Av Techopedia Staff, 2. august 2017
Takeaway: Vert Eric Kavanagh diskuterer prosessmodeller og datamodellering med Kim Brushaber fra IDERA og Mark Madsen fra Third Nature i denne episoden av Hot Technologies.
Du er ikke logget inn for øyeblikket. Logg inn eller registrer deg for å se videoen.
Eric Kavanagh: OK damer og herrer. Det er klokken fire østlig tid, nok en gang på en onsdag, er det tid for Hot Technologies. Ja, jeg heter Eric Kavanagh. Jeg vil være din vert for dagens webseminar med to av våre favorittpersoner i bransjen: Kim Brushaber fra IDERA og Mark Madsen fra Third Nature. "Bruke prosessmodeller for å oppnå forretningsmessige mål." Vi skal snakke om å optimalisere virksomheten og hvordan du virkelig kan bruke noen av disse teknologiene for å først forstå hva som skjer, og deretter renovere det du gjør og unngå ting som oppsigelser, unngå ting som konflikter, kanskje i forsyningskjeden din eller forretningsprosessene dine, uansett hvor de måtte være, det er det vi skal snakke om i dag. Så først skal vi høre fra Kim Brushaber og så høre fra Mark Madsen. Så har vi noen fine frem og tilbake, og send gjerne spørsmålene dine. Ikke vær sjenert. Send spørsmål med spørsmål og svar-komponenten på webcastkonsollen eller chattevinduet.
Med det skal jeg skyve det første lysbildet hit for Kim, og jeg vil dele det ut. Kim, ta den bort.
Kim Brushaber: Hei der. Så jeg kommer til å begynne med å snakke om hvordan du kan bruke noen av forretningsprosessene dine for å nå dine mål. Jeg trodde jeg avanserte lysbildet - dit vi går, det kan ha gått litt tregt. For at en bedrift skal lykkes, må den fokusere på hvordan selskapet tjener penger, holde kunder og holde markedet lykkelig, holde kostnadene så lave som mulig og deretter levere kvalitetsprodukter og sørge for at den informasjonen du samler inn er pålitelig. Som vi har brukt buzzwordsene våre her: inntektsvekst, kundetilfredshet, effektiv drift, produkt- og datakvalitet. Og noen av de viktigste utfordringene for en virksomhet som vi skal diskutere i dag, inkluderer siloer i organisasjonen din; hva er bra med dem, hva er dårlig med dem fordi ikke alle siloer er dårlige. Hvordan holder du oppsigelser utenfor prosessen? Hvordan du kan redusere og eliminere hullene i kommunikasjonen og hvordan du kan redusere ineffektiviteten i operasjonene dine.
Så den første typen siloer er avdelingssiloene. Og silomentaliteter skapes når avdelinger ikke ønsker å dele informasjon med andre avdelinger i selskapet. Og selv om dette kan være bra i tilfelle av sensitiv informasjon som de færreste bør vite om - så sensitiv fusjonsinformasjon eller anskaffelsesinformasjon eller kanskje ikke informasjon som er klar for at salgsteamet kan gjøre noe med det - i slike tilfeller kan siloer være veldig bra. Men det kan også være dårlig fordi flyten av informasjon hindres mellom gruppene i organisasjonen, og det kan føre til mange av problemene som vi skal diskutere her om et øyeblikk. Du kan også ha siloer som er delt inn etter forretningsmål og teknologimål. Så forretningssiden av huset bruker mye tid på å se på avkastning og KPIer og ting som virkelig er fokusert på virksomheten, hvor de på teknologien virkelig vil se på hvordan skal jeg få produktene mine til å fungere eller hvordan Skal jeg bringe tjenestene mine på markedet? Og fordi det er veldig forskjellige mål mellom de to forskjellige gruppene, kan du ha en naturlig silo som blir opprettet mellom de to. Og så kan mange ganger siloer deles etter sjargong. Så ordene du bruker på ditt hverdagsspråk kan være veldig forvirrende for en eller annen gruppe, og her legger jeg bare en haug med morsomme små buzzwords som er relevante for enten den ene eller den andre siden av veggen. Og selvfølgelig begynner dette ikke engang å dekke spekteret, men mange ganger kan disse ordene føre til at det opprettes en silo og føre til at to forskjellige grupper mennesker blir delt fordi informasjon går tapt i oversettelsen. Så det er gode siloer for bedriften din, og jeg skal dekke noen få verdier som siloer kan gi en organisasjon.
Så de kan gi en struktur som lar de ansatte utføre arbeidet sitt uten frykt eller distraksjon. Så hvis du har folkene dine som er i siloen din som du trenger å snakke med og ta kontakt med hver dag, kan det gjøre at du kan få jobben din gjort mer effektivt og mer effektivt uten mye forstyrrelser. Det letter også kompetanse på spesifikke områder av virksomheten. Så hvis du fokuserer veldig fint på finans og du snakker med andre som er i finans, og alt du gjør hele dagen snakker om finans, da skaper det en virkelig god silo fordi den gruppen lærer kompetansen i det og de trenger ikke å være ansvarlige for å vite hva som skjer i salg eller hva som skjer i markedsføring eller hva som skjer i driften. Det fremskynder også kommunikasjonen ved å la folk snakke det samme språket. Så å gå tilbake til den sjargongen, mange ganger den sjargongen kan være en veldig god ting fordi det gjør at folk kan være i stand til å kommunisere raskere og mer effektivt. Det holder også ansvar og ansvar i siloen. Så du vet hva du er ansvarlig for i gruppen din og oppgavene du trenger å levere og personen du trenger å rapportere til, og det gjør at du kan ha større ansvarlighet og større ansvar i stedet for - og absolutt siloer har en flip side av det der ansvaret kan bli krøllete. Men innenfor selve siloen kan det skape mer ansvar og ansvar. Og så fremmer det også en følelse av stolthet og eierskap. Så du kan føle deg veldig bra med jobben du utførte på slutten av dagen og oppgavene du må levere, og dette er virkelig gode ting om siloer.
Men det er en sur side av siloer, og siloer skaper ineffektivitet, de senker moralen, de reduserer produktiviteten. Og fordi dette er den mer negative siden av siloer, vil jeg bruke noen forretningsprosessmodeller for å gå gjennom en rekke kulepunkter og forklare hvordan du kan overvinne den sure siden av siloer ved å bruke IDERA Business Architect-produktet for å vise deg noen av disse eksemplene.
Så den første er at det skaper ineffektivitet og overflødige prosesser. Så i dette eksemplet viser jeg at markedsføringsorganisasjonen kan ha et sett med oppgaver og at salgsorganisasjonen har et annet sett med oppgaver. Og i dette tilfellet, hvis du kartlegger dem, vil du oppdage at begge har en oppgave å kvalifisere ledelsen. Og når du innser det, så kan du føre en samtale tverrfunksjonell mellom de to forskjellige gruppene for å kunne finne ut “Er kvalifiseringen min som leder den samme som kvalifiseringen til leder? Tar vi de samme trinnene og den samme oppførselen? Eller betyr det noe annerledes mellom de to forskjellige siloene? ”Og hvis du gjør de samme tingene, kan du begynne å strømlinjeforme det og gi ansvar til de forskjellige gruppene uavhengig og forretningsprosesser kan virkelig hjelpe deg med å kartlegge disse tingene og identifiser hvor du har slike problemer.
Når du er i sammenslåing av selskaper, eller hvis du fusjonerer grupper, kan du slå igjennom sammenslåingsprosessen, og du kan definere prosessen for de forskjellige oppførselene. Og i dette eksemplet har selskap A noen oppførsel, firma B har en viss oppførsel, og sammenslåingsprosessen tar elementene i A og B, finner den beste fremgangsmåten og oppretter deretter en ny prosess som kommer til å fungere veldig effektivt for begge grupper. Så det hjelper deg å bli mer effektive, mer produktive og identifisere bedre praksis for virksomheten din.
I tillegg er en annen sur side av siloer at det kan være hull i kommunikasjonen mellom avdelingene, og det er det vi bare snakket om, hvor samarbeid ikke skjer, men det burde være. Og slik kan forretningsprosesser hjelpe deg med å identifisere slike hull. Så i dette eksempelet har salg en prosess, et nytt produkt blir utgitt og de går ut og de selger det. Men finans kan ha en ekstra prosess der de trenger å gå inn og oppdatere produktprisene når produktet slippes. Hvis salget ikke vet noe om det, kan de fremdeles være der ute og avtale med de gamle produktprisene, og når det kommer til punktet der finans begynner å gjennomgå avtalen og godkjenne avtalen, er det mye konflikt og mye av bakpanel må skje for å gå tilbake til kunden og justere den igjen. Og hvis du har gått og diagrammet prosessen din, vil du ha visst dette på forhånd og kan passe den inn slik at salget vet “Jeg må vente til jeg får disse produktprisoppdateringene før jeg begynner å snakke med de nye kundene om produkt."
I dette eksemplet har BPMN2 et samtalediagram som lar deg være i stand til å snakke mellom en rekke forskjellige avdelinger og identifisere overleveringspunktene mellom dem. Og dette er veldig nyttig for å redusere oppsigelser og også gi større ansvarlighet og ansvar mellom avdelingene. Så du kan si: “OK, så salgsledelse og salg må jobbe sammen for å godkjenne avtalen.” Og de kan begge jobbe med sine overleveringsstykker og hva det er avhengig av. Men finansavdelingen trenger ikke nødvendigvis å være involvert i den godkjenningen, og de vet at basert på dette diagrammet er det lagt ut som sier at her er hvem som er ansvarlig i de forskjellige avdelingene som trenger å samarbeide for å oppnå det.
I tillegg kan useriøse prosesser komme inn som ikke kommer selskapet til gode. Så når du går gjennom forretningsprosessene dine, kan du identifisere at noen gjør noe du liker, “Jeg forstår ikke helt hvordan det er effektivt eller hvordan det oppfyller målet.” Så jeg vil gi deg noen eksempler på det. Så i dette tilfellet kan det hende at produktet går igjennom, og de gjør en ny utgivelse. De går, de leverer kravene, utviklingsteamet begynner å jobbe med disse kravene, men etter at produktgruppen begynner å snakke med kundene så kommer vi tilbake og bestemmer oss for å revidere dem. Og dette vil være veldig, veldig forstyrrende for utviklingsteamet å måtte gå tilbake og revidere kravene etter at de allerede er i gang med å bygge disse varene. For produkt kan de kanskje ikke engang tenke på noe sånt. De er akkurat som, "Å, jeg har fått nye innspill, og nå trenger jeg disse tingene." Og hvis de ikke snakker med utviklingsteamet, vil de ikke virkelig forstå hvor mye innvirkning det kan gi senere omfang eller levering av produktet. Så å diagramme ut denne typen brikker kan hjelpe siloen til å bryte sammen og gi deg muligheten til å forstå hvilke elementer som er nyttige for prosessen din og hva som er skadelige prosesser.
Det kan også være en duplisering av eiendeler og ressurser, og dette er en stor ting når selskaper prøver å effektivisere. Så i dette tilfellet har jeg laget et slags grupperingsskjema der jeg har identifisert en rekke forskjellige applikasjoner og rapporter som må produseres og de forskjellige aktørene som er tilknyttet. Og når du begynner å legge ut alle disse tingene, har jeg i dette eksemplet gitt en duplisering av redigeringsverktøyene og verktøyene for sporingssporing og hvem som bruker dem. Og slik kan du begynne å finne ut av det, fordi mange ganger de uavhengige siloene vil ta disse beslutningene for teamet sitt, og de ikke nødvendigvis tenker på det faktum at det bredere teamet som helhet også kan bruke den lisensavtalen og gjøre det billigere og mer kostnadseffektive for alle verktøyene som brukes i organisasjonen. I tillegg kan forretningsprosessdiagrammer være svært nyttige for å identifisere hvem som er ansvarlig for hvilken informasjon og når. Og så i dette tilfellet har jeg datatilitsatte som har sagt: "OK, dette er menneskene som er ansvarlige for alle disse dataene, og her er tabellene de har ansvar for å håndtere." Og ikke gi denne informasjonen til andre mennesker, dette er veldig viktig i området der det er sensitiv informasjon som medisinske journaler eller økonomiske data eller elementer som det som trenger å være tilbaketrukket til bare et par mennesker. Så du kan hjelpe deg med å identifisere dette, som deretter lar folk fra andre organisasjoner ikke ha tilgang til den informasjonen og sikre den ned og vite hvor informasjonen din går.
Siden vi snakker litt om data, kan siloer også skape dårlig datakvalitet og datakonsekvens. Så i dette tilfellet har jeg brukt en forretningsprosess for å hjelpe datateamet til å forstå når er en kunde en ny kunde, eller når oppdaterer du kunden. Så du kan gå gjennom og diagramme ut disse beslutningspunktene, og forretningssiden som forstår forretningsreglene, kan lett snakke med den tekniske siden som må implementere disse reglene og vet når viss atferd må finne sted. I dette eksemplet snakker det om å bestemme dupliseringer av data. Så hvis du har en privatkunde og har en internettkunde og selger produkter, kan det hende du har helt andre systemer som prøver å samle den samme informasjonen. Og hvis du prøver å deduplisere informasjonen din og identifisere hvem kundene dine virkelig er, kan forretningsprosessdiagrammer virkelig hjelpe deg med å spikke det ned og si: “Vel, i dette tilfellet har vi begge å gjøre med en ordre og i dette tilfellet vi har begge å gjøre med økonomi, ”og kunne kartlegge denne informasjonen slik at den er mye tydeligere, slik at du ikke har slike duplikater i dataene dine, og du kan redusere oppsigelsene og redusere manglene og få opp kvaliteten på dataene dine.
Så ytterligere fordeler ved å ha gode forretningsprosesser er at ansatte kan identifisere problemer i begynnelsen når det er lettere å implementere endringene. Dette gjelder spesielt for komplekse dataprosesser, hvis du kan gjøre analysen på forhåndsdesign og få alle teamene som er involvert i samtalen, vil prosessene flyte ut mye jevnere og folk vil kunne reagere bedre i begynnelsen kontra hvis du allerede er i gang. Nyansatte blir ombord raskere ombord fordi de kan gå, og de kan gå gjennom disse forretningsprosessene og forstå oppgavene de trenger å utføre og hvor overleveringspunktene er og hvem de trenger å snakke med for forskjellige ting. Og beslutninger kan tas i sanntid på tvers av funksjonelle team. Hvis dere begge tegner disse forretningsprosessdiagrammene sammen, kan du finne disse punktene der det er en ulempe i prosessen og kunne diskutere det og finne ut hva som er den beste prosessen for dere to og hvor er den beste overleveringen poeng og hvem som er de beste menneskene til å utføre hver av de forskjellige oppgavene som må utføres.
Så noen tips for å bryte ned siloene for bedriftssuksess og være i stand til å oppnå dine mål: Det første er å fokusere forretningsprosessene dine på kundene dine, produktene dine eller tjenestene dine - ikke de enkelte avdelingene. Så mange ganger vil folk, innen sine avdelinger, komme med sin individuelle sjekkliste. Men hvis du i stedet ser på virksomheten som en helhet og målene som virksomheten prøver å oppnå, kan du begynne å se hvor ting faller ut og si: “Hjelper disse prosessene meg til å nå målet mitt? Eller er det ekstra prosesser, eller er det hindringer i prosessen og oppnå målet? ”Du bør bruke mer tid på å diskutere stedene der prosessene henger sammen. Så som i det samtalediagrammet der du har mange overleveringspoeng, må du bruke mye mer tid på å snakke om det og sørge for at informasjonen flyter riktig over de forskjellige siloene.
Du kan forene dine ansatte ved å vise i prosessen, hva de er ansvarlige for og hvordan det samhandler med selskapet som helhet. Og det gir folk mye mer en følelse av formål mot å møte, mot målet. Du kan også samarbeide med ansatte slik at de har innspill til prosessen som påvirker deres rolle og jobb, fordi hvis beslutningene blir tatt på toppen når prosjekteringen utformes, vil de personene som utfører arbeidet, se trinn som blir savnet og stykker som mangler og som kan diskutere de som er ute. Og hvis du samarbeider med alle dine ansatte når du tegner ut disse prosessene, begynner du å finne ut disse utleggerne og om det er faktiske ting som bør være i prosessen eller ikke. Og så er et annet tips for å bryte ned siloene å oppdatere prosessene dine jevnlig for å gjenspeile de endrede behovene og målene i organisasjonen fordi målene og prosessene er veldig flytende og du kanskje finner bedre praksis. Du kan finne nye måter du vil gjøre ting på, og slik at du kan oppdatere denne informasjonen regelmessig kan virkelig hjelpe organisasjonen. Og å gå tilbake til tegnebrettet med de tverrfunksjonelle teamene, kan virkelig bidra til å bryte ned siloene og åpne kommunikasjonen mellom teamet ditt. Så det er lysbildene som jeg hadde laget.
Eric Kavanagh: OK. La meg overlevere den ukuelige Mark Madsen. Du har nå gulvet, ta det bort. Og folkens, ikke vær sjener, still spørsmålene dine. Vi har eksperter på linjen her. Mark, det er alt du.
Mark Madsen: OK, takk Eric. Så det du hørte akkurat nå, handlet om prosess og prosessmodellering og hvordan det gjelder. Og så fra mitt perspektiv, og kommer fra den analytiske siden av huset, har jeg brukt forretningsprosesser mye som måter å forklare og forstå. Når du tenker på analyser, og spesielt nå når vi snakker om maskinlæring og andre ting i tillegg til BI, blir det fremdeles sett på et bredt marked, som jeg anser som feil. Det vil si at du sender ut analytikere som gullgruvearbeidere, og de skynder seg ut i dataene, og de pirker rundt og de finner noen gullklumper og bringer disse verdifulle tingene tilbake til organisasjonen, og så lever alle lykkelig noensinne. Eller i det minste gjør analytikeren fordi de har en sekssifers lønn fordi det er det data forskere alle lager, i teorien.
Men virkeligheten er mye annerledes. Realiteten er at den tar infrastruktur og den tar arbeid og den tar mål og en retning og forståelse av virksomheten. Og de tingene, det kreves at de virkelig forstår hvordan man nærmer seg problemer, hvordan man modellerer for problemer og hvordan man løser disse problemene. Og så denne ideen om at du kan kaste litt data og litt teknologi og noen smarte mennesker på et problem uten å forstå konteksten, spesielt prosesskonteksten som vi skal bruke dem i, er i stor grad en myte på samme måte som de fleste of the Gold Rush var en myte, og faktisk gikk de fleste av disse hjem konkurs.
Det er også et annet aspekt av denne applikasjonen av analytics til virksomheten, er denne ideen at det hele er data under glass, ikke sant? At analytikere eller algoritmer på en eller annen måte vil overflate data og vil kaste det på en skjerm foran noen. Men problemet er at vi har så mye data, og du kan gjøre så mange forskjellige ting med analyser at det er lett å overvelde mennesker. Og så har du et sekundært problem nå, som er “Jeg har så mye data, og jeg har så mange ting, hvilke legger jeg merke til? Og hvordan og hvorfor skal jeg ta hensyn til disse tingene? ”Og det er virkelig kjernen i mange problemer i miljøer til det punktet at vi faller tilbake på at vi krever at eksperter skal sammenstille hvilken informasjon som blir vist til hvem og så langt Fra å ha tilgang til data for selvbetjening og oversikt over selvbetjening, stoler du på forskjellige eksperter for å hjelpe deg med å finne ut hva som går an i de forbaskede tingene.
Og hvis vi snakker om hvor fremtiden går med, spesielt mye av den mer avanserte analysen, men maskinlæringen nærmer seg, AI i virksomheten, alt dette, vel, det er mye hype rundt det. Det er mye virkelighet, og en stor del av det er innebygd. Faktisk kom den moderne renessansen i denne gjennom å legge den inn i prosess. Så å ta prosesser som var automatiserte eller automatiserte, for eksempel den grunnleggende ideen om anbefalingsmotorer i detaljhandel på e-handelsnettsteder eller på nyhetssider eller på musikknettsteder er en enkel applikasjon eller algoritme for en oppgave som tidligere var en menneskelig orientert oppgave. . Hva tror du folk kommer til å like med spørsmålet og vareplanleggeren eller personen som finner ut hva et kryssalg skal være, eller et oppsalg skal være basert på tidligere data, de vil overflate det og deretter slå det inn i et system og deretter enten markedsføring eller merchandising eller noen online applikasjon vil håndtere det. Og så ble den innebygd. Når du gjør ting, ser maskinen på hva du gjør og foredler og presenterer stadig nytt, og det er en innebygd analyse. Den sitter der inne i en prosess. Og hvis du virkelig vil vite hvor mye av fremtiden for dette arbeidet går, er det der. Det hjelper ikke så mye ved å gjøre mer sofistikerte analyser. Det er ved å oppnå effektivitet over et mye bredere stykke av virksomheten.
Og så når du ser på ting som business intelligence, som er hvor mye av data- og analysemarkedet kom fra, var det statistikere før BI virkelig gjorde det mulig for mange mennesker å gjøre mange ting uten statistikk, uten noe annet, av med fokus på data. Problemet var at ved å fokusere rent på dataene, utelot det mye av konteksten. Og det du ender med å mangle er hvordan alle disse dataene, og hvordan alle disse beregningene forholder seg. Hvis du tenker på hva som skjer på et dashbord, har du noen søylediagrammer, kanskje en graf, en tabell med tall. Du vil se en mengde beregninger verken hver for seg eller samlet, og du ser ikke virkelig hvordan de forholder seg. Så tenk at du er noen ny på noe, og du går inn, du kan se på et dashbord og du vil ikke lage hoder eller haler ut av noen av tallene fordi tallene i seg selv ikke forteller deg noe fordi de ikke ha kontekst. Så det kan vise et nummer i rødt, men bare å endre dette andre tallet ved å trekke en annen spak kan gjøre dette bedre eller verre. Hvordan forholder disse ting seg? Det er konteksten som går tapt i forretningsinformasjon og datavarehus og dashborddesign fordi du modellerer data, ikke behandler. Og det er det grunnleggende aspektet at du bygger repeterbarhet rundt data, og du gjør det ved å presse ut mesteparten av prosessen, med fokus på beregningene som blir generert fra rå data.
Så denne skjermen viser oss hva som egentlig er et dashbord om laboratorietesting. Det er en applikasjon som heter Altosoft som gjør BI på denne måten. Og det du ser på er at du ser prosessen og dataene ikke skilles ut, men settes sammen igjen. Som at separasjonen var kunstig og det ble gjort fordi vi abstraherte data, dyttet dem inn i databaser og bygde grensesnitt oppå dem. Så du har vanligvis to beregninger; du har ting som antall bestilte tester, som er den første boksen i denne flyten, og den siste boksen vil være antall tester som er fullført og arkivert. Og slik at du har disse to beregningene; du la dem på et dashbord, og du vil kanskje legge merke til at den ene henger betydelig etter den andre. Eller kanskje har du en tredje beregning som blir behandlet på nytt.
Så hvis du gjør laboratorietester på et sykehus, er det mange tester. Mange av dem haster fordi de kommer foran operasjoner, eller de kommer ut av kritiske pleienheter eller andre ting. Så du har prosesser på plass der leger bestiller dem, de går inn på et laboratorium, laboratoriet har en prosess for å merke at de er mottatt, de er planlagt, de kommer til å bli ferdige, de kommer til å løpe gjennom utstyret. Noen ganger hvis de sitter for lenge, fordi laboratoriet er sikkerhetskopiert, alt utstyret er opptatt, må de bearbeides på nytt. Noen ganger er resultatene ikke gyldige. Noen ganger kan ting som blodprøver, de kan ikke sitte i mer enn 30 minutter, eller det er sammenbrudd i prøvene, og da må du dra og ta blod en gang til, noe som du virkelig ikke vil gjøre med folk . Så det betyr at det faktisk er prioriteringer på noen av laboratorietestene fremfor andre basert på deres forgjengelighet. Så du har andre ting som skjer inne i laboratoriet, og du vil unngå de opparbeidingsproblemene hvis det er mulig. Men du kan ikke se strømmen av tester gjennom forskjellige ting fordi BI i seg selv bare handler om flyt i den samlede metriske forstand. Og slik at dette grensesnittet viser deg dataene som er knyttet til prosessen, slik at du kan se hvor mange som kommer inn, hvor mange som ble mottatt, hvor mange som skjer på en gang. Jeg antar at det ikke er en live-demo, slik at du ikke kan se drill ned i detaljene i prosessen og beregningene som foregår inne, hva som skjer med batching eller opparbeidelse. Men det er dette som gir deg et mye bedre syn, og slik at en person som i det minste forstår et laboratorium kan se på dette og se hva som skjer, i motsetning til en haug grafer og beregninger på en enkelt skjerm. Og slik at prosess hjelper mye på grensesnittdesignsiden, skjuler den ikke konteksten.
Prosess kommer også på andre områder. Virkelig, når du snakker om BI og datavarehus, før vi kommer inn på mer avansert analyse, snakker du om å gjøre en av to ting: Du snakker enten om å analysere hva som skjer i en prosess og deretter handle på det, eller du analyserer prosessen og deretter endrer den. Så den vanlige organisatoriske bruken av informasjon er å overvåke situasjoner - det er hva dashbordene dine gjør og topp 10 og bunn 20 rapporter. De er alle enkle overvåkningsverktøy som lar folk se hva de trenger å se og se etter avvik. Det kan være trafikkbelysning på dashbordet, det kan være den nederste 20-rapporten, som egentlig er en avviksrapport som viser dårligst resultater. Og så analyserer du disse tingene slik at du ser på andre data, du ser på andre ting. Kanskje du går nærmere inn på analysen og så ser på årsakene. Du har kanskje allerede en magefølelse for dette og hopper rett til handling. Ofte med en enklere og mer forstått prosesser er det nøyaktig hva som skjer. Du ser et problem, du vet hva som skjer, du tar en beslutning og tar en handling. Vanligvis er det innenfor den prosessløkken på bunnen, du har SAP, den har disse tingene, du ser den er på lager i butikken, slik at du øker innkjøpsordren for neste runde med påfyll og du er ferdig.
Det er ikke noe spesielt som skjedde, men andre ganger har du ikke sett et problem før, så du må analysere årsakene slik at du virkelig må grave deg inn i hva som skjer. Vanligvis på det punktet hvor du begynner å måtte analysere årsaken, må du forstå prosessen fordi dette er et problem du ikke har sett før, så det er utenfor grensene for den normale prosessen, det daglige som er innebygd i våre OLTP-systemer, og nå har du noe som krever litt kritisk tenkning. Det krever mer kontekst fordi du har et sett med problemer og et sett med mulige årsaker som du må luke ut. Du må resonnere deg om dette, analysere og samle ny informasjon og deretter endre prosessen. Dette skjer fordi vi gjorde noe. Kanskje synkroniserte vi ikke markedsføringskampanjene våre med påfyllingsprosessene, så vi er tom for lager. Forhåpentligvis skjer det ikke i detaljhandelen, men mange forhandlere pleide å ha disse problemene da vi først innførte BI og datavarehus.
Nå involverer ofte årsaksanalysen statistikk og annen vanskeligere analyse enn å øye med noen få tall, men så kommer du inn i den andre delen, som er at du endrer en prosess. Gjør du endringer på rett sted? Forstår du hvor du skal gjøre prosessendringene? Bærer dataene din intuisjon eller analysen din om hva som kommer til å skje etter den endringen? Hvilke andre prosesser blir berørt? Hvilke andre tall i dashbordene du legger merke til, vil bli påvirket av dette? Og du kommer sannsynligvis til å samle inn nye data som du vil mate inn i overvåkingssyklusen. Så prosess er faktisk iboende i forståelse på et større nivå når du tar handlinger og gjør ting. Og BI-verden antar ofte lineær årsakssammenheng. Faktisk er de fleste ledelsesskoler virkelig dårlige til å lære folk hvordan man bygger resultatstyring og resultatmålinger rundt virksomheten fordi de antar linjevisninger. Og rettlinjede synspunkter blir igjen forsterket av enkel BI-rapportering og enkel metrisk type rapportering som du trekker frem fordi den ikke forstår prosessen med hvordan ting påvirker andre ting.
Så du kan bruke prosessmodeller ikke bare som forretningsprosessmodeller, men du kan også bruke systemdynamikk. Du kan bruke prosessmodeller og bruke dem på samme måte for å forstå hvordan beregninger forholder seg til hverandre. Så i en rett linje-visning som dette diagrammet - unnskyld, glemte jeg å sette referansen til papiret dette var fra, det er et gammelt fra 80-tallet, det handler bare om systemdynamikk og hvordan ting antas å være og hvordan de er virkelig. Så lønnsomhet antar alltid at hvis vi gjør kvalitet bedre enn lønnsomhet, vil vi på en eller annen måte bli bedre. Eller kanskje vil det bli verre, for å gjøre kvaliteten bedre må du bruke mer penger og det reduserer lønnsomheten. Så det kan være negativt på den pilen. Eller hvordan ledelse eller hvordan justering av forskjellige siloer i organisasjonen eller prosessen fører til bedre lønnsomhet eller senker kostnadene. Det er alltid faktorer, og ideen er at hvilken som helst av disse beregningene til venstre vil påvirke den metrikken til høyre, og det hele er lineært.
Diagrammet på høyre side viser et mye bedre eksempel. Det viser hva som virkelig skjer her, og hva som virkelig skjer, er at du kan endre produktkvaliteten, men det er en tilbakemeldingssløyfe mellom for eksempel produktkvalitet og kostnadsstruktur som øker kostnadsstrukturen som senker lønnsomheten, selv om den samtidig senker også kostnadene ved garantireparasjoner. Og derfor blir matematikken bak dette litt uklar fordi du kan fikse noe ved å senke kostnadene, men du reduserer produktkvaliteten som reduserer tilfredsheten som reduserer salget og det øker garantikostnadene.
Eller du kan gjøre det omvendte. Og så må du modellere mer nøye hva som kommer til å skje når du endrer noen av disse tingene. Og slik at beregningene dine om ting til venstre i seg selv kommer til å påvirke hverandre og hvordan du endrer disse tingene, spakene du drar i virksomheten eller dine tilpasninger til forretningsprosess eller praksis, kommer til å påvirke disse. Og prosessen inntar en sentral rolle der vi i veldig lang tid bygde veldig enkle ting.
Og så er det neste å se på hvordan prosesser selv samhandler. Hvis du tar det tidligere diagrammet jeg hadde, og du, for eksempel, endre noe, må du virkelig se på hvordan prosesser samhandler fordi en endring her fører til noe der borte, og så dette diagrammet fra den tidligere presentasjonen om hvordan endringer i markedsføring og endringer til data i markedsføring som forsinker, hva som skjer i salg er handlinger som henger, noe som betyr at handlingen din kan komme for tidlig eller for sent til å gjøre noe som helst, og det lønner seg derfor å forstå hvordan virkningene i en prosess manifesterer seg i en annen prosess fordi alt er alltid umiddelbar gjennom prosess.
Og det du har da er bare mye kompleksitet i virksomheten, og veldig ofte fanget vi ikke det. Vi fanget ikke det når vi jobbet med statistikkprosjekter, på maskinlæringsprosjekter, på BI-prosjekter, og så nå snakker du om å injisere, si, maskinlæring i en leadscoringsprosess for markedsføring og salg der det hjelper deg å kvalifisere potensielle kunder, som påvirker disse to gule boksene her. Vel, den ledende scoringsprosessen som skjer et sted kommer til å påvirke begge disse. Og det vil føre til en rekalibrering eller en endring i disse to prosessene. Hvis du gikk inn på dette med ideen om at denne leadscoring-saken er et markedsføringsproblem og vi kommer til å ansette en dataforsker, og de skulle bygge denne leadscoring-algoritmen for oss, den kommer til å gjøre disse tingene, den kommer til å bedre kvalifisere potensielle kunder og prioritere ting. Hvordan påvirker det salget? Brukes det på rett sted? Kanskje du må se hva som skjer på tvers av disse prosessene fordi de begge må endre seg. Det er ikke et markedsføringsprosjekt. Og det som er poenget med mye analyse er at faktisk er konteksten og virkningene mye lysere og omfanget øker, det blir større og mye hårere.
Og du kan se på problemer på mange forskjellige nivåer. Så først ser du på det i sammenheng med et markedsføringsproblem, og så sier du: “Åh, dette påvirker faktisk markedsføring og salg. Men dette prosjektet i seg selv har IT-konsekvenser, så det er en IT-vinkel til dette som innebærer at vi må gjøre andre ting og forresten dette vil endre SAP, noe som betyr at vi fikk denne andre prosesspåvirkningen. ”Og så grensene av kompleksitet vil variere, og også nivået på analysen fordi prosessen ikke bare er "Se på denne prosessen" eller "Se på hvordan de to prosessene samhandler." Hvis du er utøvende og gjør mye høyere ordens taktiske eller strategiske beslutninger, må du se enda større bilder. Så dette er et verdikjedediagram, det er en av favorittene mine, men det er for osteprosessen fra gård til detaljhandel. Så du vet at helt til venstre ser du gårder og på høyresiden ser du forhandlere og i mellom har du transporten som flytter fysiske varer, i utgangspunktet melk og smør, flytter meieriprodukter til forskjellige fabrikker som flytter til prosessanlegg som flytter til distributører og etterbehandlings- og emballasjeanlegg og alle disse forskjellige tingene. Og det er egentlig en forsyningskjede som går fra produksjon til forbruk.
Og det du ser i rødt og grønt oppover ovenfor er faktisk datasiden av prosessinteraksjonene mellom selskaper, fordi dette er en verdikjede ikke for ett selskap, men for en bransje, selv om dette faktisk var for et selskap. Du vil sette deg inn i noe slikt og kartlegge dette, og det er mye forskjellig verdikjede og verdisystem, verdikartlegging av ting som går tilbake til Porter i, tror jeg, slutten av syttitallet / begynnelsen av åttitallet. Men ideen er at det er prosess her, og de røde tingene er all informasjonsflyten fra ett selskap eller ett sett med operasjoner i forsyningskjeden til et annet. Og det innebærer at en prosess i en organisasjon samhandler med en annen prosess i en annen organisasjon. Så prosessflyt og dataflyt, begge er viktige og begge bør være synlige når det gjelder å dokumentere hva som skjer og forstå hva som skjer og resonnere rundt det, for da kan du komme med og si: “Vel, hva om jeg brukte AI til prosessen min her borte og jeg endret hvordan jeg gjorde denne bedervelige forvaltningen for å redusere det faktum at i transitt eller i venteområder og distribusjonsanlegg, har jeg produkter som går dårlig., men leverandører oppstrøms og nedstrøms. Det påvirker prosessene mine, og den har informasjonsstrømmer som kommer til å bli påvirket, og prosessen hjelper deg med å tenke på hvordan det skal fungere og hvem du kommer til å påvirke og hvem du trenger å takle. Og det gjelder ikke virkelig for en analytiker eller en BI-person eller en dataforsker, men det gjelder også lederne som må bruke dette.
Som et mer konkret eksempel, vil jeg bare kaste inn en veldig grei ting her på markedsføring fordi jeg tror mange mennesker har et ganske intuitivt grep om det grunnleggende om markedsføring på nettet. Jeg tror alle på et eller annet tidspunkt antagelig har sett det obligatoriske traktdiagrammet der det er et publikum av mennesker der ute. Markedsføring handler ikke bare om reklame. Det handler om mange ting, men helt i begynnelsen av det, får det ordet ut. Gjør folk oppmerksom på produktene eller tjenestene dine. Annonser til publikum for å generere potensielle kunder, og slik reduserer publikum slags utsikter, folk som kan være interessert i produktet ditt. Og når produktspesifikasjoner er kvalifiserte nok, blir de muligheter. De blir salgsmuligheter. Så hver eneste en av dere på denne webcasten er en potensiell markedsføringsmulighet for folk som betaler for denne webcasten, fordi de faktisk prøver å finne folk som er kvalifiserte kundeemner. Så de håper at disse salgsmulighetene blir til potensielle kunder - faktiske mennesker som er interessert i produktet eller tjenesten som vil ha denne tingen, som vil ha det, og selvfølgelig hvis du kjøper noe eller gir eller gjør hva det er som du gjør - dette gjelder like fullt for ikke-fortjeneste å skaffe penger. Jeg kan bli kunde, giver. Og da, du vet, forhåpentligvis, håpet om håp om markedsføring er at du blir talsmenn, ikke sant? Så det er alltid ting som promoter-score-beregninger som du kan bygge om muntlig markedsføring og hvordan glade kunder lar munnhull fortelle andre mennesker om det, som når ut til publikum ikke gjennom formelle markedsføringskanaler og skaper mer utsikter, muligheter, føre kunder og så går syklusen.
Så det er en grunnleggende trakt, alle ser at hvis du gjør noen slags nettanalysearbeid, vet du ting som konverteringsdiagrammer, ikke sant? Dette er en klassisk BI-ting, du ser en konverteringsfrekvens som ganske enkelt er overgang fra en fase til den neste her. Så det store massepublikummet som du ikke egentlig kjenner, fordi du bare tepper annonserte potensielle kunder, forhåpentligvis folk du kanskje kjenner, kanskje vet noe om to muligheter som blir identifisert, potensielle personer, selskaper som du vet om som deretter krysser en annen grense. Og slik at du har forskjellige kampanjer. Få folk til å klikke på bannerannonsene og få folk til å delta på denne webcasten. Få folk til å gjøre noe, og hver og en av dem har konverteringsfrekvensen - så antallet mennesker du når ut til og antall mennesker som faktisk tar handlingen du ønsker. Så mange konverteringsfrekvenser som vanligvis er på nettet, vil balansere mellom for eksempel en og fem prosent avhengig av bransje og hva slags ting du gjør. Så du vil ha en haug med beregninger.
I dette tilfellet viser jeg den typiske typen analytiske ting, hvor sider besøkte de eller hva som var avvisningsfrekvensen. Men det er en entall beregning, og folk ser på disse og måler ting ut fra dem, men de er virkelig ikke så veldig nyttige. Det som skjer er at en til fem prosent - og med tanke på mye annonsering på nettet - bare er én til to prosent hvis du er heldig. Dette er den virkelige konteksten, ikke sant? Det er alle andre som ikke konverterte på det tidspunktet for den tingen og den lille bittesmå linjen i bunnen som gir deg et mye mer realistisk bilde enn dette diagrammet gjør. Men, hva jeg viste deg før med det traktdiagrammet burde se ut som dette, ikke sant? Balansesatsen, som vil være menneskene som dukker opp på salgsnettsteder eller på mobilnettsteder og legger igjen med en gang, ikke sant? De var egentlig ikke interessert. Så er det folk som stakk litt rundt og så er det folk som stakk rundt litt mer, kanskje klikket, kanskje registrert, kanskje gjorde noe. Dette er faktisk fra detaljhandel analyse; Jeg gjorde der du har handlekurvenes priser, så den forlatte satsen, fylte ut et skjema og dro, begynte å donere penger og dro, begynte å signere en underskriftskampanje og dro, la noe i en handlekurv og dro. Du burde virkelig tegne alle disse tingene, men du vet hva du ser her, du ser en beregning for hver av disse tingene. Og hver av disse beregningene, hvis jeg går tilbake til trakten, er overgangen fra et punkt til et annet.
Dette er faktisk prosessjusterte beregninger. Og hvis du selvfølgelig ønsker å gjøre ting litt mer komplisert, vil du oppdage at det faktisk er mange kanaler, ikke sant? Fordi markedsføring er veldig kompleks form for kommunikasjonskanaler. Det er de gamle tingene, radioen, TV-en, trykket og trykket er ikke bare magasiner og aviser, det er rundskriv du får i postkassen, det er de små irriterende kortene som går inn i magasiner eller at de stikker inn i posten din. Det er kort og flygeblad og sånt som de gir deg på gaten. Og så er det selvfølgelig mobilkanal som egentlig er en annen online kanal, men den er subtilt annerledes. Spill er faktisk en markedsføringskanal. Filmer, media er faktisk markedsføringskanaler. Når du ser et merkenavn inne i en filmscene, blir det betalt noen for det. Og så har jeg nettopp brutt ned nettet her, du har nettstedet ditt, e-postmarkedsføring som fortsatt er veldig populære, interaktive stemmesvarssystemer - de irriterende touchtone-systemene når du ringer kundestøtte og ikke kan komme gjennom. Mange forskjellige sosiale nettverk.
Så hver og en av disse på sin side bryter ned til mange andre ting som de sosiale tingene. Du har Facebook og Twitter og Instagram og 100 andre ting. Og slik at hver og en av disse har sin egen markedsføringsprosess, sin egen måte å velge hvordan du skal engasjere deg, hvordan du skal bruke, hva du bruker, hva du skal gjøre, hvordan du skal gjøre det og hvordan du skal måle. Hver og en har en prosess. Så Facebook-markedsføring er forskjellig fra Twitter-markedsføring er forskjellig fra at Instagram-markedsføring er forskjellig fra markedsføring. Noe som betyr at hver og en av de vil ha lignende - antagelig like, men litt forskjellige - ting og kanskje forskjellige mennesker som har å gjøre med dem. Så hver og en har en prosess. Så mengden prosesser under disse beregningene er faktisk veldig dyp, og de påvirker hverandre. Ved å gjøre en ting påvirker du andre ting og at samhandling er veldig nyttig og hyggelig å se i prosessdiagrammer.
De andre i selve traktkonseptet er for smale fordi det vanligvis hugger av på det tidspunktet når folk blir kunder. Vanligvis er det når markedsføring sier “Jobben vår slutter.” Svært få mennesker er klar over at markedsføringens virkelige jobb er å generere kunder for salg. Og det skal måles hele veien gjennom sluttpunktet. Og når kunden er overtatt, er den andre delen av markedsføring som folk utenfor markedsføring vanligvis ikke vet om, at det ikke bare er anskaffelse, men det er styringen av en kundes livssyklus. Men det er vanligvis en annen silo. Som Kim snakket om tidligere, har vi siloer og kundebehandling og garantisupport, og alle disse andre tingene kjøres vanligvis i forskjellige avdelinger eller forskjellige avdelinger innen markedsføring i sine egne siloer. Men du må se på tvers av dem. Du må se prosessen som mater ting inn, gjennom og ut. Og det hete emnet fra - si vel for fem til ti år siden, men det er fortsatt i dag - handler om kunde 360 og brukeropplevelse og kundeopplevelsesadministrasjon. Vel, kunder opplever organisasjonen gjennom mange berøringspunkter fra anskaffelse gjennom support, og slik at du kan ha gode opplevelser på markedsføringssiden og salgssiden og ha forferdelig service og aldri komme tilbake. Eller du kan ha en forferdelig salgsopplevelse, ikke kjøp produktet, men bestem at det er slutten på det uansett hvor god tjenesten er. Og slik utvider det synet på prosess i den konteksten du ser på beregninger.
Og å forstå prosess på tvers av horisontale, på tvers av avdelinger, på tvers av forretningssyn er en viktig ting ikke bare der inne. Og en av utfordringene, selvfølgelig som BI eller data warehousing eller data science utøvere, er at dataene er samlet opp på grunn av disse siloene. Automatiseringssystemene for markedsføring håndterer frontend; det er online markedsføringssystemer; Salgsautomatiseringssystemer håndterer de midterste delene når de har oversatt til tarmen til SAP eller Oracle OLTP-systemer. Så er det forskjellige ting, og selvfølgelig blir call center biz ofte løsrevet fra noen av disse andre brikkene, og da må du sy det hele sammen, og prosessdiagrammer hjelper deg å forstå hvordan alle systemene forholder seg til hverandre, noe som også hjelper du som BI-data eller praktikere for boligdatavitenskap finner ut hvilke data som går hvor og hvordan og hvorfor. Så jeg personlig bruker prosessdiagrammer mange forskjellige steder inne i disse analyseprosjektene fordi de hjelper deg å kartlegge og forstå datakrav så vel som å gjøre jobben. Som vi så tidligere, er det steder hvor prosessmodeller gjør bruk av data synlig. De benytter seg av salgs- og markedsføringsdata og hvem som eier hvilke data og hvor disse dataene er synlige og hvor de overlappende er. De hjelper deg også med å forstå på grunn av hvor folk og avdelinger befinner seg i prosessdiagrammene, hvem som gjør hva som fungerer og derfor hvem som er den faktiske prosesseieren av disse dataene. Så du kan se hvem som eier økonomiske data, hvem som eier helsedataene, hvem som er ansvarlig for disse tingene. Og noen ganger er det nyttig når du ser beregninger og det er et gap mellom to prosesser, og det er en dataoverføring mellom disse to prosessene, og det er en person på hver side av det som sannsynligvis er ansvarlig for enten oppstrøms eller nedstrømsdata og du trenger å finne dem. Eller du kan gå til prosesskartene og se disse tingene.
Så prosessmodell kan bidra til å synliggjøre dette, og slik at du kan utnytte disse tingene i prosjektene dine. Og du vet, når vi ser fremover, mye av det jeg snakket om i begynnelsen rundt BI og analyse og til og med noen av dataene, aspektene ved ting på et overfladisk nivå, de handler om å analysere grunnleggende prosess og metrikk . Men den andre tingen du kan gjøre, bortsett fra å integrere analyser i prosesser eller analysere prosesser og endre dem, er byggesimuleringer. Den gamle måten å bygge simulatorer på, slik vi pleide å gjøre det for lenge siden, var at du fikk smarte, matte-y-folk, de bygde modeller som ville simulere systemet, vanligvis ved å forstå prosessene i det systemet. Men det er en annen måte å gjøre det på, som er å ta noe av den forståelsen og deretter mate data inn i den. Du bygde en simulator, den sier at den fungerer på denne måten, du har alle disse dataene. Du skal kunne kartlegge disse dataene i den simuleringen og se om simuleringen din er dritt eller om den er god. Og slik at du kan begynne å bygge simuleringer av prosess eller samhandlingsprosess, som er en veldig vanskelig ting å gjøre.
Ved å analysere og mate data i slags svarte bokser - det er simuleringsmodeller med svart boks og hvitboks du kan konstruere og slik at du kan validere simuleringer - kan du bruke dataene til å konstruere simuleringer; du kan gjøre mer interessante ting, og det er virkelig en stor del av hvor fremtiden går. Det og noe som har eksistert i et godt tiår eller så, som er selve beslutningsautomatiseringen - som er å ta de helt rutinemessige tingene folk gjør som rote, som du bare bruker tid, vet du, trykker på knappene for - og begynner å gjør beslutningsautomatisering, og noen skoler kaller det "kompleks hendelsesbehandling." Men du vet at det er en annen vinkel for å injisere beslutningsprosesser og analyser av elementer i prosessen, noe som betyr at du må diagramme prosessene for å se hvordan og hvor denne praksisen kan brukes. .
Og så til slutt har vi nesten aldri snudd prosessmodellering på det vi gjør, som er å ta beslutninger ved hjelp av informasjon. Og det er et av områdene som beslutningsautomatisering og CEP faktisk gjør litt av. Men jeg har gjort det litt selv når det gjelder forskning rundt beslutningsprosesser og det er, hva er prosessen et menneske går gjennom for å ta beslutninger om en bestemt ting? Så det kan være merchandising, det kan være markedsføring, det kan være noe innen logistikk, men det er et menneske som tar beslutninger, og hvis du modellerer beslutningene og at de tar, har du en bedre forståelse av dataene og beregningene som trengs for dem. Og slik kan du bruke den beslutningsprosessmodellen som en faktisk mekanisme for å konstruere bedre dashbord for å finne ut hvilke analytiske funksjoner som kan brukes i bruk for å gjøre det eller for å gjøre det mulig for personen å ta bedre beslutninger. Og det er en av de tingene som fremdeles er der for å bli utforsket.
Og med det kommer jeg til å avslutte her, slik at vi har tid til spørsmål.
Eric Kavanagh: Ja, det var mye, veldig bra ting, og Kim, jeg må si, mellom deg og Mark, jeg tror dere begge bare la ut et imponerende utvalg av situasjoner og scenarier der prosessmodellering virkelig vil betale utbytte . Jeg vil nok bare kaste det ut til deg, Kim, først. Hvordan får du virksomheten til å sette pris på dette og innse hvor mye tid som kan spares, penger kan spares, fortjeneste kan økes og så videre ved å virkelig fokusere på å destillere disse prosessene ned til et sett med diagrammer og deretter analysere dem?
Kim Brushaber: Ja, jeg tror at det første du må gjøre er å identifisere en mester i organisasjonen som ønsker å se prosessene deres kartlagt. Og en gang det - og ha det en sentral interessent i organisasjonen. Og identifiser deretter en liten gruppe for å begynne å bygge ut prosessene og igjen fokusere på hva som er forretningsmålet og hva virksomheten prøver å oppnå, ikke bare hva som skjer innen en avdeling. Og ta det ene målet og kartlegge det innen mester og ta mester og deretter vise belønningen du får fra prosessen, og som vil tillate andre deler av organisasjonen å gå og begynne å bygge disse prosessene også til du kan bygge hele organisasjonen fordi folk flest ikke bare kan ta med et konsulentfirma som bare diagrammer ut alle prosessene deres på en gang. Så de må gjøre det i biter av små størrelse og velge de mest strategiske stedene du kan se på, eller stedene du forventer at de fleste prosessproblemer skal eksistere. Og begynn å liksom vri på julelysene og se hvordan det kommer sammen.
Eric Kavanagh: Ja, det er faktisk en flott metafor - løsriv julelysene, for under det kommer du til å finne mye kompleksitet og mye løsning. Egentlig tror jeg det er der mange problemer vanligvis kommer, enten gjennom en fusjon - som du antydet tidligere - eller bare midlertidige løsninger som har blitt bakt inn i prosessen over en periode på år som ingen noen gang tok seg tid til å løsne, ikke sant ?
Kim Brushaber: Rett, eller noen begynte bare å gjøre noe, og det ble aldri diskutert i utgangspunktet.
Eric Kavanagh: Akkurat, det er interessant. Her er en- og dette er en bra. Jeg vil nok kaste dette over til deg, Mark, og deretter Kim, hvis du vil kommentere det. En av de fremmøtte skriver: "Gitt det stadig skiftende og voksende omnikanalsmiljøet, hvordan styres eller tildeles bestemmelsen best mulig?" Jeg tror det er et pågående spørsmål, men Mark, hva tror du?
Mark Madsen: Ja. Hele attribusjonsproblemet i markedsføring er stort. Hvis du ikke vet hva attribusjon er, er det bare å ta, si, et salg av noe - som onlineeksemplet, hvis du går til Amazon og kjøper en bok. Hvordan kom du deg dit? Var det søkemotoroptimalisering som førte deg dit sted ved å bare få rangeringene til den boken på det bestemte stedet, så han dro til det bestemte stedet for å kjøpe den? Var det en online annonse, var det en kampanje på sosiale medier? Og du vet at problemet er at ideen om attribusjonsmodellering er at det er denne typen hovedårsaker, men det er åpenbart flere ting. Kanskje du så boka på bokstativet, og du så en bannerannonse for den, og så bestemte du deg for å søke etter den senere, fordi du lette etter noe å lese og så dro han dit opp.
Og så er spørsmålet: "Hvordan fordeler du medieutgiftene eller verdien av det salget og kunden på tvers av forskjellige kampanjer?" Og det er en enormt kompleks oppgave, og du må gjøre det fordi du tydeligvis prøver å budsjettere den mest effektive kampanjer. Men også fordi det mange ganger koster en tilknyttet avgift eller noe eller klikk som blir belastet deg for dette. Og så må du bestemme hvem som får betalt. Får Google betalt, får disse karene betalt, får de karene betalt? Fordi typiske attribusjonsordninger er "første fyr får betalt."
Og så jeg tror poenget er at det er et enormt sammensatt problem, og at det er et multivariat slags statistisk analyseproblem som ikke har noen klare svar. Og det betyr at du, du vet, må spore beregninger og se hva du kan prøve å erte ut, og det er ting som samlivsanalyse og andre rare ting som pleide å være populære som kan bli populære igjen for de slags formål. Men det betyr igjen at du på en måte må forstå prosessmålingene, i det minste på nivået med “Jeg har fem forskjellige typer markedsføringskampanjer, jeg trenger å vite hva innspillene til den kampanjen er, vite hvor mye penger jeg” m å bruke på å behandle beregninger, for eksempel hvor mange e-poster eller hvor mange annonser jeg viste? ”Og resultatmålinger som tilsvarer tidspunktet eller en kobling eller en tracker på denne tingen, skjedde denne transaksjonen. Slik at du kan begynne å bygge det bildet - og igjen er det et godt eksempel på hvor slags kartlegging av i det minste de grunnleggende prosessinteraksjonene kan hjelpe deg med å resonnere over det. Hovedtrekket, jeg tror ikke det er noe entydig svar på attribusjon.
Eric Kavanagh: Ja, jeg tror du har helt rett i det. Og du kommer aldri til å vite det, synes jeg. Du kan i det minste vite det viktigste, du kan ha en god ide hvor de fleste tingene kom fra, men å anta at du kan vite alt eller noen gang kunne vite alt, tror jeg bare er en feil i begynnelsen.
Mark Madsen: Jeg tror Heisenberg allerede skrev om dette.
Eric Kavanagh: Hva er det?
Mark Madsen: Heisenbergs usikkerhetsprinsipp regulerer det.
Eric Kavanagh: Det er hyggelig, det er bra. La meg kaste dette over til deg, Kim, for når jeg ser på dette og jeg hører på denne presentasjonen, hva du kartla med mange av disse forskjellige scenariene og så hva Mark gjorde også, vet du hva som dukker opp i tankene mine er hele konseptet om digital transformasjon som alle fortsetter å snakke om. Og for meg er det en fantastisk hovedrett for denne typen diskusjoner, for hvis du ser på de nye vinnerne når det gjelder større innovasjoner som Uber, uavhengig av kulturelle spørsmål og Airbnb og noen av disse andre selskapene, var det de gjorde destillasjon viktige prosesser ned til dette nivået, til det skjematiske nivået, og de fokuserte virkelig på å bygge ut skuddsikker infrastruktur for å tjene disse seriøse tjenestene på markedet. Og de gjorde det i omfang, ikke sant? Vel, digital transformasjon handler om å utnytte den nye kraften til skyberegning, maskinlæring, analyse, uansett hva tilfellet måtte være. Så for meg trenger alle som snakker om digital transformasjon prosessmodellering. Hva tror du?
Kim Brushaber: Ja, og jeg tror at et annet begrep som ofte flyter om akkurat nå, er "prosessautomatisering", som du først trenger å bygge ut forretningsprosessene dine og forstå hva de er før du kan begynne å automatisere dem. Og så kan du sette planene dine i gang. Men absolutt når du har å gjøre med den digitale transformasjonsalderen, vet du at du trenger å se på hva som er informasjonen jeg samler inn og virkelig inngå enighet i organisasjonen din om hva av den informasjonen som er viktig. Fordi du vet, som lysbildet som Mark delte der du har alle de forskjellige TV-skjermene med all forskjellig informasjon, har vi kapasitet til å samle så mye data nå som du virkelig trenger å definere som en organisasjon og komme om bord med alle sammen, alle viktige interessenter, og sier via forretningsprosesser: "Dette er den kritiske informasjonen, og dette er de kritiske trinnene, " og også være i stand til å forstå hvor dine omdreiningspunkter er. Så, du vet, “Dette er en prosess som egentlig ikke fungerer bra for oss. La oss gå nærmere inn på en detalj og finne ut hvordan vi kan gjøre det annerledes, ”og snakk med de forskjellige berøringspunktene og se innspillene deres i samtalen.
Eric Kavanagh: Ja, det er et veldig bra poeng, og jeg trodde at lysbildet også gjorde en god jobb med å kommunisere viktigheten av avhengighet. Du vet, når du endrer en av disse komponentene, endrer du dem alle, og prøver å pakke hodet rundt hvordan det kan påvirke forretningsprosessene ærlig talt tar litt tid og krefter. Men igjen, det er den slags ting der hvis du snakker om å delta i noen form for digital transformasjon, må du innse hvor prosesser kan kollapses, hvor de kan utryddes. Jeg tror det vanligvis er en av de slags usungne heltene med vellykkede implementeringer, er når du innser at du ikke lenger trenger X-, Y- eller Z-prosesser hvis du re-arkitekterer den overordnede planen.
Kim, jeg kaster det tilbake til deg. Hva synes du er noen av de viktigste suksessfaktorene når det går veldig bra? Hva er noen av egenskapene til disse suksesshistoriene?
Kim Brushaber: Jeg tror, jeg mener, tydeligvis samarbeid er essensielt, og det er grunnen til at jeg bestemte meg for å fokusere lysbildedekket jeg har fått på siloer så mye, fordi samarbeid mellom de forskjellige organisasjonene og å finne ut hvor disse oppsigelsene er, det er et enormt måte å strømlinjeforme og gjøre prosessene dine mer slanke og å ha disse samtalene om, "OK, så dette er slik jeg gjør det, " som den med fusjonsglasset, når du snakker med flere forskjellige avdelinger eller du snakker med selskaper som kommer sammen og virkelig finner ut beste praksis. Og å designe hva som er de beste trinnene å ta og få alle til å stemme overens med disse trinnene, gjør definitivt all denne informasjonen mye glattere.
Eric Kavanagh: Ja, og jeg er glad for at du også kastet ordet “samarbeid”. Mark, jeg vil bare kaste det over deg for kommentar. Samarbeid er en slik spillendrende komponent i den nye forretningsverdenen, selv med enkle ting som for eksempel Google Docs. I stedet for å sende ett dokument gjennom fem forskjellige personer via e-post, kan du få alle disse fem personene til å se på dokumentet i sanntid og gjøre justeringer og se hva hverandre kommenterer. Det er en stor avtale; det er en stor endring i prosessen. Og den samme komponenten kan selvfølgelig brukes til forretningsintelligens, prosessmodellering, virkelig noen av disse fagområdene som vi bruker for å optimalisere virksomheten. Samarbeid skal først og fremst være når det er fornuftig, ikke sant?
Mark Madsen: Ja, jeg tror det. Jeg mener, denne ideen om den ensomme beslutningstakeren er på en måte som om du vet at den ensomme analytikeren som på magisk vis skal ut og analysere og skaffe det negative gullet. Og den ensomme beslutningstakeren som sitter ved skrivebordet deres, er et slags syn på gamle skolen fra 1990-tallet av hvordan mennesker og organisasjoner tar beslutninger, vet du? Du sitter bak et skrivebord og ser på denne tingen, og så tar du en beslutning, men det er alt fanget i prosess og applikasjoner nå. De virkelige beslutningene blir vanligvis tatt på tvers av avdelinger eller med andre mennesker, og det krever bredere forståelse og kommunikasjon om hva som skjer. Ellers graver du bare i hælene, og alle kjemper, og ingen vil eie noe, og det er grunnen til at jeg ikke jobber i flere selskaper lenger.
Eric Kavanagh: Vel, du vet, det er et veldig bra poeng, og Kim, jeg er virkelig glad for at du fikk opp dette konseptet om ting som går tapt i oversettelsen. Jeg tror ofte folk ikke verdsetter nesten nok viktigheten av kontekst i en diskusjon, hvor som helst. Kontekst er så viktig når det gjelder å hjelpe folk til å forstå at spekteret av spørsmål som diskuteres og hva beslutningspunktene er. Og hvis du kan bruke prosessmodellering som en mekanisme, igjen for å destillere det som kan være ganske hårete komplekse organismer ned til relativt enkle - og om ikke helt elegante - diagrammer, for meg er det veldig nyttig for: A) å kommunisere hva som er essensielt, men B ) ikke overse ting som er kritiske, men som kan gå seg vill i samtalen, og C) til slutt krystallisere noe visuelt som ærlig talt, ord i dialogen ville ha vanskeligheter med å spikre. Hva tror du?
Kim Brushaber: Vel, det er virkelig interessant at du fortsetter å oppdra dette begrepet "samtale." Og jeg inkluderte lysbildet som lå på samtalediagrammet der det var flere forskjellige bassenger som snakket med hverandre og samhandlet med hverandre. Det er grunnen til at BPMN-organisasjonen bestemte seg for å lage det diagrammet, fordi de forsto at samtalene som foregår mellom forskjellige avdelinger er sammensatte og at det trengte å være en måte å kunne vise frem alle brikkene som var involvert i en prosess og alle forskjellige spillere og alle de forskjellige aspektene slik at ingen baller falt ned og alle visste hvor ansvarene ble skissert. Så i forretningsprosesser når du snakket om, vet du at du har riktig sans for kontekst, er forretningsprosessdiagrammer veldig bra fordi de er visuelle og bilder er verdt 1000 ord, og når du kan se disse tingene i en veldig visuell sammenheng, det gjør at folk kan forstå mye bedre enn, for eksempel, hvis du skrev prosessen din var ute i et avsnittformat og du skrev dem, vet du det, fysisk eller til og med om du nummererte dem med kuler. Den billedlige representasjonen lar deg være i stand til å samle den konteksten og den forståelsen mye raskere enn om du var kjent med å prøve å lese den eller forstå den.
Eric Kavanagh: Vel, du kan også depersonalisere ting til et punkt, ikke sant? Der folk ikke vil ta ting så personlig og du vil ha et mye mer objektivt syn på hva virksomheten faktisk gjør og absolutt for de mer komplekse prosessene, tror jeg det ville hjulpet både forretnings- og IT-publikummer å forstå hva det store bildet er fordi på slutten av dagen det store bildet er virksomheten og ønsker at virksomheten skal lykkes i, la oss innse det, det er ganske svulstige tider. Derfor tror jeg tiden er inne, og det har alltid vært, men det virker enda mer så i disse dager når vi ser visse prosesser optimalisert eller til og med utryddet. For eksempel å gå til skyen, bare laste ned en hel komponent av tjenestetilbudet ditt til skyen eller til en eller annen partner eller hva som måtte være. Men å ha den depersonaliserte, tydelige skjematiske modellen av virksomheten er en veldig nyttig ting for å designe og for å være på topp med ting, ikke sant?
Kim Brushaber: Ja og ER Studio-produktene, vi har mange søke- og filtreringsfunksjoner også. Så hvis du ville gå og betegne at noe var skyatferd, kan du gå og finjustere det og gjøre et søk for å se hva som er bitene som samhandler i skyen når du har skjematisk tegnet alle prosessene dine. Eller for eksempel, la oss si at du ser på markedsføring og bare vil finjustere markedsføring - og jeg mener absolutt ikke å velge markedsføring - det er bare den første som kom til tankene om at de fleste organisasjoner som har . Men, du vet, å gå og være i stand til å si, “OK, så jeg tenker å bytte markedsføringsavdeling. Dette er all oppførsel, "og så kan du se på alle prosessene og si:" OK, jeg kommer til å sette disse taktikkene vi bruker for å gjøre denne veien opp i skyen og gjøre dette, og det kommer til å påvirke disse brikker, og det kommer til å påvirke disse menneskene. ”Og hvis du har den prosessen skjematisk ut, kan du se veldig visuelt - det er som å se på et gigantisk puslespill, ikke sant? Du har alle disse forskjellige puslespillbrikkene som alle spiller sammen, og du kan finne ut, "OK, trenger jeg å omorganisere disse puslespillbrikkene for at alt skal passe i ett stykke?"
Eric Kavanagh: Ja, og du vet at jeg vil skyve et siste spørsmål til deg. Og folkens, jeg er i ferd med å legge ut en lenke til lysbildene fra dagens presentasjon; se på chatvinduet ditt for å se det. Men selvfølgelig er prosessmodellering og datamodelleringsbetingelser for datainformasjon som går gjennom systemer kritisk viktig fordi systemer enten fungerer eller de ikke fungerer, der virksomheten kan være litt mer løs. Du kan få løsninger - la oss si det i gamle dager på slutten av prosessen eller begynnelsen av prosessen eller hvor som helst derimellom - du kan få den løsningen som noen bare fant ut en dag når noe brøt som ingen visste om. Vel med data, vil du vite det sikkert fordi dataene ikke vises i feltet der det kreves, og transaksjonen ikke blir gjort. Men ser du nå at A) vi går mot en mer digital økonomi, men B) vi har alle disse forskjellige fusjonene og tingene som skjer. Ser du at selskaper begynner å sette større pris på verdien av forretningsprosessmodellering og datamodellering? Blir den typen overført? Fordi jeg absolutt vet for datamodellering, har datamodellere vært veldig lidenskapelig opptatt av det i mange år. Får virksomheten det i disse dager? Kommer vi nærmere der det er nødvendig forståelse av hva tingene gjør?
Kim Brushaber: Vel, jeg mener, det er akkurat det vi prøver å oppnå på IDERA. Vi har ER Studio Suite involverer både datamodelleringssuite og forretningsarkitekten, så takk for at du har stått så bra i kø.
Eric Kavanagh: Der går du.
Kim Brushaber: Men det gjør vi - tydeligvis er datamodelleringen helt avgjørende for alle i informasjonsarkitektur, løsningsarkitektur, alle som har ansvaret for dataene i organisasjonen. Og måten vi har bygget vårt produkt på, gjør det mulig for virksomheten og dataene å fungere som hånd-i-hånd ved å bruke bedriftsgruppen tilleggssuite, slik at du kan skyve alle objektene som er tilgjengelige for forretningsprosessen og dataprosess og være i stand til å bringe disse to verdenene sammen. Og absolutt har jeg ikke nok tid til å gå nærmere inn på detaljene om det, men noen er velkomne til å gå og se på IDERA og se hvordan vi gjør det.
Men spørsmålet er at dataenes verden fortsetter å bli kompleks. Lagring har blitt billigere og billigere og billigere, og det betyr at vi kommer til å skaffe oss mer og mer og mer data, og det er der elementene som Mark diskuterte, “OK, så nå som jeg har dataene, hvordan analyserer jeg den? Hvordan forstår jeg det? Hvordan ekstrapolerer jeg den, og hvordan bruker jeg den til virksomheten min? "Og slik at jeg kan overlegge denne informasjonen til forretningsprosessen og si, du vet, " Jeg må ta en beslutning om en produksjonsbeslutning, og jeg må vite hvor mange ganger blir lastebilene mine forsinket på grunn av snø om vinteren? Må jeg åpne en virksomhet i Costa Rica for å kunne sende ting derfra i stedet for å frakte dem fra nord? ”Og for å kunne se på alle disse aspektene, men du vet ikke en gang at du trenger å se på på disse aspektene til du kan starte noen for å kartlegge den prosessen, og i dette tilfellet er det en transportprosess, men hver virksomhet har kompleksiteter i sin prosess som de kan kaste ned i en forretningsprosessmodell og begynne å forstå hvor disse brikkene kan bevege seg .
Eric Kavanagh: Jeg elsker det. Jeg liker spesielt godt delen om å åpne en bedrift i Costa Rica.
Kim Brushaber: Hvorfor ikke?
Eric Kavanagh: Hvis du trenger en PR-fyr eller en moderator der nede, gi meg beskjed. Jeg la ut koblingen til lysbildene i chatvinduet, så sjekk det chatvinduet. Hvis du ikke så det eller vil dele dette med kollegene dine, arkiverer vi selvfølgelig alle disse webcastene for senere visning. Og du kan sende Kim e-post akkurat der, hun har adressen sin på skjermen. Send henne en e-post direkte.
Og med det kommer vi til å ta farvel. Takk for en fantastisk presentasjon; dette har vært flott. Vi henter deg neste gang, folkens. Ha det fint. Ha det.
