Af Techopedia Staff, 25. maj 2016
Takeaway: Værten Eric Kavanagh diskuterer styring af masterdata med Dez Blanchfield, Robin Bloor, John Evans og Diana Collins.
Du er ikke logget ind. Log ind eller tilmeld dig for at se videoen.
Eric Kavanagh: Okay, mine damer og herrer, sommeren nærmer sig, det bliver varmt herinde. Hvorfor det? Fordi det er tid til Hot Technologies. Ja, ja, jeg hedder Eric Kavanagh. Jeg vil være din moderator til det show, der er designet til - vi skal tale om, hvad der er varmt, hvad der sker, hvad er de seje ting derude på markedet. Dette er vores partnerskab med Techopedia. Vi elsker disse fyre. Vi har arbejdet med dem i flere år nu. De har et fantastisk sted. Hvis du vil vide noget i tech-verdenen, hvad dens definition kan være, gå til techopedia.com. Og i dag taler vi om MDM, master data management. Den nøjagtige titel er "Det største billede: At kende din kunde på tværs af flere platforme." Og dette spil ændrer sig, folkens, jeg kan fortælle dig lige nu.
Så der er et sted om dit, virkelig, slå mig op på Twitter @eric_kavanagh. Jeg prøver at svare på alle, der svarer til mig. Så året er varmt. Det er helt sikkert varmt for MDM. Og jeg siger jer hvad, det er varmt, ikke bare varmt for de store virksomheder, men også for de små til mellemstore virksomheder, som, gæt hvad, har masser af forskellige systemer. CRM-systemer, e-mail-marketingsystemer, ERP-systemer, webanalysesystemer, eBusiness-suiter osv. Der er masser af forskellige adgangspunkter til oplysninger om kunder, og jo bedre et job, som virksomhederne kan gøre med at væve alt sammen, jo bedre er de ' vil være i stand til at betjene kunden, ikke afkryds kunden og holde disse kunder rundt. Lad dem købe nogle flere ting.
Jeg har faktisk sporet MDM personligt siden omkring 2003, hvilket er omkring det tidspunkt, hvor udtrykket virkelig blev skabt. Helt ærligt var der en bank, Chase Bank faktisk, jeg tror, det var Bank En vej tilbage da, og en af mine gode venner nu, en fyr ved navn Joe Northern arbejdede med et firma ved navn Razza Solutions, og de havde, hvad der blev til DRM-værktøjet af Oracle. Så de rullede faktisk op konti og udførte hierarkiadministration for banken tilbage den gang, og det er nogle af de tidlige dage med masterdatastyring.
Så i disse dage taler vi om både analytiske og operationelle MDM'er. Vi vil tale meget om det i dag og virkelig hjælpe dig med at forstå, hvordan du kan udnytte denne teknologi til at få det komplette overblik over din kunde, at forstå, hvem de er, og for at sikre dig, at du kan passe deres behov i hvad der er et ærligt talt meget konkurrencepræget miljø verden over. Vi ser det overalt.
Så rockestjerne af figurer her: Dez Blanchfield, Robin Bloor, John Evans, Diana Collins. Indkaldelse fra fire forskellige steder over hele kloden. Vi starter med Dez Blanchfield, og med det overleverer jeg nøglerne til dig, Dez, og jeg begynder at twitre. Tage det væk.
Dez Blanchfield: Tak Eric. Jeg måtte bare minde mig selv om at komme af. Jeg undskylder det. Tak for muligheden for at præsentere dette. Så jeg kommer til at komme fra dette set fra et ægte eksempel på en organisatorisk udfordring til at tackle det, jeg har omtalt som en af de største forstyrrelser for organisationer, de vil se for nogle tid. Vi har set en række udfordringer. GFC-hitfirmaerne måtte håndtere det. Vi får regelmæssige ændringer i lovgivningen omkring privatlivets fred, vi er nødt til at tackle.
En af de ting, som jeg tror, organisationer bliver fanget med, at de ikke så komme, var virkningen af hele dette berømthedsoplevelsesproblem. Og i det væsentlige mennesker, der løber rundt med mobiltelefoner, der ønsker øjeblikkelig tilfredshed på nogle måder. Men øjeblikkelig tilfredsstillelse på en god måde, ikke en petulant barnlig måde. Bare en erkendelse af, at de er kunden, de betaler pengene, og de burde få værdien for det. Og så har der været denne møntning af kundecentricitet eller at blive en kundecentrisk organisation. Så jeg vil hurtigt gå igennem, hvad det betyder, og føre til en lidt mere teknisk del af vores diskussioner snart.
Jeg vil bare sige det derude og sige, at det for det første at være en kundecentrisk organisation kommer til en enkel ting: Du har brug for et komplet overblik over din kunde og dine kundedata. Du har muligvis forskellige systemer. Du har måske mange forskellige produkter. Du har måske 50 forskellige afdelinger i din organisation, men uanset hvor du er i organisationen, uanset hvad din jobfunktion er, skal du være i stand til at få et komplet overblik over alle dine kunder eller de kunder, der er i sammenhæng med hvad din jobfunktion er. Og hver del af det datasæt, du har, eller alle dele af det datasæt, du har, der fortæller dig, hvad nationens tilstand for denne kunde er.
Jeg sætter denne linje, at et komplet billede af kunder på tværs af alle dine systemer ikke bare er en pæn! I dag er det en nødvendighed. Og første gang du bliver fanget i et scenarie, hvor du har noget at gøre med en kunde, især hvis det er live, på telefonen, i en webchat eller personligt, som er endnu mere skræmmende, og du kan fortæl dem ikke alt, hvad du skal vide om dem, det bliver meget åbenlyst, og det er en meget uheldig situation at være i.
Jeg vil starte med en meget hurtig anekdote omkring scenarier i den virkelige verden. Dette er et billede af en tavle, og den er mindre end fem dage gammel. Dette er et faktisk scenarie i en tavle i et rum for nylig for et par dage siden, hvor vi taler om selve emnet for, hvordan vi går fra at være en meget stor organisation med noget som 90 forskellige dele af vores forretning. Det er en asiatisk bank, de har halvfems forskellige forretningsenheder. De gør alt fra samfundslån og peer-to-peer og mikrolån hele vejen igennem til finansiering af at sætte satellitter i rummet. Så de er et monster. De har titusinder af millioner kunder. Jeg tror, de har knap 50 millioner kunder. Og de står over for denne typiske udfordring om, hvordan vi nærmer os ikke kun masterdatastyring, men især kundedata og en enhedsklient.
Og da vi kortlagde den ting, der sprang fra os fra denne tavle, var de ikke bare havde et problem, de havde et mareridt, fordi ingen af deres systemer talte med hinanden. Jeg kunne gå ind i en hvilken som helst del af banken eller en hvilken som helst del af virksomheden og bede om et lån, det kunne være et billån, et huslån, et mindre forretningslån, og de kunne ikke fortælle sig noget, eller de kunne ikke ' t opdager noget om ethvert andet forhold, jeg havde med banken. Og det var absolut bange for dagslyset ud af dem, fordi de indså, at bankerne på vejen allerede kan gøre dette, og de er potentielt 12, 15 år bag den otte bold. Og det kommer til disse centrale værdipropositioner, som klienter bare leder efter, som bare er en sammenhængende opfattelse af mig som kunde, og du er nødt til at finde ud af, hvordan du vil levere det. Især nu, hvor jeg har at gøre med dig på nettet, er det sandsynligvis tilfældet via app i disse dage.
Det kommer til denne centrale ting af "det handler om mig, kunden." Og så når vi kortlægger, hvordan den kundecentriske kultur ser ud, handler det om at inkorporere alt, hvad vi har fra kernesystemer, der fanger ting som dit første navn, efternavn og andre detaljer, når du udfylder en formular eller udfylder den online eller kommer til os på en tæller et eller andet sted ved et afsætningsmarked, og vi lærer dig først at kende gennem hele vores rejse og leverer produkterne selv eller service til du. Og kortlægge det ud fra top til bund. Forædling kontinuerligt af dataene og datamodellerne, vi bruger til at forstå det. Tilpasning af, hvordan disse teknologier og processer i virksomheden arbejder, strammer konstant vores syn på dig. Det løbende engagement, som vi har med dig. Hvordan vi kontinuerligt fokuserer omkring dig klienten, og hvordan vi kommunikerer med dig. Hvis jeg sælger dig tre tjenester, vil jeg ikke sende dig tre forskellige papirstykker hver måned eller tre erklæringer eller regninger osv.
Den kundecentriske historie får en reel trækkraft nu, og organisationer ser værdien af det. Det er stadig en reel udfordring, idet det er, ”Okay, jeg har ti forskellige systemer, og de taler ikke med hinanden. Jeg har ikke et værktøj eller et system eller en platform til at trække det hele sammen. ”Og altid ender folk i et rum med whiteboard-sessioner som det, jeg lige har vist dig. Men det hele kommer til en kerne ting i det venstre hjørne af en transformation. Og transformation fra organisationskulturen og folket, personalet og den operationelle model, helt ned til teknologibunken, der understøtter dem. Så der er en forholdsvis almindelig tjekliste, som organisationer gennemgår for at komme til dette punkt, hvor de endda forstår udfordringen med, hvad det betyder at være kundecentrisk, og behovet for at opbygge et system og få adgang til værktøjer, der kan hjælpe dem med at gøre dette.
Det er ting som at kortlægge kunderejsen gennem den fulde livscyklus og den oplevelse, de har med dig som organisation. Forfining af dine driftsmodeller, og hvordan du organiserer jer, så de er fokuseret på kunden og det værdiproposition, du har leveret kunden. Og derefter naturligvis justering af dine teknologier og dine teknologibunker og processer omkring dem for at sikre dig, at du faktisk løbende driver videre engagement og et bedre og strammere engagement med dine klienter. Og selve engagementsprocessen fra lederne nedad.
Hvis du ikke har ændret dit syn på verden fra toppen af din fødekæde, fra bestyrelseslokalet og nedad, er der ingen chance for, at dit deponiveau eller dit daglige økonomipersonale vil ændre deres adfærd. Du skal føre fra toppen. Du skal løbende opdatere og omdefinerer og omdefinere, hvordan du adresserer målretning mod det faktiske fokus på klienten. Så hvordan skaber du ikke kun et kulturelt skift i øverste ende, men adfærdsændring i den nederste ende af organisationen og de værktøjer, du stiller til rådighed for at gøre det?
Det er en ting at sige, at du er en kundecentrisk organisation, og du vil have, at folk skal opføre sig på én måde, men du har ikke givet dem midlerne og værktøjerne og evnen til at gøre det, du vil ikke få en adfærd skift, fordi folk bare fortsat falder tilbage i de vaner, de har kendt, før de troede, de var kundecentriske organisationer. Og så den overordnede integration af de forskellige dele af organisationen og kulturen, der levede inden for det og åbenlyst understøttet af værktøjerne og platformen.
Så hvordan tager du disse forskellige forretningsenheder eller virksomheder eller dele af din organisation og får dem til at opføre sig anderledes fra et kulturelt synspunkt og nedad? Nå, du giver dem de passende værktøjer og måder og midler til at få det komplette og enkelt syn på klienten og klientoplevelsen. Og hvordan kan du så sætte nogle KPI'er og måle det imod det og spore det og sætte nogle beregninger mod disse og måle disse KPI'er og give værdi til det? Forretningsværdi for jer selv og tydeligvis værdi i en eller anden form i værdikæden for kunden og holde dem tilbage. Og integrer derefter al den kommunikation, du har med dine klienter fra feedback og realtid eller iterativt behandlet, så din opførsel og dit kulturelle skifte forhåbentlig bliver fanget i en slags feedbackcyklus og feedback-loop, og du kan finde ud af, om du ' re faktisk rammer mærket eller ej.
Vi kommer til scenariet, hvor du ved, at organisationer i sidste ende vil finde sig selv ved at drukne i forskellige data, og vi har set nogle slags ting her, nogle interne, nogle eksterne. Historisk har vi haft en kundeforholdsadministrationsplatforme og reklameplatforme og marketingplatforme. Vi har haft alle slags forskellige systemer, der kører uafhængigt, og så forhåbentlig taler de med hinanden i en eller anden form. Vi har haft de sidste par uger en eksplosion af interaktioner med dig nu, så vi snakker med dig via sociale medier, vi snakker med dig via vores hjemmeside, vi får e-mails fra dig.
Vores IVR-systemer, der taler til dig via telefonen, er nu nødt til at kortlægge disse data og fortælle os, hvordan du har håndteret vores telefonsystem og interagere med vores databaser, og hvis du havde været i telefonopkald med os, er alt det der skal til blive fanget i realtid, og vi er nødt til at være i stand til at sikre, at vi kan få et fælles overblik over det, som forhåbentlig er den fælles datastyringsplatform i midten af det diagram der.
Der er den sætning, der for nylig er opfundet, der er en "berømthed kundeoplevelse." Nå, hvad betyder det virkelig? Det er ikke det, at vi synes, vores slutbrugere eller forbrugere er dårligt opførte berømtheder, og at de føler sig anderledes på nogen måde. Hvad det betyder er, at vi er vågnet op til det faktum, at vi skal behandle enhver af vores kunder som en berømthed. De skulle få VIP-behandlingen lige fra det øjeblik, vi møder dem gennem hele livscyklussen, fordi vi har fornøjelsen af at have dem som kunder.
Og det spørgsmål, som jeg bliver stillet regelmæssigt - at bringe dette tilbage til en lidt mere anekdotisk reel historie om en klient - er, hvordan gør vi vores organisation i stand til at levere den stigende efterspørgsel efter en berømthed kundeoplevelse? Fordi det, vi ser nu, er en af de største forstyrrelser for organisationer, er kravet om at levere det løfte til klienter. At give dem berømthets kundeoplevelse. Organisationer, fra min erfaring og bestemt over hele verden, som jeg ser, bliver forstyrret uden at indse det med skiftet fra andre påvirkninger, som de måske allerede har vidst om eller set komme til deres faktiske kunder. Deres kunder forstyrrer dem og forstyrrer dem på en meget alvorlig måde. Og hvis du ikke kan tilbyde denne berømthedsoplevelse og give værktøjer og måder og midler til din organisation til at få den ene visning af klienten, vil du gå glip af en kilometer, i det mindste en landemile, kapacitet og kapacitet til at levere dette løfte.
Der er nogle vigtige punkter, jeg vil kaste ud her, og derefter overlevere til Robin for at komme ind i lidt mere tekniske detaljer, som jeg anbefaler, at alle organisationer tænker meget hårdt og hurtigt om, hvis de endda er fjernt tæt på dette, der leverer på løftet til deres personale og deres organisation om at blive en kundecentrisk enhed. Og det er fokus på de grundlæggende komponenter og skabe en enkelt kundevisning. Det lyder meget enkelt, men hvad betyder det? Det betyder godt, at du sørger for, at du har de rigtige data fra de rigtige datakilder hele tiden og til det rigtige tidspunkt. Sørg for, at dataene er tilgængelige på det rigtige sted hele tiden. Ikke bare noget af tiden.
Og det skal være tæt integreret. Og det skal indbygges indbygget i din platform. Det kan ikke bare være noget, du tror, du gør. En enkelt marketingkampagne. Hver gang du ser på en kunde, skal du være i stand til at få dette hele tiden. Det skal være tilgængeligt for alle de rigtige mennesker hele tiden. Så jeg vil ikke løbe rundt i gangen og leder efter stammekendskab. Jeg skal være i stand til at få dette på et øjeblik, bare ved at komme til et værktøj. Og du skal levere det på den rigtige platform med det rigtige værktøj. Så det skal indbygges i de eksisterende systemer, du allerede bruger.
Din CRM skal være i stand til at se alt fra, når jeg besøger dig fra min mobilapp, fra webstedet, fra at tale med din IVR, interaktiv stemmeoptagelse, til at gå gennem din telefon helpdesk selv som en selvbetjening. Eller hvis jeg skubber til star-ni og kommer til mennesket, så stiller jeg det lidt mere udfordrende spørgsmål, som IVR ikke er programmeret til at håndtere. Hvis jeg tweeter noget lykkeligt, hvis jeg har skrevet en artikel på LinkedIn. Disse har alle brug for til sidst at fodre tilbage i CRM, så hvis jeg administrerer noget at gøre med kunden, kan jeg se det. Vi er nødt til at gøre det til standard og ikke undtagelsen.
Det er stadig meget undtagelsen, at folk ønsker at køre en kampagne, de ønsker at køre en salgs- og marketingindsats, eller de søger at løse et eller andet problem eller håndtere et prisfastsættelsesproblem. Vi kører en engangskampagne og prøver at få et enkelt overblik over et bestemt segment af vores klient og begynder at køre rapporter og udskrive ting og overdrage dem i bundet trykt kopiformat. Det er en undtagelse. Det skal være standard. Dine systemer skal hele tiden give denne ene visning af klienten. Og på nogen måde kommer vi til det - uanset om det er et salg og marketing, eller bare en operationel, fremstilling eller logistik, eller hvad det måtte være, synspunkt - virkeligheden er, at du bliver nødt til at gøre alt det før du kan se en solid ROI på din investering i denne overgang til at blive en kundecentrisk organisation. Du får nogle hurtige gevinster. Der vil bestemt blive hurtige sejre. Så der er nogle gode nyheder på den front. Men virkeligheden er, at indtil du har gennemført en overgang til at blive et fuldstændigt enkelt billede af din kundes kundecentriske organisation, at ROI ikke kommer til at hoppe fra skærmen hos dig. Og det er en sjov rejse. Det er en værdig rejse. Og det hele understøttes af at have de rigtige værktøjer, de rigtige platforme og gøre det tilgængeligt for din organisation på et hurtigst muligt tidspunkt i en fornuftig, teknisk og kommerciel bæredygtig form. Med det i tankerne overdrager jeg til Robin. Robin?
Robin Bloor: Tak, Dez. Jeg måtte gøre det samme som dig, jeg var nødt til at slå mig af. Okay, jeg ville nærme mig dette mere fra et konceptuelt synspunkt end det slags praktiske scenarie, som Dez gennemgik. Vi taler virkelig om et meget specifikt sæt aktiviteter inden for en organisation, når vi kommer ind i området MDM, og selvfølgelig er kunden det store. Kundens enhedsidentitet er meget vanskeligere at få til af en hel række grunde end noget andet. Det er sandsynligvis den vigtigste enhed. Der er nogle virksomheder, hvor de muligvis kun har en kunde, og de kan have alle de oplysninger, de kunne få om denne kunde. Meget sjælden. For det meste har organisationer flere kunder, og kunderne har flere facetter. Og dataene er stort set spredt overalt. Jeg har arbejdet med denne idé temmelig for nylig, ideen om en datapyramide. At der er en markant forskel mellem data og information og viden og faktisk forståelse. Men data, information og viden kan leve i computere. Data på det laveste niveau er kun signaler og målinger. Og oplysninger, som du kan få fat i, hvilket er hvad -
Eric Kavanagh: Din lyd begynder at falme ud, Robin. Bare så du ved det.
Robin Bloor: Okay, jeg flytter mikrofonen. Hvad med det?
Eric Kavanagh: Der går du. Det lyder meget bedre. Værsgo.
Robin Bloor: Ja, så data består primært af signaler, målinger, optagelser og lignende ting. Det har ingen specifik kontekst. Det bliver information ved at give det den kontekst. Knytter data sammen. Strukturering af dataene. Oprettelse af visualiseringer, ordlister, skemaer. Alt hvad du vil oprette omkring det. Det overføres til viden, når du på en eller anden måde rent faktisk kan begynde at forudsige en given enheds adfærd og også implementere politikker og regler for håndtering af den. Forståelsen lever helt i mennesker. Og det er en del af problemet. Når man faktisk ser på den fragmentering, der eksisterer med hensyn til kundesituationen, opdager man ofte, at salg virkelig har et syn på kunden, marketing har en anden. Salgsstøtte eller faktisk kun kundevedligeholdelse har en anden opfattelse. Der kan være mange berøringspunkter, som en kunde har med en organisation. Og ingen af dem er integreret i korrekt struktureret information, eller en masse af dem er ikke integreret.
Og så har vi det problem, der er begyndt at blive meget mere udbredt i de sidste par år, du kan samle eksterne data om mennesker, og det er meget nyttigt, men du er faktisk nødt til at integrere det for at have nogen reel værdi. Så ved forfining af data opstår de store vanskeligheder ved fragmentering. Disse data kommer fra forskellige steder, og de er ikke godt struktureret. Og det faktum, at der er en konstant forsyning af nye data, og det er næsten altid tilfældet, når det kommer til kunden. Og enhver enhed er et bevægende mål. Vi var ligeglad med, måske for tre eller fire år siden, om kundernes sociale medieprofil, men vi er interesserede i det nu. Vi er interesseret i det, fordi det kan skade for en organisation eller øge en organisation, afhængigt af hvad der foregår derude.
Hvis du faktisk har idéen, hvis du satte dig ned og gjorde en øvelse og prøvede at finde ud af, hvad var de ting, som du var interesseret i kunde for fem år siden? Og du gør det igen, og du opdager, at der er tilføjet ting. Og ting er måske blevet taget væk. Jeg mener, at det er ligeglad med nogen, for eksempel hvad faxnummeret folk faktisk har. Nogle mennesker plejede at have faxnumre på deres visitkort. Men ingen bekymrer sig mere, fordi faxen døde. Så det er et bevægende mål. Når du ser på datamodellering og MDM er den første ting - ja, faktisk må jeg sige om dette, at dette er en del af datastyring, hvis du ikke gør det, er der et problem på den måde, du styrer data . For hvis du ikke rent faktisk laver datamodellering og MDM, så har du på en eller anden måde faktisk ikke et rigtig godt top-down billede af en given enhed faktisk.
Men jeg har her listet datastyring. Jeg har anført afstamning, databrug, kvalitet, sikkerhed, servicestyring, gendannelse. Du kan tilføje livscyklus og så videre. Der er meget for dataledelse og datamodellering, og MDM er en grundlæggende og måske central del af det. Ændring kommer ovenfra og ned i den forstand, at du er klar over, at ændring sker, fordi folk er klar over, at det sker. Og derfor kan man tænke over hele denne stak fra filer og databaser gennem dataelementer til betadata og forretningsdefinitioner.
Du kan tænke i form af faktisk at skulle på en eller anden måde at styre hele stakken og holde hele staklen opdateret, fordi at vide noget på en forretningsdefinitionsniveau ikke faktisk betyder, at du fanger dataene på fil- og databaseniveau. Det er et meget bredt billede, og indtil du faktisk tænker over det, ved du ikke, hvor bred det er. Modelleringen og MDM, hvis du faktisk ser, handler hele big data-trenden ikke blot om det - der er meget mere data. Det handler om, at der er meget mere data fra meget flere kilder, der giver dig en masse flere perspektiver på en given enhed, som du faktisk indsamler oplysninger om. Og jo mere kompleks det er, jo mere du har brug for en model, desto mindre let er det at forstå. Bare ved at se på lad os sige et databaseskema, hvad der foregår, når data faktisk kommer fra 10, 20, 30 kilder.
I teorien kan du sige, at MDM giver dig et overblik over datauniverset, men i praksis er det faktisk en del af det. Og vi diskuterede faktisk bare, hvis du ser på den forretningsmæssige betydning af data, da er informationen om betydningen af data faktisk en del af det dataunivers, du ser på. Modelleringen er ovenfra og ned og nedenfra. Det er, at du kan se på ting fra et forretningsmæssigt perspektiv, men du kan også se på ting ud fra det, vi har. Og du bygger i begge retninger. Og dette er ikke og kan aldrig være et projekt. At starte det er et projekt. Det er en løbende aktivitet. Du kan eventuelt sparke det af som et projekt, fordi du ikke har noget sammenhængende på plads, men når du først har sparket det af, skal det være en løbende aktivitet. Og alt hvad der gøres inden for datasfære, bør MDM-teamet, hvis du vil, vide om det.
Kunden udfordrer, bare se på at fokusere på kundenheden. Der er meget mere tilgængelige data nu om kunden fra langt flere kilder end langt andre enheder. Og det ser ud til at stige hele tiden. Det er ofte unøjagtigt. Hvis du f.eks. Indsamler data fra mig. Hvis du indsamler data om mig, vil du indse, at jeg har forskellige identiteter, hvilket er lige om jeg bruger midterste initialer eller ikke, når jeg går til forskellige websteder. Og det gør jeg ofte bare for at finde ud af, hvor jeg skal få spam fra en given identitet. Men mange mennesker gør det. Og så begår folk utilsigtede fejl. Og så er oplysninger forældede.
Jeg gik til en af disse dataressourcer, der hævder at være i stand til at give dig masser af oplysninger om enhver given person, og gjorde den åbenlyse ting og stillede spørgsmål om mig selv. Og halvdelen af de oplysninger, de gav mig, var faktisk forældet. Og noget af det var alligevel forkert. Og du ser på det, og du tror, hvis du på en eller anden måde vil indsamle data fra andre kilder, så er der et enormt element i at rense dataene og være i stand til at identificere, om det er de data, du har. Som enkeltpersoner har vi ingen unik identifikator. Navn og mobiltelefonnummer kommer du sandsynligvis tæt på de fleste, men ikke alle har et mobiltelefonnummer. Og det er også anderledes i forskellige kulturer. Og så er der arten af data med hensyn til analyse.
Jeg vil ikke gå nærmere ind på dette, men data kan vælges. Hvis du har nogens Twitter-data, er der kun en lille befolkning af enkeltpersoner, der aktivt lægger data på Twitter. Og de er udvalgt. De er ikke tilfældigt udvalgte kunder. Det er dem, der har besluttet, at de vil være lydige på Twitter. Det er notorisk vanskeligt at få et 360-graders syn på en kunde. Og det er til dels blot på grund af alles tekniske historie. Det er ikke usædvanligt at opdage, at der er tre eller flere kundedatabaser, ligesom databaser, skal du huske på mange andre informationskilder, du faktisk samler om kunden. Og kundeanalyse, det er værd at sige, at det er en enorm mulighed nu. Vi plejede at foretage segmentering i churn, men nu er det virkelig, fordi der er en frygtelig masse eksterne data tilgængelige på kunder, kan du lave en frygtelig masse analyse grafisk forhold, som virkelig er relativt nyt. Du kan bruge forudsigelig analyse, som du aldrig vidste før. Du kan indsamle modeoplysninger og udtalelsesoplysninger, som du aldrig kunne samle før.
Der er en meget god grund til at gennemgå, hvad du laver med hensyn til kunden, og til at tænke ud fra, hvordan du bedst kan udnytte de data, du har. En praktisk opfattelse. Modellering af kundeenheden er en nødvendig aktivitet med henblik på nøjagtig og nyttig BI og forfining af viden. Med andre ord, hvis du har en rimelig stor befolkning af kunder, er det ikke rigtig en valgfri ting. Du er nødt til at gøre det. Og jeg tror, det er alt, hvad jeg har at sige. Lad os give bolden videre.
Eric Kavanagh: Okay, så John, jeg tror, du går næste gang? Diana laver en demo. Så med det, John Evans, tag det væk. Og folk, vær ikke sky, send dine spørgsmål ind når som helst. Vi overvåger det for spørgsmål og svar. Tag det væk, John Evans.
John Evans: Okay. Tak, Eric. Og tak, Dez og Robin for indledningen og disse kommentarer. Der var en masse overlapning mellem det, du talte om der, og det, vi skal tale om og vise i dag, hvilket er fantastisk. Og at vi helt sikkert vil være enige om, at denne opfattelse af kundecentricitet er noget, som folk søger at opnå, og jeg tror i roden af det vil vi sige, at det at have gode data, så gode data, som du kan få om dine kunder, er den eneste måde at bede om at opnå det på. Så det, vi gerne vil gøre i dag, er at tale om kundeorienteret masterdatastyring og dele med alle lidt om, hvordan vi nærmer os det, løser dette problem og taler om et nyt tilbud, som vi lige har introduceret, og som er designet til at gøre det let for virksomheder i alle størrelser at levere bedre kundedata i hele deres fragmenterede datalandskab. Så det landskab kunne se sådan ud.
Vi har en række forskellige systemer omkring omkredsen her, masser af fragmenterede applikationer, nogle af dem kører i skyen, nogle af dem kører i lokaler. Og inden for hver af disse, per definition, har du forskellige måder at identificere kunder og kundeoplysninger på. Forskellige modeller af kundedata med forskellige attributter, forskellige prioriteter og så videre. Og selv hvis du var en organisation, hvor du betragter dig selv som en kendt, en SAP-butik eller en Oracle-butik, eller du bare driver din virksomhed på SAP for eksempel, eller bare på Oracle, eller du bruger SalesForce, du kan have flere forekomster af disse systemer, selv i din egen virksomhed. Måske er de implementeret af en anden placering eller af en region, der er oprettet af forskellige grunde, forskellige zoner i verden, eller du kan få dem til at oprette forskelligt efter branche. Og selv hvis du har en enkelt ERP, hvis du har foretaget tilpasningen på tværs af disse, vil der være konflikter i dataene.
Nu fragmenteringen, vi ser, forstærkes yderligere af stigningen i vedtagelse af skybaserede systemer og bedst mulige applikationer. Så selvom et rigtig stort, komplekst, indviklet miljø som dette tidligere var noget, som alle troede, ”Nå, der virkelig kun forekommer i de virkelig store virksomheder, ” på grund af denne advent af skyløsninger og den bedste race-tilgang, det spørgsmål bliver nu mere udbredt selv i mindre organisationer. Så det kører virkelig en rækkevidde fra små virksomheder helt til store virksomheder. Alle lider af det samme problem med deres kundedata. Og du kan se på nogle af disse problemer, jeg har nævnt her i midten.
Jeg bryder dem slags op i tre typer. Der er datarelaterede problemer, hvor du har duplikater, du har ugyldige data, du mangler felter, du har inkonsekvente oplysninger, inkonsekvente hierarkier, og disse ting har bare en tendens til at blive værre, når tiden går. Så har du menneskerelaterede udfordringer, hvor folk ikke kan få adgang til dataene, de kan ikke besvare de spørgsmål, de har, hvor de søger, men de kan ikke nå det 360-graders syn, som Robin talte om.
Og på det tredje område er procesrelaterede udfordringer, hvor du har data flere steder, og folk heller ikke ved, hvad der har ændret sig, og hvornår ting sker med dataene hele tiden. Så der er ingen kontrol eller styring af, hvordan man holder disse data rene. Så når du forsøger at levere en mere sammenhængende / cogent kundeoplevelse og gå i dialog med kunderne, er det virkelig svært at opnå det, når dine egne data om disse personer ikke er konsistente og ikke er nøjagtige.
Ligesom en side, jeg så, tror jeg, det var i sidste uge eller ugen før, en artikel i “Information Management”, der talte om, hvorfor personlig marketing stadig ikke er nøjagtig, og de angav ni grunde. De første to grunde på deres liste er datakvaliteten dårlig, og dataene er ikke integreret.
Så hvad kan du gøre ved dette? Der er godt et par måder, du kan prøve at nærme sig dette problem på og tænke over, hvad det koster din organisation. Du kan enten sortere angreb på disse data, når de er født, hvis du vil, eller du kan angribe dem, når de først er infiltreret i dit system, så her er et billede fra en organisation, som vi har arbejdet med, der faktisk fremhævede omkring tredive forskellige steder, hvor data blev gemt derinde, i deres landskab.
Så når disse data er blevet slags frigivet i naturen, i disse snesevis af systemer er det svært at finde, det er svært at vedligeholde, det er dyrt at ordne det, hvis du tænker på at gå ind og forsøge at løse dem tredive forskellige gange på tredive forskellige steder . Så et af de begreber, vi gerne vil tale om, er at prøve at være proaktiv og forsøge at ordne ting tidligt i dens livscyklus som muligt, når du gør det, vil det være lettere at finde, lettere at kontrollere og billigere at reparere og vedligeholde og på den måde får du bedre data, når du arbejder nedstrøms i dine applikationer.
Så dette er et koncept, vi har talt om, kaldet proaktiv MDM, og den tagline, vi gerne vil bruge, er konceptet med rengøring af floder, ikke søerne. Så der er tre trin til det. For det første er at blive ren, hvor du vil matche og flette og rense og overleve poster så tæt på kilden som muligt for at prøve at få en gylden rekord, så du undgår at forurene dine downstream-applikationer. Dette kan gøres ved implementeret kontrol af kilder eller endda give et sted at centralt tilbyde dataene, så de er konsistente og nøjagtige, før du frigiver dem i naturen.
Berigelse handler om at tilføje værdi til dataene, mens du går, inklusive referencedata og andre oplysninger, der ikke findes i dit kildes operationelle system, så dette kan være hierarkier, det kan være segmenteringer, der for eksempel ikke er gemt i disse systemer.
Derefter handler den tredje del om at forblive ren, og her er hvor du vil sikre dig, at du har processer på plads, og at folk er identificeret til at udføre forvaltningsskabet og for at gøre regeringsførelse, have værktøjer til rådighed til at aktivere disse processer og derefter proaktivt matche og du renser dine data med jævne mellemrum, så de ikke gør det, så du undgår det forfald, der naturligvis vil ske, for eksempel når folk skifter job, eller de skifter bopæl eller så videre.
Så hvordan får du dette? Der er et antal indstillinger, du kan bruge til at angribe dette problem. Du kan bruge et datakvalitetsværktøj, du kunne bruge et dataintegrationsværktøj til at udtrække oplysningerne, du kunne bruge et workflow-værktøj for at dele arbejdet ud til forskellige mennesker. Du kan bruge et styringsværktøj til at holde styr på, hvem der gør hvad. Du kan faktisk stringere alle disse forskellige arveværktøjer og kaste en masse mennesker på det.
Men det er alt sammen meget dyrt, det er meget ressourceintensivt, det vil være langsomt at implementere og det bliver svært at administrere, og du vil måske endda starte med dine kundedata, men du vil også til sidst styre dine produkter, din liste over produkter, som disse kunder har, og listen over leverandører til disse produkter, og et kontoplan, som du bruger på tværs af din virksomhed til at holde styr på, hvad der sker, administrere dine medarbejdere, der servicerer disse kunder og så videre . Så nu taler du om flere domæner, leverandører, produkter, kontoplan, medarbejdere og så videre for at prøve at levere en 360-graders oversigt over hele din virksomhed.
Så ideelt set er det, hvad vi tror, du ønsker at opnå, en løsning til at integrere, matche og rense dine kundestamdata, en løsning, så du kan styre forvaltning og regeringsførelse og et værktøj, som du kan bruge til at styre hvert datadomæne, som du starter med kunde og gå videre. Så det er målet bag et nyt tilbud, som vi netop har annonceret kaldet Magnitude ONE. Magnitude ONE er et MDM-tilbud designet til virksomheder til at integrere, harmonisere og administrere deres stamdata på tværs af de populære SaaS- eller ikke-lokalapplikationer, der er i brug, som vi talte om tidligere, og Magnitude ONE inkluderer derfor et antal komponenter.
Den første ting, den inkluderer, er vores Kalido MDM-løsning, som er blevet implementeret i nogle af verdens virksomheder, og Eric, du talte om din eksponering for stamdata og styring tilbage i 2003, jeg tror, at dette produkt oprindeligt kom ud omkring 2004. Så Vi har været en tidlig pioner på dette rum med dette værktøj. Vi startede med at bruge dem til at betjene den analytiske brug af informationerne for at sikre, at der kom gode data ind i lageret, og med tiden har vores kunder brugt dem mere og mere i driftsmæssige anvendelsessager og styring af flere domæner, herunder kunde og produkt og økonomisk og leverandør og medarbejder osv. Så Kalido MDM er en kerne del af denne løsning.
Vi leverer også forbindelse og integration til en lang række kildesystemer ved et partnerskab med SCRIBE-software ved hjælp af deres SCRIBE-onlineintegrationsplatform som en service. Det er et skybaseret integrationstilbud med forbindelser til over fyrre systemer både på forudsætning og SaaS-systemer, som organisationer bruger. Så med disse to sammen, med vores Kalido MDM-løsning inkluderer det også muligheden for at have et arbejdsgangsdrevet miljø til masterdatastyring og styre det gennem hele sin livscyklus. Vi har en matchende motor derinde, der er specifikt designet til håndtering af kundedata, og vi leverer udover softwaren også en vis virtuel klasselokaleuddannelse på Kalido MDM-produktet og modelleringskomponenterne.
Så Robin, du talte om modellen, det er en virkelig kritisk del, og det er faktisk, hvor vi starter i vores løsning, og vi viser dig det på et øjeblik, hvordan du tager det hvide bræt, som Dez viste og oversatte det til noget, der kan opsæt faktisk dit MDM-system. Dit sidste punkt om Magnitude ONE er, at det er tilgængeligt i lokaler eller som en skytjeneste, du kan få en abonnementslicens eller en evig licens. Ideen er, at det bliver let for dig at købe, vedligeholde, implementere og vedligeholde.
Så hvordan det ser ud da, er Magnitude ONE i centrum her, med de robuste muligheder for at gøre alt i de hvide og de blå kasser. Så forbind til og få adgang til kundedata via SCRIBE-stikket, som jeg talte om. Derefter skal du udføre alle de mestringsøvelser, du har brug for omkring matchning af data, sammenlægning, overlevelse og berigelse af dataene for at få dem rene. Autoriser og offentliggør derefter nøjagtige og konsistente data ud til dine forbrugende systemer sammen med et adgangslag for folk til at søge efter data, gennemse data og endda oprette nye poster, så dine operationelle og analytiske systemer kan forblive rene, når tiden går.
Vi leverer en webbaseret brugergrænseflade til både stewarder og administratorer, som du ser på et øjeblik, såvel som forretningsbrugere. Ikke kun kan de bare gennemse og få adgang til de offentliggjorte stamdata, de kan endda spille en rolle i forvaltningsprocessen. Så forestil dig, at din salgsrepræsentant er ude af tale med kunderne, de lærer noget nyt om kunden, de kan rejse en ændringsanmodning og sige hej denne kundes, de har ændret deres titel, de har ændret deres e-mail-adresse, de har skiftet firma, måske har denne læge skiftet en tilknytning til dette hospital, vi vil sikre os, at vi holder styr på den slags ting, eller denne forsikringsmægler fører nu disse produkter, vi vil sikre os, at vi markedsfører disse nye forsikringsprodukter til dem, for eksempel. Så den slags ting kan hæves og repareres korrekt, når dine medarbejdere, der vender mod kunden, har at gøre med disse personer.
Et par andre attributter om vores løsning. Nummer et er denne forretningsmodel, husk det hvide tavlebillede, som Dez viste, der havde cirklerne og pilene. Det er dybest set de forretningsmæssige krav til, hvordan dataene skal være, hvordan de bruges i den virkelige verden. Vi starter med noget, der kaldes en forretningsinformationmodel, og vi kan dybest set fange disse krav og de ledsagende forretningsregler og faktisk implementere det for at oprette reglerne og MDM-arkivet. Så det fungerer effektivt som en måde at bygge bro på kommunikationsgabet, som vi så ofte ser mellem forretningsfolk, der beskriver et krav, og at IT skal gå tilbage og oversætte det til tabeller og kortlægninger og så videre.
Så vi har den forretningsmodel-drevne tilgang til at sikre, at det er rigtigt, fra du starter. Vi inkluderer også automatisk behandling til det og den indlejrede arbejdsgang og ændringsstyring, så du kan, hvis du har en ændring i din model, hvor du tilføjer den, kan du hurtigt implementere det og gøre det med et lille team på grund af automatiseringen, kræver det ikke så meget kodning, som du måske havde forventet at gøre.
Jeg nævnte den model-drevne natur, der også driver de skærme, der faktisk vises. Så når du har en beskrivelse af en kunde, og du har deres attributter der, hvad du ser på skærmen er de attributter, der er defineret i modellen, så det hele oprettes for dig, du behøver ikke oprette nogen specifik grænseflade skærme til kort for dataene, det er alt kørt ud af modellen.
En anden sej funktion, som vi har introduceret, er konceptet med Excel-integration til dataledere. Dette betyder, at datastyrede kan bruge Excel som et sted til at redigere de poster, der ikke automatisk kunne matches og godkendes og implementeres. Nu kan du tænke, det er bare, du bare dumper data til Excel, ikke? Det er meget mere end det, fordi den seje ting ved denne kapacitet er, at den overvinder problemet med bare at have fornyet dataopdateringer ved at indlæse data fra Excel.
Når vi downloader disse data fra Kalido MDM til Excel-interface, kommer de faktisk med valideringsreglerne. Så det fortæller dig, hvilke af disse celler der skal udfyldes for at gøre det til en gyldig post, det vil give dig en rulleliste over de tilgængelige værdier eller de godkendte værdier for eksempel, så du dybest set undgår oprette fejl, når du opdaterer stamdataregistreringerne.
Derefter skal du sikre dig, at dataene er alle behandlet og autoriseret til offentliggørelse på integreret arbejdsgangsmotor, og at det også holder styr på, hvem der gjorde hvad og hvornår, og giver dig mulighed for dybest set at gennemgå og revidere alle disse tidligere stamdataværdier, så du kan se, hvordan data ændres tid.
Så fordelen ved dette med hensyn til kundedata er, at du kan komme til et sted, hvor du kan have mere personlig og relevant dialog og interaktion med kunderne. MDM bliver mere forretningskritisk, især når du tænker på en-til-en-markedsføring, der foregår der, og dette er et godt eksempel på den cyklus, der opstår.
Så du starter med data om dine kunder, dette er de ting, du har mestret, hvem er de, hvilke produkter ejer de, hvad kan jeg matche med hensyn til kundeoplysninger på tværs af flere systemer? Derefter beriger du det med mere information om dem, og hvordan du har interageret i fortiden. Hvad har de reageret på? Eller hvordan ønsker de at blive kontaktet? Måske ønsker de at blive kontaktet via fax, så det er derfor, det stadig står på deres visitkort. Men de oplysninger, der derefter giver dig den indsigt, du har brug for for at interagere.
Så hvilke andre præferencer? Noget af det kommer for eksempel fra sociale kilder. Derefter kan du beslutte ud fra, hvad der er den næste bedste interaktion for disse kunder, hvilke tilbud skal jeg komme med? Det vil generere en slags interaktion, de vil downloade noget, de vil købe noget.
Det vil naturligvis skabe flere data, som du vil tilføje til denne dejlige cyklus af marketinginteraktioner. Som et resultat vil du være i stand til at finde og lukke nye kunder hurtigere, øge opsalg, levere bedre kundeservice, eliminere fejl, eliminere duplikatforsendelser, forsendelse til f.eks. Markedsføringsmateriale, og til sidst får vi reduceret salget og markedsføringsomkostninger.
Så et eksempel på en kunde af vores, der gjorde dette, det britiske postkontor brugte Kalido MDM til at levere bedre kundedata, så de kunne levere de rigtige produkter og videreføre deres kundedialoger i den rigtige kanal, hvilket i sidste ende førte til højere salgsmængder og øgede marginer for dem.
Så det er bare mine indledende kommentarer, jeg vil gerne nu overføre det til Diana, for at tage dig igennem og vise dig nøjagtigt, hvordan vi gør noget af dette.
Diana Collins: Tak John, så forhåbentlig kan vi bringe noget af dette til live for jer alle. Så hvad du skulle se på din skærm lige nu, er et eksempel på en Kalido-forretningsinformationsmodel. Så en del af løsningen, hvad vi vil vise dig i dag, er en integration af data fra salesforce.com. Her har vi hentet vores salesforce.com-model nederst til venstre. Det er åbenlyst en webbaseret applikation, softwaren er serviceform af applikation. Vi vil integrere det med data fra vores on-site implementering af Oracle, en forretningssuite.
Så vores mål er at tage vores kontakter og kontooplysninger fra salesforce.com, integrere dem med vores konti tilgængelige konti og kontaktoplysninger i en enkelt harmoniseret konto og kontaktstruktur, som vi derefter indlæser i Microsoft Dynamics CRM. Så vores scenario her er, at vi migrerer fra at have brugt salesforce.com i fortiden til at bruge Dynamics CRM. Vi vil sikre os, at vi har en fuldt integreret, harmoniseret kundeliste, 360-graders udsigt baseret på vores nye Dynamics CRM-miljø.
Så for at opbygge dette har vi flyttet dataene fra salesforce.com og EBS til Kalido MDM, vi har faktisk kørt harmoniseringsprocessen. Så af hensyn til tiden har vi slags gjort madlavningen, og vi vil nyde måltidet. Så lad os skifte nu til vores MDM-miljø og bare vise dig nogle af de ting, som vi kan gøre i de tilføjede funktioner, som en MDM-løsning tilføjer til en simpel forbindelsesintegration af disse platforme.
Men en af de ting, der naturligvis ville ske, er at du mister din historie. Du ender med dine data i Microsoft Dynamics, men ville du vide, hvor noget kom fra? Det er hvad MDM, en af de ting, MDM-løsningen kan give os, det får os en historie.
Så hvis vi ser på vores liste over harmoniserede konti, og vi vælger en af dem. Lad os sige, at vi valgte Albert's Stores her. Dette giver os nogle oplysninger om, hvor denne Albert's Stores-rekord kom fra. Vi kan se, at det er en integration af to poster, en kom fra en salesforces.com-konto kaldet Albert og Gerard og en kom fra EBS-faktureringskonto, der hedder Albert's Stores, og de blev integreret sammen og harmoniseret i denne enlige forældrekonto kaldet Albert's Stores.
Vi ser også dets originale ID, vi kan se i dag, at det allerede er migreret til Microsoft Dynamics, fordi vi her har CMR-ID fra Microsoft Dynamics. Jeg kan se det tidspunkt, hvor dataene sidst blev opdateret. Derudover giver vi en anden visning, der ikke kun giver dig mulighed for at se på dataene, men også med vores grafisk visning kan du se på de tilknytninger, som dataene deltager i.
Så her har vi den samme rekord, vores Albert's Stores med dens tilknytning til dens kontotilgodehavende konto, sin salesforce.com-konto og kontakterne. Hvis vi vælger en af disse kontakter, kan vi se, at den kontakt faktisk var en salesforce.com-kontakt. Ligeledes var vores Adam Albert-konto en EBS-kontakt, så af denne bevægelse, tror jeg på skærmen, det sker automatisk, et par af dem, jeg laver, holder bare tingene lette at læse. Men mens vi fortsætter, kan vi se på kontaktoplysningerne og se, at de kom fra vores salesforce.com-konto. Det vil faktisk opbygge en visning, der viser os alle de forhold, som vores data deltager i.
Derudover ser man måderne, hvorpå vi klassificerer vores saleforce.com-data, og at der er andre konti derude, der er for mange til at angive. De ting, der er for mange til at nævne, kan vi stadig komme til dem. Vi kan bare rulle ned ad siden her og komme til listen over alle de ekstra konti, der var for mange til at vises i den grafiske visning. Selvfølgelig kunne vi også starte i grafisk visning for nogen af disse. Så det er en måde at håndtere ting på. Vi kan se dataene, vi kan manipulere dataene, vi vil også være i stand til at afhjælpe og fikse data. Så et par måder at se på det.
Så en af de ting, vi kunne gøre, er at vi kan gå over, se på hierarkiet, jeg har gemt vores kontohierarki som en af mine favoritter, så jeg kan gemme forskellige kategorier af oplysninger som konti såvel som hierarkiske stier, som Jeg kunne bruge det i min hierarki-browser. Så her kan jeg gennemgå mit hierarki, jeg kan se alle de forskellige kontakter, jeg har med hver konto.
Men en af de andre ting, dette miljø giver, er muligheden for at finde alle de forældreløse. Dette er kontakter, der kom ind gennem vores harmoniserede system, som ikke havde forældre i deres kilder, så dette er forældreløse, der er efterladt. Så vi har overbragt disse, vi har identificeret dem, vi ved, at dette er forældreløse, og hvordan løser vi det? Vi skal bare klikke på denne switch for at redigere tilstand, som åbner en anden visning af hierarkiet, og vi kan nu begynde at klassificere disse folk. Så måske Bill Murray arbejdede for AC Network, så vi kan overtage ham og tilføje ham til listen, og vi ser ham fremhævet ved at påpege os, at dette er en ændring. Jeg kan flytte Sandy og tildelte hende måske til AG Edwards og Company.
Da disse ændringer foretages, bliver de optaget her nede, jeg kan fortryde dem, hvis jeg er klar over, at jeg har begået en fejl. Jeg kan bande multiplikationer af dem sammen og flytte dem gennem systemet som en enhed ved at give dem et navn, og så blev de behandlet som en enkelt enhed af arbejde gennem mit system. Så dette er en måde, og selvfølgelig, hvis jeg er proaktiv, vil jeg måske gå ind her og se på dette, og hvis se, om der var forældreløse og adressere dette problem. Hvad hvis jeg ikke gjorde det? Hvad hvis jeg ikke var proaktiv? Nå, igen, vores system inkluderer en workflow, som jeg nævnte tidligere, en workflow-løsning, der giver os mulighed for at håndtere dette mere direkte.
For at gøre det vil jeg logge ud som systemadministrator, jeg vil nu logge på som en datatilleder, okay? Så dette ville være den person, der er ansvarlig for at håndtere ugyldige data. Du ser, så snart jeg logger på, bliver jeg ført til min indbakke, hvor gæt hvad? Der er vores 11 forældreløse poster, fordi forholdet, forbindelsen mellem kontakterne og deres konti er obligatorisk. Alle de harmoniserede konti, der ikke havde de rette forbindelser til en konto, er ugyldige. De bevæger sig gennem arbejdsgangen, og som vi kan se i diagrammen over arbejdsgangen, her er hvor vi nu ombygger poster. De vil derefter flyde til en godkendelsesproces, godkendt af salgsdirektøren, godkendt af regnskab og endelig godkendt til offentliggørelse på den næste batchopdatering af vores dynamik.
Selvfølgelig kan dette også indstilles til at køre i realtid, som så snart det er offentliggjort, så snart det er tilladt til offentliggørelse, det lige straks vil strømme ud af Dynamics, så det er op til dig, hvordan du vil konfigurere det sidste trin i grænseflade. Så forhåbentlig har dette givet os - givet jer alle en kort idé, en oversigt over blot nogle af måderne, som vores MDM-værktøj kan hjælpe med at berige og forbedre vores miljø. Der er mange, mange andre måder, hvorpå vi kan forbedre din brug af din kundes information, og virkelig komme til det punkt, hvor du har et virkelig harmoniseret 360-graders syn på en kunde med al informationen på et sted til rådighed for brugere. Ikke kun gennem denne udbyder-brugergrænseflade, men som jeg nævnte leverer vi også en forbrugergrænseflade, en slags webportal, hvor hvis en bruger ved, at der er sket en ændring af kontoen, kan han rejse en ændringsanmodning og adressere det, og indpasse den ændring bede direkte til den datapolitiske leder om at foretage ændringer i denne post, som de ser, skal foretages. Så på dette tidspunkt tror jeg, jeg vil vende det tilbage til Eric, og vi går ind på Q og A.
Eric Kavanagh: Sikker ting. Så vi har fået et par spørgsmål fra publikum her. Jeg kaster en ud, men måske først Dez eller Robin, har du spørgsmål? Lad mig starte med dig Dez.
Dez Blanchfield: En af de ting, som jeg støder på hver gang jeg går gennem denne rejse med en organisation er hele denne udfordring med versionskontrol. Kunne du bare røre ved tilgangen til versionskontrol omkring data eller bestemt - du ved, forestil dig et scenarie, hvor tre forskellige dele af organisationerne har at gøre med mig som kunde, og så foretager de forskellige opdateringer og ændringer gennem en ny værktøj. Hvordan behandler vi spørgsmålet om netop version, der kontrollerer de data, der kommer gennem virksomheden, og hvem der sammenstiller og kontrollerer og godkender det?
Diana Collins: Det er et fremragende spørgsmål. Så en af de ting, der er indbygget og bagt i vores løsning, er revisionsspor og historie. Så jeg kan se, om jeg kan finde en plade med historie. Lad mig se, om vores Albert's Stores-registrering, som vi brugte har historie, så snart jeg klikker på Historikstilstand, hvad det gør for mig - jeg har - denne har ingen ændringer i historien. Jeg vil have det, som det ville vise os alle midlertidige ændringer, der blev foretaget her, og den dato og tidspunkt, hvor de blev foretaget. Derudover kan jeg gå til detaljerede oplysninger om fuld historie, og hvis jeg aktiverede efterfølgende revision, ville jeg ikke kun se disse ændringer, og hvornår de blev foretaget, men revisionssporet vil så fortælle mig, hvem der har foretaget disse ændringer, hvilken bruger der også foretog disse ændringer .
Vores tilgang til versionering er mere tidsbaseret snarere end ved at indstille vilkårlige labels. Du kan vælge et tidspunkt og se dine data, som de var på det tidspunkt, og migrere dataene, som de var på det tidspunkt. Og vi sporer naturligvis historien ikke kun om dataindholdet, men også af datamodellen. Så da din datamodel kan udvikle sig, tilføjer vi nye klassifikationer, vi sporer det også, og du kunne altid rulle tilbage og se tingene, som de var på et givet tidspunkt.
Dez Blanchfield: Datamodeller rejser udfordring derinde, jeg mener, du har en betydelig stamtavle med at håndtere nogle væsentlige artikler. Kan du give os et par eksempler på nogle af de datamodeller, der allerede er på plads, og nogle, du har behandlet med at køre dette, ved du, de vigtigste sektorer som fremstilling, detailhandel og logistik og finansielle tjenester. Du fik bank- og tabshåndtering og så videre, så gøres fremgangsmåden med en tidligere model, der hurtigt kan spænde et projekt op, som folk kan begynde at vide, hvor hullerne er, eller er de nødt til at bygge og uddanne den model selv?
Diana Collins: Vi har taget begge fremgangsmåder gennem årene. Vi har forsøgt at komme med modeller og fundet, at jo mere komplet en model virkelig betyder, jo flere ændringer du ender med at gøre, for at have flere tilpasninger, som du kan gøre for den for kunden. Så vi har virkelig taget fremgangsmåden fra fragmenter af modeller, visse grundlæggende fælles elementer, som vi finder, at virkelig gennemsyrer hele industrier.
Vi har for eksempel inden for finansielle tjenester, vi har modeller til på et kapitalmarked for værdipapirer og derivater osv. Vi har modeller for forsikring, til ejendoms- og ansvarsforsikring, til genforsikring, og som begge styrer risiko på forskellige måder. Vi har fremstillingsmodeller til produktregninger på materialer, landingsregninger. Vi har andre dele af modellen til en forsyningskæde eller enhver anden tracker, mellemlager, distributionsmodeller, aldring af lageret, lignende ting. For mange af vores kunder, ved du, vi har kunder i næsten enhver lodret du kan tænke på, men for mange af dem har vi været i stand til at udvikle visse kernekomponenter, som vi samler til vores kunde til en færdig model.
John Evans: Ja. Lad mig bare tilføje det, Diana. Du ved, modellen, som vi viste for et minut siden med den slags orange baggrund, er virkelig en begrebsmodel, så den har, du ved, vokaler, og der er ingen understregninger, jeg mener det er, at et menneske kan forstå. Det er ikke i sig selv et it-koncept, det er noget, som en forretningsfolk kan forstå. Vi har disse konceptuelle modeller, vi kan importere en eksisterende model, som du måske har, og vi faktorerer den for at få den på denne måde, men med - som Diana talte om, når vi har et modelfragment eller en eksempelmodel, som vi har brugt at før vi viser til kunden, som regel inden for, du ved, en lille stund med at se på det og sætte det op på en skærm og slags pege og gestus, kan de normalt refaktorere den model for at få den til at være ret repræsenteret af hvad de prøver at opnå.
Så det fremskynder tiden for at fange disse krav, så du kan komme videre med det, men den anden ting, jeg ikke viste her, er, du ved, der er dette diagram, men der er også en fane kaldet operationer, hvor du dybest set trykker på en -knappen, og den genererer alle de objekter, du har brug for i MDM-arkivet sammen med den regel, du har været - du konfigurerede til, du ved, hvad der er valgfrit, hvad der er obligatorisk, hvad er kardinaliteten, alt det, du ønsker at gøre, men der er en knap der siger Deploy, så ville det bare generere den model, du har oprettet i frontend. Så vi har fragmenter, vi har erfaring i en bred vifte af brancher, og vores konsulenter er i stand til at give kunderne mulighed for at komme meget hurtigt i gang.
Diana Collins: Nå, den anden ting, jeg ville finde ud af -
Dez Blanchfield: Så jeg den anden hurtig inden jeg overleverer det til Robin - ja, undskyld, gå.
Diana Collins: Jeg vil bare hurtigt bemærke, at vi generelt kører disse modelleringssessioner som en slags jam-session, fordi vi ikke er så interesseret i detaljerne om alle attributterne, vi kan udfylde det senere, når vi kommer til det. Det, vi virkelig er interesseret i, er at få virksomhedsvisningen af, hvordan dataene hænger sammen, og hvordan de forstår, at de er nyttige, og det er sådan, vi ønsker at opbygge løsningen.
Dez Blanchfield: Nej, det giver god mening. En sidste hurtig en, så overleverer jeg den til Robin. Så det, som jeg med det samme forestiller mig, ville ske i vores leders samtale med organisationer, som jeg beskæftiger mig med, er, at - de har syn, de har allerede, du ved, ledelse, rammer og værktøjer på plads - hvordan er oplevelsen, når du går ind en organisation, hvor lad os bare sige, at managementteamet besluttede, at de vil gå denne rute, blive kundecentrisk og rydde op i deres kundedata eller få en enkelt forfald, og alligevel har IT og andre dele af virksomheden måske allerede følt, at de køre flere arbejdsprogrammer for at komme til et godt sted på det?
Diana Collins: Nå, det er et interessant spørgsmål. Ja, jeg tilbyder, at MDM-implementeringer generelt vil mislykkes, medmindre der er den slags støtte på højt niveau. Jeg tror, at disse projekter skal drives fra et ret højt niveau i en organisation, fordi der er en kulturel ændring, der skal accepteres. Jeg tror, at Robin talte til dette tidligere, at du ved, det ikke er noget, du bare gør som et projekt, og det afhænger af at være den måde, det ofte benyttes i IT-organisationen. Det er et løbende program, det er noget, der kræver engagement og vilje til at ændre, hvis du vil implementere, og når du har det, tror jeg, at vi fandt, at implementeringer går meget godt.
Hvor vi er nødt til at kæmpe i en eller anden implementering har været, hvor der enten ikke har været ledelsesstøtte på højt niveau, eller hvor IT-organisationen har været modstandsdygtig over for ændringer, men vi har haft ret succes i begge tilfælde med at vinde dem. Jeg tror, når vi først har vist dem, hvor enkelt det er at komme op og fungere, og hvordan det virkelig tager ansvaret for dataindhold fra deres skuldre, og virkelig burde IT ikke være ansvarlig for det. Erhvervslivet ved, hvad der udgør gode data, det skulle IT ikke behøver at vide. IT bør være ansvarlig for de ting, de gør godt - at organisere data, holde det sikkert, holde det sikkert, og hvordan - og normalt kommer de rundt og ser det på den måde.
Eric Kavanagh: Og vi har få spørgsmål fra publikum, lad mig smide disse ud her. Vi går lidt over tid, men jeg tror, jeg får alle de spørgsmål, som vi kan eller i det mindste prøve. Jeg kaster denne over til dig, måske John eller Diana, uanset hvad. En deltager spørger: ”Har du funktionalitet til at udvikle dig til at forældre fra dårlige poster til gyldne poster? Transaktionerne som for eksempel salgsordrer lige i de operationelle systemer? ”Ikke sikker på, at jeg ved nøjagtigt, hvad han mener her, men forhåbentlig kan du svare på det.
Diana Collins: Nå, vi kan helt sikkert genforældre-poster. Det er en meget standard del af denne kontorløsning, men inden for de operationelle systemer er de ikke direkte. Vi kunne gøre det MDM-miljøet og derefter skubbe disse data tilbage fra MDM-miljøet, når det først er blevet offentliggjort fra MDM-miljøet, skubbe det tilbage til operativsystemet, men det ville ikke blive direkte fanget i - vi ville ikke rette det direkte i det operationelle system fra MDM-miljøet.
Eric Kavanagh: Har du det? Okay, og her er et andet spørgsmål, "Kan værktøjet bruges til at se datelinie?"
Diana Collins: Åh absolut, ja. Igen er dette ikke en god model til den slags illustration, men absolut. Hvor du har en historie til dine data, hvor data er kommet fra flere steder, kan vi mærke dem med deres kilde og føre disse oplysninger videre til de offentliggjorte data.
John Evans: Takket være det. Der er et element af det her i modellen, derinde Diana, jeg mener, at du har SFDC-kontakter og EBS-kontakter, og som faktisk også kom igennem i et graffelt. Den hænger slags rundt om dataene.
Diana Collins: Ja. Jeg mener åbenlyst i et ægte afstamningsmiljø, du ville have en mere robust løsning og implementering og bare et grundlæggende blev gjort her.
Eric Kavanagh: Okay, god. Bare et par spørgsmål mere, og så skal vi pakke sammen. En af de deltagende siger: ”Hvordan understøtter du definitionen af husholdning? Har du en måde at berige kundens stamdata med sociale netværk? ”
Diana Collins: Det er på vores køreplan, berigelse med det sociale netværk fra data fra det sociale netværk er på vores køreplan. Det er ikke på produktet i øjeblikket, men hvad angår husholdning, er det en del af vores matchende og fusionerende evner. I matchningsprocessen er de mange knotter og håndtag, som du kan kontrollere for vægte af bestemte dele af dataene, men hvad det i sidste ende giver os mulighed for at gøre, er at samle alle de individuelle kontaktposter, der kan være en del af den samme husstand . Derefter forstår det forskellen mellem virksomheder og mennesker. I virksomheder ser man generelt på begyndelsen, slags betydningen af ordene i et navn; i et firma, start fra fronten og arbejde mod slutningen. Men når du laver husholdning, vil du virkelig starte ved slutningen og arbejde mod fronten med folks navne. Den forstår det og er i stand til at gøre et ret godt stykke arbejde med at samle kontakter, der hører til en enkelt husstand.
Eric Kavanagh: Og et sidste spørgsmål, hvad med restaurantkunder? Vi har et godt kyndigt publikummedlem her og spørger, om du har nogen restaurantkunder?
Diana Collins: Faktisk nej. Det vil være nyt lodret for os. Vi ville virkelig være interesseret i at forfølge det. Vi har kunder, der leverer restauranter, men vi har ikke restauranter, der er kunder.
Eric Kavanagh: Okay, ingen bekymringer overhovedet. Nå folkens, vi har brændt gennem en time og fem minutter her, så en meget stor tak til vores præsentanter i dag. Vi arkiverer denne webcast, så alle disse arkiver er tilgængelige til senere visning. Stor tak til vores præsentanter i dag. Stor tak til selvfølgelig Dez og Robin for deres indsigt og til Magnitude Software. Dette er gode ting. MDM er her for at blive, folkens, der er ingen tvivl om det. Det er virkelig vigtigt at få den centrale opfattelse, der bliver vigtigere, efterhånden som tiden går. Jeg må tænke, når vores kunder beslutter, at de ikke ønsker at blive mishandlet, de ønsker at få den bedst mulige behandling, og det er sådan, det vil være.
Så med det folk, vil vi byde dig farvel. Endnu engang tak. Vi taler med dig i morgen på en anden webcast i morgen, ja. Hot Technology er det hotteste show omkring disse dage, vi taler med dig forhåbentlig i morgen klokken fire øst. Indtil da, pas på, folkens. Buh farvel.
