Proceso + Datos Maestros &Transformación Digital, Parte II

Proceso + Datos son críticos para la innovación y la transformación. El potencial y el poder de los conocimientos de datos se realizan en los procesos digitalizados y automatizados.

Esta es la Parte II de un artículo de 2 partes sobre Proceso + Datos. La Parte I describió la evolución de los SGBD inteligentes y BPMS inteligentes . La inteligencia artificial, así como varias tecnologías digitales, han tenido un tremendo impacto en ambas tendencias. Los iBPMS también admiten procesos y automatización del trabajo, especialmente a través de RoboticProcess Automation.

La Parte I destacó la falta de equilibrio entre los DBMS, especialmente las bases de datos NoSQL avanzadas, y los BPMS en las arquitecturas empresariales. A través de la IA y otras tecnologías digitales, ambos se han vuelto inteligentes. Además, ahora somos testigos de una plétora de enfoques para el desarrollo Sin código/Código bajo en ambos dominios. Ahora hay CitizenDevelopers y Ciudadanos científicos de datos.

Sin embargo, la capa DBMS con múltiples bases de datos relacionales y NoSQL es omnipresente en infraestructuras de TI y arquitecturas empresariales. ¡Los datos son el nuevo petróleo crudo!

¿La capa BPMS? No tanto.

Para aprovechar al máximo la sinergia entre el proceso y los datos, la empresa en movimiento debe centrarse en lo obvio:las aplicaciones y soluciones comerciales centrales que impulsan el valor comercial. . Para reiterar lo obvio:¡no se trata de tecnología!

Flujos de valor (también conocidos como cadenas de valor)

El enfoque de datos es, en esencia, un enfoque de abajo hacia arriba que se centra en datos persistentes. Importante y crítico. Pero aún así, impulsada por la tecnología de abajo hacia arriba. Aquí aclararemos tres casos de uso sólidos que adoptan un enfoque diferente que es mucho más compatible con AutonomicEnterprise-In-Motion.

El enfoque de aplicación impulsada por procesos es muy diferente. Una suposición fundamental en el enfoque basado en procesos es que una empresa es una colección de Flujos de valor . Las empresas piensan en términos de objetivos e hitos o etapas para lograr estos objetivos en el contexto de Valuestreams . La mayoría de las organizaciones todavía están organizadas verticalmente y cada unidad de negocios se enfoca en sus objetivos medibles.

Silos en unidades de negocio, aplicaciones varias, y los socios comerciales son omnipresentes

Los flujos de valor van horizontalmente a través de unidades comerciales, diferentes aplicaciones heredadas y socios comerciales que intentan optimizar las experiencias de los clientes, para obtener y poner en funcionamiento valor . El cambio cultural en la empresa en movimiento necesita capturar, digitalizar y automatizar el flujo de valor para optimizar la visibilidad y el control.

La digitalización y la automatización de TheValuestream son los pilares centrales de la transformación digital

Desde el punto de vista organizativo, la cultura debe fomentar la propiedad empoderada del flujo de valor, a través de los silos. DigitalProcess Automation logra la digitalización y automatización de flujos de valor a través de DynamicCase Management (DCM).

Por lo general, estos están en silos y la comunicación se realiza a través de transferencias manuales. Es interesante notar que las tecnologías digitales e incluso las prácticas de transformación digital han tenido poco impacto en las organizaciones en silos organizadas verticalmente. La jerarquía de la organización ha persistido. Los flujos de valor van horizontalmente a menudo con un propietario facultado para su excelencia operativa. Si los flujos de valor no se optimizan a través de DPA, habrá un desperdicio e ineficiencias considerables.

El poder de los flujos de valor digitalizados y automatizados es el habilitador principal de los tres casos de uso

Proceso + Datos maestros

Según el Instituto MDM:Gestión de datos maestros (MDM) es la base autorizada y confiable para los datos utilizados en muchas aplicaciones y grupos con el objetivo de brindar una vista única de la verdad sin importar dónde se encuentre.

Los silos mencionados anteriormente, en organizaciones, unidades de negocio y aplicaciones que son de su propiedad, son la razón principal por la que hay inconsistencias en la información sobre la misma entidad:cliente, proveedor, producto u otro. Master Data aborda varios puntos débiles. Estos son algunos ejemplos:

• Las inconsistencias y la calidad deficiente de los datos dan como resultado decisiones deficientes, erróneas e incluso riesgosas. Las ejecuciones dinámicas automatizadas de casos son tan buenas como la consistencia de los datos.
• Para clientes, productos, precios, socios, proveedores, servicios y otros datos maestros compartidos entre aplicaciones, a menudo diferentes sistemas en silos contienen información contradictoria sobre la misma entidad (por ejemplo, estado civil incorrecto). Se desperdicia mucho tratando de mantener los datos heterogéneos consistentes y de alta calidad.
• Las fusiones y adquisiciones también crean desafíos de consistencia de datos:tener una versión única de la verdad sobre un cliente u oferta en toda la organización

Estos son algunos ejemplos típicos:

• Dirección del cliente no se actualiza constantemente en todas las bases de datos o aplicaciones que almacenan la dirección.
• El precio de un producto no es coherente y depende del canal (minorista, web, aplicación móvil, etc.)
• Elproveedor la lista, la disponibilidad y la lista de piezas es inconsistente en varios sistemas ERP

Hay muchos más.

Se necesita MasterData para abordar la calidad de los datos, la consistencia de los datos, el origen de los datos, la precisión de los datos, la integridad de los datos, la replicación de los datos y la integridad de los datos.

Como se señaló anteriormente, una empresa es el conjunto de sus flujos de valor. Estas ejecuciones de flujos de valor son tan buenas como la consistencia de los datos. La expresión informática "GarbageIn - Garbage Out" (GIGO) es muy aplicable aquí. De hecho, las inconsistencias en los datos afectarán tarde o temprano la experiencia del cliente, lo que resultará en la insatisfacción del cliente:puntajes netos de promotores (NPS) más bajos, ¡una mayor proporción de detractores!

El enfoque MDM ascendente

A menudo, las organizaciones intentan abordar los desafíos de los datos maestros a través de herramientas y sistemas de gestión de datos maestros. Esto podría terminar siendo un gran proyecto de datos maestros, con herramientas costosas. Algunas organizaciones han establecido centros de excelencia de MDM para la gobernanza. La tecnología y las consistencias de datos son formidables e importantes para abordar, incluida la limpieza de datos, el tratamiento de datos faltantes, la consistencia de datos, ETL e integración de datos. El peligro es el enorme esfuerzo requerido para normalizar los datos maestros sin priorizar a través de los objetivos comerciales. Un problema común es que las iniciativas que intentan resolver los desafíos de los datos maestros a menudo lo hacen en un silo. El propio MDM se convierte en otra capa más de software que debe gestionarse. Si se utiliza la copia y la replicación de datos, esto también crea una sobrecarga adicional y posibles incoherencias.

Sin embargo, el problema más grave es la falta de enfoque y justificación precisa en la creación y gestión de datos maestros específicos. Por ejemplo, el número agregado de campos o atributos sobre un Cliente de varios sistemas de registros podría ser de 100. Los flujos de valor del cliente más críticos normalmente necesitarán un subconjunto muy pequeño de los campos o atributos disponibles. El resto rara vez, si es que alguna vez, se utilizará. Si bien el razonamiento del sistema MDM puede tener sentido, este enfoque ascendente podría ser subóptimo.

Enfoque de flujo de valor de arriba hacia abajo

Un enfoque más óptimo es tratar los desafíos de MDM como parte de las iniciativas generales de mejora continua, especialmente a través de soluciones de gestión dinámica de casos de extremo a extremo que conectan silos que tocan y manipulan datos maestros. Enterprise-In-Motion es un agregado de Valuestreams. MDM se trata de hacer que los flujos de valor funcionen lo mejor posible. Cada uno de estos flujos de valor tiene objetivos comerciales específicos, por ejemplo, reducir costos, mejorar el NPS o generar ingresos. El núcleo de este enfoque es una capa habilitada para la gestión dinámica de casos (DCM) que envuelve y moderniza los sistemas heredados. Como se señaló en la Parte I, DCM es una capacidad clave en DPA, además de la automatización robótica, la IA y otras tecnologías digitales.

El enfoque de arriba hacia abajo se enfoca solo en aquellos campos o atributos que son necesarios para flujos de valor específicos que están optimizados, digitalizados y automatizados a través de DPA.

Este enfoque "de arriba hacia abajo" prioriza los proyectos de transformación con mejoras de MDM y equilibra el riesgo con el valor empresarial. Estos problemas técnicos de la base de datos deben abordarse, pero con un enfoque renovado de las prioridades.

Piense en grande pero comience en pequeño

En Enterprise-In-Motion, las soluciones para los problemas de datos maestros están impulsadas por la gobernanza "Piense en grande... pero comience en pequeño". El enfoque es lograr ganancias rápidas, construir o lograr el rigor necesario de los datos maestros y luego expandirse con soluciones de transformación adicionales que incluyen datos maestros. En otras palabras, con el enfoque iterativo, el maestro agregado se crea poco a poco en lugar de un MasterData integral Big Bang y luego realización de proyectos de soluciones para la transformación digital. El gobierno y la implementación de datos maestros pueden integrarse en el ADN de las metodologías de automatización de procesos y conducir a la priorización de las fuentes de datos y la optimización necesaria para administrar los datos dentro de la capa DPA. El objetivo es equilibrar la facilidad de los datos maestros con el valor comercial para proyectos prioritarios específicos.

En la Metodología DesignThinking, priorización Es fundamental para la cartera de proyectos de Valuestream. Estas priorizaciones clasifican sistemáticamente los proyectos equilibrando la facilidad de implementación con el valor comercial. Aquí hay algunas dimensiones potencialmente medibles que podrían afectar la priorización:

• Complejidad de consolidar los campos de datos maestros para el proyecto
• Impacto de la mala calidad de los datos maestros en los casos integrales del proyecto
• La aplicación de los campos de datos maestros en el proyecto de alto impacto empresarial
• Disponibilidad de las API para acceder a los valores de los campos de datos maestros del proyecto

Los fragmentos priorizados que reflejan el soporte de datos maestros se alimentan a la metodología ágil. La metodología debe ayudarlo a monitorear y medir continuamente los objetivos comerciales. Los datos maestros se optimizan iterativamente a lo largo de los fragmentos. Los proyectos innovadores alimentados por las priorizaciones de Design Thinking son continuamente medidos y monitoreados. Hay tres tipos de iteraciones en el enfoque Top-Down:

• Iteraciones en la acumulación de proyectos:priorizados por valor comercial y dimensiones de disponibilidad de datos maestros
• Iteraciones mientras se crea la solución de DPA y se aprovechan los datos maestros
• Después de la producción, también es importante comparar los objetivos previstos con los alcanzados para obtener mejoras adicionales.

Por lo tanto, el enfoque Top-Down construye de forma incremental los Datos Maestros, mientras continuamente entrega proyectos de alto valor comercial y los mejora.

Transformación digital:IoT y cadena de bloques

El enfoque de arriba hacia abajo impulsado por el proceso de Valuestream es un habilitador para las propuestas de valor de la tecnología de transformación digital. Dos de estas tecnologías que son más críticas para la empresa en movimiento son IoT y Blockchain.

El camino hacia el éxito de IoT

IoT se trata de la conectividad de dispositivos cada vez más inteligentes a través de sensores y actuadores. La base para las consideraciones de conectividad, rango de equilibrio y fuente de alimentación es, por supuesto, crítica. Hay varios componentes en la pila general y arquitecturas de varios niveles de IoT. Los niveles más bajos incluyen físico dispositivos y sistemas. Es precisamente este ciber-físico conectividad que está sentando las bases de la era IoT. Otras capas incluyen la acumulación de datos y las capas de análisis. Los dispositivos conectados a IoT generan una enorme cantidad de datos:¡Big Data se está convirtiendo en Thing Data! Algunos de estos datos, a menudo la mayor parte, se procesan en los bordes.

Hay varias arquitecturas de referencia y modelos de referencia para IoT. El modelo de referencia de IoT WorldForum coloca la colaboración y los procesos comerciales en la parte superior de la arquitectura multinivel para IoT.

Esto es significativo y acertado. El éxito se puede lograr de arriba hacia abajo con objetivos comerciales concretos desde el principio. Las soluciones comerciales de arriba hacia abajo involucran personas, dispositivos conectados (también conocidos como IoT), socios comerciales y aplicaciones empresariales (también conocidas como sistemas de registro):todos colaboran y orquestan sus actividades hacia indicadores clave de rendimiento (KPI) concretos y medibles. Las colaboraciones se encuentran en el contexto de valor de extremo a extremos treams (la palabra operativa es Valor ), que son modelados, automatizados y monitoreado a través de DPA para la mejora continua. Metodología DPA, mejores prácticas de competencia , y La tecnología es el motor que impulsa el éxito de IoT.

Hay muchas aplicaciones de IoT impulsadas por DPAValuestreams. DigitalPrescriptive Maintenance es la aplicación definitiva para IoT. Como se ilustra aquí, implica la orquestación de tareas cuyos participantes incluyen personas, por ejemplo, servicio al cliente y servicio de campo, aplicaciones empresariales, IA para clasificar las mejores acciones, gestión de la cadena de garantía y, por supuesto, dispositivos conectados e IoT. La orquestación y la automatización de extremo a extremo se logran a través de DPA.

Cadena de bloques a cadena de valor

Blockchain es en gran medida una revolución. Es el motor que potencia el surgimiento de Internet of Value (IoV). IoV es una fase importante en la evolución de Internet. En la década de 1990 comenzamos con el Internet de la Información : la Internet tradicional, la que usamos todos los días para buscar información. Luego vino el Internet de las cosas o dispositivos conectados que se están generalizando en el consumidor (p. ej., hogares conectados), el sector público (p. ej., ciudades inteligentes) y las aplicaciones industriales (p. ej., fabricación inteligente). El camino hacia el éxito de IoT pasa por la automatización de procesos digitales. Blockchain, que es la tecnología subyacente para las criptomonedas, está habilitando la Internet del Valor. El valor puede ser moneda digital. Más importante aún, el "valor" también puede ser información que respalde los intercambios inter e intra organizacionales que respalden los objetivos comerciales.

Blockchain como base de datos descentralizada y distribuida

Blockchain almacena el libro de transacciones entre varias partes, en nodos que participan en la validación de Blockchain. El libro mayor se distribuye y replica. Las empresas que colaboran en transacciones B2B ahora pueden compartir la información de la transacción a través de Blockchain. Una aplicación potencial para extendido (es decir, que involucre a diferentes socios comerciales) Enterprises-In-Motion es tratar Blockchain como una base de datos compartida para sus transacciones comerciales y acceder a los datos según sea necesario desde sus aplicaciones empresariales. Por lo tanto, en lugar de que los socios comerciales repliquen los datos en su ERP interno o sistemas de base de datos, ¡Blockchain puede servir como datos maestros para las transacciones entre empresas! La tecnología Blockchain todavía está en pañales. Pasaremos por varias fases del ciclo de exageración "A través de la desilusión" antes de que las soluciones sólidas de IoV se vuelvan generalizadas.

Las discusiones sobre la tecnología Blockchain también tienden a ser en gran medida "de abajo hacia arriba", una innovación interesante que busca problemas para resolver. Al igual que el éxito de IoT que se ejecuta a través de DPA, Blockchain debe evolucionar hacia una Cadena de valor ( también conocido como Valuestream), ¡impulsado a través de DPA!

• Capa de orquestación de la cadena de valor :En la parte superior, tiene la cadena de valor de extremo a extremo que organiza y secuencia tareas que involucran a personas, dispositivos automatizados y aplicaciones empresariales (también conocidas como sistemas de registro) y socios comerciales. Esta capa está digitalizada y automatizada a través de DPA.
  
• Capa de cadena de bloques: Los libros mayores distribuidos descentralizados se administran en la capa intermedia de Blockchain. Blockchains ejecutará reglas de contratos inteligentes, intercambiará criptomonedas o ambas. Las tareas o hitos de la cadena de valor de extremo a extremo aprovecharán Blockchain en pasos específicos.
  
• Capa de dispositivos conectados de IoT/IIoT: La capa más baja será la capa de conectividad IoT/IIoT. Con Blockchain, así como con la computación perimetral IoT/IIoT, una ventaja adicional es llevar la ejecución y las transacciones a los límites. La cadena de valor general está en la parte superior, con computación IoT/IIoTedge que puede aprovechar Blockchain según sea necesario.

Proceso + Datos Conclusiones

Procesar y Los datos son críticos para la empresa en movimiento. Sin embargo, la capa de proceso para flujos de valor automatizados, con DPA robusto (encarnación actual en la evolución de BPM), a menudo falta en la infraestructura de TI y las arquitecturas empresariales. La Parte II de Process+Data cubrió tres casos de uso convincentes que ilustran claramente el poder de un enfoque de Proceso de arriba hacia abajo impulsado por el negocio. Incluso los datos maestros – que es, en esencia, un desafío de base de datos – puede transformarse y optimizarse priorizando los flujos de valor y construyendo los datos maestros en el contexto de las iteraciones de DPA. Los otros dos casos de uso pertenecen a las tecnologías de transformación digital más convincentes:IoT y Blockchain. Para cualquiera de los dos, ¡el camino hacia el éxito pasa por DPA!

Proceso + Datos son ambos fundamental para la innovación y la transformación. El potencial y el poder de los conocimientos de datos se realizan en los procesos digitalizados y automatizados.

Las infraestructuras de TI y las arquitecturas empresariales de Enterprise-In-Motion, así como las metodologías centradas en el valor comercial que las acompañan, necesitan DPA.