Impulsando la innovación: Proceso, Datos Maestros y Transformación Digital – Parte II

Proceso + Datos son ambos críticos para la innovación y transformación. El potencial y el poder de los insights 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 DBMS inteligentes y BPMS inteligentes. La Inteligencia Artificial, así como varias tecnologías digitales, han tenido un impacto tremendo en ambas tendencias. iBPMS también soportan automatización de procesos y trabajo – especialmente a través de Automatización Robótica de Procesos.

La Parte I destacó la falta de equilibrio entre DBMS –especialmente bases de datos NoSQL avanzadas– y BPMS en arquitecturas empresariales. A través de IA y otras tecnologías digitales, ambos se han vuelto inteligentes. Además, ahora estamos presenciando una plétora de enfoques para desarrollo No Code/Low Code en ambos dominios. Ahora hay Desarrolladores Ciudadanos y Científicos de Datos Ciudadanos.

Sin embargo, la capa DBMS con múltiples bases de datos Relacionales y NoSQL es ubicua en Infraestructuras TI y Arquitecturas Empresariales. ¡Los Datos son el nuevo petróleo crudo!

¿La capa BPMS? No tanto.

Para aprovechar al máximo la sinergia entre Proceso y Datos, la empresa en movimiento necesita enfocarse en lo obvio: las aplicaciones y soluciones de negocio centrales que impulsan el valor de negocio. Para reiterar lo obvio: ¡no se trata de tecnología!

Flujos de Valor (también Cadenas de Valor)

El enfoque de datos es en su núcleo un enfoque bottom-up centrado en datos persistentes. Importante y crítico. Pero aún así, bottom-up impulsado por tecnología. Aquí elucidaremos tres casos de uso robustos que toman un enfoque diferente que es mucho más soportivo de la Empresa Autónoma en Movimiento.

El enfoque de aplicación impulsado por proceso es muy diferente. Una suposición fundamental en el enfoque impulsado por proceso es que un negocio es una colección de Flujos de Valor. Las empresas piensan en términos de objetivos y hitos o etapas para alcanzar estos objetivos en el contexto de Flujos de Valor. La mayoría de las organizaciones todavía están organizadas verticalmente, y cada unidad de negocio se enfoca en sus objetivos medibles.

Silos en unidades de negocio, diversas aplicaciones, y socios comerciales son pervasivos

Los Flujos de Valor van horizontalmente a través de unidades de negocio, diferentes aplicaciones heredadas y socios comerciales intentando optimizar experiencias de cliente –para realizar y operacionalizar valor. El cambio cultural en la Empresa en Movimiento necesita capturar, digitalizar y automatizar el flujo de valor para visibilidad y control optimizados.

La Digitalización y Automatización de Flujos de Valor son los pilares centrales para la Transformación Digital

Organizacionalmente, la cultura necesita fomentar la propiedad empoderada del flujo de valor –a través de silos. La Automatización de Procesos Digitales logra la digitalización y automatización de flujos de valor a través de Gestión Dinámica de Casos (DCM).

Típicamente, estos están aislados, y la comunicación se hace a través de traspasos manuales. Es interesante notar que las tecnologías digitales e incluso las prácticas de transformación digital han tenido poco impacto en organizaciones verticales aisladas. La jerarquía organizacional ha persistido. Los Flujos de Valor van horizontalmente a menudo con un propietario empoderado para su excelencia operacional. Si los flujos de valor no se optimizan a través de DPA, habrá desperdicio e ineficiencias considerables.

El poder de los Flujos de Valor digitalizados y automatizados es el habilitador central de los tres casos de uso

Proceso + Datos Maestros

Según el Instituto MDM: Gestión de Datos Maestros (MDM) es la base autoritativa y confiable para datos usados a través de muchas aplicaciones y grupos de interés con el objetivo de proporcionar una vista única de la verdad sin importar dónde resida.

Los silos mencionados arriba –en organizaciones, unidades de negocio y aplicaciones que son propiedad de ellos– son la razón principal por la que hay inconsistencias en la información sobre la misma entidad: cliente, proveedor, producto u otro. Los Datos Maestros abordan varios puntos de dolor. Aquí hay algunos ejemplos:

• Inconsistencias y mala calidad de datos resultan en decisiones pobres, erróneas e incluso arriesgadas. Las ejecuciones de casos dinámicos automatizados 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 aislados contienen información contradictoria sobre la misma entidad (ej. estado civil incorrecto). Hay mucho desperdicio intentando mantener datos heterogéneos consistentes y de alta calidad.
• Fusiones y Adquisiciones también crean desafíos de consistencia de datos –para tener una sola versión de la verdad sobre un cliente u oferta a través de la organización

Aquí hay algunos ejemplos típicos:

• La dirección del cliente no se actualiza consistentemente en todas las bases de datos o aplicaciones que almacenan la dirección.
• El precio de un producto no es consistente y depende del canal (minorista, Web, app móvil, etc.)
• La lista de Proveedores, disponibilidad y lista de partes es inconsistente a través de varios sistemas ERP

Hay muchos más.

Los Datos Maestros son necesarios para abordar calidad de datos, consistencia, abastecimiento, precisión, integridad, replicación y completitud de datos.

Como se señaló arriba, una empresa es el agregado de sus Flujos de Valor. Estas ejecuciones de flujos de valor son solo tan buenas como la consistencia de los datos. La expresión de Ciencias de la Computación «Basura Entrada – Basura Salida» (GIGO) es muy aplicable aquí. De hecho, las inconsistencias de datos impactarán antes o después la experiencia del cliente resultando en insatisfacción del cliente: menores Net Promoter Scores (NPS), mayor ratio de detractores.

El Enfoque MDM Bottom-Up

A menudo las organizaciones intentan abordar los desafíos de Datos Maestros a través de herramientas y sistemas de Gestión de Datos Maestros. Esto podría terminar siendo proyectos de «big bang» de datos maestros, con herramientas costosas. Algunas organizaciones han establecido centros de excelencia MDM para gobernanza. La tecnología y las consistencias de datos son formidables e importantes de abordar, incluyendo limpieza de datos, abordar datos faltantes, consistencia de datos, ETL e integración de datos. El peligro es el enorme esfuerzo requerido para normalizar datos maestros sin priorizar a través de objetivos de negocio. Un problema común es que las iniciativas que intentan resolver desafíos de datos maestros a menudo lo hacen en un silo. El MDM en sí se convierte en otra capa de software que necesita ser gestionada. Si se usa copia y replicación de datos, esto también crea sobrecarga adicional e inconsistencias potenciales.

Sin embargo, el problema más serio es la falta de foco 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 registro podría ser en las centenas. Los flujos de valor de clientes más críticos típicamente necesitarán un subconjunto muy pequeño de los campos o atributos disponibles. El resto rara vez –si acaso– se usará. Mientras que el razonamiento del sistema MDM podría tener sentido, este enfoque bottom-up podría ser subóptimo.

Enfoque Top-Down de Flujos de Valor

Un enfoque más óptimo es tratar los desafíos MDM como parte de iniciativas de mejora continua en general, especialmente a través de soluciones de gestión dinámica de casos de extremo a extremo que conectan silos que tocan y manipulan datos maestros. La Empresa en Movimiento es un agregado de Flujos de Valor. MDM se trata de hacer que los Flujos de Valor funcionen lo mejor que puedan. Cada uno de estos Flujos de Valor tiene objetivos de negocio específicos –por ejemplo, reducir costos, mejorar el NPS o generar ingresos. El núcleo de este enfoque es una capa habilitada por Gestión Dinámica de Casos (DCM) que envuelve y moderniza sistemas heredados. Como se señaló en la Parte I, DCM es una capacidad clave en DPA –además de Automatización Robótica, IA y otras Tecnologías Digitales.

El enfoque top-down se enfoca solo en aquellos campos o atributos que se necesitan para Flujos de Valor específicos que se optimizan, digitalizan y automatizan a través de DPA.

Este enfoque «top-down» prioriza proyectos transformacionales con mejoras MDM y equilibra riesgo con valor de negocio. Estos problemas técnicos de base de datos deben abordarse, pero con un enfoque renovado de prioridades.

Piense en Grande pero Empiece Pequeño

En la Empresa en Movimiento, las soluciones a problemas de datos maestros son impulsadas por gobernanza «Piense en Grande… Pero Empiece Pequeño». El enfoque es lograr victorias rápidas, construir o lograr el rigor de datos maestros necesario, y luego expandir con soluciones transformacionales adicionales que incluyan Datos Maestros. En otras palabras, con el enfoque iterativo, el maestro agregado se construye pieza por pieza en lugar de un Big Bang comprehensivo de Datos Maestros y luego realización de proyectos para soluciones de transformación digital. La gobernanza e implementación de Datos Maestros pueden integrarse en el ADN de las metodologías de automatización de procesos y llevar a la priorización de fuentes de datos y la optimización necesaria para gestionar datos dentro de la capa DPA. El objetivo es equilibrar facilidad de Datos Maestros con valor de negocio para proyectos específicos priorizados.

En Metodología Design Thinking, la priorización es crítica para el backlog de proyectos de Flujos de Valor. Estas priorizaciones rankean sistemáticamente proyectos equilibrando facilidad de implementación con valor de negocio. Aquí hay algunas dimensiones potencialmente medibles que podrían impactar la priorización:

• Complejidad de consolidar campos de datos maestros para el proyecto
• Impacto de mala calidad de datos maestros en casos de extremo a extremo para el proyecto
• Aplicación de campos de datos maestros en proyecto de alto impacto de negocio
• Disponibilidad de APIs para acceder a valores de campos de datos maestros para el proyecto

Los fragmentos priorizados reflejando soporte de Datos Maestros se alimentan a la metodología ágil. La metodología debería ayudarle a monitorear y medir continuamente los objetivos de negocio. Los Datos Maestros se optimizan iterativamente a través de los fragmentos. Los proyectos innovadores alimentados por las priorizaciones de Design Thinking se miden y monitorean continuamente. Hay tres tipos de iteraciones en el enfoque Top-Down:

• Iteraciones en el backlog de proyectos – priorizados por valor de negocio así como dimensiones de disponibilidad de Datos Maestros
• Iteraciones mientras se construye la solución DPA mientras se aprovechan Datos Maestros
• Post-producción, también es importante comparar objetivos dirigidos vs. logrados para mejoras adicionales.

Así, el enfoque Top-Down construye incrementalmente los Datos Maestros, mientras entrega continuamente proyectos de alto valor de negocio y mejorándolos.

Transformación Digital: IoT y Blockchain

El enfoque top-down impulsado por procesos de Flujos de Valor es un habilitador para propuestas de valor de tecnología de Transformación Digital. Dos de estas tecnologías que son más críticas para la Empresa en Movimiento son IoT y Blockchain.

El Camino al Éxito de IoT

IoT se trata de conectividad de dispositivos cada vez más inteligentes a través de sensores y actuadores. La base para la conectividad, equilibrando alcance y consideraciones de suministro de energía, es, por supuesto, crítica. Hay varios componentes en la pila general y arquitecturas multi-nivel de IoT. Los niveles más bajos incluyen dispositivos y sistemas físicos. Es precisamente esta conectividad ciber-física la que está sentando las bases de la era IoT. Otras capas incluyen capas de acumulación y análisis de datos. Los dispositivos conectados 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 están procesando en los edges.

Hay varias arquitecturas de referencia y modelos de referencia para IoT. El Modelo de Referencia del Foro Mundial IoT pone la colaboración y Procesos de Negocio en la parte superior de la arquitectura multi-nivel para IoT.

Esto es significativo y acertado. El éxito puede lograrse top-down con objetivos de negocio concretos desde el principio. Las soluciones de negocio top-down involucran Personas, Dispositivos Conectados (aka IoT), socios Comerciales y Aplicaciones Empresariales (aka Sistemas de Registro): todos colaborando y orquestando sus actividades hacia KPIs concretos y medibles. Las colaboraciones están en el contexto de Flujos de Valor de Extremo a Extremo (la palabra operativa siendo Valor), que son modelados, automatizados, y monitoreados a través de DPA para mejora continua. La metodología DPA, mejores prácticas de competencias, y tecnología son el motor que impulsa el éxito de IoT.

Hay muchas aplicaciones de IoT impulsadas por Flujos de Valor DPA. El Mantenimiento Prescriptivo Digital es la aplicación asesina para IoT. Como se ilustra aquí, involucra la orquestación de tareas cuyos participantes incluyen personas –por ejemplo, Servicio al Cliente y Servicio de Campo– aplicaciones empresariales, IA para triage de las mejores acciones, gestión de cadena de garantía, y por supuesto dispositivos conectados e IoT. La orquestación y automatización de extremo a extremo se logran a través de DPA.

De Blockchain a Valuechain

Blockchain es muy mucho una revolución. Es el motor que empodera la aparición del Internet del Valor (IoV). IoV es una fase importante en la evolución de Internet. En los 90 empezamos con el Internet de la Información: el Internet tradicional –el que usamos cada día buscando información. Luego vino el Internet de las Cosas o dispositivos conectados que se están volviendo pervasivos en consumidor (ej. Hogares Conectados), sector público (ej. Ciudades Inteligentes) y aplicaciones industriales (ej. Fabricación Inteligente). El camino al éxito de IoT pasa por Automatización de Procesos Digitales. Blockchain que es la tecnología subyacente para criptomonedas está habilitando el Internet del Valor. El valor puede ser moneda digital. Más importante, el «valor» también pueden ser datos que soportan intercambios inter- e intra-organizacionales soportando objetivos de negocio.

Blockchain como Base de Datos Descentralizada y Distribuida

Blockchain almacena el ledger de transacciones entre varias partes –en nodos que participan validando el Blockchain. El ledger está distribuido y replicado. Empresas colaborando en transacciones B2B ahora pueden compartir la información de transacción vía Blockchain. Una aplicación potencial para Empresas en Movimiento extendidas (i.e., involucrando diferentes socios comerciales) es tratar el Blockchain como una base de datos compartida para sus transacciones comerciales y acceder a los datos según sea necesario desde dentro de sus aplicaciones empresariales. Así, en lugar de que los socios comerciales repliquen los datos en sus sistemas ERP internos o bases de datos, el Blockchain puede servir como Datos Maestros para las transacciones inter-empresariales! La tecnología Blockchain aún está muy en su infancia. Pasaremos por varios «Valles de Desilusión» de fases del ciclo de hype antes de que soluciones IoV robustas se vuelvan pervasivas.

Las discusiones de tecnología Blockchain también tienden a ser muy «bottom-up» –una innovación interesante buscando problemas para resolver. Como el éxito de IoT corriendo a través de DPA, Blockchain necesita evolucionar a un enfoque Valuechain (aka Flujo de Valor) –impulsado a través de DPA!

• Capa de Orquestación de Valuechain: En la parte superior, tienes el Valuechain de extremo a extremo que orquesta y secuencia tareas involucrando personas, dispositivos automatizados, aplicaciones empresariales (aka sistemas de registro) y socios comerciales. Esta capa está digitalizada y automatizada a través de DPA.
   
• Capa Blockchain: Los ledgers distribuidos descentralizados se gestionan en la capa media Blockchain. Los Blockchains ejecutarán reglas de smart contracts, intercambiarán criptomonedas, o ambos. Las tareas o hitos del Valuechain de extremo a extremo aprovecharán Blockchain en pasos específicos.
   
• Capa de Dispositivos Conectados IoT/IIoT: La capa más baja será la capa de conectividad IoT/IIoT. Con Blockchain así como edge computing IoT/IIoT, una ventaja añadida es empujar la ejecución y las transacciones a los edges. El Valuechain general está en la parte superior, con edge computing IoT/IIoT que puede aprovechar Blockchain según sea necesario.

Conclusiones Proceso + Datos

Proceso y Datos son ambos 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 infraestructuras TI y arquitecturas empresariales. La Parte II de Proceso+Datos cubrió tres casos de uso convincentes que ilustran claramente el poder de un enfoque top-down impulsado por negocio. Incluso los Datos Maestros –que en su núcleo son un desafío de base de datos– pueden transformarse y optimizarse a través de la priorización de Flujos de Valor y construyendo los Datos Maestros en el contexto de iteraciones DPA. Los otros dos casos de uso pertenecen a las tecnologías de Transformación Digital más convincentes: IoT y Blockchain. Para cualquiera, el camino al éxito pasa por DPA!

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

Las infraestructuras TI y arquitecturas empresariales de la Empresa en Movimiento, así como las metodologías enfocadas en valor de negocio que las acompañan, necesitan DPA.