Proses + Data Master &Transformasi Digital, Bagian II

Proses + Data keduanya penting untuk inovasi dan transformasi. Potensi dan kekuatan Wawasan data diwujudkan dalam proses digital dan otomatis.

Ini adalah Bagian II dari 2-partartikel tentang Proses + Data. Bagian Menggambarkan evolusi DBMS cerdas dan BPMS cerdas . Kecerdasan Buatan, serta berbagai teknologi digital, memiliki dampak yang luar biasa pada kedua tren tersebut. iBPMS juga mendukung proses dan otomatisasi kerja – terutama melalui RoboticProcess Automation.

Bagian I menyoroti kurangnya keseimbangan antara DBMS – terutama database NoSQL canggih – dan BPMS dalam arsitektur perusahaan. Melalui AI dan teknologi digital lainnya, keduanya menjadi cerdas. Selanjutnya, kita sekarang menyaksikan banyak pendekatan untuk pengembangan Tanpa Kode/Kode Rendah di kedua domain. Sekarang ada CitizenDevelopers dan Ilmuwan Data Warga.

Namun, lapisan DBMS dengan beberapa database Relasional dan NoSQL ada di mana-mana di Infrastruktur TI dan Arsitektur Perusahaan. Data adalah minyak mentah baru!

Lapisan BPMS? Tidak begitu banyak.

Untuk memaksimalkan sinergi antara Proses dan Data, perusahaan yang bergerak perlu fokus pada hal yang jelas:aplikasi dan solusi bisnis inti yang mendorong nilai bisnis . Untuk mengulangi yang sudah jelas:ini bukan tentang teknologi!

Aliran Nilai (alias Rantai Nilai)

Pendekatan data pada intinya adalah pendekatan dari bawah ke atas yang berfokus pada data persisten. Penting dan kritis. Namun tetap, didorong oleh teknologi dari bawah ke atas. Di sini kami akan menjelaskan tiga kasus penggunaan kuat yang mengambil pendekatan berbeda yang jauh lebih mendukung AutonomicEnterprise-In-Motion.

Pendekatan aplikasi yang digerakkan oleh proses sangat berbeda. Asumsi mendasar dalam pendekatan yang digerakkan oleh proses adalah bahwa bisnis adalah kumpulan Aliran Nilai . Bisnis memikirkan tujuan dan pencapaian atau tahapan untuk mencapai tujuan ini dalam konteks Aliran Nilai . Sebagian besar organisasi masih terorganisir secara vertikal, dan setiap unit bisnis berfokus pada tujuan yang terukur.

Silo di unit bisnis, berbagai aplikasi, dan mitra dagang tersebar luas

Aliran nilai berjalan secara horizontal di seluruh unit bisnis, aplikasi warisan yang berbeda, dan mitra dagang yang berupaya mengoptimalkan pengalaman pelanggan – untuk mewujudkan dan mengoperasionalkan nilai . Perubahan Budaya dalam Enterprise-In-Motion perlu menangkap, mendigitalkan, dan mengotomatiskan valuestream untuk visibilitas dan kontrol yang dioptimalkan.

Digitasi dan Otomatisasi Valuestream adalah pilar utama Transformasi Digital

Secara organisasi, budaya perlu mendorong kepemilikan yang diberdayakan dari aliran nilai – lintas silo. DigitalProcess Automation mencapai digitalisasi dan otomatisasi valuestreamsmelalui DynamicCase Management (DCM).

Biasanya, ini adalah silo, dan komunikasi dilakukan melalui hand-off manual. Sangat menarik untuk dicatat bahwa teknologi digital dan bahkan praktik transformasi digital memiliki dampak yang kecil pada organisasi yang diatur secara vertikal. Hirarki organisasi telah bertahan. Aliran nilai sering kali berjalan secara horizontal dengan pemilik yang diberdayakan untuk keunggulan operasionalnya. Jika aliran nilai tidak dioptimalkan melalui DPA, akan ada pemborosan dan inefisiensi yang cukup besar.

Kekuatan Valuestreams yang didigitalkan &otomatis adalah penggerak inti dari tiga kasus penggunaan

Proses + Data Master

Menurut Institut MDM:Manajemen Data Master (MDM) adalah landasan otoritatif dan andal untuk data yang digunakan di banyak aplikasi dan konstituen dengan tujuan untuk memberikan pandangan tunggal tentang kebenaran di mana pun letaknya.

Silo yang disebutkan di atas – organisasi, unit bisnis, dan aplikasi yang dimiliki oleh mereka – adalah alasan utama adanya inkonsistensi informasi tentang entitas yang sama:pelanggan, pemasok, produk, atau lainnya. Data Master membahas beberapa titik nyeri. Berikut beberapa contohnya:

• Inkonsistensi dan kualitas data yang buruk menghasilkan keputusan yang salah, salah, dan bahkan berisiko. Eksekusi kasus dinamis otomatis sama baiknya dengan konsistensi data.
• Untuk Pelanggan, Produk, Harga, Mitra, Pemasok, Layanan, dan Data Master lainnya yang dibagikan di seluruh aplikasi, seringkali sistem terpisah yang berbeda berisi informasi yang kontradiktif tentang entitas yang sama (misalnya, status perkawinan yang salah). Ada banyak pemborosan dalam upaya menjaga data heterogen tetap konsisten dan berkualitas tinggi.
• Merger dan Akuisisi juga menciptakan tantangan konsistensi data – untuk memiliki satu versi kebenaran tentang pelanggan atau penawaran di seluruh organisasi

Berikut adalah beberapa contoh tipikal:

• Alamat pelanggan tidak diperbarui secara konsisten di semua basis data atau aplikasi yang menyimpan alamat tersebut.
• Harga suatu produk tidak konsisten dan bergantung pada saluran (ritel, Web, aplikasi seluler, dll.)
• Pemasok daftar, ketersediaan, dan daftar bagian tidak konsisten di berbagai sistem ERP

Ada banyak lagi.

MasterData diperlukan untuk mengatasi kualitas data, konsistensi data, sumber data, akurasi data, integritas data, replikasi data, dan kelengkapan data.

Seperti disebutkan di atas, perusahaan adalah kumpulan dari Valuestreams-nya. Eksekusi valuestreams ini hanya sebaik konsistensi data. Ungkapan Ilmu Komputer "GarbageIn - Garbage Out" (GIGO) sangat berlaku di sini. Faktanya, inkonsistensi data cepat atau lambat akan berdampak pada pengalaman pelanggan yang mengakibatkan ketidakpuasan pelanggan:Skor Net Promoter (NPS) yang lebih rendah, rasio pencela yang lebih tinggi!

Pendekatan MDM dari Bawah ke Atas

Seringkali organisasi mencoba untuk mengatasi tantangan Master Data melalui alat dan sistem Manajemen Data Master. Ini bisa menjadi proyek data master "big bang", dengan alat yang mahal. Beberapa organisasi telah mendirikan pusat keunggulan MDM untuk tata kelola. Teknologi dan konsistensi data sangat bagus dan penting untuk ditangani, termasuk pembersihan data, mengatasi data yang hilang, konsistensi data, ETL, dan integrasi data. Bahayanya adalah upaya besar yang diperlukan untuk menormalkan data master tanpa memprioritaskan melalui tujuan bisnis. Salah satu masalah umum adalah bahwa inisiatif yang mencoba untuk menyelesaikan tantangan masterdata sering kali melakukannya dalam silo. MDM sendiri menjadi lapisan perangkat lunak lain yang perlu dikelola. Jika penyalinan dan replikasi data digunakan, ini juga menciptakan overhead tambahan dan potensi inkonsistensi.

Namun, masalah yang lebih serius adalah kurangnya fokus dan justifikasi yang tepat dalam pembuatan dan pengelolaan data induk tertentu. Misalnya, jumlah agregat bidang atau atribut tentang Pelanggan dari berbagai sistem catatan bisa mencapai 100-an. Valuestreams pelanggan yang paling kritis biasanya membutuhkan subset yang sangat kecil dari bidang atau atribut yang tersedia. Sisanya akan jarang – jika pernah – digunakan. Meskipun alasan sistem MDM mungkin masuk akal, pendekatan dari bawah ke atas ini bisa jadi kurang optimal.

Pendekatan Valuestream Top-Down

Pendekatan yang lebih optimal adalah menangani tantangan MDM sebagai bagian dari inisiatif peningkatan berkelanjutan secara keseluruhan, terutama melalui solusi manajemen kasus dinamis ujung ke ujung yang menghubungkan silo yang menyentuh dan memanipulasi data master. Enterprise-In-Motion adalah kumpulan dari Valuestreams. MDM adalah tentang membuat Valuestreams berjalan sebaik mungkin. Masing-masing Valuestream ini memiliki tujuan bisnis yang spesifik – misalnya, mengurangi biaya, meningkatkan NPS, atau menghasilkan pendapatan. Inti dari pendekatan ini adalah lapisan yang diaktifkan Manajemen Kasus Dinamis (DCM) yang membungkus dan memodernisasi sistem lama. Seperti disebutkan di Bagian I, DCM adalah kemampuan utama dalam DPA –selain Robotic Automation, AI, dan Teknologi Digital lainnya.

Pendekatan top-down hanya berfokus pada bidang atau atribut yang diperlukan untuk Valuestreams tertentu yang dioptimalkan, didigitalkan, dan diotomatisasi melalui DPA.

Pendekatan “top-down” ini memprioritaskan proyek transformasional dengan peningkatan MDM dan menyeimbangkan risiko dengan nilai bisnis. Masalah basis data teknis ini harus ditangani, tetapi dengan pendekatan prioritas yang diubah.

Berpikir Besar tapi Mulai Kecil

Dalam Enterprise-In-Motion, solusi untuk menguasai masalah data didorong oleh tata kelola “Berpikir Besar…Tapi Mulai dari Kecil”. Pendekatannya adalah untuk mewujudkan kemenangan cepat, membangun atau mencapai ketelitian data master yang dibutuhkan, dan kemudian memperluas dengan solusi transformasional tambahan yang mencakup Data Master. Dengan kata lain, dengan pendekatan iteratif, master agregat dibangun sedikit demi sedikit alih-alih MasterData komprehensif Big Bang dan lalu realisasi proyek untuk solusi transformasi digital. Tata kelola dan implementasi Data Induk dapat dimasukkan ke dalam DNA metodologi otomatisasi proses dan mengarah pada prioritas sumber data dan pengoptimalan yang diperlukan untuk mengelola data di dalam lapisan DPA. Tujuannya adalah untuk menyeimbangkan kemudahan Master Data dengan nilai bisnis untuk proyek prioritas tertentu.

Dalam Metodologi DesignThinking, prioritas sangat penting untuk backlog proyek Valuestream. Prioritas ini secara sistematis memberi peringkat proyek yang menyeimbangkan kemudahan implementasi dengan nilai bisnis. Berikut adalah beberapa dimensi yang berpotensi terukur yang dapat memengaruhi penentuan prioritas:

• Kerumitan dalam mengonsolidasikan bidang data master untuk proyek
• Dampak kualitas data master yang buruk pada kasus end-to-end untuk proyek
• Penerapan bidang data master dalam proyek berdampak bisnis tinggi
• Ketersediaan API untuk mengakses nilai bidang data master untuk proyek

Sliver yang diprioritaskan yang mencerminkan dukungan Data Master dimasukkan ke agilemethodology. Metodologi harus membantu Anda terus memantau dan mengukur tujuan bisnis. Data Master dioptimalkan secara iteratif di seluruh sliver. Proyek-proyek inovatif yang didukung oleh prioritas Design Thinking terus diukur dan dipantau. Ada tiga jenis iterasi dalam pendekatan Top-Down:

• Iterasi dalam backlog proyek – diprioritaskan oleh nilai bisnis serta dimensi ketersediaan Master Data
• Perulangan saat membangun solusi DPA sambil memanfaatkan Data Master
• Pasca produksi, penting juga untuk membandingkan tujuan yang ditargetkan vs. yang dicapai untuk perbaikan lebih lanjut.

Dengan demikian, pendekatan Top-Down secara bertahap membangun Data Master, sambil terus memberikan proyek bernilai bisnis tinggi dan meningkatkannya.

Transformasi Digital:IoT &Blockchain

Pendekatan atas-bawah yang didorong oleh proses Valuestream adalah pengaktif untuk proposisi nilai teknologi Transformasi Digital. Dua dari teknologi ini yang paling penting untuk Enterprise-In-Motion adalah IoT dan Blockchain.

Jalan Menuju Sukses IoT

IoT adalah tentang konektivitas perangkat yang semakin cerdas melalui sensor dan aktuator. Landasan untuk konektivitas, jangkauan keseimbangan, dan pertimbangan catu daya, tentu saja, sangat penting. Ada beberapa komponen dalam keseluruhan arsitektur stack dan multi-tier IoT. Level terendah mencakup fisik perangkat dan sistem. Justru cyber-physical . ini konektivitas yang meletakkan fondasi era IoT. Lapisan lainnya termasuk lapisan akumulasi data dan analisis. Perangkat terhubung IoT menghasilkan sejumlah besar data:Big Data menjadi Thing Data! Beberapa dari data ini – seringkali sebagian besar – sedang diproses di tepinya.

Ada beberapa arsitektur referensi dan model referensi untuk IoT. Model Referensi IoT WorldForum menempatkan kolaborasi dan Proses Bisnis di puncak arsitektur multi-level untuk IoT.

Ini penting dan tepat. Sukses dapat dicapai dari atas ke bawah dengan tujuan bisnis yang konkret sejak awal. Solusi bisnis top-down melibatkan Orang, Perangkat Terhubung (alias IoT), Mitra dagang, dan Aplikasi Perusahaan (alias Sistem Catatan):semuanya berkolaborasi dan menyusun aktivitas mereka menuju Indikator Kinerja Utama (KPI) yang nyata dan terukur. Kolaborasi tersebut dalam konteks End-to-End Values treams (kata operasinya adalah Nilai ), yang dimodelkan, otomatis , dan dipantau melalui DPA untuk perbaikan berkelanjutan. Metodologi DPA, praktik terbaik kompetensi , dan teknologi adalah mesin yang mendorong kesuksesan IoT.

Ada banyak aplikasi IoT yang digerakkan oleh DPAValuestreams. DigitalPrescriptive Maintenance adalah aplikasi pembunuh untuk IoT. Seperti yang diilustrasikan di sini, ini melibatkan orkestrasi tugas yang pesertanya mencakup orang– misalnya, Layanan Pelanggan dan Layanan Lapangan – aplikasi perusahaan, AI untuk menentukan tindakan terbaik, Manajemen rantai garansi, dan tentu saja perangkat yang terhubung dan IoT. Orkestrasi dan otomatisasi menyeluruh dicapai melalui DPA.

Blockchain ke Valuechain

Blockchain adalah sebuah revolusi. Ini adalah mesin yang memberdayakan munculnya Internet of Value (IoV). IoV adalah fase penting dalam evolusi Internet. Pada 1990-an kami memulai dengan Internet of Information : Internet tradisional – yang kita gunakan setiap hari untuk mencari informasi. Berikutnya adalah Internet of Things atau perangkat terhubung yang semakin meluas di konsumen (misalnya, Connected Homes), sektor publik (misalnya, Smart Cities), dan aplikasi industri (misalnya, SmartManufacturing). Jalan menuju kesuksesan IoT berjalan melalui Digital Process Automation. Blockchain yang merupakan teknologi yang mendasari cryptocurrency memungkinkan Internet of Value. Nilainya bisa berupa mata uang digital. Lebih penting lagi, “nilai” juga dapat berupa data yang mendukung pertukaran antar dan intra organisasi yang mendukung tujuan bisnis.

Blockchain sebagai Basis Data Terdesentralisasi &Terdistribusi

Blockchain menyimpan buku besar transaksi antara berbagai pihak – dalam node yang berpartisipasi dalam memvalidasi Blockchain. Buku besar didistribusikan dan direplikasi. Perusahaan yang berkolaborasi dalam transaksi B2B sekarang dapat membagikan informasi transaksi melalui Blockchain. Satu aplikasi potensial untuk diperpanjang (yaitu, melibatkan mitra dagang yang berbeda) Enterprises-In-Motion adalah memperlakukan Blockchain sebagai database bersama untuk transaksi perdagangan mereka dan mengakses data sesuai kebutuhan dari dalam aplikasi perusahaan mereka. Jadi, alih-alih mitra dagang mereplikasi data dalam ERP internal atau sistem basis data mereka, Blockchain dapat berfungsi sebagai Data Master untuk transaksi antar perusahaan! Teknologi Blockchain masih sangat baru. Kami akan melewati beberapa fase siklus hype “Troughsof Disillusionment” sebelum solusi IoV yang kuat menjadi meresap.

Diskusi teknologi Blockchain juga cenderung sangat “bottom-up” – sebuah inovasi menarik yang mencari masalah untuk dipecahkan. Seperti kesuksesan IoT yang berjalan melalui DPA, Blockchain perlu berevolusi menjadi Valuechain ( alias Valuestream) pendekatan – diberdayakan melalui DPA!

• Lapisan Orkestrasi Rantai Nilai :Di bagian atas, Anda memiliki Rantai Nilai ujung ke ujung yang mengatur dan mengurutkan tugas yang melibatkan orang, perangkat otomatis, dan aplikasi perusahaan (alias sistem pencatatan) dan mitra dagang. Lapisan ini didigitalkan dan otomatis melalui DPA.
  
• Lapisan Rantai Blok: Buku besar terdistribusi yang terdesentralisasi dikelola di lapisan tengah Blockchain. Blockchain akan menjalankan aturan kontrak pintar, menukar mata uang kripto, atau keduanya. Tugas atau pencapaian dari Valuechain ujung ke ujung akan memanfaatkan Blockchain dalam langkah-langkah tertentu.
  
• Lapisan Perangkat Terhubung IoT/IIoT: Lapisan paling bawah adalah lapisan konektivitas IoT/IIoT. Dengan Blockchain serta komputasi tepi IoT/IIoT, keuntungan tambahan adalah mendorong eksekusi dan transaksi ke tepi. Rantai Nilai keseluruhan berada di atas, dengan komputasi IoT/IIoTedge yang dapat memanfaatkan Blockchain sesuai kebutuhan.

Proses + Kesimpulan Data

Proses dan Data keduanya penting untuk Enterprise-In-Motion.Namun, lapisan Proses untuk Valuestreams otomatis – dengan DPA yang kuat (inkarnasi saat ini dalam evolusi BPM) – sering hilang dalam infrastruktur IT dan arsitektur perusahaan. Bagian II dari Proses+Data mencakup tiga kasus penggunaan yang menarik yang dengan jelas menggambarkan kekuatan pendekatan Proses yang digerakkan oleh bisnis dari atas ke bawah. Bahkan Master Data – yang pada intinya merupakan tantangan basis data – dapat diubah dan dioptimalkan dengan memprioritaskan Aliran Nilai dan membangun Data Induk dalam konteks iterasi DPA. Dua kasus penggunaan lainnya berkaitan dengan teknologi Transformasi Digital yang paling menarik:IoT dan Blockchain. Untuk keduanya, jalan menuju sukses berjalan melalui DPA!

Proses + Data adalah keduanya penting untuk inovasi dan transformasi. Potensi dan kekuatan Wawasan data diwujudkan dalam proses digital dan otomatis.

Infrastruktur TI Enterprise-In-Motion dan arsitektur perusahaan, serta metodologi yang berfokus pada nilai bisnis yang menyertainya, memerlukan DPA.