Menggerakkan Inovasi: Proses, Master Data, dan Transformasi Digital – Bagian II

Proses + Data keduanya sangat penting untuk inovasi dan transformasi. Potensi dan kekuatan wawasan Data terwujud dalam proses yang didigitalisasi dan diotomatisasi.

Ini adalah Bagian II dari artikel 2 bagian tentang Proses + Data. Bagian I menggambarkan evolusi intelligent DBMSs dan intelligent BPMSs. Kecerdasan Buatan, serta berbagai teknologi digital, telah memberikan dampak yang luar besar pada kedua tren tersebut. iBPMSs juga mendukung otomatisasi proses dan pekerjaan – terutama melalui Robotic Process Automation.

Bagian I menyoroti ketidakseimbangan antara DBMSs – terutama basis data NoSQL lanjutan – dan BPMSs dalam arsitektur perusahaan. Melalui AI dan teknologi digital lainnya, keduanya telah menjadi intelligent. Sekarang kita juga menyaksikan banyak pendekatan untuk pengembangan No Code/Low Code di kedua domain tersebut. Sekarang ada Citizen Developers dan Citizen Data Scientists.

Namun, lapis DBMS dengan berbagai basis data Relasional dan NoSQL sudah umum di Infrastruktur IT dan Arsitektur Perusahaan. Data adalah minyak mentah baru!

Lapisan BPMS? Tidak begitu.

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

Valuestreams (aka Valuechains)

Pendekatan data pada intinya adalah pendekatan bottom-up yang berfokus pada data yang persisten. Penting dan kritis. Tetapi masih, bottom-up yang didorong teknologi. Di sini kita akan menguraikan tiga kasus penggunaan yang kuat yang mengambil pendekatan yang berbeda yang jauh lebih mendukung Autonomic Enterprise-In-Motion.

Pendekatan aplikasi yang didorong proses sangat berbeda. Asumsi dasar dalam pendekatan yang didorong proses adalah bahwa bisnis adalah kumpulan Valuestreams. Bisnis memikirkan tujuan dan milestone atau tahapan untuk mencapai tujuan ini dalam konteks Valuestreams. Sebagian besar organisasi masih diorganisir secara vertikal, dan setiap unit bisnis fokus pada tujuan yang dapat diukur mereka.

Silos di unit bisnis, berbagai aplikasi, dan mitra dagang adalah yang menyeluruh

Valuestreams berjalan secara horizontal melintasi unit bisnis, aplikasi warisan yang berbeda, dan mitra dagang dalam upaya mengoptimalkan pengalaman pelanggan – untuk mewujudkan dan operasionalisasi nilai. Perubahan budaya dalam Enterprise-In-Motion perlu menangkap, mendigitalkan, dan mengotomatisasi valuestream untuk visibilitas dan kontrol yang dioptimalkan.

Digitalisasi dan Otomatisasi Valuestream adalah tiang pusat Transformasi Digital

Secara organisasi, budaya perlu mendorong kepemilikan yang diberdayakan dari valuestream – melintasi silos. Digital Process Automation mencapai digitalisasi dan otomatisasi valuestreams melalui Dynamic Case Management (DCM).

Biasanya, ini adalah silo, dan komunikasi dilakukan melalui perpindahan manual. Menarik untuk dicatat bahwa teknologi digital dan bahkan praktik transformasi digital telah sedikit berdampak pada organisasi silo yang terorganisir secara vertikal. Hierarki organisasi telah bertahan. Valuestreams berjalan secara horizontal sering dengan pemilik yang diberdayakan untuk keunggulan operasionalnya. Jika valuestreams tidak dioptimalkan melalui DPA, akan ada boros dan ketidakefisienan yang besar.

Kekuatan Valuestreams yang didigitalkan dan diotomatisasi adalah pengikat inti dari tiga kasus penggunaan

Proses + Master Data

Menurut MDM Institute: Master Data Management (MDM) adalah fondasi otoritatif dan terpercaya untuk data yang digunakan di banyak aplikasi dan kalangan dengan tujuan untuk menyediakan satu tampilan kebenaran di mana pun ia berada.

Silos yang disebutkan di atas – dalam organisasi, unit bisnis, dan aplikasi yang dimilikinya – adalah alasan utama mengapa ada ketidakkonsistenan dalam informasi tentang entitas yang sama: pelanggan, pemasok, produk, atau lainnya. Master Data mengatasi beberapa titik nyeri. Berikut beberapa contoh:

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

Berikut beberapa contoh tipikal:

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

Ada banyak lagi.

Master Data diperlukan untuk mengatasi kualitas data, konsistensi data, sourcing data, akurasi data, integritas data, replikasi data, dan kelengkapan data.

Seperti yang disebutkan di atas, perusahaan adalah kumpulan dari Valuestreamsnya. Eksekusi valuestream ini hanya sebaik konsistensi datanya. Ungkapan Ilmu Komputer “Garbage In – Garbage Out” (GIGO) sangat berlaku di sini. Faktanya, ketidakkonsistenan data pada akhirnya akan mempengaruhi pengalaman pelanggan yang mengakibatkan ketidakpuasan pelanggan: Net Promoter Scores (NPS) yang lebih rendah, rasio detraktor yang lebih tinggi!

Pendekatan Bottom-Up MDM

Seringkali organisasi mencoba mengatasi tantangan Master Data melalui alat dan sistem Manajemen Master Data. Ini dapat berakhir menjadi proyek master data “big bang”, dengan alat yang mahal. Beberapa organisasi telah mendirikan pusat keunggulan MDM untuk tata kelola. Teknologi dan konsistensi data adalah tantangan yang besar dan penting untuk diatasi, termasuk pembersihan data, mengatasi data yang hilang, konsistensi data, ETL, dan integrasi data. Bahaya adalah upaya yang besar yang diperlukan untuk menormalisasi master data tanpa memprioritaskan melalui tujuan bisnis. Masalah umum adalah bahwa inisiatif yang mencoba menyelesaikan tantangan master data seringkali melakukannya dalam silo. MDM itu sendiri menjadi lapisan perangkat lunak lain yang perlu dikelola. Jika pencatatan dan replikasi data digunakan, ini juga menciptakan overhead tambahan dan ketidakkonsistenan yang potensial.

Namun, masalah yang lebih serius adalah kurangnya fokus dan justifikasi yang tepat dalam pembuatan dan manajemen master data tertentu. Misalnya, jumlah agregat bidang atau atribut tentang Pelanggan dari berbagai sistem catatan dapat mencapai ratusan. Valuestream pelanggan yang paling kritis biasanya hanya membutuhkan subset yang sangat kecil dari bidang atau atribut yang tersedia. Sisa jarang – jika ada – digunakan. Meskipun alur pikiran sistem MDM mungkin masuk akal, pendekatan bottom-up ini mungkin tidak optimal.

Pendekatan Top-Down Valuestream

Pendekatan yang lebih optimal adalah untuk memperlakukan tantangan MDM sebagai bagian dari inisiatif perbaikan berkelanjutan secara keseluruhan, terutama melalui solusi manajemen kasus dinamis ujung-ke-ujung yang menghubungkan silos yang menyentuh dan memanipulasi master data. Enterprise-In-Motion adalah agregat Valuestreams. MDM adalah tentang membuat Valuestreams berjalan sebagus mungkin. Setiap Valuestream ini memiliki tujuan bisnis tertentu – misalnya, mengurangi biaya, meningkatkan NPS, atau menghasilkan pendapatan. Inti dari pendekatan ini adalah lapisan yang diaktifkan oleh Dynamic Case Management (DCM) yang membungkus dan memodernisasi sistem warisan. Seperti yang disebutkan dalam Bagian I, DCM adalah kemampuan kunci dalam DPA – selain Otomatisasi Robotik, AI, dan Teknologi Digital lainnya.

Pendekatan “top-down” hanya fokus pada bidang atau atribut yang diperlukan untuk Valuestream tertentu yang dioptimalkan, didigitalkan, dan diotomatisasi melalui DPA.

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

Pikirkan Besar tetapi Mulai Kecil

Di Enterprise-In-Motion, solusi untuk masalah master data diatur oleh tata kelola “Pikirkan Besar…Tetapi Mulai Kecil”. Pendekatan adalah untuk merealisasikan kemenangan cepat, membangun atau mencapai ketekunan master data yang diperlukan, dan kemudian memperluas dengan solusi transformasional tambahan yang mencakup Master Data. Dengan kata lain, dengan pendekatan iteratif, agregat master dibangun secara bertahap bukan Master Data komprehensif Big Bang dan lalu realisasi proyek untuk solusi transformasi digital. Tata kelola dan implementasi Master Data dapat disematkan dalam DNA metodologi otomatisasi proses dan menyebabkan prioritas sumber data dan optimasi yang diperlukan untuk mengelola data dalam lapisan DPA. Tujuan adalah menyeimbangkan kemudahan Master Data dengan nilai bisnis untuk proyek prioritas tertentu.

Dalam Metodologi Desain Thinking, prioritasi sangat penting untuk backlog proyek Valuestream. Prioritas ini secara sistematis menilai proyek dengan menyeimbangkan kemudahan implementasi dengan nilai bisnis. Berikut beberapa dimensi yang dapat diukur yang mungkin mempengaruhi prioritas:

• Kompleksitas dalam menggabungkan bidang master data untuk proyek
• Dampak kualitas master data yang buruk terhadap kasus ujung-ke-ujung untuk proyek
• Penerapan bidang master data dalam proyek dengan dampak bisnis tinggi
• Ketersediaan API untuk mengakses nilai bidang master data untuk proyek

Pion prioritas yang mencerminkan dukungan Master Data dikirim ke metodologi agile. Metodologi seharusnya membantu Anda terus memantau dan mengukur tujuan bisnis. Master Data dioptimalkan secara iteratif sepanjang pion. Proyek inovatif yang dikirim oleh prioritas Desain Thinking terus diukur dan dipantau. Ada tiga tipe iterasi dalam pendekatan Top-Down:

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

Jadi, pendekatan Top-Down secara bertahap membangun Master Data, sambil terus memberikan proyek nilai bisnis tinggi dan memperbaikinya.

Transformasi Digital: IoT & Blockchain

Pendekatan top-down yang didorong proses Valuestream adalah pengikat untuk proposisi nilai teknologi Transformasi Digital. Dua dari teknologi ini yang paling krusial untuk Enterprise-In-Motion adalah IoT dan Blockchain.

Jalur Menuju Sukses IoT

IoT adalah tentang konektivitas perangkat yang semakin cerdas melalui sensor dan aktuator. Fondasi untuk konektivitas, menyeimbangkan jangkauan dan pertimbangan pasokan daya, tentu saja, sangat penting. Ada beberapa komponen dalam tumpukan dan arsitektur multi-tingkat IoT secara keseluruhan. Level terendah mencakup perangkat dan sistem fisik. Tepatnya konektivitas cyber-fisik ini yang membentuk fondasi era IoT. Lapisan lain mencakup lapisan akumulasi dan analisis data. Perangkat IoT yang terhubung menghasilkan jumlah data yang besar: Big Data menjadi Thing Data! Sebagian dari data ini – seringkali mayoritas – diproses di tepi.

Ada beberapa arsitektur dan model referensi untuk IoT. Model Referensi IoT World Forum menempatkan kolaborasi dan Proses Bisnis di puncak arsitektur multi-tingkat untuk IoT.

Ini signifikan dan tepat. Sukses dapat dicapai top-down dengan tujuan bisnis konkret sejak awal. Solusi bisnis top-down melibatkan Orang, Perangkat Terhubung (aka IoT), Mitra Dagang, dan Aplikasi Perusahaan (aka Sistem Catatan): semuanya berkolaborasi dan mengatur kegiatan mereka menuju Indikator Kinerja Utama (KPI) yang konkret dan dapat diukur. Kolaborasi ada dalam konteks Valuestreams ujung-ke-ujung (kata kunci adalah Nilai), yang dimodelkan, diotomatisasi, dan dipantau melalui DPA untuk perbaikan berkelanjutan. Metodologi DPA, kompetensi praktik terbaik, dan teknologi adalah mesin yang menggerakkan sukses IoT.

Ada banyak aplikasi IoT yang didorong oleh Valuestreams DPA. Digital Prescriptive Maintenance adalah aplikasi killer untuk IoT. Seperti yang diilustrasikan di sini, ini melibatkan orkestrasi tugas yang pesertanya termasuk orang – misalnya, Layanan Pelanggan dan Layanan Lapangan – aplikasi perusahaan, AI untuk pengutamaan tindakan terbaik, manajemen rantai jaminan, dan tentu saja perangkat terhubung dan IoT. Orkes­tasi dan otomatisasi ujung-ke-ujung dicapai melalui DPA.

Blockchain to Valuechain

Blockchain sangatlah revolusioner. Ini adalah mesin yang memberdayakan munculnya Internet of Value (IoV). IoV adalah fase penting dalam evolusi Internet. Pada tahun 1990-an kita memulai dengan Internet of Information: internet tradisional – yang kita gunakan setiap hari mencari informasi. Kemudian datang Internet of Things atau perangkat terhubung yang menjadi menyeluruh dalam aplikasi konsumen (misalnya, Rumah Terhubung), sektor publik (misalnya, Kota Cerdas), dan aplikasi industri (misalnya, Manufaktur Cerdas). Jalan menuju sukses IoT melalui Digital Process Automation. Blockchain yang merupakan teknologi dasar untuk mata uang kripto memungkinkan Internet of Value. Nilai dapat berupa mata uang digital. Yang lebih penting, nilai juga dapat berupa data yang mendukung pertukaran lintas dan dalam organisasi yang mendukung tujuan bisnis.

Blockchain sebagai Database Terdesentralisasi & Terdistribusi

Blockchain menyimpan buku besar transaksi antara berbagai pihak – di node yang berpartisipasi dalam memvalidasi Blockchain. Buku besar didistribusikan dan direplikasi. Perusahaan yang berkolaborasi dalam transaksi B2B sekarang dapat berbagi informasi transaksi melalui Blockchain. Salah satu aplikasi potensial untuk perusahaan yang diperluas (yaitu, melibatkan mitra dagang yang berbeda) adalah memperlakukan Blockchain sebagai database bersama untuk transaksi perdagangan mereka dan mengakses data sesuai kebutuhan dari dalam aplikasi perusahaan mereka. Dengan demikian, daripada mitra dagang mereplikasi data dalam sistem ERP atau database internal mereka, Blockchain dapat berfungsi sebagai Master Data untuk transaksi antar perusahaan! Teknologi Blockchain masih sangat dalam tahap awal. Kami akan melewati beberapa fase “Troughs of Disillusionment” siklus hype sebelum solusi IoV yang kuat menjadi menyeluruh.

Diskusi tentang teknologi Blockchain juga cenderung sangat “bottom-up” – inovasi yang menarik yang mencari masalah untuk diselesaikan. Seperti sukses IoT yang berjalan melalui DPA, Blockchain perlu berevolusi ke pendekatan Valuechain (aka Valuestream) – yang didorong oleh DPA!

• Valuechain Orchestration Layer: Di atas, Anda memiliki Valuechain ujung-ke-ujung yang mengatur dan merangkaian tugas yang melibatkan orang, perangkat otomatis, dan aplikasi perusahaan (aka sistem catatan) dan mitra dagang. Lapisan ini didigitalkan dan diotomatisasi melalui DPA.
• Blockchain Layer: Buku besar terdesentralisasi terdistribusi dikelola di lapisan Blockchain tengah. Blockchain akan mengeksekusi aturan smart contract, menukar mata uang kripto, atau keduanya. Tugas atau milestone dari Valuechain ujung-ke-ujung akan memanfaatkan Blockchain di langkah-langkah tertentu.
• IoT/IIoT Connected Device Layer: Lapisan terendah akan menjadi lapisan konektivitas IoT/IIoT. Dengan Blockchain serta komputasi edge IoT/IIoT, keuntungan tambahan adalah mendorong eksekusi dan transaksi ke tepi. Valuechain secara keseluruhan berada di atas, dengan komputasi edge IoT/IIoT yang dapat memanfaatkan Blockchain sesuai kebutuhan.

Kesimpulan Proses + Data

Proses dan Data keduanya sangat penting bagi Enterprise-In-Motion. Namun, lapis Proses untuk Valuestreams yang diotomatisasi – dengan DPA yang kuat (inkarnasi saat ini dalam evolusi BPM) – seringkali hilang dalam infrastruktur IT dan arsitektur perusahaan. Bagian II dari Proses+Data membahas tiga kasus penggunaan yang menarik yang secara jelas menggambarkan kekuatan pendekatan Proses yang didorong bisnis top-down. Bahkan Master Data – yang pada intinya adalah tantangan basis data – dapat ditransformasikan dan dioptimalkan melalui memprioritaskan Valuestreams dan membangun Master Data dalam konteks iterasi DPA. Dua kasus penggunaan lainnya berkaitan dengan teknologi Transformasi Digital yang paling menarik: IoT dan Blockchain. Untuk keduanya, jalan menuju sukses melalui DPA!

Proses + Data keduanya penting untuk inovasi dan transformasi. Potensi dan kekuatan wawasan Data terwujud dalam proses yang didigitalkan dan diotomatisasi.

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