji poslovnega glosarja in podobno. Če pogledamo življenjski cikel in vrednostno verigo podatkov, ko resnično dosežemo četrto raven. In spet, popolnoma integrirano modeliranje s poslovnimi glosarji, metapodatki, zmožnostjo poganjanja stvari, kot je samooskrbna analitika, to je res, ko ste dosegli dokaj zrelo stanje.
V zvezi s tem želim zelo na kratko govoriti o življenjskem ciklu podatkov. In razlog, o katerem želim govoriti, je na žalost življenjski cikel podatkov, pogosto zanemarjen. In kaj je, resnično je opisal, kako se podatkovni element ustvari, prebere, posodobi ali izbriše in procese, ki nanj delujejo v vaši organizaciji. Tako tisti, ki smo že dolgo v panogi, to imenujemo kot CRUD, ker je to ustvarjanje, branje, posodabljanje in brisanje. Toda to moramo razumeti na temeljni ravni, ko imamo opravka s podatki v naši organizaciji. Igra dejavnikov veliko. Kakšna so poslovna pravila, ki delujejo nanjo? Kateri so poslovni procesi, ki podatke porabijo, proizvajajo ali spreminjajo? Katere so aplikacije, ki dejansko izvajajo tiste poslovne procese, da vam to omogočajo? Vse, kar pride v poštev v smislu življenjskega cikla podatkov.
In spet je Jen na to opozorila že prej - morda ni nujno en vir resnice. Obstaja lahko več načinov za ustvarjanje določenega podatkovnega elementa. In morda boste morda morali vstopati, različne stvari pridejo skozi več sistemov ali več vstopov, ki jih morate uskladiti in rešiti, da lahko ugotovite, kakšen je pravi vir podatkov za določeno odločitev v tistem trenutku. V organizaciji lahko obstaja več različic podatkov za različne namene. Če želite to doseči, morate imeti možnost modeliranja poslovnega procesa, podatkovne vrstice, ki vključuje pretok podatkov, integracijo in ki vključuje stvari, kot je ETL, zato ekstrahirajte, preoblikujte in nalagajte za svoje podatkovno skladišče, podatkovno polje in območja načrtovanja in seveda pridejo v poštev tudi podatkovne povezave na strani velikih podatkov. Ko te podatke potegnete iz podatkovnega jezera, morate vedeti, kako jih porabite in kako jih uporabljate. Glede na sam življenjski cikel je res, kako ustvarjamo ali zbiramo nove podatke, kako jih razvrščamo - ker jih morate razvrstiti, da jih razumete in z njimi učinkovito delujete - kako jih hranite, kako ga uporabljate, kako ga spreminjate v tisti poslovni postopek, kjer ga delite v organizaciji - in zelo pomembno: hramba in arhiviranje. Kako dolgo hranite podatke? Kdaj ga arhivirate? Kdaj na koncu uničite te podatke? Vse te stvari je treba upoštevati v vašem življenjskem ciklu podatkov in vse to morate storiti, da dosežete visoko raven zrelosti podatkov v svoji organizaciji.
Zdaj, ko sem se vrnil, sem spet rekel, da sta kot dvojčka, kjer se morate pogovarjati o zrelosti procesa v povezavi z zrelostjo podatkov - gresta z roko v roki. Tu imam spet nekaj različnih stvari in - ne skrbite, ne bom prebral vseh teh, ampak le nekakšen kontrolni seznam, tako da - spet lahko začnete samoocenjevati, kje je vaša organizacija v smislu zrelosti procesa. Poglejmo še enkrat stvari iz začetne desnice skozi optimizirane strani. Spet uporabljamo isto pettočkovno lestvico, ki je bila izpeljana iz modela zrelosti sposobnosti. Če gledate na stvari, kot je osredotočenost, če ste na nižji ali začetni stopnji zrelosti procesa, boste v svoji organizaciji morda ugotovili, da se ljudje za izvajanje svojega dela resnično zanašajo na svoje metode. In morda boste videli nekaj junaštva in take vrste, da bi lahko stvari dokončali. Nato začnete priti do točke, ko ste bolj proaktivni glede tega, ko vaše vodstvo prevzame odgovornost za delovne enote in uspešnost. Nato začnete razvijati standardne integrirane procese. Nato stabilnost procesa in ponovna uporaba. Nato začnete videti več kulture mentoriranja in statističnega upravljanja za izračun meritev in KPI glede teh procesov ter končno do popolne stopnje optimizacije.
Ko pogledate upravljanje dela, boste morda šli, odšli boste iz območja, kjer imate neskladne ravni upravljanja dela, na bolj upravljano, kjer vsaj na višji ravni uravnotežite svoje obveznosti do virov. Nato na točko, ko imate bolj prilagodljivo ali prilagodljivo organizacijo, da lahko svoje procese standardizirate, vendar jih prilagodite tako, da se najbolje uporabljajo v različnih okoliščinah vaše organizacije. In ko pridete do naprednega napredka, je tam pomembno opolnomočenje in to pomeni, da vsi intuitivno razumejo, kaj se dogaja, osebje pa ima podatke o procesih, da lahko ocenijo in upravljajo svoje delo.
Spet se vrnemo k analogiji izdelave - ko smo videli, da smo med posodabljanjem montažnih linij in podobnega v industriji začeli govoriti o skupni kakovosti in opolnomočenju delavcev celo na montažni liniji, če bi kdo videl V kakšni določeni fazi proizvodnje je nekaj narobe, ljudje so bili pooblaščeni, da lahko pritisnejo na velik rdeči gumb in izklopijo celotno montažno linijo, dokler se težave ne rešijo, preden se stvari nadaljujejo. In to je vrsta duševnosti in neke vrste kulture, za katero iščemo podatke v svojih procesih, da bi zagotovili, da dejansko optimiziramo svoje podatke in procese v naši organizaciji.
Drugi kazalniki vaše kulture - ali vaša kultura zastaja v smislu neznatnih temeljev za resnično zavzetost za izboljšanje vaših poslovnih procesov? Ali obstaja prenos odgovornosti, ki jo vidimo še naprej? Ko se premikate naprej, boste morda še vedno imeli silose, toda ko se začnete premikati glede na kulturo in stvari, ki jih počnete v vašem poslovnem procesu, razbijate tudi te različne poslovne silose in izkoristite procesov v vaši organizaciji. Zelo pomembno je, da, ko pridete do faze dogodka, tisto, kar dejansko temelji na tem, da namesto čutite črevesje, pravzaprav zbirate kakovostne metrike in imate na voljo meritve, ki napovedujejo vaše sposobnosti uspešnosti vašega podjetja operacij, in to je izredno pomembno.
Kar zadeva arhitekturo, se pogovorimo o tem, ker je veliko nas tukaj v IT-ju ali vedno gleda na IT. Spet iste vrste stvari, ki smo jih videli v podatkih. Imamo obupne IT sisteme, če ste resnično v začetni fazi zrelosti procesa. Ko začnete upravljati svoje procese, boste videli, da se nekatere storitve nastavljajo tam, kjer resnično uporabljate več pristop, ki temelji na storitvah. Če boste postali standardizirani, boste videli več sprejetja celotne storitve v zvezi s podatki in storitvami ter storitvami procesov in tovrstnimi stvarmi, vse tja do celotne storitve ali nove arhitekture. In potem na koncu celotno procesno podjetje, ki uporablja vaše podatke.
Spet iste vrste lestvic, ko gledamo na to. Kar zadeva produktivnost, pri nizki stopnji zrelosti procesov boste videli nizko raven produktivnosti in visoko zrelost procesa, videli boste veliko večjo produktivnost. In kakovost gre tudi z roko v roki s tem. Enako kot pri podatkih - če ste zreli, boste videli veliko stopnjo tveganja in tudi visoko stopnjo odpadkov. Toda višja kot je zrelost, to boste znižali in zmanjšali tveganje ter znatno zmanjšali odpadke. Glede nekaterih stvari, ki se vam zdijo nekakšni simptomi ali kazalci v organizaciji, če osnovna filozofija temelji na znižanju stroškov, ste verjetno nizko zreli za proces. Nato boste diplomirali in se pomaknili k večji učinkovitosti v svoji organizaciji, nato pa, ko boste prišli do zelo zrele ravni, se boste spet osredotočili na ustvarjanje vrednosti.
Z vidika organizacijskega upravljanja, če vlada kaos, je to navadno simptom organizacij z nizko stopnjo zrelosti. Ampak začnete se osredotočati na tisto, čemur pravim bolj vodstvena miselnost, kjer - in morda je nekaj upravljanja z odlokom ali vsiljevanjem stvari - tam, kjer ste res takrat, ko pridete na bolj zrele ravni, vaše vodstvo prevede na več vodstva. Z drugimi besedami, filozofija izboljšave je vpeta v kulturo in od generalnega direktorja navzdol, promovirajo vso filozofijo izboljševanja procesov in nenehnega, nenehnega izboljševanja v vaši organizaciji kot celoti.
V zvezi s procesnim modelom - in tukaj bom zadeve dokaj hitro pregledal - še enkrat poglejmo procesne modele, ki se prilegajo sami zrelosti procesa. Ponovno zelo podobno stvarem, ki smo jih videli pri zrelosti podatkov, kjer na nizkih ravneh ali prvi stopnji morda le dokumentirate procese ali trenutni proces, vendar tega resnično ne uporabljate v smislu, da stvari napredujete naprej. Ko začnete zoreti, boste uporabili modeliranje poslovnih procesov, da boste spodbudili dejansko upravljanje poslovnih procesov v organizaciji, nato pa se še bolj razvijali tam, kjer ga uporabljate, in nenehno posodabljajte te modele, da boste izboljšali procese do konca priti do procesa oblikovanja. In potem, ko pridete do polno zrelega ali, veste, tistega, kar navadno vidite v vitkih organizacijah ali organizacijah, ki so sprejele bolj kakovostne programe, kot je Sigma, je tu spet miselnost za nenehno izboljševanje in vgrajena je prav pri modeliranju vaša organizacija. Tako kot uporabljamo inženirske načrte za izdelavo izdelkov, ne glede na to, ali gre za letala ali zgradbe in nebotičnike in tovrstne stvari, se zanašamo na svoje modele, da dejansko poganjajo naše poslovanje naprej, saj je to oblikovalski element, ki dejansko vodi naše organizacijske elemente naprej .
Zdaj spet ne bom podrobno opisoval te in vsake besede. Naredil sem dva preprostejša diapozitiva mreže in izbral sem več besed, ki so bile v nekaterih drugih opisnikih uporabljene tako za zrelost podatkov kot zrelost procesa. Ko to pogledate po dejstvu, lahko začnete razmišljati o nekaterih besedah, za katere vidite, da se pojavljajo v vaših notranjih kulturah v smislu stvari, ki jih govorite. In to vam bo pomagalo začeti razvrščati, kje se kot celotna organizacija začenjamo prilagajati tej lestvici zrelosti. Če torej opazite stvari, kot so nedoslednost ali stajanje ali neučinkovitost, se pojavljajo precej pogosto ali kaos, običajno boste na spodnjem koncu lestvice. Ko začnete razmišljati o stvareh, kot so nenehno izboljševanje, strateško usklajevanje, preventivni pristop k pomanjkljivostim in kakovosti in tovrstne stvari, popolna integracija in govorite o najboljših praksah v konkurenčni prednosti, to boste videli sami gor pri optimizatorju, višji konec lestvice.
Ponovno želim poudariti nekaj, kar je, ko začnete z upravljanjem podatkov, zlasti ko gledate na dno lestvice, na začetnih stopnjah, upravljanje podatkov uvesti le na ravni posameznih projektov. Razviti se morate do točke, ko je upravljanje podatkov in poseben cilj iz upravljanja podatkov v projektih in se je razvilo s programskim in delitvenim upravljanjem podatkov, kjer je spet celotno podjetje in vpeto v organizacijo kot celoto.
Govoril sem o tem, da gre dejansko za dvojčka, ki delujeta skupaj glede na zrelost podatkov in zrelost procesa. Da bi dosegli to zrelost, je na obeh straneh lestvice pot in ne morete preskakovati korakov. Če ste v ničli, se boste morali razvijati skozi prve, dve, tri, štiri in na koncu doseči pet. In na svetu je zelo malo organizacij, ki so dejansko ob petih. Torej bi bilo veliko organizacij več kot veselo, da se znajdejo na točki, ko so ob treh in bi to lahko uporabili kot odskočno desko, ki gre naprej. In spet ne morete iti, ne morete biti ob štirih, ko je podatkovna zrelost in ena v procesni zrelosti. Enostavno ne deluje, ker so tako prepleteni, da morate razumeti in dobro obdelovati svoje podatke in procese v povezavi drug z drugim.
Dobra analogija, če si omislite takšno, kot je na poti do organizirane zrelosti, predpostavimo, da vašo ekipo sestavljata dva človeka: eden je procesna zrelost, drugi pa zrelost podatkov. Tečete oviro in ste vezani s kratko vrvjo. In da bi prišli do konca tečaja, to pomeni, da se morata oba prebiti, ne samo vseh ovir, ampak se morata skozi vse ovire prebiti skoraj istočasno ali zelo blizu drug drugega, da bi bila sposobni se premakniti naprej in priti do naslednje ovire. To je res dober način razmišljanja o uravnoteženju zrelosti postopka in zrelosti podatkov. Torej z drugimi besedami, lahko ste nekoliko osredotočeni na proces in lahko nekoliko osredotočeni na podatke, vendar bo to vodilni indikator in ne more biti veliko vrzeli, da bi vas dejansko pripeljali skozi ravni.
In potem, ko na to spet pogledamo iz upravljanja podatkov, je ena od stvari, ki sem jo želela opozoriti, če se niste zavedali, DAMA dejansko izdala zbirko podatkov o obsegu znanja v začetku letošnjega leta in na stvari, tam spremenjeno je dejansko kolo DAMA. In dejansko sem si jo predstavljal nekoliko drugače, kjer je upravljanje podatkov v središču in deset različnih kategorij okoli različnega kolesa. Tu je nekaj pomembnega nekaj, kar je modeliranje podatkov in oblikovanje ima pravzaprav svoja področja na kolesu - prej se je nekako zlivalo v druga. Ena izmed stvari, ki je tukaj zelo temeljna točka, je predvsem modeliranje podatkov, ki je temeljnega pomena za vse te druge vidike, ker, ne glede na to, ali delamo podatkovno modeliranje naših baz podatkov ali metapodatkov, s katerimi imamo opravka, modeliranje podatkov ima pomembno vlogo igra v vseh teh drugih delih, o katerih govorimo. Tudi modeliranje procesov ima pri mnogih teh stvareh pomembno vlogo, saj moramo poleg razumevanja samih podatkov razumeti, kako se uporabljajo, in tako nam modeliranje procesov resnično pomaga pri tem.
Zdaj pa malo spremenimo prestave in se pogovorimo o arhitekturi podjetja. In modeli so ključnega pomena tudi za poslovno arhitekturo. In to utemeljim s primerom in to je Zachmanov okvir, ki ga tukaj zelo hitro pokažem. In ko to pogledaš, tukaj vidiš več stvari. Vidite, kaj, kako, kje, kdo, kdaj in zakaj je vrsta lestvice na vrhu. Nato boste prešli na podrobnejše stopnje izdelave, če boste glede na vrste modeliranja ali vrste stvari, ki jih oblikujete v smislu arhitekture podjetja, od zelo visoke kontekstualne ravni vse do podrobne ravni, vključno s fizičnim izvajanjem. Če pogledate prve stolpce, so zelo intenzivni podatki in podatki. Kako zelo poganja proces. In če pogledate druge vidike, boste uporabili kombinacijo modeliranja procesov in podatkov v smislu povečanja preostalih informacij. Imeli boste podatke o vseh teh različnih stvareh in tudi za vaše procesne modele bodo stvari povezane, kot je to, kje se to dogaja, odgovornost. In tudi glede na modeliranje procesov, ki ga pri naših orodjih izvajamo dobro, lahko začnete to povezati tudi s cilji in odnosi ter poslovnimi pravili, ki vodijo do teh različnih stvari, ki jih počnete.
S splošnega vidika zachmanovega okvira je eden od dobrih načinov za razmislek tudi o tem, da vas poganja model in dejansko grete skozi različne ravni. Torej začenjate z obsegom na visoki ravni in s kontekstom. Nato se razvijate v poslovne modele, navzdol v sistemske modele, nato v tehnološke modele in nato zelo natančno predstavite tudi tehnične modele. In spet podatki predstavljajo kaj, proces je kako in res je kombinacija medsebojnih podatkov in procesov, ki poganjajo vse druge značilnosti tukaj.
Na podlagi tega ni naključje, da način, kako vidimo idejo o podjetniški arhitekturi, temelji nekoliko drugače, kot morda nekateri drugi. Pogosto boste slišali o štirih stebrih poslovne arhitekture, kot so podatkovna, pridobitvena, poslovna in tehnična arhitektura. Na to gledamo nekoliko drugače kot to. Na arhitekturo podatkov gledamo kot na temeljni temelj, ki poganja vso arhitekturo podjetja iz dveh razlogov. Eno, tam se je začelo. Celo stvari, kot je Zachmanov okvir, so izhajale predvsem iz podatkovne arhitekture, nato pa so se razširile tudi na druge vidike arhitekture. In dve, ker je temeljna vez med postopkom in podatki. Zato poslovno arhitekturo vidimo kot osrednji steber podjetniške arhitekture. In potem, seveda, to dopolnjuje arhitektura aplikacij in tehnična arhitektura, ki sta nujno potrebna, da lahko omogočimo resnično podjetniško sposobnost. Zdaj, ko na to gledamo z vidika ER Studio Enterprise Team Edition, naše integrirane platforme za modeliranje, se to začne igrati. In to je kontekstni diagram na visoki ravni nekaterih modelov, ki jih izvajamo, in nekaj temeljev, ki stojijo za njim. In to je dejansko vključeno, to je dejansko prikazano v diagramu procesov. Ko torej pogledamo predvsem naš del arhitekture podatkov in našo poslovno arhitekturo spodaj, ponujamo orodja, ki temeljijo na vlogah.
Ko pogledate naše orodje za poslovne arhitekte spodaj v spodnjem levem kotu, tam običajno delajo poslovni analitiki in poslovni arhitekti. Običajno se osredotočajo na nekatere poslovne procese in jih začnejo pregnati. So pa tudi osredotočeni na kaj. Torej začnemo delati neko konceptualno modeliranje podatkov in tovrstne stvari. Te komponente konceptualnega modeliranja lahko uporabimo in prenesemo v naše orodje za modeliranje podatkov in do arhitekta podatkov, kjer so podrobneje razviti v logične modele podatkov in seveda na koncu fizične modele, da lahko ustvarjamo fizične baze podatkov. Prav tako se lahko potisnemo nazaj, tako da se konceptualni modeli nadgradijo tudi v prostoru poslovne arhitekture. Zelo pomembna stvar je, da podpiramo različne vrste modeliranja. Torej, spet je BI zelo pomemben in podatkovna jezera in te vrste stvari, tako da dejansko tudi nekaj modeliramo in tudi kot del tega počnemo modeliranje podatkovnih rodov. Torej ne samo ETL v smislu, kako naredite preslikavo svojih fizičnih modelov v svoje dimenzijske modele za podatkovna skladišča ali celo prinašate stvari iz vaših podatkovnih jezer in gledamo, kako se ti preslikajo, lahko vse te stvari povežemo skupaj. Kot tudi posredovanje obratnega inženiringa z drugih platforme za modeliranje, z velikih podatkovnih platform.
In potem tudi stvari, kot so orodja ETL, tako da lahko dejansko začnemo izhajati iz diagramov linijskih podatkov neposredno iz specifikacij ETL, ki jih imate morda v svojem okolju. Zelo pomembno je tudi vedeti, da smo se morali preseči izven relacijskega modeliranja. Imamo določene platforme, kot so Hive in zlasti MongoDB, zdaj začnemo govoriti o trgovinah z dokumenti, kjer imamo koncepte, kot so vgrajeni predmeti in nizi. Nota smo pravzaprav razširili, da bi lahko vključili tudi te vrste modelov, ker gre za ne-relacijski koncept. Vse, kar smo v orodju za obdelavo podatkov ustvarili v zvezi z artefakti podatkov, pa naj bodo to logične entitete ali fizične tabele in njihovi atributi, lahko nato vrnemo nazaj tudi v modeliranje poslovnih procesov. Ko torej oblikujete modele svojih poslovnih procesov z visoke ravni in se spustite na nižjo raven, se lahko dejansko povežete v dejanske podatkovne elemente. Torej lahko ukrepate, lahko določimo matrike CRUD, kaj se dejansko dogaja. To vam daje tisti življenjski cikel podatkov, o katerem sem govoril z ustvarjanjem, branjem, posodabljanjem in brisanjem na ravni postopka. In tam izvajamo popolno modeliranje BPM procesov z lastnim naborom prekrivk, tako da se lahko začnete povezati v poslovne strategije, poslovne cilje. Prav tako se lahko vežemo tudi v aplikacijah, ki izvajajo te poslovne procese, vse z vzorca usmerjenega modela.
Druge stvari so izredno pomembne tudi v naših podatkovnih modelih. Obvladovanje lastnosti upravljanja podatkov ali lastnosti kakovosti podatkov in upravljanje. Tam lahko določite in zgradite svoje lastne metapodatke za značilnosti, ki jih želite slediti, kar pomeni, da svoj model zdaj uporabljate kot osnutek, s katerim boste skozi celotno organizacijo zapeljali v svoja shramba metapodatkov in vse ostalo. In seveda, ena od omejitev modeliranja, pred mnogimi leti, ko smo mnogi v industriji to počeli, je, da bi proizvajali te modele. Kaj bi naredili? Natisnili bi jih, postavili na steno, morda članom ekipe, da bi delili in tovrstne stvari. Resnična vrednost tega je, da lahko delimo in sodelujemo v naših organizacijah. Zato imamo pristop, ki temelji na odlagališču, kjer se prijavljamo in preverjamo svoje modele in delovne prostore. In delimo jih z našimi volivci, ki so organizacija, ne glede na to, ali gre za druge tehnične deležnike, poslovne uporabnike in takšne stvari. In to tudi povežite z našo platformo za sodelovanje, imenovano Team Server.
Tako smo se pogovarjali o prejšnjih slovarjih in izrazih ter o pomenu tega in razvijanju tega besedišča za poslovanje. Vse to je bilo v Team Serverju, kjer lahko uporabniki, poslovni uporabniki sodelujejo pod temi pogoji. Vidni so, uporabni so v arhitekturi podatkov, na primer v bližini podatkovnih modelov in veliko teh poslovnih glosarjev pogosto izvira iz nekaterih podatkovnih slovarjev, ki smo jih ustvarili v naših podatkovnih modelih. Te lahko izvlečemo - Tudi iz orodij za obdelavo podatkov je izhodišče poslovni glosar, kjer jih je mogoče še izboljšati in vse skupaj z upravljanjem sprememb okoli njega.
To je bilo veliko. Če povzamem, nekaj stvari, o katerih smo govorili, je, da preizkusite pravo organizacijsko zrelost, potrebujete uravnotežen pristop, ki je sestavljen iz zrelosti podatkov in zrelosti procesa. Brez drugega ne morete doseči. Ponovno, temeljni, na to morate imeti in se morate zanesti, konkretno modeliranje podatkov in modeliranje procesov tako za arhitekturo podjetja kot tudi za upravljanje podatkov in upravljanje procesov. Podjetniška arhitektura jo resnično povezuje skupaj z vidika teh različnih vidikov in perspektiv. Za to potrebujete trdno podlago za arhitekturo podatkov in potrebujete celostno modeliranje procesov, da zagotovite poslovni kontekst in omogočite, da svoj poslovni proces in porabo podatkov usmerite naprej. Spet pomembnejše kot kdajkoli prej. Lahko rečem, kar je staro, je spet novo. Torej so modeliranje podatkov, modeliranje procesov, roda, metapodatki in glosarji bistveni za dosego tega in ER / Studio Enterprise Team Edition je platforma za sodelovanje, ki vse to združuje.
In s tem lahko preidemo na vprašanja.
Eric Kavanagh: V redu.
Ron Huizenga: Šli bomo k tebi, Eric.
Eric Kavanagh: Ron, klobuk si moram preložiti za ves trud, ki ga vložiš v dokumentiranje teh različnih procesov in okvirov. Toliko gradiva, ki ga imate tam. Mislim, da je veliko vprašanje, kdo bi moral nadzirati te stvari v organizaciji, ker se dotaknete toliko različnih stvari. Če si zamislite procese, bo to glavni operativni direktor ali neka operativna oseba. Življenjski cikel podatkov, mislite, da bo morda to glavni vodja podatkov. Dotaknete se toliko različnih delov in toliko različnih sestavnih delov podjetja. Kako najdete pravo osebo ali skupino ljudi in ali je to usmerjevalni odbor? Kaj je to? Kaj nam lahko poveste o tem, kdo bi moral to početi v organizaciji?
Ron Huizenga: Veste, to je zanimivo vprašanje. Tam lahko dejansko preživimo dan, ko razpravljamo o prednostih različnih pristopov. Ampak nekaj, kar sem vsekakor videl, veste, ko sem se posvetoval, preden sem prišel v vlogo upravljanja izdelkov, je, ko sem pogledal organizacijo, to je del težave v pridobivanju lastništva in pridobivanju ljudi, da prevzamejo lastništvo nad tem. In ko gledamo na discipline, kot je naše modeliranje podatkov in celo modeliranje naših poslovnih procesov ali celo v zgodnjih dneh, diagrami pretokov podatkov in te vrste stvari, je to zraslo iz IT-ja. Ko pa smo korakali naprej, in mislim, da zdaj vse bolj in bolj prepoznavamo, da mora biti to resnično poslovno usmerjeno. Torej si resnično želite, da bi bilo lastništvo tega v poslu.
Tu bom užalil nekatere IT-ljudi, vendar trdno verjamem, da razlog, da smo videli razvoj vloge glavnega vodja podatkov, je vloga CIO pri večini organizacij pri tem neuspešen. In to zato, ker je veliko CIO tehnično usmerjenih namesto podatkov in procesov. Zato mislim, da to resnično morate imeti, verjetno boste potrebovali kakšen usmerjevalni odbor v večjih organizacijah. Toda to mora biti resnično v lasti podjetja. Podprl bi trditev, da mora vaše podjetje, vaše modeliranje procesov, vaše modeliranje podatkov pripadati podjetju, ker vam to omogoča, da IT, ki je skrbnik podatkov, in te procese izvaja v tem, kar omogočajo ustvarjate, imate to kladivo in se prepričajte, da se bo to dogajalo, če je dejansko v lasti podjetja.
Eric Kavanagh: Ja, mislim, da bi se s tem strinjal. Ampak Jen, kaj misliš o tem?
Jen Underwood: Torej je res zanimivo. Na to sem namigoval, ko sem rekel, da je najpomembnejša stvar, da bodo ljudje skrbeli in bili interaktivni. Nekoč sem napisal belo knjigo o tem, da je upravljanje BI-ja s samopostrežnimi storitvami zelo podobno temu. Gre za to, da to dosežemo, da najdemo način, kako motivirati ljudi, ki jih ima poslovna vrednost, da jih skrbijo. In potem, ko vidijo ali ugotovijo, ali gre za katalogizacijo podatkov ali za kakršen koli kot. Mogoče je to, da zmanjšate stroške pošiljanja, postavite nekaj, za kar je nekdo odgovoren v organizaciji, tako lahko to poskrbite. In ja, posel absolutno. Strokovnjaki za poslovne zadeve bodo to naredili ali zlomili.
Eric Kavanagh: To je težko. Mislim, da si vedno želite imeti ta konzorcij deležnikov iz celotne organizacije. Seveda ne želite, da analiza paralize. Nočete birokracije zaradi birokracije. Želite, da ima organizacija akcijski načrt in te stvari dokumentirati. Veste, mislim, da ko začnete govoriti o modeliranju poslovnih procesov, je bilo to vroče pred 25 leti, vendar se je večinoma ločilo od dejanskega posla. Mislim, da lahko vsaj v nekaterih panogah veliko tega procesa potegnete iz dejanske programske opreme, ki poganja stvari. Ampak mislim, da moramo v teh dneh najti način, kako uravnovesiti ta dva sveta, kajne, Ron? Želite imeti modele procesov, ki so aktualni in posodobljeni ter odsevajo dogajanje. Torej ne želite, da je le ločena vaja, kjer je, nekje sedi na polici. Ampak to je, nekoliko postane zahtevno, kajne? Ker niso vsi operacijski sistemi usklajeni s tovrstno izvedljivo kodo. Toda kaj misliš?
Ron Huizenga: Vsekakor. In zanimivo je, ker gledam na to, da smo ljudje postali družba za takojšnje zadovoljstvo. Ljudje mislijo: "Oh, samo šli bomo ven, kupili bomo nekaj orodij in naredili to delo za nas." Tako kot zrelost procesa ne boste kupovali. Zrelosti podatkov ne boste kupovali. To je težko delo. Zavihaj rokave in moraš to uresničiti. In mehanizem, da se to zgodi, je modeliranje. Preveč je zapleteno, da ne bi imeli vizualne predstavitve, ne samo trenutnega stanja, v katerem delate, temveč da bi znali zasnovati, kako boste izboljšali te različne poslovne procese. Ta vizualni okvir potrebujete, da boste lahko razumeli, kakšen vpliv bodo te spremembe naredile.
Eric Kavanagh: To je res - samo tvitnem; Trenutno cvetam na to - "Ne boste kupovali zrelosti procesa, ne boste kupovali zrelosti podatkov." Z obema tem se lahko popolnoma strinjam. In Jen, prinesel bi te za svoje misli. In povrhu bom vrgel še eno vprašanje. Eden od udeležencev se sprašuje: kaj pomeni procesno usmerjeno podjetje ali zrelost procesa? Jen, ali lahko kaj govoriš s tem?
Jen Underwood: Pravzaprav lahko malo bolje govorim o prejšnjem vprašanju. Ko pomislim, naj bo resnica povedano, prvič, saj kupujete orodje. To je bil tako velik, odličen komentar, ker je tako resničen. Kar pa bom rekel, je precej boljše. Zato pregledam veliko rešitev in vidim različne prostore ter jih preizkusim. Kar je še boljše, je odkrivanje podatkov, označevanje in vsaj omogočanje množičnega tekaškega zagona in tudi to, ko rečem manj boleče, je skoraj zabavno. Predstavljajte si, da bi bil katalog podatkov ali projekt MDM zabaven. In imate ljudi v organizaciji, ki uporabljajo te podatke, ne glede na to, ali gre za poročanje ali druge stvari in mislim, da je nekdo, tudi na liniji, rekel, da boste dobili ljudi, ki jim je mar za njihov razvojni načrt. Ja, celo dvigni še eno stopnjo. Če upoštevamo te stvari in pravimo, zdaj smo zmanjšali napačno pošiljke za 30 odstotkov in tako smo prihranili denar. Samo bolje upravljamo svoje podatke. To so te vrste stvari in okoli sebe vložiš denar in ga zabavaš. Ali pa se vam zdi zanimivo in relevantno za to, kar počnejo. To je nekakšna čarovnija, mislim, da manjka pri številnih teh angažmajih, ki jih ljudje poskušajo narediti v neki organizaciji, in to zastane.
Eric Kavanagh: Ja, to je dobro. In Ron, nazaj na vaš komentar o pomembnosti vizualnega okvira mislim, da je to povsem res, saj velikokrat, če ljudje nečesa ne vidijo, je res težko zaviti z glavo pomeni, in zagotovo, ko začnete govoriti o zapletenih procesih z medsebojno odvisnostjo in kontrolnimi točkami in vsemi temi, morate to nekje nekje preslikati in v idealnem primeru to počnete s programsko opremo, ki ima v katalog vgrajeno funkcionalnost, za na primer, kakšne transformacije so se zgodile z uporabo različnih črt od te točke do te točke. Ali pa kaj je na voljo na tej kontrolni točki. In nekako navajam svojo zgodovino pri obvladovanju tveganj tam, kjer je kontrolna točka katera koli točka v postopku ali katera koli možnost ali posameznik ali programska aplikacija, kjer lahko dejansko kaj spremenite, kajne? Tako imenujejo kontrolno točko. In po mojem mnenju je zelo dragoceno, da dobite ta vizualni okvir. Kajti potem lahko vidite in se sprehodite po njej in to le potrebuje čas. Človeškim možganom je potreben čas, da upravljajo te stvari in jih resnično razumejo in zato optimizirajo, kajne?
Ron Huizenga: Vsekakor. In da uporabim drugačno analogijo, za katero mislim, da jo postavlja v perspektivo: malo sem letalski matica, zato bi rekel, če bi to poskušali vzporedno razmišljati, razmislite o gradnji 747 - ali Airbus 380, tako da ne izberem enega prodajalca nad drugim - razmislite, kako težko bi bilo to storiti na podlagi dokumentov, sestavljenih samo iz besedila, ne pa iz risb in 3-D risb CAD in vsega kako ki je dejansko sestavljena skupaj.
Eric Kavanagh: Ja, to bi bilo grobo. In Jen mora govoriti tudi.
Ron Huizenga: Posel je isti, kajne?
Eric Kavanagh: Ja, ni tako. Jen se mora pogovarjati o enem od vaših vročih področij, ki jih radi študirate, in sicer je vizualizacija. Nekaj moraš biti sposoben vizualizirati, da ga v celoti razumeš, se mi zdi.
Jen Underwood: Veliko ljudi počne, ja. In tudi samo vizualizacija govori, kaj govori, na tisoče besed ali kaj podobnega. Ko jo vidijo, lahko verjamejo. In ga dobijo.
Eric Kavanagh: Strinjam se. In ljubim, Ron, kako si to vse skupaj potegnil. Mislim, da se samo še enkrat sprašujem, potrebujete prvaka v organizaciji in kdo bo tam zunaj, bo služil kot vez za različne skupine. Podatkovni upravitelji so nekaj, o čemer pogosto govorimo - mislim, da je to v, resnično pomembni vlogi, in menim, da je to vloga, ki je v zadnjih treh ali štirih letih dobila veliko več pozornosti, saj cenimo vrednost podatkov upravljanje, kajne? Ta vodja podatkov je nekdo, ki se lahko pogovarja s podjetjem, a tudi razume sisteme, razume življenjski cikel podatkov, celotno sliko. In mislim, da je ta oseba lahko in bi najbrž spadala pod pravilo izvršnega direktorja, kajne?
Ron Huizenga: Ja, potrebovali pa boste večfunkcijsko ekipo, kajne? Torej boste potrebovali ljudi, ki sestavljajo ekipo, ki bo delala to ali one, z različnih področij, ki predstavljajo tehnično plat, različna poslovna področja. In, veste, odvisno od vrste organizacije, če imate pisarno za vodenje projektov in veliko pobud, ki jih opravljate, vodi PMO, boste želeli zagotoviti, da imate PMO vključenost in zgolj ohranjanje harmonije in usklajevanja načinov dela.
Eric Kavanagh: Ja, in veste, še zadnja stvar, postavil bom zadnji slide, okvir upravljanja. Udeleženci smo vprašali, ali na tem diapozitivu manjkajo podatki? Ali to pomeni, ali se podatki na diapozitivu nakazujejo ali kaj mislite o komentarju o tem, da podatki na diapozitivu manjkajo?
Jen Underwood: Ne, in to je le splošen okvir upravljanja. V bistvu je to iz BI samopostrežnega BI prostora, zato se podatki veliko navajajo. Prihajal je le iz mojega zornega kota in mojih perspektiv in ni bil tako osredotočen na strani podatkov, da bi to sestavil. Toda podatki bi gotovo bili, ko bi pomislili na vse te kose, bi bili podatki. Naj bo to temelj za podatke, odgovornost za uporabo podatkov v celotnem procesu in v celotnem okviru.
Eric Kavanagh: Ja, ne, to ima popoln smisel. In verjetno bom postavil samo še zadnje vprašanje na vas, Ron. Če pomislim na to, koliko več informacij in koliko več podatkov uporabljamo v teh dneh in kako zelo razširjene organizacije so, kakšen pomen ima ekosistem v teh dneh med partnerji kanalov in kako lahko delimo informacije v teh partnerstvih in v malo hitrega sklicevanja blockchaina na to - da se stvari ne zapletejo preveč. Zaključek je, da smo v vedno bolj povezanem svetu, ki temelji na podatkih, tako s poslovnega vidika kot iz našega vsakdanjega življenja. Zdi se mi, da bo to le še povečalo vložek, saj bodo organizacije resnično težko pogledale, kaj predlagate tukaj, kakšna je njihova zrelost, kje stojijo in kako daleč so v smislu krivulje in res iskreni do sebe glede tega, kajne? Ker če ne veš bolje, ne moreš bolje, in če ne razmišljaš o stvareh, ne boš vedel bolje, kajne?
Ron Huizenga: Točno. In fraza, ki bi jo uporabil, verjetno ni tako dobra, kot si misliš. To se morda sliši hudo, vendar so ljudje glede tega lahko precej optimistični, vendar če resnično resno pogledate in resnično dobro, kritično samoocenjevanje, mislim, da bo katera koli organizacija našla, veste, velike vrzeli, ki jih treba nasloviti.
Eric Kavanagh: Moram se strinjati. In eden od naših kolegov je komentiral pomembnost metapodatkov, podatkov o podatkih. O tem ni dvoma. Metapodatki so tisto lepilo, ki drži vse te sisteme skupaj, in še vedno nikoli v resnici nismo popolnoma pokvarili te kode in z dobrim razlogom, odkrito povedano, ker se metapodatki spreminjajo. Od sistema do sistema se razlikuje. Veste, bolj kot poskušate normalizirati svoje podatke, mislim, da postanejo manj natančni.
Trenutno smo nekako v tem čudnem svetu in morda bom še eno vprašanje, Jen, ker ste nekajkrat omenili kataloge podatkov. Resnično obožujem to novo gibanje tehnologije kataloga podatkov, ki samodejno pregleda vaše informacijske sisteme, ugotovi imena stolpcev metapodatkov ipd. In tako naprej ter vam pomaga postopno sestaviti strateški pogled na svoje podatke in metapodatke v svojih sistemih. Ker sem, da ročno naredim te stvari, preprosto, je preveč. In nikoli ne boste prišli na vrh tega hriba, preden se bo plaz spustil na vas, in veste, ali ste se normalizirali do točke igranja sivega testa ali se niste dovolj normalizirali, kamor resnično ne Ne vem, kaj se dogaja. Z uporabo strojev, strojnega učenja, o katerem nenehno govorimo, bo to ključno v prihodnosti, da nam bo vsaj pomagalo, da bomo dobili dovolj vrvi okoli podatkov, da bomo dobro razumeli, kaj je tam, prav Jen ?
Jen Underwood: Ja, res. Obožujem te tehnologije. Zelo, zelo so kul. In potem, ko pomisliš na to, ti da tako velik začetek teka. In potem lahko množično oskrbujete. Imate svoje upravnike podatkov, veste, vlečete naprej, ne glede na to, ali dodajajo svojo dokumentacijo ali je to perspektiva tam, to so spremembe. Saj veste, češ, da so to certificirani viri podatkov, ki se uporabljajo za poročanje. Ljudje lahko iščejo in najdejo prave podatke. Res je, res čisto lepo. In tudi pomaga, da - ko razmišljam o poslovanju in kako skrivnostnem upravljanju podatkov v podjetjih, ko sem bil, ko sem delal DBA - smo uporabili razširjene lastnosti in SQL Server ter skenirali z orodji, kot je IDERA, kajne? Poskusite ustvariti katalog podatkov. Toda v različici DBA ali podatkovni arhitekti veste, ne glede na to, ali je bila ta vrednost ali tisti stolpec ali polje, se verjetno ni ujemalo s tem, kar je podjetje. Torej zdaj, ko bi bilo podjetje lahko zelo enostavno, veste, pojdite in poiščite, upravljajte in naj bo vse ciljno, resnično bi si želel, da bi imeli to že dolgo nazaj, čisto odkrito. Torej je vse boljše.
Eric Kavanagh: To je smešno. Še en končni komentar člana občinstva je povedal, da bo morda blockchain najdragocenejši za metapodatke pečata pristnosti. To je dobra točka in, veste, blockchain je res neverjetna tehnologija. Nekako gledam na to kot na neko kohezivno podlago za povezovanje veliko pik med sistemi in aplikacijami in tako naprej. In veste, da smo že v zgodnji fazi razvoja blockchaina, zdaj pa vidimo, da se je odvrnilo, seveda od tega trenutka, ko je prvotno prišel do izraza, zdaj pa si IBM zelo prizadeval o blockchain tehnologijah. SAP je kupil vse to. In res je, predstavlja priložnost za globlje temelje in okvir za povezavo vseh teh sistemov in vseh teh pik.
Torej, ljudje, so goreli že dobro uro. Hvala, ker ste danes ostali skupaj z nami, vendar vedno radi odgovorimo na vaša vprašanja in pridemo do vseh komentarjev. Vse te spletne oddaje arhiviramo za poznejši ogled, zato skočite po spletu na insideanalysis.com, kjer najdete povezavo do tega. Poraba naj bo v nekaj urah, običajno po prireditvi. In naslednjič vas bomo dohiteli. Naslednji teden se nam obeta še nekaj dogodkov - veliko stvari se dogaja. Ampak od tega se boste poslovili, ljudje. Hvala za vaš čas. Pazite. Zdravo.
