Mencapai kematangan data: suatu tindakan mengimbangi organisasi

Dengan Staff Techopedia, 8 November 2017

Takeaway: Host Eric Kavanagh membincangkan kematangan data dan kematangan organisasi dengan Jen Underwood of Impact Analytix dan Ron Huizenga dari IDERA.

Anda tidak log masuk sekarang. Sila log masuk atau mendaftar untuk melihat video.

Eric Kavanagh: Baiklah, tuan-tuan dan puan-puan. Halo dan selamat datang kembali sekali lagi. Ia adalah Rabu pada 4:00 Timur, yang bermaksud ia adalah masa untuk Teknologi Hot. Ya sememangnya. Nama saya Eric Kavanagh; Saya akan menjadi tuan rumah anda untuk pertunjukan kami hari ini, yang benar-benar ditakrifkan, direka untuk menentukan jenis teknologi tertentu di negara-negara tertentu yang berada di dunia pengurusan data. Dan topik hari ini ialah "Mendapatkan Data Maturity: A Balanced Organizational Act." Jadi, ada tempat mengenai anda dengan benar, memukul saya di Twitter, @eric_kavanagh. Saya selalu retweet jika anda menyebut saya, dan saya akan cuba untuk mengikuti kembali juga. Ia adalah tempat yang baik untuk mendapatkan maklumat mengenai apa yang berlaku di dunia. Saya suka format itu. Watak pendek, 140 aksara - atau lebih banyak hari ini. Oleh itu, jangan ragu untuk menghantar tweet kepada saya dan saya akan mengikutinya.

Sudah tentu, tahun ini panas. Kami bercakap tentang kematangan data hari ini dan di sini adalah barisan, dengan anda benar-benar di bahagian atas. Kami mempunyai penganalisis baru hari ini; Saya sangat teruja untuk mempunyai Jen Underwood of Impact Analytix. Dia cukup pakar dalam perisikan perniagaan dan analisis dan visualisasi data dan semua topik hebat ini. Dan sudah tentu kematangan data. Dan kawan baik kami Ron Huizenga memanggil dari IDERA. Jadi pertama kita akan mendengar daripada Jen dan kemudian dari Ron. Dan kemudian kita akan mempunyai perbincangan meja bulat yang bagus.

Semasa saya menolak slaid seterusnya di sini, saya hanya akan mengatakan beberapa kata cepat. Kematangan pengurusan data telah menjadi subjek buat sementara waktu sekarang. Jelas dalam sejarah, anda perlu sampai ke titik tertentu sebelum anda mula berfikir mengenai kematangan, dan banyak kitaran hayat matang telah dibangunkan - atau kitaran - cuba mencari tahu di mana anda berada dalam lengkung. Adakah anda peringkat awal? Adakah anda seorang remaja? Adakah anda matang? Sebagainya.

Dan saya fikir banyak pertubuhan sama ada pada tahun-tahun remaja atau pada akhir remaja atau awal dua puluhan dari segi matang. Dan itu tidak mengatakan apa-apa yang mengecewakan. Hanya saja kita masih agak awal pada masa awal dapat menguruskan data sebagai aset strategik. Dan perkara-perkara telah berubah dengan cepat. Terutama dalam tempoh lima hingga tujuh tahun yang lepas, kerana kami telah berpindah dari data kecil ke data besar dan mereka cuba mendamaikan dunia-dunia yang agak berbeza ini dan teknologi baru dengan teknologi lama. Jadi warisan di luar sana, di mana-mana sahaja.

Salah satu jenaka yang saya dengar bertahun-tahun lalu adalah legasi itu adalah satu sistem yang dihasilkan. Pada masa ini, satu sistem menjadi pengeluaran, secara teknikal itu warisan. Dan dengan cara yang betul. Tetapi perkara paling penting ialah kita mempunyai semua sistem ini yang telah lama wujud dan kita perlu mencari jalan untuk memahami di mana kita berada dalam lengkung kematangan kita sendiri untuk dapat memaksimumkan dan mengoptimumkan nilai data sebagai aset . Dan tentu saja ada beberapa isu pematuhan, beberapa peraturan yang perlu kita bimbang, bergantung kepada industri yang kita masuk. Dan tentu saja kita juga perlu bimbang tentang penggodaman. Sebelum ini, kami telah membincangkan mengenai tadbir urus data dan bagaimana ia benar-benar menjadi sebahagian daripada keselamatan dan hanya memahami peranan dan tanggungjawab menggunakan data dan memastikan kami mendapat nilai terbaik daripadanya.

Dan dengan itu, saya akan menyerahkan kunci ke Jen Underwood dan dia boleh memberitahu kita perspektifnya tentang kematangan data. Jen, bawa dia pergi.

Jen Underwood: Terima kasih, Eric, dan terima kasih kerana menjemput saya. Jadi hari ini, saya akan membincangkan beberapa topik yang berbeza dan kemudian saya akan memperkenalkan Ron dengan IDERA dan dia akan menggali lebih mendalam ke dalam beberapa bidang lain dalam topik ini. Saya akan mengatakan ia adalah peranan penting dalam era digital atau transformasi digital yang kita ada sekarang dan, seperti yang dikatakan Eric, ia adalah era yang berkembang. Beberapa statistik menyeronokkan dari Majlis EDM, terdapat laporan penanda aras industri pengurusan data. Ia hampir dua tahun, tetapi ia masih agak relevan dan akan mendedahkan beberapa, anda tahu, factoids seolah-olah menjadi remaja di ruang ini. Saya akan bercakap sedikit mengenai kematangan data dan tiang tadbir urus, seolah-olah.

Mengenai tema era digital atau transformasi digital yang anda dengar di mana-mana, ini benar-benar berlaku sekarang. Salah satu fakta yang menarik yang saya kumpulkan seperti yang saya ikuti di industri setiap hari adalah titik yang dibuat oleh Gartner dalam sepuluh aliran teknologi strategiknya. Dan mereka berkata pada tahun 2020 - jadi kami hanya beberapa tahun jauh dari itu - maklumat akan digunakan untuk mencipta semula, mendigitalkan dan mengotomatisasi atau menghapuskan 80 peratus daripada proses yang kami ada dari satu dekad sebelumnya.

Dan saya telah melihat ini untuk seketika, saya fikir di sini anda melihat pelbagai jenis orang yang mengatakan, anda tahu, "Data minyak baru, " dan jenis perkara. Saya suka mengatakan data sekarang adalah emas digital. Dan jika anda berfikir tentang aplikasi perisian dan penglibatan perisian, saya adalah pengurus produk di seluruh dunia untuk Microsoft pada masa lalu, dan juga perubahan kerjaya saya dari, anda tahu, kita benar-benar akan memberi tumpuan kepada perisian sekarang kita memberi tumpuan kepada pengguna dan mengumpulkan data dan memikirkan pengewangan data.

Kami memasuki era ini di mana data adalah emas digital dan anda mula melihat bahawa dengan kemunculan apa yang dipanggil ketua pegawai data, dan mereka, mereka mempunyai, anda tahu, dua misi utama - dan sudah tentu beberapa yang lain - memastikan data selamat dan terjamin dan juga mencari cara untuk memaksimumkan nilai data secara dalaman - dan juga luaran - sebagai aset digital itu. Jadi jenis perkara yang mungkin tidak pernah berlaku, atau mungkin tidak kelihatan penting kepada organisasi anda pada masa lalu, data akhirnya mendapat tempat duduk di meja C-level dengan CDO dan akan diambil dengan lebih serius ke depan.

Jika anda berfikir tentang pengurusan data dan kematangan, terdapat dua tema yang berbeza yang saya ada pada slaid ini di sini, yang pertama adalah, anda tahu, pengurusan data itu sendiri. Ini lebih lanjut mengenai fungsi perniagaan yang membangun dan mencipta aliran data dan data, beberapa dasar dan amalan di sana. Dan kemudian apabila anda berfikir tentang kematangan pengurusan data, itu adalah keupayaan sesebuah organisasi untuk menentukan dengan tepat, mudah mengintegrasikan, anda tahu, memanfaatkan data yang mereka miliki sekali lagi untuk keperluan dalaman atau luaran seperti pengewangan data. Dan salah satu daripada tema besar - dan lucu, sebelum ini dalam kerjaya saya, dan saya sebenarnya memanfaatkan beberapa alat dan projek seni bina data IDERA - adalah konsep keseluruhan metadata ini dan kita terus memikirkan metadata, dan kemudian ia tidak dibincangkan kira-kira untuk jangka masa yang panjang. Saya akhirnya melihat metadata sejuk lagi. Ia sangat penting dalam berinteraksi dengan kumpulan yang berbeza, memahami di mana data anda, data apa. Terutamanya dalam perkara seperti tasik data. Akhirnya, akhirnya semakin menarik.

Sekarang, saya berjanji ada beberapa statistik di sini dari laporan penanda aras industri. Ini adalah dari 2015 untuk Majlis EDM. Ini mengenai memodenkan kualiti data dan tadbir urus, dan ada beberapa fakta yang menyenangkan dalam hal ini. Oleh itu di sini, lebih daripada 33 peratus organisasi mempunyai program pengurusan data yang aktif dan formal di beberapa peringkat organisasi - hanya 33. Jadi itu sangat menarik dan sendiri. Dari 50 peratus yang ada, telah benar-benar diformalkan, kami ingin menguruskan data, kami menyedari bahawa ini adalah aset yang sangat penting dalam organisasi kami, sama seperti manusia mempunyai sumber manusia. Hanya 50 peratus daripada mereka mempunyai program yang lebih tua daripada satu tahun. Jadi, sekali lagi, ini adalah kawasan yang baru muncul, ia sangat menarik dalam apa yang kita telah menjadi lebih penting, terutamanya dengan perkara-perkara seperti beberapa peraturan industri yang keluar.

Jadi pada ketika itu, banyak kali - dan ia menarik dalam jualan teknikal dan peranan sepanjang kerjaya saya - ia tidak benar-benar, "Oh, kita dapat menjimatkan wang yang akan memotivasi sesebuah organisasi" - ia biasanya takut. Lebih-lebih lagi, "Oh my gosh, kita perlu memastikan bahawa kita dilindungi. Kami tidak mahu kehilangan pekerjaan kami. "Dan sememangnya perkara-perkara seperti penggodaman dan risiko data dan kebocoran data, ada kajian penanda aras yang benar-benar menarik mengenai perkara ini. Verizon melakukan satu setiap tahun dan mungkin salah satu daripada kegemaran saya untuk semakan. Apa yang anda selalu lihat adalah tidak sengaja, tidak semestinya, anda tahu, penyalahgunaan data yang disengajakan atau salah urus data yang menyebabkan kebocoran. Dan selalunya - mereka tidak mempunyai statistik ini untuk sesi tertentu ini - tetapi ia menarik bahawa kebocoran kebetulan ini salah urus keizinan dan sebagainya. Anda tahu, untuk membuat perkara sedikit lebih mudah, kebocoran ini terus dipinjamkan. Dan selalunya kepada orang yang nota sampingan atau luaran kepada organisasi anda, dan itu bukan apa yang anda mahukan.

Jadi itu adalah jenis perkara apabila anda berfikir tentang mempunyai program pengurusan keselamatan dan tadbir urus data. Anda tahu, bukan keputusan yang tidak baik dan menyimpan wang, tetapi juga memastikan bahawa, anda tahu, anda selamat, anda mematuhi undang-undang privasi dan keselamatan. Anda dapat mengewangkan data dalam era digital ini, dan tentu saja, anda tahu, anda ingin melakukan perkara-perkara dengan cekap dan menggunakan semula data dan mempunyai salinan yang diberkati dan - Saya benci apabila orang berkata, dan saya dalam analisis dan saya sudah lama dalam analisis, satu versi kebenaran. Biasanya, anda tahu, biasanya terdapat beberapa versi kebenaran, hanya dari perspektif yang berbeza. Tetapi pada asasnya, anda mahu data anda dapat dipercayai bahawa anda membuat keputusan.

Salah satu pemacu terbesar yang saya lihat - dan itu satu perkara yang baik, ia adalah satu perkara yang baik untuk menjadi semakin sejuk - adalah konsep keseluruhan GDPR Kesatuan Eropah. Dan biar saya bercakap tentang itu sedikit. Jadi, jika anda tidak tahu GDPR, anda akan banyak mendengar tentangnya tahun ini. Ia adalah undang-undang baru yang berlaku pada bulan Mei. Ia akan dikuatkuasakan pada bulan Mei 2018 dan ia mempunyai beberapa penalti yang besar untuk mismanaging maklumat. Anda mungkin pernah mendengar ini bercakap dalam bentuk lain - mungkin tidak menggunakan istilah GDPR - anda mungkin pernah mendengar atau melihat ini ditulis sebagai hak untuk dilupakan, yang bermaksud anda boleh menjangkau dan meminta vendor mengeluarkan data anda. Sekali lagi, arkitek data masa lalu, mereka tidak akan mengalih keluar data. Kami akan mengubahnya, kami akan menjadikannya tidak aktif dalam senario pergudangan data. Kami tidak pernah memadamkan data kami. Kami tidak mempunyai proses untuk itu. Jadi, anda tahu, perkara yang akan menyentuh setiap aspek organisasi anda dan cara dan proses yang berbeza yang anda mungkin tidak pernah pertimbangkan dalam membina aplikasi atau gudang data anda. Oleh itu, jika anda melihat perkara tentang GDPR untuk dipikirkan, tidak lama lagi anda akan memerlukan asas undang-undang untuk membenarkan pengumpulan dan pemprosesan data peribadi.

Oleh itu, ini kebanyakannya pada tahap peribadi, jadi persetujuan perlu diberikan secara bebas: khusus, termaklum, tidak jelas. Dan ia akan memberi kesan kepada banyak bidang kecerdasan buatan dan sains data - itulah bidang yang saya tutup kebanyakannya hari ini adalah implikasi sains data dan hanya memastikan ada ketelusan dalam model itu sendiri - serta banyak bidang lain dari perkhidmatan diri anda BI, gudang data anda, pengurusan data induk anda, bahkan projek 360 pelanggan anda, kepada pemperibadian dan juga aplikasi perniagaan anda. Jadi ini adalah sesuatu yang akan menyentuh setiap bahagian org anda. Dan tidak seperti undang-undang privasi di negara lain, GDPR akan terpakai bagi mana-mana organisasi yang terletak di dalam atau di luar Kesatuan Eropah. Dan denda pematuhan, sekali lagi, adalah penting. Ia organisasi anda boleh dikenakan denda hingga empat peratus daripada jumlah tahunan kasar anda - saya percaya ia disebut perolehan - pendapatan per se.

Semoga saya mendapat perhatian anda dan ini adalah perkara yang perlu anda ambil perhatian. Jika syarikat anda sudah mengikuti beberapa amalan dan piawaian industri dengan PCI, mungkin ia adalah ISO - Saya tidak pasti jika saya akan mengatakan hak ini - 27001. Jika anda melakukan beberapa daripada mereka, t terlalu menggembirakan, tetapi ia adalah sesuatu yang pasti akan sedar. Oleh itu, semasa anda mempersiapkan ini, terdapat beberapa bidang, terutama dalam pengurusan data dan salah satu hal pertama adalah memiliki katalog dan mengklasifikasikan data anda - mengetahui di mana data anda berada. Dan di dunia, dunia hibrid, di mana data tinggal di mana-mana: Ia berada di awan; ia dalam aplikasi ini; ia adalah dalam tenaga jualan; ia dalam beberapa program rawak lain yang pemasaran juga menggunakan, anda tahu, sistem pelanggan anda atau sistem inventori anda - semua jenis tempat ini. Tahu di mana data anda dan perkara yang paling mudah dilakukan - dan ini merupakan bidang pengurusan data yang benar-benar menyeronokkan, adalah konsep ini katalog data yang mempunyai kecerdasan, bahkan pengkelasan pembelajaran mesin adalah beberapa maklumat.

Dan sekali lagi, metadata - saya menyatakan metadata semakin sejuk sekali lagi, jadi benar-benar memikirkan metadata dan tidak memunculkan topik penting ketika anda mula merancang tasik data dan jenis perkara itu, dan tentu saja mentadbir dan memantau ini. Oleh itu, pemantauan akan menjadi lebih penting apabila anda perlu kembali dan seseorang dari GDPR, sebagai contoh, mungkin meminta anda untuk membuktikan di mana data itu pergi, siapa yang memilikinya, yang mempunyai akses kepadanya, dan lain-lain. Kerana anda sebenarnya perlu menunjukkan kepada pihak berkuasa jenis perkara tersebut.

Untuk membantu anda dengan kematangan pengurusan data, sebenarnya ada beberapa sekolah pemikiran, dan saya percaya - Saya tidak 100 peratus pasti - Saya fikir saya melihat di dek Ron bahawa dia akan meliputi beberapa ini, jadi saya Saya akan bercakap mengenai hari ini adalah dari CMMI. Dan yang ini, ini tersedia untuk orang ramai; ia meliputi enam kategori pengurusan data yang berbeza, 25 kawasan proses, 414 kenyataan amalan dan 596 produk kerja yang berbeza. Oleh itu, apabila anda berfikir walaupun hanya semua perkara yang anda lakukan, seperti anda mengurus dan mengarang data, 596 produk kerja berfungsi, anda tidak menyedari betapa banyak yang anda lakukan, bukan? Atau apa yang anda tidak lakukan. Apabila saya melihat nombor seperti itu, ia adalah salah satu perkara yang benar-benar melekat dalam fikiran saya. Jadi dalam perkara ini, dan apa yang saya sukai mengenai perkara ini, ia adalah seni bina dan teknologi yang neutral. Jadi itu bermakna jika anda mempunyai, dan sebahagian besar organisasi besar yang saya telah berunding dengan atau bekerja dan dilaksanakan selama bertahun-tahun, anda tahu, mereka mempunyai segala macam teknologi yang berbeza di sana. Oleh itu, anda mahu, anda tahu, terangkan apakah arti DMM kepada platform dan teknologi yang anda gunakan dalam persekitaran khusus anda. Ia juga industri bebas, jadi itu tidak semestinya khusus untuk penjagaan kesihatan, misalnya. Penjagaan kesihatan pasti - sama ada BAA atau jenis klasifikasi yang berbeza, anda perlu menerjemahkan atau melihat pelbagai jenis perkara seperti yang anda sediakan bersama program anda atau rancangan anda untuk meningkatkan tahap kematangan pengurusan data anda dalam organisasi anda.

Apa ini jika ia bukan sebahagian daripada perkara itu? Pada dasarnya ia menentukan apa, tetapi tidak memberitahu anda secara khusus bagaimana untuk melakukannya. Setelah menjadi keperibadian Type A yang paling banyak kerjaya saya, saya suka apabila orang memberi saya matlamat dan saya dapat mengetahui bagaimana untuk mencapai matlamat itu dan tidak, katakan, micromanaging masa saya, bagaimana untuk sampai ke sana. Begitulah kematangan pengurusan data, dan proses-proses ini dengan CMMI, ia memberi anda matlamat dan memberikan anda bagaimana untuk mengukur diri anda dalam beberapa kawasan yang berbeza ini. Dan mereka akan memberi anda tahap. Terdapat pelbagai cara untuk anda dapat skor dan mengukur diri anda, sama ada tahap satu hingga lima tahap, bermakna anda telah mengoptimumkannya dan anda mempunyai program yang benar-benar kuat.

Dan untuk memberi anda perasaan untuk apa yang sebenarnya bermakna, saya mempunyai sedikit gambaran di sini tentang apa yang mungkin bermakna. Oleh itu, di sini, apabila anda berfikir tentang mempunyai kitaran hayat prosesor kematangan pengurusan data, ia mempunyai proses sokongan di tempat, segala-galanya dari keperluan, pengurusan risiko, anda perlu menyokong proses di sana, kepada tadbir urus data dan saya baik glossing terhadap itu, tetapi pada dasarnya tadbir urus data adalah satu keseluruhan program dalam dan dari dirinya sendiri. Mempunyai glosari perniagaan, kami telah berbincang tentang glosari perniagaan dan arkitek data selamanya - ini sepatutnya menjadi sesuatu yang anda ada dalam organisasi anda. Beberapa jenis katalog teknologi di luar sana, mereka membuat, membangunkan istilah glossary perniagaan dengan mengumpulkan sumber maklumat dan mengambil dan mana-mana dan, anda tahu, meletakkan pautan dalam dokumen ke perspektif yang berbeza dari data yang sama, bidang data, atau versi data kerana ia berubah sepanjang kitaran hayat nilai.

Ini adalah jenis perkara yang telah menjadi lebih baik sejak saya memulakan kerjaya saya. Kita dulu perlu membangunkan sistem yang berkembang di masa lalu untuk melakukan perkara-perkara seperti ini. Oleh itu, kita melihat keseluruhan dan gambaran yang besar, ia adalah strategi dan kemudian semua bahagian yang berbeza di sini dari pengurusan kepada kualiti dalam tadbir urus. Dan satu perkara mengenai kualiti data, adalah menarik kerana industri menjadi lebih automatik dan kami, sekali lagi, proses digital ini dengan membuat keputusan automatik. Saya banyak bekerja di ruang sains data di mana kami mempunyai beberapa alat ini mengautomasikan keputusan dan mengemaskini model ramalan dengan cepat. Banyak alat dan algoritma ini memerlukan dan menganggap data itu baik. Ia memerlukan data yang sah untuk memberikan anda keputusan automatik yang baik. Oleh itu, dalam pemikiran, anda tahu, mungkin kualiti data biasanya salah satu daripada perkara-perkara seperti orang berus dan tidak mengambilnya dengan serius. Tetapi sebaik sahaja anda mula mengotomatisasi membuat keputusan dalam model untuk pemodelan ramalan dan pembelajaran mesin, kualiti data menjadi sangat penting.

Beberapa cara untuk mengukur kemajuan anda di sini adalah - dan saya akan membiarkan Ron bercakap dengan ini, dia mempunyai slaid yang indah dalam sesi ini juga - Saya hanya akan memberikan puncak menyelinap cepat, anda tahu, tahap yang berbeza ini. Pada dasarnya ia adalah penilaian sendiri, bukan? Oleh itu, anda akan melihat tadbir urus data anda dan apa yang anda fikir anda ada apa-apa di tempatnya sama sekali. Dan jangan malu jika tidak. Seperti yang saya katakan, terdapat hanya 33 peratus daripada organisasi yang sebenarnya yang telah pun mula melakukan perkara-perkara seperti ini. Walau bagaimanapun, anda tahu, jenis program ini telah sekurang-kurangnya - Saya telah berada di industri selama lebih dari 20 tahun dan sudah tentu saya melakukan perkara-perkara seperti ini tahun lalu, kita mungkin tidak menyebutnya ini. The CMMI, mereka mempunyai latihan yang boleh anda menilai sendiri dan anda boleh pergi dan jenis melihat dan membuat anda sendiri - dalam kes ini carta radar semacam ini - menarafkan semua sudut atau perkara yang berbeza ini. Dan setiap organisasi, seperti yang saya lakukan berbeza, anda tahu, apabila saya pernah melakukan perundingan dan pelaksanaan projek-projek ini, anda tahu, setiap organisasi adalah unik. Mereka akan menjadi kawasan yang benar-benar penting bagi mereka. Mungkin, anda tahu, ia adalah pengurusan proses atau pengurusan kualiti atau risiko - bergantung apa itu, tetapi anda perlu melihat dan mencipta penanda aras atau garis dasar, dan kemudian juga berfikir tentang apa yang mentakrifkan kejayaannya.

Pada masa itu, apabila anda berfikir tentang mengukur dan mentadbir jenis perkara ini, anda akan mahu terlebih dahulu menjamin penajaan eksekutif untuk program seperti ini. Ini adalah sesuatu yang akan menjadi bersilang di seluruh organisasi, jadi walaupun Susie Q dan John Smith, mereka memutuskan, "Yup, mari kita lakukan ini, kita perlu melakukan ini, " mereka tidak boleh melakukan itu di dalam silo organisasi mereka, atau bahkan jika IT itu. Anda benar-benar perlu mempunyai pembelian dari perniagaan dan pakar-pakar mata pelajaran data. Mereka perlu mempunyai sedikit masa. Mereka tidak mahu ia menjadi tugas tambahan. Sekiranya anda pernah bekerja - saya fikir saya telah melakukan beberapa tugas pengurusan data utama, projek sebelum, dan kualiti data - dan biasanya, anda tahu, anda boleh pergi ke perniagaan dan mereka, "Oh, pengawasan data." sesuatu yang mereka teruja. Dan mereka seperti, "Oh, tidak. Kita perlu mempunyai masa untuk ini, "dan mereka lakukan. Oleh itu, anda perlu mempunyai komitmen masa. Anda perlu mendapat berkat dari bahagian atas. Anda akan mahu ia menjadi bersilang.

Sekali lagi, ini adalah sesuatu yang benar-benar menyentuh banyak bidang organisasi. Dan dengan GDPR, itu sepatutnya menjadikannya sedikit lebih mudah kerana, sekali lagi, undang-undang dari GDPR dan di mana data peribadi itu digunakan untuk pelanggan anda dan digunakan di seluruh organisasi anda, yang sepatutnya sedikit lebih mudah jika anda memohon, jika anda mempunyai untuk mematuhi GDPR. Mendapatkan lidah di sini. Itu lebih mudah untuk anda lakukan. Anda akan memberikan tanggungjawab dan kemudian melihat, anda tahu, anda akan menyesuaikannya. Oleh itu, anda sentiasa melihat jenis bimbingan yang diberikan oleh pertubuhan-pertubuhan ini, dan biasanya ia adalah: Mereka adalah garis panduan untuk anda dan anda akan melaksanakan untuk budaya anda dalam organisasi anda.

Setelah bekerja dalam tadbir urus telah benar-benar menjadi sangat penting, salah satu perkara yang beberapa produk yang saya hasilkan semasa saya berada di dalam pengurusan produk di seluruh dunia ialah Microsoft self-service BI dan membolehkan pengguna perniagaan dan pengguna data bukan teknikal untuk bermain dengan data dan membuat laporan mereka sendiri, dan banyak kali IT akan menolak. Oleh itu, saya telah menghabiskan banyak masa dalam tadbir urus ini dan memastikan bahawa produk itu mempunyai ciri-ciri yang betul dan pengauditan dan pembalakan dan, anda tahu, menjadikannya supaya mereka tidak akan menurunkan pangkalan data itu. Tetapi terdapat satu rangka kerja yang, anda tahu, bekerja selama bertahun-tahun mengenai topik tertentu jenis perkara ini yang sama seperti pengurusan data juga. Anda akan mempunyai asas yang telah ditubuhkan dengan penajaan eksekutif untuk ini, dan anda akan mahu komitmen antara perniagaan dan IT.

Jadi, sekali lagi, kita bercakap mengenai peruntukan belanjawan / masa dan dalam membangunkan proses baru. Ia akan menjadi perubahan budaya apabila anda melakukan beberapa perkara ini, anda tahu, mula melihat data. Tetapi anda tahu, ia sangat penting dari perspektif strategik, sekali lagi. Dan untuk memberi anda perasaan, inilah contohnya, dan saya membersihkannya dari salah satu projek lama saya sejak bertahun-tahun lalu mengenai jenis perkara ini. Dan sekali lagi, ini mungkin lebih banyak daripada sudut tadbir urus generik, tetapi sudah pasti boleh digunakan semula untuk jenis projek ini dengan menguruskan dan mengubah proses pengurusan data anda dan mentadbirnya. Anda mempunyai pakar bidang perniagaan, kami mempunyai pelayan data di sini, pakar-pakar mata pelajaran IT, anda tahu, untuk pelbagai bidang perniagaan. Banyak syarikat yang lebih besar akan mempunyai lembaga piawaian perusahaan anda dan arkitek perusahaan anda dan arkitek data dan pemodelan di sana. Oleh itu, terdapat beberapa pakar perkara yang berbeza dari tahap yang berbeza. Dan sekali lagi, banyak ini - Saya tidak suka sebagai contoh - mereka akan disesuaikan dengan organisasi dan budaya anda.

Salah satu perkara yang anda sedang bekerjasama dengan projek-projek ini, sekali lagi ia banyak kali bukan projek yang paling menarik dalam organisasi, tidak seperti visual yang dikehendaki oleh orang ramai. Sungguh lucu, ia adalah salah satu perkara yang apabila firma perundingan masuk atau bahkan dalam kumpulan IT anda sendiri atau kumpulan pusat kecemerlangan BI anda masuk atau pusat kecemerlangan analitik anda masuk dan kami akan mengusahakan data kualiti dan kematangan pengurusan data, mereka mungkin tidak begitu teruja untuk melakukannya. Tetapi anda perlu mencari cara untuk motif mereka, dan masukkannya dalam ukuran mereka. Oleh itu, apabila anda berfikir tentang apa yang akan berlaku, ia satu perkara untuk melakukan senaman ini sekali dan anda mendapat orang di atas kapal. Dan anda mengetahui bahawa mereka menyukai katalog data atau mereka menyukai beberapa perkara ini kerana ia menjadikan kehidupan mereka lebih mudah dan mereka dapat mencari apa yang bermakna data atau memahaminya, dan mereka boleh menambah perspektif mereka sendiri. Dan perkara itu, katalog data mungkin salah satu projek terbesar untuk membantu orang benar-benar jatuh cinta dengan ini.

Jadi perkara seterusnya ialah menjaga mereka terlibat. Bagaimanakah anda menyimpan seseorang yang mungkin tidak peduli dengan ini? Ia adalah untuk menentukan beberapa metrik dan memasukkannya, pengukuran mereka dalam dan kemudian menyediakan beberapa pembelajaran untuk apabila terdapat pelanggaran dan beberapa kesedaran bahawa, "Hei kami melakukan yang sangat baik untuk beberapa ketika dan kemudian tidak begitu baik selepas beberapa ketika." Jadi mereka adalah jenis perkara yang perlu dipikirkan untuk meneruskannya. Dan kemudian apabila anda berfikir tentang pemarkahan, dan ini adalah contoh dari CMMI, ini adalah bagaimana mereka mencetaknya. Sekali lagi anda akan mempunyai papan pemuka anda sendiri, KPI anda sendiri, anda tahu, cara yang berbeza orang diukur dalam organisasi. Tetapi anda akan mempunyai cara yang berbeza untuk menjaringkan dan mengukur kejayaan anda sendiri. Titik utama saya yang perlu anda ambil dari ini, atau cangkuk untuk mengambil dari ini adalah memastikan bahawa anda mempunyai cara untuk mengukur kejayaan dan anda juga dapat meraikan kejayaan anda.

Jadi dengan itu, saya menghargai bahawa anda telah digantung di sana untuk topik yang menarik ini, dan saya akan beralih kepada Ron, itu akan menggali sedikit lebih mendalam.

Ron Huizenga: Baiklah terima kasih, Jen. Dan terima kasih, semua orang, kerana menyertai kami hari ini. Saya sekarang akan mengambil beberapa aspek mengenai apa yang dibicarakan oleh Jen dan pergi sedikit lebih mendalam ke kawasan-kawasan tertentu. Tetapi apa yang saya juga akan lakukan adalah menyediakan ringkasan bagaimana anda sekurang-kurangnya dapat mempunyai penilaian diri peringkat tinggi beberapa kawasan ini juga. Kerana seperti yang anda lihat dengan model CMMI dan jenis perkara itu, anda boleh pergi dengan sangat mendalam dengan banyak penunjuk yang berbeza. Jadi apa yang kita benar-benar mahu mendapatkan adalah sesuatu supaya anda dapat merasakan keaslian di mana organisasi anda berada di tahap yang agak tinggi dan kemudian mula menggerudi ke yang lain. Jadi dengan itu saya akan bercakap mengenai keberkesanan organisasi. Dan saya akan mendasarkannya pada CMMI dan beberapa piawaian atau badan pengetahuan yang lain yang muncul sejak itu. Dan kemudian saya akan bercakap tentang beberapa petunjuk kematangan untuk kematangan data dan kematangan proses kerana, ketika kita melangkah ini, anda akan melihat bahawa mereka pergi dalam tangan. Dan perspektif sokongan, Jen bercakap mengenai tadbir urus di satu kawasan. Dan saya juga akan bercakap mengenai seni bina perusahaan sedikit juga. Dan kemudian kita akan meringkaskannya dan pergi ke meja bulat itu sendiri.

Jika kita melihatnya, terdapat banyak piawaian dan BOK - yang sememangnya adalah badan pengetahuan - yang telah diterbitkan sejak beberapa tahun ini. Banyak ini benar-benar berasal dari kemampuan model kematangan. Dan ini adalah tempat CMMI yang dibicarakan oleh Jen. Model CMM itu sendiri sebenarnya pada tahun 1998. Ia sebenarnya dimulakan oleh seorang lelaki bernama Watts Humphrey ketika dia bersama dengan IBM. Beliau mempunyai kerjaya selama 27 tahun di IBM. Tetapi perkembangan aktif sebenar model itu bermula ketika dia berada di Carnegie Mellon dan ditugaskan oleh Jabatan Pertahanan AS. Banyak lagi piawaian lain telah digunakan untuk memperolehnya. Dan sesuatu yang sangat baik untuk mengetahui mengenai industri ini apabila kita bercakap mengenai hal ini dalam beberapa piawai lain, ketika kita melihat masa ini, itu juga menentang latar belakang hal-hal yang kita lihat dalam industri secara umum. Ini adalah ketika pergerakan kualiti benar-benar mula memegang, terutama dalam pembuatan, dan berputar ke kawasan lain. Di mana kita melihat cara-cara untuk meningkatkan proses pembuatan, melakukan perkara-perkara seperti pengurusan mutu keseluruhan, pembuatan tepat masa dan lain-lain. Dan banyak falsafah yang keluar daripada itu datang ke seluruh badan yang berkualiti.

Dan itu benar-benar jenis tempat melompat dari mana banyak perkara ini bermula. Ia bermula dalam industri am dan membuat jalan masuk ke IT dan data serta proses dan sistem maklumat juga. Piawaian lain yang kita lihat yang lebih dekat atau lebih spesifik untuk beberapa perkara yang kita bincangkan adalah model kematangan data, yang dibicarakan oleh Jen sedikit. Terdapat juga model kematangan proses perniagaan oleh Kumpulan Pengurusan Objek. Dan beberapa piawaian lain yang mungkin anda perhatikan bahawa organisasi anda mungkin bergelut dengan atau digunakan untuk pelbagai bidang perniagaan, terutamanya IT yang digerakkan, seperti COBIT, yang merupakan objektif kawalan untuk maklumat dan teknologi, ITIL, yang pada umumnya infrastruktur -fokus, yang banyak anda mungkin telah berurusan dengan. Sekali lagi, pengurusan kualiti keseluruhan. Dan terutamanya apabila anda masuk ke sesuatu seperti metrik dan segala yang lain, anda mungkin melihat perkara seperti kawalan proses statistik juga berlaku. Dan tentu saja, beberapa badan pengetahuan yang kita berurusan adalah maklumat atau profesional IT. Badan pengurusan data pengetahuan oleh.

Terdapat juga, bersamaan dengan itu, badan analisis perniagaan pengetahuan. Dan badan pengurusan projek pengetahuan. Anda mungkin mempunyai beberapa atau lebih perkara dalam permainan yang digunakan oleh pihak berkepentingan yang berlainan dalam organisasi anda pada masa yang sama. Tetapi mari kita jenis penapis melalui BOK dan mari kita kembali dan katakan, apakah kematangan? Dan kami menyenaraikan definisi yang matang kerana, apabila anda bertanya apa kematangannya, apabila anda melihatnya dalam kamus, ia sebenarnya mengatakan "anda matang". Jadi, menggunakan perkataan "matang", itu benar-benar bermakna telah mencapai tahap maju peringkat pembangunan - tentu saja, sangat generik. Tetapi apa yang benar-benar kita lihat di sini adalah memajukan apa yang kita lakukan ke tahap pencapaian yang lebih tinggi dan tinggi ketika kita melangkah. Dan apabila anda melihat banyak piawaian, seperti yang anda lihat, CMMI khususnya dan model kematangan keupayaan benar-benar berdasarkan perkara-perkara pada skala lima mata, jadi ia memberi kita cara beransur-ansur untuk melihat dan mengatakan, bagaimana kita sebenarnya berkembang sepanjang skala ini dengan cara kita berkembang?

Ketika kita melihat kematangan, dari segi mencapai kematangan organisasi dalam hal-hal yang kita minati, kita perlu seimbang. Anda perlu mencapai kematangan data, dan kami akan membincangkan beberapa kriteria yang perlu anda lakukan di sana, tetapi anda perlu mencapai kematangan proses pada masa yang sama. Mereka adalah dua sisi duit syiling yang sama dan mereka terpaksa berpegang tangan. Anda tidak boleh pergi, katakan, sifar hingga lima pada skala kematangan data tanpa meningkatkan kematangan proses anda, dan yang sama berlaku pada proses kematangan. Mereka berdua bersama-sama dan mereka saling tarik sepanjang perjalanan kerana anda sebenarnya berkembang melalui peringkat yang berlainan. Dan saya akan bercakap tentang itu sedikit lagi dalam slaid masa depan di sini. Perkara-perkara lain yang perlu kita sedari ialah mencapai kedewasaan data dan proses adalah asas kepada seni bina perusahaan dan asas kepada beberapa perkara tadbir urus Jen juga bercakap. Kami membolehkan mereka melalui mencapai kematangan dalam beberapa perkara yang kami cuba lakukan.

Sekarang ke slaid yang Jen berkata saya akan bercakap dengan sedikit lebih terperinci. Saya telah mengambil beberapa kategori dan menggunakan skala CMM di sini, dan saya sebenarnya mempunyai saya sendiri, saya sebenarnya menambah sifar dari segi, di atas skala kerana mungkin ada contoh tertentu di mana anda sebenarnya tidak membuat apa-apa daya tarikan sama sekali dalam keadaan ini. Jadi, ini adalah cara pengenalan yang berlaku. Oleh itu, jika kita melihat tadbir urus data khususnya, anda mungkin bermula pada sifar kerana anda tidak mempunyai program tadbir urus data. Dan semasa anda mula matang melalui kawasan yang berbeza, sebaiknya anda mula memperkenalkannya pada tahap projek, maka tahap program, melalui bahagian dan akhirnya seluruh perusahaan, begitulah, dari perspektif tadbir urus, anda sebenarnya matang dan berkembang sebuah organisasi seperti yang anda lakukan ini.

Aspek lain itu, seperti pengurusan data tuan, anda boleh memulakan pada sifar tanpa klasifikasi data perkara formal. Kemudian anda dapat, anda berkembang ke titik di mana anda menyedari bahawa anda mempunyai data induk dan anda mula mengklasifikasikan, tetapi ia tidak disepadukan. Kemudian anda mula bekerja ke repositori bersepadu dan dikongsi. Kemudian apabila anda masuk ke dalam persekitaran yang standard, ketika anda sedang mencari penyediaan perkhidmatan pengurusan data. Dan semasa anda memajukan lebih lanjut di sana, anda akan menubuhkan pelayan induk data dan akhirnya majlis pengawasan data yang benar-benar melihat ini secara serius sepanjang masa. Apabila anda melihat persekitaran teknikal anda dan aplikasi dan pangkalan data yang anda ada dari perspektif integrasi data, sekali lagi, dalam persekitaran yang tidak matang, anda akan mempunyai beberapa antara muka ad hoc, point-to-point dan jenis benda. Dan semasa anda berkembang, anda akan mula memperkenalkan beberapa alat dan piawai biasa. Kemudian anda akan mula melihat platform integrasi bersama semasa anda berkembang. Dan semasa anda menjadi standard, anda akan bekerja di middleware standard dan mungkin hal mudah seperti bas perkhidmatan perusahaan, model kanonik, mengkategorikan semua data anda dalam organisasi anda, dan juga mengikat perkara seperti peraturan perniagaan dalam repositori anda dan jenis perkara. Dan kemudian pergi lebih lanjut di mana anda mendapatkannya sepenuhnya tertanam dalam budaya organisasi. Dan tentunya kualiti amat penting. Seperti yang dijelaskan oleh Jen, banyak keputusan dan banyak alat yang ada di atas, anggap bahawa anda mempunyai data berkualiti tinggi yang anda bekerjasama. Jadi kualiti data adalah sesuatu yang menjadi asas untuk mencapai kematangan data.

Sekali lagi, apabila anda melihat data, anda mungkin mempunyai banyak silo dan data yang tersebar dalam persekitaran yang tidak matang. Anda mungkin mempunyai ketidakkonsistenan yang diterima. Dan kemudian anda mula bekerja pada itu, mengenali yang tidak konsisten dan kemudian mula melihat perancangan. Dan jika anda melihat persekitaran yang diuruskan di sini, sesuatu yang sangat penting di sini adalah pembersihan data pada penggunaan untuk menggunakan data dalam membuat keputusan. Jadi apa yang sebenarnya kita bicarakan ada pembersihan data, di mana kita akan memuatkannya ke dalam gudang data dan alat sokongan keputusan lain. Dan ini serupa dengan apa yang biasa kita lihat dalam jenis industri pembuatan data di mana orang akan membina produk, mereka akan bergerak ke barisan pemasangan dan pada akhirnya, anda akan memeriksa produk tersebut dan pergi, "Oh, kita mempunyai kecacatan di sini. "Sekali lagi, satu perkara yang tidak boleh anda lakukan ialah anda tidak boleh meningkatkan kualiti produk dengan memeriksanya pada akhirnya. Anda boleh melihat masalah dengannya dan kemudian anda boleh mengambil langkah-langkah untuk memperbaiki yang seterusnya dan yang lain yang akan turun selepasnya, tetapi anda tidak akan memperbaikinya dengan memeriksanya pada akhirnya. Jadi ini adalah di mana, semasa anda bergerak ke hadapan, terutamanya dalam data, anda bergerak lebih jauh dari pemeriksaan dan titik pembersihan pandangan di tempat penggunaan di mana anda mula cuba untuk membina itu di sumber, betul dari mana anda menangkap data, proses yang bertindak ke atas data tersebut, memastikan bahawa data itu tepat dan sesuai untuk digunakan pada setiap proses sepanjang jalan. Semasa anda terus berkembang, anda mula membangunkan dan mendapatkan KPI yang berkualiti dan benar-benar mula mengembangkan pendekatan pencegahan terhadap kualiti data semasa anda bergerak ke hadapan.

Dari segi tingkah laku organisasi atau perkara yang anda lihat, jika anda tidak menganggap anda mempunyai masalah atau anda tidak menyedari, anda mungkin, jika ada fasa penafian dalam organisasi anda, itu memberitahu saya bahawa anda sedang berada di bawah tahap sifar atau berpotensi bergerak ke satu. Jika terdapat banyak huru-hara di sekeliling data anda dan cuba menyelesaikan ketidakkonsistenan ini, anda mungkin berada pada tahap yang sama. Apabila anda masih dalam mod reaktif, anda bergerak ke dalam yang diurus, tetapi anda tidak akan mendapatkan penyeragaman sehingga anda sebenarnya mempunyai persekitaran data yang sangat stabil yang merangkumi kedua-dua tadbir urus, kualiti, pengurusan data induk dan data integrasi, untuk menamakan beberapa mata. Dan sekali lagi, apabila anda melewatinya, itulah apabila anda mula masuk ke dalam gaya pengurusan yang benar-benar proaktif. Jika anda mendapat bahagian di mana anda mempunyai tingkah laku yang sangat ramalkan dan juga analitik untuk menyokongnya dan KPI untuk menyokongnya dalam organisasi anda, apabila kita melihat hal ini dan melengkapkan beberapa perkara, ada beberapa perkara lain yang boleh kita lihat tentang organisasi dan di mana mereka berada. Mari lihat fokus IT utama dalam organisasi. Sekiranya tumpuan utama anda dalam IT masih pada teknologi dan infrastruktur, anda mungkin turun ke arah skala kurang matang skala. Tetapi apabila anda benar-benar memberi tumpuan kepada maklumat dan maklumat yang membolehkan pembasmian perniagaan strategik, anda semakin dekat dengan hujung skala matang. Juga apabila anda melihatnya dari perspektif data, jika anda berada pada tahap rendah, anda mempunyai risiko data yang tinggi, dan jika anda berada di tahap tinggi, anda telah menurunkan risiko yang berkaitan dengan data. Dan sisi flip itu adalah penjanaan nilai organisasi. Kematangan data yang lebih rendah bermakna anda mungkin mempunyai tahap penjanaan nilai yang agak rendah, terutamanya dari segi data yang anda miliki dalam organisasi anda. Dan semasa anda bergerak ke skala, anda mendapat penjanaan nilai tinggi.

Mari lihat ini dari segi pemodelan data itu sendiri. Kadangkala pemodelan data telah menjadi anak tiri yang berambut merah. Dan pemodelan data adalah asas untuk mencapai kematangan data. Oleh itu, saya hanya ingin bercakap tentang beberapa tanda-tanda tentang bagaimana model pemodelan hubungan ke dalam ini. Jika ia hanya digunakan untuk dokumentasi atau penjanaan pangkalan data fizikal yang mudah untuk aplikasi kecil dan jenis perkara itu, anda mungkin turun pada peringkat satu dari segi kematangan data. Semasa anda mula merangkul dan mengenali pelbagai jenis model, termasuk konseptual, model logik dan pemodelan fizikal di mana ia juga, anda tahu, pada dasarnya anda memandu reka bentuk. Anda benar-benar menggunakannya sebagai sudut reka bentuk, maka anda berada pada tahap yang sama.

Apabila anda mula melihatnya dari tahap lebih banyak perusahaan, termasuk membina model syarikat atau kanonik, memperkenalkan konsep dan mengikat dalam pelbagai model, keturunan data dan membina metadata tadbir ke dalam model anda, anda mula mendapat tahap tiga, dan kemudian bergerak lebih jauh ke metadata tadbir urus, integrasi glosari perniagaan, dan sebagainya. Melihat kitaran hidup dan rantaian nilai data adalah apabila anda benar-benar sampai ke tahap empat. Dan sekali lagi, pemodelan terintegrasi sepenuhnya dengan glosari perniagaan, metadata, dapat memacu sesuatu seperti analisis layan diri, itu benar-benar apabila anda telah mencapai keadaan yang agak matang.

Sebagai sebahagian dan bungkusan mengenai itu, saya ingin membincangkan tentang kitaran hayat data secara ringkas. Dan sebab saya ingin bercakap tentang itu kitaran hayat data malangnya sering diabaikan. Dan apa yang berlaku, ia benar-benar diterangkan bagaimana elemen data dicipta, dibaca, dikemas kini atau dipadamkan, dan proses yang bertindak ke atasnya sepanjang organisasi anda. Oleh itu, kita yang sudah lama berada dalam industri merujuk ini sebagai CRUD kerana ia mencipta, membaca, mengemas kini dan memadam. Tetapi kita perlu memahami perkara ini pada tahap asas apabila kita berurusan dengan data dalam organisasi kita. Banyak faktor yang boleh dimainkan. Apakah peraturan perniagaan yang bertindak ke atasnya? Apakah proses perniagaan yang mengambil, menghasilkan atau mengubah data? Apakah aplikasi yang sebenarnya melaksanakan proses perniagaan tersebut untuk membolehkan anda melakukannya? Semua yang dimainkan dalam bentuk dari kitaran hayat data.

Dan lagi, Jen menyinggung perkara ini lebih awal - mungkin tidak semestinya menjadi satu sumber kebenaran. Dan mungkin terdapat beberapa cara yang membentuk elemen data tertentu. Dan anda semestinya perlu masuk, perkara-perkara yang berbeza datang melalui pelbagai sistem atau pengambilan pelbagai yang perlu anda kumpulkan dan selesaikan untuk mencari sumber data yang tepat untuk keputusan itu pada masa itu. Mungkin terdapat banyak variasi data untuk tujuan yang berbeza dalam organisasi. Untuk mencapai matlamat ini, anda perlu dapat memodelkan proses perniagaan, keturunan data yang merangkumi aliran data, integrasi dan yang termasuk perkara-perkara seperti ETL, jadi mengekstrak, mengubah dan memuatkan untuk gudang data anda, data mart dan kawasan pementasan dan sudah tentu pautan data pada sisi data besar juga dimainkan. Apabila anda menarik maklumat ini dari tasik data, anda perlu tahu bagaimana anda memakannya dan bagaimana anda menggunakannya. Dari segi kitaran hayat sendiri, ini benar-benar bagaimana kami membuat atau mengumpul data baru, bagaimana kami mengklasifikasikannya - kerana anda perlu mengelaskannya untuk memahami dan bekerjasama dengannya dengan berkesan - bagaimana anda menyimpannya, bagaimana anda 'menggunakannya, bagaimana anda mengubahnya kepada proses perniagaan, di mana ia dikongsi dalam organisasi - dan sangat penting: pengekalan dan arkib. Berapa lama anda menyimpan data? Bilakah anda mengarkibkannya? Bilakah anda akhirnya memusnahkan data itu? Semua perkara itu perlu dipertimbangkan dalam kitaran hayat data anda dan anda perlu melakukan semua ini untuk mencapai tahap kematangan data yang tinggi dalam organisasi anda.

Sekarang gilirannya, sekali lagi, saya berkata mereka seperti kembar di mana anda perlu bercakap mengenai kematangan proses bersempena dengan kematangan data - mereka terus bergerak. Sekali lagi, saya mempunyai beberapa perkara yang berbeza di sini dan - jangan bimbang saya tidak akan membaca semua ini, tetapi semacam senarai semak sekali lagi - anda boleh mula menilai sendiri di mana organisasi anda berada dalam istilah daripada proses kematangan. Mari lihat perkara dari kanan awal melalui halaman yang dioptimumkan lagi. Sekali lagi, kami menggunakan skala lima mata yang sama yang diperoleh daripada model kematangan keupayaan. Jika anda melihat perkara-perkara seperti fokus, jika anda turun pada tahap yang lebih rendah atau peringkat awal kematangan proses, anda mungkin mendapati dalam organisasi anda bahawa orang benar-benar bergantung pada kaedah mereka sendiri untuk mencapai kerja mereka. Dan anda mungkin melihat beberapa pahlawan dan jenis perkara yang boleh dilakukan. Kemudian anda mula sampai ke titik di mana anda lebih proaktif mengenainya, di mana pengurusan anda mengambil tanggungjawab untuk unit kerja dan prestasi. Kemudian anda mula mengembangkan proses bersepadu standard. Kemudian kestabilan proses dan penggunaan semula. Kemudian anda mula melihat lebih banyak budaya mentoring dan pengurusan statistik untuk mengira metrik dan KPI mengenai proses tersebut dan akhirnya ke peringkat penuh pengoptimuman.

Apabila anda melihat pengurusan kerja, anda boleh pergi, anda akan pergi dari kawasan di mana anda mempunyai tahap pengurusan kerja yang tidak konsisten untuk lebih diurus, di mana anda menyeimbangkan sekurang-kurangnya pada tahap yang lebih tinggi komitmen anda terhadap sumber. Kemudian ke titik di mana anda mempunyai organisasi yang lebih mudah disesuaikan atau tangkas supaya anda boleh menyeragamkan proses anda tetapi menyesuaikannya untuk yang terbaik digunakan dalam keadaan yang berbeza dalam organisasi anda. Dan apabila anda maju, di mana pemberdayaan adalah sangat penting, dan ini bermakna apa yang semua orang intuitif memahami apa yang sedang berlaku dan kakitangan mempunyai data proses, supaya mereka dapat menilai dan mengurus kerja mereka sendiri.

Sekali lagi, kembali kepada analogi pembuatan - apabila kita melihatnya, ketika kita mulai memodenkan garis pemasangan kita dan semua yang seperti itu dalam industri, kita mula bercakap tentang jumlah kualiti dan pemberdayaan pekerja walaupun di barisan pemasangan, di mana jika seseorang melihat sesuatu yang salah dalam mana-mana peringkat pengeluaran tertentu, orang diberdayakan bahawa mereka boleh memukul butang merah besar dan menutup keseluruhan talian pemasangan sehingga masalah diselesaikan sebelum perkara berjalan lebih lanjut. Dan itu jenis mentaliti dan jenis budaya yang kita cari sekitar data dalam proses kami untuk memastikan bahawa kami benar-benar mengoptimumkan data kami dan proses kami dalam organisasi kami.

Penunjuk lain budaya anda - adakah kebudayaan anda stagnan dari segi tiada asas yang dapat dikenal pasti untuk komitmen sebenar dalam peningkatan proses perniagaan anda? Adakah terdapat delegasi tanggungjawab, yang mana kita melihat lebih lanjut skala? Dan semasa anda bergerak lebih jauh, anda mungkin masih mempunyai silo, tetapi ketika anda mulai bergerak dari segi budaya dan hal-hal yang anda lakukan pada proses bisnis anda, anda juga memecah silo perniagaan yang berbeda dan memanfaatkan proses di seluruh organisasi anda. Adalah sangat penting bahawa, apabila anda sampai ke peringkat acara, apa yang anda benar-benar mendasarkan pada itu, bukannya merasa, anda sebenarnya mengumpul metrik yang berkualiti, dan anda mempunyai metrik untuk memprediksi keupayaan anda dalam prestasi perniagaan anda operasi, dan itu sangat penting.

Dari segi seni bina, mari kita bercakap tentang hal itu kerana banyak kita di sini dalam IT atau selalu melihat IT. Sekali lagi, jenis perkara yang sama yang kita lihat dalam data. Kami mempunyai sistem IT terdesak jika anda benar-benar turun di peringkat awal proses kematangan. Sebaik sahaja anda mula menguruskan proses anda, anda akan melihat beberapa perkhidmatan yang ditubuhkan di mana anda benar-benar menerima pakai pendekatan berasaskan perkhidmatan. Kemudian jika anda menjadi standard, anda akan melihat lebih banyak penggunaan perkhidmatan penuh dari segi data dan perkhidmatan dan perkhidmatan proses dan jenis perkara itu, sehingga ke mana anda mendapat perkhidmatan penuh atau seni bina baru. Dan kemudian akhirnya ke perusahaan yang dipacu proses penuh yang menggunakan data anda.

Sekali lagi, jenis skala yang sama apabila kita melihat ini. Dari segi produktiviti, pada tahap kematangan proses yang rendah, anda akan melihat tahap produktiviti yang rendah dan kematangan proses yang tinggi, anda akan melihat produktiviti yang lebih tinggi. Dan kualiti berjalan lancar dengannya. Sama seperti data - jika anda berada pada tahap kematangan yang rendah, anda akan melihat tahap risiko yang tinggi dan juga tahap sisa yang tinggi. Tetapi semakin tinggi tahap kematangan anda, anda akan menurunkan itu dan mengurangkan risiko anda dan mengurangkan sisa dengan ketara. Dari segi beberapa perkara yang mungkin anda lihat sebagai jenis gejala atau penunjuk dalam sesebuah organisasi, jika falsafah utama didasarkan pada pemotongan kos, anda mungkin turun pada tahap kematangan yang rendah. Ia kemudiannya akan menamatkan pengajian dan bergerak ke arah melihat kecekapan lebih dekat dalam organisasi anda dan kemudian apabila anda sampai ke tahap yang sangat matang, anda akan memberi tumpuan kepada penjanaan nilai sekali lagi.

Dari perspektif pengurusan organisasi, jika kekacauan memerintah, itu biasanya merupakan gejala, sekali lagi, organisasi kematangan proses rendah. Tetapi anda mula memberi tumpuan kepada apa yang saya panggil lebih banyak mentaliti pengurusan di mana - dan mungkin terdapat beberapa pengurusan melalui perintah, atau mengenakan perkara - di mana anda benar-benar ketika itu, ketika anda sampai ke tahap yang lebih matang, pengurusan anda diterjemahkan ke lebih banyak kepimpinan. Dengan kata lain, falsafah penambahbaikan tertanam dalam budaya dan dari Ketua Pegawai Eksekutif, mereka mempromosikan keseluruhan falsafah untuk memperbaiki proses dan penambahbaikan yang berterusan dalam organisasi anda secara keseluruhan.

Dari segi model proses - dan saya akan meneruskan perkara-perkara ini dengan cepat di sini - sekali lagi mari kita lihat model proses ketika mereka mengikat kedewasaan proses itu sendiri. Sekali lagi, sangat mirip dengan perkara-perkara yang kami lihat pada kematangan data, di mana pada tahap rendah atau tahap pertama, anda hanya boleh mendokumentasikan proses atau proses keadaan semasa, tetapi anda tidak menggunakannya dari segi memandu perkara ke hadapan. Apabila anda mula matang, anda akan menggunakan pemodelan proses perniagaan untuk memacu pengurusan proses perniagaan sebenar dalam organisasi, kemudian berkembang lebih jauh di mana anda menggunakannya dan terus mengemas kini model tersebut untuk memacu peningkatan proses ke mana anda akhirnya dapat memproses reka bentuk. Dan apabila anda sudah matang, atau, anda tahu, apa yang lazimnya anda lihat dalam badan atau organisasi yang telah menggunakan program berkualiti tinggi, seperti Sigma, itu sekali lagi di mana anda mempunyai mentaliti peningkatan yang berterusan dan ia tersusun tepat dalam pemodelan organisasi anda. Jadi sama seperti kami menggunakan pelan cetakan kejuruteraan untuk membina produk, sama ada kapal terbang atau bangunan dan gedung pencakar langit dan jenis perkara itu, kami bergantung kepada model kami untuk benar-benar memacu perniagaan kami ke hadapan, kerana itu elemen reka bentuk yang sebenarnya memacu elemen organisasi kami ke hadapan .

Sekarang, sekali lagi, saya tidak akan meneruskan ini dan setiap perkataan di sini secara terperinci. Apa yang saya lakukan ialah saya telah mengambil kedua-dua slaid grid mudah ini dan saya telah memilih beberapa perkataan yang digunakan dalam beberapa deskriptor lain untuk kedua-dua kematangan data dan kematangan proses. Oleh itu, apabila anda melihat ini selepas fakta anda boleh mula berfikir tentang beberapa perkataan yang anda lihat keluar dalam budaya dalaman anda sendiri dari segi perkara yang sedang dikatakan. Dan ini akan membantu anda untuk memulakan pengelasan di mana, sebagai organisasi keseluruhan, kita mula menyesuaikan diri dengan skala kematangan ini secara keseluruhan. Oleh itu, jika anda melihat perkara-perkara seperti ketidakkonsistenan atau stagnant atau ketidakcekapan muncul agak kerap atau huru-hara, anda biasanya akan berada di hujung bawah skala. Apabila anda mula memikirkan perkara seperti peningkatan berterusan, penjajaran strategik, pendekatan pencegahan terhadap kecacatan dan kualiti dan jenis perkara itu, integrasi penuh dan anda bercakap mengenai amalan terbaik dalam kelebihan daya saing, ketika itulah anda akan melihat diri anda pada pengoptimuman, hujung skala yang lebih tinggi.

Sekali lagi, sesuatu yang saya ingin tunjukkan juga apabila anda mula melihat tadbir urus data, terutamanya apabila anda melihat bahagian bawah skala, berada pada peringkat awal, tadbir urus data hanya boleh diperkenalkan pada tahap projek individu. Anda perlu berkembang ke tahap di mana tadbir urus data dan matlamat tertentu adalah dari tadbir urus data projek dan telah berkembang melalui program dan tadbir urus data bahagian, di mana sekali lagi ia adalah perusahaan yang luas dan tertanam dalam organisasi secara keseluruhan.

Saya telah membincangkan fakta bahawa ini sebenarnya kembar yang bekerjasama dari segi kematangan data dan kematangan proses. Dalam mencapai kematangan itu, di kedua-dua belah skala adalah perjalanan dan anda tidak dapat melangkah langkah. Sekiranya anda berada dalam sifar, anda perlu berkembang melalui peringkat satu, dua, tiga, empat dan akhirnya sampai lima. Dan terdapat beberapa organisasi di dunia yang sebenarnya ada lima. Oleh itu, banyak organisasi akan menjadi lebih gembira berada pada tahap di mana mereka berada di tiga dan kemudian dapat menggunakannya sebagai loncatan ke depan. Dan sekali lagi, anda tidak boleh pergi, anda tidak boleh berada di empat daripada kematangan data dan satu dalam proses kematangan. Ia tidak berfungsi kerana ia saling berkaitan sehingga anda perlu memahami dan mempunyai pengendalian yang baik terhadap data dan proses anda bersamaan dengan satu sama lain.

Analogi yang baik untuk memikirkan ini, dalam perjalanan anda ke arah kematangan yang teratur, mari kita asumsikan pasukan anda terdiri daripada dua orang: Satu adalah kematangan proses dan yang lain adalah kematangan data. Anda menjalankan kursus halangan dan anda terikat dengan tali pendek. Dan untuk sampai ke penghujung kursus itu, ini bermakna bahawa anda berdua perlu melangkah, bukan sahaja semua halangan, tetapi anda perlu melalui semua halangan hampir pada masa yang sama atau sangat dekat dengan satu sama lain untuk menjadi mampu bergerak dan sampai ke hambatan seterusnya. Itulah cara yang sangat baik untuk memikirkan tentang mengimbangi kematangan proses dan kematangan data. Jadi dengan kata lain, anda boleh agak berpusatkan proses dan anda mungkin agak berpusatkan data, tetapi ia akan menjadi petunjuk utama, dan tidak ada banyak jurang untuk membawa anda ke tahap.

Dan apabila kita melihatnya semula dari tadbir urus data, salah satu perkara yang saya ingin tunjukkan jika anda tidak tahu, sebenarnya DAMA telah melepaskan Badan Pengurusan Data Volume Pengetahuan Dua pada awal tahun ini, dan perkara-perkara yang diubah ada roda DAMA yang sebenar. Dan saya sebenarnya mewakilinya sedikit berbeza, di mana tadbir urus data di pusat dan sepuluh kategori berbeza di sekitar roda yang berbeza. Sesuatu yang sangat penting untuk dilihat di sini adalah pemodelan data dan reka bentuk sebenarnya mempunyai kawasan sendiri di roda sekarang - ia adalah jenis dicampur ke yang lain, sebelum ini. Salah satu perkara yang sangat penting ialah pemodelan data khususnya adalah asas kepada semua aspek lain kerana, sama ada kami melakukan pemodelan data pangkalan data kami atau metadata yang kami berurusan dengan, pemodelan data mempunyai peranan untuk bermain dalam semua bahagian lain yang kita bicarakan. Dan pemodelan proses juga mempunyai peranan untuk bermain dalam banyak perkara ini kerana, selain memahami data itu sendiri, kita perlu memahami bagaimana ia digunakan dan itulah bagaimana pemodelan proses benar-benar membantu kita untuk melakukannya.

Kini mari kita menukar gear sedikit dan bercakap tentang seni bina perusahaan. Dan model adalah penting untuk seni bina perusahaan juga. Dan saya meletakkan contoh ini dan ini adalah rangka kerja Zachman yang saya tunjukkan di sini dengan cepat. Dan apabila anda melihat ini, anda melihat beberapa perkara di sini. Anda melihat apa, bagaimana, di mana, siapa, bila dan mengapa jenis skala di bahagian atas. Dan kemudian anda meneruskan huraian terperinci yang lebih terperinci, jika anda akan, dari segi jenis pemodelan atau jenis perkara yang anda huraikan dari segi seni bina perusahaan dari tahap kontekstual yang sangat tinggi ke tahap terperinci, termasuk pelaksanaan fizikal. Jika anda melihat lajur pertama, apakah data yang sangat intensif dan data yang terlibat. Bagaimana proses sangat didorong. Dan jika anda melihat aspek-aspek lain, anda akan menggunakan gabungan proses dan pemodelan data dari segi memandu maklumat lain. Anda akan mempunyai data mengenai semua perkara yang berbeza ini dan model proses anda juga akan mengikat perkara-perkara dalam, seperti mana keadaan berlaku, tanggungjawab. Dan juga dari segi pemodelan proses yang kami lakukan juga dalam alat kami, anda boleh mula mengikat ini ke dalam matlamat dan hubungan dan peraturan perniagaan serta yang memandu perkara-perkara yang berbeza yang anda lakukan.

Dari perspektif keseluruhan rangka kerja Zachman, salah satu cara yang baik untuk berfikir tentang ini juga adalah anda dipandu model dan anda sebenarnya akan melalui tahap yang berbeza. Jadi anda bermula dengan skop peringkat tinggi dan kontekstual. Anda kemudian berkembang ke arah model perniagaan, ke dalam model sistem, kemudian model teknologi, dan kemudian perwakilan anda yang sangat terperinci mengenai model-model teknikal juga. Dan sekali lagi, data mewakili apa, proses adalah bagaimana dan ia benar-benar gabungan data dan proses berinteraksi yang memandu semua ciri-ciri lain di sini.

Berdasarkan itu, tidak ada kebetulan bahawa cara kita melihat idea seni bina perusahaan didasarkan sedikit berbeza daripada yang lain. Sering kali, anda akan mendengar mengenai empat tiang arsitektur perusahaan yang menjadi data, pengambilalihan, perniagaan dan seni bina teknikal. Kami melihatnya sedikit berbeza daripada itu. Kami melihat senibina data sebagai asas asas yang mendorong semua seni bina perusahaan untuk dua sebab. Satu, itulah di mana ia bermula. Malah perkara-perkara seperti kerangka Zachman berkembang daripada senibina data terutamanya, dan kemudian berkembang untuk merangkul aspek-aspek lain seni bina juga. Dan dua, kerana hubungan asas antara proses dan data. Itulah sebabnya kita melihat seni bina perniagaan sebagai tunggak pusat seni bina perusahaan. Dan kemudian, tentu saja, itu dipuji oleh seni bina aplikasi dan seni bina teknikal, yang merupakan pemboleh keperluan mutlak, untuk membolehkan kita memacu pembebasan perusahaan yang benar. Sekarang, apabila kita melihat bahawa dari segi ER Studio Enterprise Edition Edition, platform pemodelan bersepadu kami, ini adalah bagaimana ia dimainkan. Dan ini adalah gambarajah konteks tahap tinggi beberapa model yang kita lakukan dan beberapa asas di belakangnya. Dan ini sebenarnya digerakkan, ini sebenarnya diagrammed dalam gambarajah proses. Oleh itu, apabila kita melihat sekeping arsitektur data kami khususnya dan seni bina perniagaan kami di bawah, kami menyediakan alat berasaskan peranan.

Dan apabila anda melihat alat arkitek perniagaan kami di sudut kiri bawah, itulah di mana biasanya para penganalisis perniagaan dan arkitek perniagaan bekerja. Dan mereka biasanya memberi tumpuan kepada beberapa proses perniagaan dan mula memandu mereka keluar. Tetapi mereka juga tertumpu kepada apa. Oleh itu, kita mula melakukan pemodelan data konseptual dan jenis perkara itu. Kami dapat memanfaatkan dan membawa komponen pemodelan konseptual tersebut ke dalam alat pemodelan data kami dan kepada arkitek data, di mana mereka akan diperincikan lagi ke dalam model data logik dan, tentu saja, akhirnya model fizikal supaya kami dapat menjana pangkalan data fizikal. Dan kita juga boleh menolak supaya model konseptual ditingkatkan dalam ruang seni bina perniagaan juga. Perkara yang sangat penting di sini adalah kami menyokong pelbagai jenis pemodelan. Jadi, sekali lagi, BI sangat penting dan data tasik dan jenis perkara, jadi kita sebenarnya melakukan beberapa pemodelan juga dan juga sebagai sebahagian daripada itu, kita melakukan pemodelan keturunan data. Jadi, bukan sahaja ETL dari segi cara pemetaan dari model fizikal anda ke model dimensi anda untuk gudang data atau bahkan membawa benda dari tasik data anda dan melihat bagaimana peta itu keluar, kita boleh mengikat semua perkara bersama-sama. Serta mengemukakan kejuruteraan terbalik dari platform pemodelan lain, dari platform data besar.

Dan kemudian juga perkara seperti alat ETL, jadi kita sebenarnya boleh mula mendapatkan rajah garis keturunan data terus dari spesifikasi ETL yang mungkin anda ada dalam persekitaran anda sendiri. Ia juga sangat penting untuk mengetahui bahawa kita perlu meluaskan pemodelan relasi. Kami mempunyai platform tertentu seperti Hive dan terutamanya MongoDB, kami kini mula bercakap mengenai kedai dokumen, di mana kami mempunyai konsep seperti objek tertanam dan tatasusunan. Kami sebenarnya telah memperluas notasi untuk dapat menampung model-model tersebut juga kerana ia adalah konsep yang tidak berkaitan. Apa-apa sahaja yang kami buat dalam alat arkitek data dari segi artifak data, sama ada entiti logik atau jadual fizikal dan atribut mereka, boleh ditolak kembali ke pemodelan pemprosesan perniagaan juga. Oleh itu, semasa anda menghuraikan model proses perniagaan anda dari tahap yang tinggi dan turun ke tahap yang lebih rendah, anda sebenarnya boleh memaut dalam elemen data sebenar. Jadi, anda boleh bertindak, kita boleh menentukan matrik CRUD mengenai apa yang sebenarnya berlaku. Jadi itu memberikan anda bahawa kitaran hayat data yang saya ceritakan dengan membuat, membaca, mengemas kini dan memadam pada tahap proses. Dan kami melakukan pemodelan proses BPM penuh di sana dengan set rangkap kami sendiri, jadi anda boleh mula mengikat strategi perniagaan, matlamat perniagaan. Selain itu, kita juga boleh mengikat dalam aplikasi yang melaksanakan proses perniagaan ini, semua dari sudut pandang model yang didorong oleh model.

Perkara-perkara lain yang sangat penting adalah dalam model data kami juga. Ciri-ciri tadbir urus data atau ciri-ciri kualiti data menguasai dan pengurusan. Anda boleh menentukan dan membina metadata anda sendiri di sana untuk ciri-ciri yang ingin anda lacak, dan ini bermakna anda kini menggunakan model anda sebagai pelan tindakan untuk memandu melalui seluruh organisasi anda, ke dalam repositori metadata anda dan segala yang lain. Sudah tentu, salah satu batasan pemodelan, bertahun-tahun yang lalu apabila banyak kita mula dalam industri melakukan ini, apakah kita akan menghasilkan model-model ini. Apa yang akan kita lakukan? Kami akan mencetaknya, kami akan meletakkannya di dinding, mungkin bagi ahli pasukan untuk berkongsi dan jenis perkara itu. Nilai sebenar ini dapat berkongsi dan bekerjasama dalam organisasi kami. Jadi itulah sebabnya kami mempunyai pendekatan yang didorong oleh repositori untuk di mana kami menyemak dan menyemak model dan ruang kerja kami. Dan kami berkongsi mereka dengan pengundi kami yang merupakan organisasi, sama ada mereka yang berkepentingan teknikal, pengguna perniagaan dan jenis perkara itu. Dan juga mengikat bahawa ke dalam platform kerjasama kami yang dipanggil Team Server.

Oleh itu, kami bercakap tentang glosari dan istilah perniagaan yang lebih awal dan kepentingannya dan mengembangkan perbendaharaan kata untuk perniagaan. Itu semua berada dalam Server Team, di mana pengguna, pengguna perniagaan dapat berkolaborasi dengan istilah tersebut. Mereka kelihatan, boleh digunakan dalam arkitek data, contohnya, berhampiran model data dan sudah tentu banyak glosari perniagaan ini sering berasal dari beberapa kamus data yang kami buat dalam model data kami. Kita boleh menolak mereka keluar- Selain dari alat arkitek data, titik permulaan adalah istilah glosari perniagaan, di mana mereka boleh disempurnakan dengan lebih lanjut, dan semua dengan pengurusan perubahan di sekelilingnya juga.

Itu banyak. Hanya untuk meringkaskan, beberapa perkara yang kita bincangkan adalah untuk mencuba kematangan organisasi yang benar, anda memerlukan pendekatan yang seimbang yang terdiri daripada kematangan data dan kematangan proses. Anda tidak boleh mencapai satu tanpa yang lain. Sekali lagi, asasnya, anda perlu mempunyai kedua-dua dan perlu bergantung kepada ini, khususnya, pemodelan data dan pemodelan proses untuk kedua-dua seni bina perusahaan dan tadbir urus data serta proses pentadbiran serta organisasi anda. Senibina Enterprise benar-benar mengikatnya bersama-sama dari segi melihat aspek dan perspektif yang berbeza ini. Anda memerlukan dasar seni bina pepejal untuk melakukannya dan anda memerlukan pemodelan proses integratif untuk menyediakan konteks perniagaan dan membolehkan anda memacu proses perniagaan anda dan penggunaan data anda ke hadapan. Sekali lagi, lebih penting daripada sebelumnya. Saya boleh katakan, apa yang sudah lama lagi baru. Jadi pemodelan data, pemodelan proses, garis keturunan, metadata dan glosari adalah asas untuk dapat mencapai ini dan ER / Studio Enterprise Edition Edisi adalah platform kerjasama yang membawa semua ini bersama-sama.

Dan dengan itu, kita boleh meneruskan soalan.

Eric Kavanagh: Baiklah.

Ron Huizenga: Kami akan pergi kepada anda, Eric.

Eric Kavanagh: Ron, saya harus memberi perhatian kepada saya atas segala usaha yang anda buat untuk mendokumentasikan proses dan kerangka kerja yang berbeza ini. Itulah banyak bahan yang anda ada di sana. Saya rasa bahawa soalan besar yang saya miliki adalah siapa yang harus mengawasi hal ini dalam organisasi, kerana anda menyentuh banyak perkara yang berbeza. Anda memikirkan proses, ia akan menjadi ketua pegawai operasi atau beberapa orang operasi. Kitaran hayat data, anda fikir mungkin itu akan menjadi ketua pegawai data. Anda menyentuh banyak bahagian yang berlainan dan pelbagai komponen yang berbeza untuk perniagaan. Bagaimana anda mencari orang yang betul atau sekumpulan orang, dan adakah ia jawatankuasa pemandu? Apa itu? Apa yang anda boleh beritahu kami tentang siapa yang patut melakukan ini dalam organisasi?

Ron Huizenga: Anda tahu, itu satu soalan yang menarik. Kita sebenarnya boleh menghabiskan hari membincangkan merit pelbagai pendekatan yang berbeza di sana. Tetapi sesuatu yang saya nampak, anda tahu, ketika saya berunding sebelum saya masuk ke dalam peranan pengurusan produk, adalah ketika saya melihat organisasi, itu menjadi sebahagian daripada masalah itu adalah mendapatkan pemilikan dan mendapatkan orang untuk mengambil pemilikan ini. Dan apabila kita melihat disiplin seperti pemodelan data kami dan juga pemodelan proses perniagaan kami, atau pada hari-hari awal walaupun, pergerakan aliran data dan jenis perkara, semacam itu berkembang daripada IT. Tetapi seperti yang kita telah maju ke hadapan, dan saya fikir sekarang kita semakin mengenali bahawa ini benar-benar perlu didorong oleh perniagaan. Jadi anda benar-benar mahukan pemilikan untuk ini dalam perniagaan.

Dan saya akan menyinggung perasaan orang IT di sini, tetapi saya yakin bahawa sebab kita melihat evolusi ketua pegawai data adalah peranan CIO telah gagal dalam kebanyakan organisasi. Dan itu kerana banyak CIO secara teknis tertumpu daripada data dan fokus proses. Oleh itu, saya fikir anda benar-benar memerlukannya, anda mungkin memerlukan beberapa jenis jawatankuasa pemandu di organisasi yang lebih besar. Tetapi ini benar-benar perlu dimiliki oleh perniagaan. Saya akan membuat argumen bahawa perniagaan anda, pemodelan proses anda, pemodelan data anda, semua perlu dimiliki dalam perniagaan, kerana itu memberikan anda keupayaan untuk memastikan IT, siapa penjaga data dan melaksanakan proses tersebut melalui apa yang mereka 'mencipta, anda mempunyai tukul itu untuk memastikan bahawa ia berlaku jika ia benar-benar dimiliki oleh perniagaan.

Eric Kavanagh: Ya, saya rasa saya bersetuju dengan itu. Tetapi Jen, apa pemikiran kamu tentang itu?

Jen Underwood: Jadi sangat menarik. Itulah yang saya maksudkan ketika saya berkata supaya orang peduli dan bersikap interaktif mungkin salah satu perkara penting. Pada satu ketika, saya menulis kertas putih tentang, ia adalah tadbir urus BI yang sangat serupa dengan ini. Ia adalah satu perkara untuk mendapatkannya, mencari cara untuk memotivasi orang-orang, segi perniagaan nilai, untuk membuat mereka mengambil berat tentangnya. Dan kemudian apabila mereka melihat, atau mereka mendapati, sama ada katalog katalog atau sudut apa pun yang diperlukan. Mungkin ia mengurangkan kos penghantaran, meletakkan sesuatu yang dipertanggungjawabkan oleh seseorang dalam organisasi, demikianlah cara anda dapat menjaganya. Dan ya, perniagaan itu sama sekali. Pakar-pakar perkara perniagaan akan membuat atau memecahkannya.

Eric Kavanagh: Itu sukar. Saya fikir anda sentiasa mahu konsortium ini pihak berkepentingan dari seluruh organisasi. Sudah tentu, anda tidak mahu lumpuh analisis. Anda tidak mahu birokrasi demi birokrasi. Apa yang anda mahukan adalah untuk organisasi mempunyai pelan tindakan dan mempunyai perkara-perkara ini didokumenkan. Anda tahu, saya fikir apabila anda mula bercakap tentang pemodelan proses perniagaan, yang panas 25 tahun yang lalu, tetapi ia sebahagian besarnya terpisah daripada perniagaan sebenar. Saya fikir sekurang-kurangnya dalam sesetengah industri, anda boleh menarik banyak proses itu daripada perisian sebenar yang menjalankan sesuatu. Tetapi saya fikir, hari ini, kita perlu mencari cara untuk mengimbangi kedua-dua dunia, kan, Ron? Anda ingin mempunyai model proses yang terkini dan terkini dan mencerminkan apa yang sebenarnya berlaku. Jadi, anda tidak mahu menjadi latihan yang berasingan di mana ia berada di rak di suatu tempat. Tetapi, itulah jenis yang agak mencabar, kan? Kerana tidak semua sistem operasi diselaraskan dengan jenis kod yang dapat dieksekusi. Tetapi apa pendapat anda?

Ron Huizenga: Sudah tentu. Dan itu menarik kerana salah satu perkara yang saya lihat adalah apabila orang, anda tahu, kami telah menjadi masyarakat kepuasan segera. Orang berfikir, "Oh, kami hanya akan keluar dan membeli beberapa alat dan buat kerja ini untuk kami." Ini seperti, anda tidak akan membeli kematangan proses. Anda tidak akan membeli kematangan data. Ia kerja keras. Anda perlu melancarkan lengan baju dan anda perlu membuatnya berlaku. Dan mekanisme untuk membuatnya berlaku adalah pemodelan. Ia terlalu rumit untuk tidak mempunyai representasi visual, bukan hanya keadaan semasa yang sedang anda kerjakan, tetapi dapat merangka bagaimana anda akan memperbaiki proses perniagaan yang berlainan. Anda memerlukan rangka visual untuk dapat memahami apa yang akan mempengaruhi perubahan tersebut.

Eric Kavanagh: Itu betul-betul - saya hanya tweet; Saya menulis tweet ini sekarang - "Anda tidak akan membeli kematangan proses, anda tidak akan membeli kematangan data." Saya hanya boleh bersetuju sepenuhnya dengan kedua-dua perkara tersebut. Dan Jen, saya akan bawa awak untuk fikiran awak. Dan saya akan membuang soalan lain di atasnya. Salah seorang peserta bertanya: apakah yang dimaksudkan dengan proses perusahaan atau proses yang matang? Jen, bolehkah anda berbual dengan itu?

Jen Underwood: Saya sebenarnya boleh bercakap sedikit lebih baik untuk soalan sebelumnya. Apabila saya fikirkan, kebenaran diberitahu, itu yang pertama, anda tahu, membeli alat. Itulah komen hebat dan hebat kerana ia benar. Tetapi apa yang saya akan katakan ia agak lebih baik. Jadi saya mengkaji banyak penyelesaian dan saya melihat ruang yang berbeza dan menguji mereka. Apa yang lebih baik ialah mencari data, menandakan dan sekurang-kurangnya memberikan anda permulaan yang besar dan juga membuat ini, apabila saya mengatakan kurang menyakitkan, itu hampir menyeronokkan. Jadi bayangkan sebuah katalog data atau projek MDM yang menyeronokkan. Ia, dan anda mempunyai orang dalam organisasi yang menggunakan data ini, sama ada ia melaporkan atau jenis perkara lain dan saya fikir seseorang walaupun pada baris itu berkata, dia akan mendapat orang yang mengambil berat tentang rancangan pembangunan masing-masing. Yeah bahkan mengambil satu lagi tahap. Ia mengambil perkara-perkara ini dan mengatakan sekarang kami telah menurunkan penghantaran yang salah 30 peratus dan ini adalah berapa banyak wang yang disimpan. Ia hanya menguruskan data kami dengan lebih baik. Ia adalah jenis perkara dan anda meletakkan wang di sekelilingnya dan anda membuat keseronokan. Atau anda membuatnya menarik dan relevan dengan apa yang mereka lakukan. Itulah jenis sihir, saya fikir, yang hilang dalam banyak pertunangan ini bahawa orang cuba melakukan ini dalam organisasi, dan ia terhenti.

Eric Kavanagh: Ya, itu satu perkara yang baik. Dan, Ron, kembali kepada komen anda beberapa saat lalu di sekitar pentingnya mempunyai kerangka visual, saya fikir itu betul-betul benar kerana banyak kali, jika orang tidak dapat melihat sesuatu, sangat sukar untuk membungkus kepalanya bererti, dan tentunya apabila anda mula bercakap tentang proses kompleks dengan saling kendalian dan titik kawalan dan semua perkara ini, anda perlu memetakannya di suatu tempat pada suatu ketika dan idealnya, anda berbuat demikian dengan perisian yang mempunyai fungsi yang dimasukkan ke dalam katalog, untuk contoh, apa transformasi berlaku dengan menggunakan baris yang berbeza dari titik ini ke titik itu. Atau apa yang ada di titik kawalan ini. Dan saya semacam merujuk sejarah saya dalam pengurusan risiko di sana, di mana titik kawalan adalah sebarang titik dalam proses atau sebarang pilihan atau aplikasi individu atau perisian di mana anda sebenarnya boleh mengubah sesuatu, bukan? Itulah yang mereka panggil titik kawalan. Dan, bagi saya, sangat berharga bahawa anda memperoleh kerangka visual itu. Oleh itu, anda boleh melihat dan jenis berjalan dan hanya memerlukan masa. Ia mengambil masa otak manusia untuk menguruskan barangan itu dan untuk benar-benar memahami dan dengan itu mengoptimumkannya, bukan?

Ron Huizenga: Sudah tentu. Dan jenis menggunakan analogi yang berbeza yang saya rasa meletakkannya dalam perspektif: Saya sedikit kacang penerbangan jadi, saya akan mengatakan, jika anda cuba memikirkannya dengan cara yang selari, berfikir tentang membina 747 - atau Airbus 380, jadi saya tidak memilih satu vendor yang lain - fikirkan betapa sukarnya untuk melakukannya berdasarkan dokumen yang hanya terdiri daripada teks dan bukannya cetak biru dan lukisan CAD 3-D dan segala-galanya bagaimana itu sebenarnya dipasang bersama-sama.

Eric Kavanagh: Ya, itu akan menjadi kasar. Dan Jen juga perlu bercakap.

Ron Huizenga: Perniagaan adalah sama, kan?

Eric Kavanagh: Ya, tidak betul. Jen terpaksa bercakap dengan salah satu kawasan panas anda yang anda suka belajar, iaitu visualisasi. Anda harus dapat memvisualisasikan sesuatu untuk memahami sepenuhnya, seolah-olah saya.

Jen Underwood: Banyak manusia lakukan, ya. Dan bahkan hanya visualisasi yang bercakap, apa yang dikatakan, beribu-ribu perkataan atau sesuatu seperti itu. Apabila mereka melihatnya, mereka boleh percaya. Dan mereka mendapatnya.

Eric Kavanagh: Saya setuju. Dan saya suka, Ron, cara anda telah menarik semua ini bersama-sama. Saya rasa saya hanya meminta diri saya lagi, anda memerlukan juara di dalam organisasi dan siapa yang akan berada di sana, menjadi penghubung kepada kumpulan yang berlainan. Pengatur data adalah sesuatu yang sering kita bincangkan - saya fikir itu adalah, peranan yang sangat penting dan saya merasa seperti itu peranan yang mendapat lebih banyak perhatian dalam tiga atau empat tahun yang lalu kerana kami sememangnya menghargai nilai data tadbir urus, kan? Itu pelayan data adalah seseorang yang boleh bercakap dengan perniagaan tetapi juga memahami sistem, memahami kitar hayat data, gambaran keseluruhan itu. Dan saya rasa orang itu boleh dan mungkin harus berada di bawah peraturan CEO, kan?

Ron Huizenga: Ya, dan anda memerlukan pasukan pelbagai fungsi, bukan? Oleh itu, anda memerlukan orang yang terdiri daripada satu pasukan yang melakukan itu atau yang berasal dari pelbagai bidang yang mewakili bahagian teknikal, yang anda tahu, bidang perniagaan yang berbeza. Dan, anda tahu, bergantung pada jenis organisasi anda, jika anda mempunyai pejabat pengurusan projek dan banyak inisiatif yang anda lakukan didorong oleh PMO, anda akan memastikan bahawa anda mempunyai PMO penglibatan juga semata-mata untuk mengekalkan setiap orang dalam harmoni dan menyegerakkan cara mereka bekerja pada sesuatu.

Eric Kavanagh: Yup, dan anda tahu, satu perkara yang terakhir, saya akan meletakkan slaid terakhir ini, rangka kerja tadbir urus. Kami ada bertanya, tidak ada data yang hilang dari slaid itu? Adakah itu, apakah data tersirat dalam slaid atau apa yang anda fikirkan tentang komen mengenai data yang hilang dari slaid?

Jen Underwood: Tidak, dan ini hanyalah rangka kerja tadbir urus umum. Pada asasnya, ini adalah dari ruang BI layan diri, jadi data tersirat dalam banyak perkara ini. Ia hanya datang dari sudut saya dan perspektif saya dan tidak seperti memberi tumpuan kepada bahagian data dalam meletakkan ini bersama-sama. Tetapi data pasti, apabila anda memikirkan semua kepingan ini, akan ada data. Sama ada ia menjadi asas bagi data, akauntabiliti menggunakan data sepanjang keseluruhan proses dan sepanjang keseluruhan rangka kerja.

Eric Kavanagh: Ya, tidak ada yang masuk akal. Dan saya rasa saya akan membuang hanya satu soalan terakhir kepada anda ketika kita membungkus di sini, Ron. Jika saya berfikir tentang berapa banyak lagi maklumat dan berapa banyak data yang kita gunakan hari ini dan sejauh mana organisasi yang jauh, apakah kepentingan ekosistem adalah hari ini antara rakan kongsi saluran dan bagaimana kita boleh berkongsi maklumat merentasi perkongsian itu dan rujukan ringkas sedikit blokchain untuk ini - tidak untuk mendapatkan perkara terlalu rumit. Intinya adalah kita semakin banyak didorong oleh dunia yang berkaitan dengan data, baik dari perspektif perniagaan dan hanya dari kehidupan seharian kita. Dan bagi saya, itu hanya akan menaikkan kepentingan yang lebih banyak kerana organisasi benar-benar mengambil pandangan keras tentang apa yang anda cadangkan di sini, iaitu kematangan mereka, di mana mereka berdiri dan sejauh mana mereka berada dari segi lengkung dan benar-benar jujur ​​dengan diri mereka tentang itu, kan? Kerana jika anda tidak tahu lebih baik, anda tidak boleh melakukan yang lebih baik, dan jika anda tidak memikirkan perkara, anda tidak akan tahu lebih baik, bukan?

Ron Huizenga: Tepat. Dan saya rasa frasa yang saya akan gunakan adalah, anda mungkin tidak sebaik yang anda fikir anda. Itu mungkin agak kasar, tetapi orang boleh agak optimis mengenai perkara ini, tetapi jika anda melihat pandangan yang sangat keras dan penilaian sendiri yang kritikal, saya fikir mana-mana organisasi akan mendapati, anda tahu, jurang penting bahawa mereka perlu alamat.

Eric Kavanagh: Saya perlu bersetuju. Dan salah satu daripada rakan-rakan kami di luar sana mengulas mengenai pentingnya metadata, data mengenai data. Tidak ada keraguan tentang itu. Metadata adalah gam yang memegang semua sistem ini bersama-sama dan kami masih tidak pernah benar-benar memecahkan sepenuhnya kod itu dan untuk sebab yang baik, terus terang, kerana perubahan metadata. Ia berbeza dari sistem ke sistem. Anda tahu, lebih banyak anda cuba untuk menormalkan data anda, yang kurang tepat saya fikir ia menjadi.

Jadi kita jenis di dunia pelik sekarang dan mungkin saya rasa saya akan melanjutkan untuk satu lagi soalan kepada anda, Jen, kerana anda menyebutkan katalog data beberapa kali. Saya sangat suka pergerakan teknologi katalog data yang secara automatik mengimbas sistem maklumat anda, menentukan nama lajur metadata, dan sebagainya, dan membantu anda meningkatkan pandangan strategik data anda dan metadata anda dalam sistem anda. Kerana bagi saya, untuk melakukan perkara itu secara manual, hanya saja, terlalu banyak. Dan anda tidak akan pergi ke puncak bukit itu sebelum runtuhan salji itu jatuh ke atas anda dan, anda tahu, anda telah dinormalisasi pada titik bermain kelabu atau anda tidak cukup normal untuk di mana anda benar-benar tidak Tidak tahu apa yang berlaku. Kepada saya, menggunakan mesin, pembelajaran mesin yang kita terus bercakap, itu akan menjadi kunci di masa depan untuk membantu kita sekurang-kurangnya mendapatkan tali di sekeliling data yang cukup untuk memahami dengan baik apa yang ada di sana, betul Jen ?

Jen Underwood: Ya, saya buat. Saya suka teknologi ini. Mereka sangat, sangat sejuk. Dan kemudian anda memikirkannya, ia memberi anda permulaan yang besar. Dan kemudian anda boleh mendapatkan banyak sumber. Anda mempunyai pelayan data anda, anda tahu, menarik ke depan, sama ada mereka menambah dokumentasi mereka sendiri atau ini adalah perspektif di luar sana, ini adalah perubahan. Anda tahu, mengatakan ini adalah sumber data diperakui untuk digunakan untuk melaporkan. Orang boleh mencari dan mencari data yang betul. Ia benar-benar sangat bagus. Dan juga membantu - apabila saya berfikir tentang perniagaan dan bagaimana pengurusan data perusahaan yang rahsia ketika saya ketika saya sedang melakukan hal DBA - kita menggunakan sifat lanjutan dan SQL Server dan mengimbas alat seperti IDERA, bukan? Untuk mencipta katalog data. Tetapi dalam versi DBA atau arkitek data, anda tahu, apa pun nilai itu atau lajur atau medan itu, tentunya mungkin tidak sepadan dengan perniagaan itu. Jadi kini mempunyai perniagaan yang dapat dengan mudah, anda tahu, masuk dan mencari dan menguruskan dan mempunyai segala-galanya berasaskan matlamat, ini benar-benar, saya harap kami akan mempunyai ini lama dahulu, secara terang-terangan. Jadi semakin baik.

Eric Kavanagh: Itu lucu. Kami mempunyai satu lagi komen akhir daripada ahli penonton, mengatakan mungkin blockchain akan menjadi yang paling berharga untuk meletakkan setem pengesahan ke metadata. Itulah titik yang baik dan, anda tahu, blockchain benar-benar teknologi yang menakjubkan. Saya melihatnya sebagai sejenis asas yang padu untuk menghubungkan banyak titik antara sistem dan aplikasi dan sebagainya. Dan, anda tahu, kami berada di peringkat awal pembangunan blockchain, tetapi sekarang kita melihat bahawa ia diputar, tentu saja, dari sudut asalnya di mana ia datang ke hadapan, dan sekarang anda telah mendapat IBM bekerja sangat keras pada teknologi blockchain. SAP telah membeli semua itu. Dan sebenarnya, ia memberi peluang kepada asas dan kerangka yang lebih mendalam untuk menyambung semua sistem dan semua titik ini.

Jadi, orang-orang, telah membakar lebih dari satu jam. Terima kasih kerana tinggal bersama kami hari ini, tetapi kami sentiasa ingin menjawab soalan anda dan dapatkan semua ulasan. Kami mengarkibkan semua webcast ini untuk tontonan kemudian, jadi luncurkan dalam talian ke dalamanalysis.com, di mana anda boleh mencari pautan untuk itu. Ia perlu dalam masa beberapa jam, biasanya selepas kejadian. Dan kami akan mengejar masa depan anda. Kami mendapat beberapa lagi acara yang akan datang minggu depan - banyak perkara yang berlaku. Tetapi itu akan membida anda perpisahan, orang. Terima kasih kerana meluangkan masa anda. Jaga diri. Buh-bye.