Af Techopedia Staff, 2. august 2017
Takeaway: Værten Eric Kavanagh diskuterer procesmodeller og datamodellering med Kim Brushaber fra IDERA og Mark Madsen fra Third Nature i denne episode af Hot Technologies.
Du er ikke logget ind. Log ind eller tilmeld dig for at se videoen.
Eric Kavanagh: OK mine damer og herrer. Det er klokken fire østlig tid, igen, på en onsdag, er det tid for Hot Technologies. Ja, ja, jeg hedder Eric Kavanagh. Jeg vil være din vært for dagens webseminar med to af vores yndlingsfolk i branchen: Kim Brushaber fra IDERA og Mark Madsen fra Third Nature. ”Brug af processmodeller til at nå forretningsmål.” Vi skal tale om at optimere virksomheden, og hvordan du virkelig kan bruge nogle af disse teknologier til først at forstå, hvad der sker, og derefter ombygge det, du laver, og undgå ting som afskedigelser, undgå ting som konflikter, måske i din forsyningskæde eller dine forretningsprocesser, uanset hvor de måtte være, det er det, vi skal tale om i dag. Så først hører vi fra Kim Brushaber, og så hører vi fra Mark Madsen. Så får vi nogle dejlige frem og tilbage og send os gerne dine spørgsmål. Vær ikke genert. Send spørgsmål med Q&A-komponenten i din webcast-konsol eller ved chatvinduet.
Med det vil jeg skubbe det første lysbillede hit til Kim, og jeg overleverer det. Kim, tag det væk.
Kim Brushaber: Hej der. Så jeg vil starte med at tale om, hvordan du kan bruge nogle af dine forretningsprocesser til at nå dine mål. Jeg troede, at jeg avancerede diaset - der går vi, det kan have været lidt langsomt. Så for at en virksomhed skal få succes, er det nødt til at fokusere på, hvordan virksomheden tjener penge, holder kunder og holder markedet lykkeligt, holder omkostningerne så lave som muligt og derefter leverer kvalitetsprodukter og sørger for, at de oplysninger, du indsamler, er pålidelige. Som vi har brugt vores buzzwords her: omsætningsvækst, kundetilfredshed, effektiv drift, produkt- og datakvalitet. Og nogle af de vigtigste udfordringer for en virksomhed, som vi skal diskutere i dag, inkluderer siloer i din organisation; hvad der er godt med dem, hvad er dårligt ved dem, fordi ikke alle siloer er dårlige. Hvordan holder du afskedigelser ude af din proces? Hvordan du kan reducere og fjerne hullerne i din kommunikation, og hvordan du kan mindske ineffektiviteten i dine operationer.
Så den første slags siloer er afdelingssiloerne. Og silomentaliteter oprettes, når afdelinger ikke ønsker at dele information med andre afdelinger i virksomheden. Og selvom dette kan være godt i tilfælde af følsomme oplysninger, som få mennesker burde vide om - så følsomme oplysninger om fusions- eller anskaffelsesoplysninger eller måske oplysninger, som ikke er klar til, at salgsteamet kan gøre noget med det - i disse tilfælde kan siloer være virkelig godt. Men det kan også være dårligt, fordi informationsstrømmen hindres mellem grupperne i organisationen, og det kan forårsage en masse af de spørgsmål, som vi vil diskutere her i et øjeblik. Du kan også have siloer, der er opdelt efter forretningsmæssige og teknologiske mål. Så forretningssiden af huset bruger en masse tid på at se på ROI'er og KPI'er og ting, der virkelig er fokuseret på virksomheden, hvor de på teknologien virkelig vil se på, hvordan skal jeg få mine produkter til at fungere, eller hvordan er Vil jeg bringe mine tjenester på markedet? Og fordi der er meget forskellige mål mellem de to forskellige grupper, kan du have en naturlig silo, der skabes mellem de to. Og så kan mange gange siloer deles med jargon. Så de ord, du bruger i dit daglige sprog, kan være virkelig forvirrende for den ene eller den anden gruppe, og her lægger jeg bare en masse sjove små buzzwords, der er relevante for enten den ene eller den anden side af væggen. Og selvfølgelig begynder dette ikke engang at dække spektret, men mange gange kan disse ord forårsage, at der oprettes en silo og få to forskellige grupper af mennesker til at blive delt, fordi information går tabt i oversættelsen. Så der er gode siloer til din virksomhed, og jeg vil dække et par af de værdier, som siloer kan give en organisation.
Så de kan give en struktur, der giver medarbejderne mulighed for at udføre deres arbejde uden frygt eller distraktion. Så hvis du har dine folk, der er i din silo, som du har brug for at tale med og adressere dagligt, kan det give dig mulighed for at få dit job gjort mere effektivt og mere effektivt uden meget afbrydelse. Det letter også ekspertise inden for bestemte områder af virksomheden. Så hvis du fokuserer virkelig fint på finansiering og du taler med andre mennesker, der er i finans, og alt hvad du laver hele dagen taler om finansiering, så skaber det en rigtig god silo, fordi den gruppe lærer ekspertisen i det og de behøver ikke at være ansvarlige for at vide, hvad der foregår i salg, eller hvad der foregår i markedsføring, eller hvad der foregår i driften. Det fremskynder også kommunikationen ved at lade folk tale det samme sprog. Så at gå tilbage til denne jargon, mange gange denne jargon kan være en rigtig god ting, fordi det giver folk mulighed for at kunne kommunikere mere hurtigt og mere effektivt. Det holder også ansvarlighed og ansvar i siloen. Så du ved, hvad du er ansvarlig for i din gruppe og de opgaver, du skal levere, og den person, du har brug for at rapportere til, og det giver dig mulighed for at have større ansvarlighed og større ansvar snarere end - og bestemt har siloerne en flip side af det, hvor ansvaret kan blive kruset. Men i selve siloen kan det skabe større ansvarlighed og ansvar. Og så fremmer det også en følelse af stolthed og ejerskab. Så du kan føle dig virkelig god over det job, du udførte i slutningen af dagen og de opgaver, som du skal levere, og dette er alle virkelig gode ting ved siloer.
Men der er en sur side af siloer, og siloer skaber ineffektivitet, de sænker moral, de reducerer produktiviteten. Og fordi dette er den mere negative side af siloer, vil jeg bruge nogle forretningsprocesmodeller til at gennemgå en række kuglepunkter og forklare, hvordan du kan overvinde den sure side af siloer ved hjælp af IDERA Business Architect-produktet for at vise dig nogle af disse eksempler.
Så den første er, at det skaber ineffektivitet og overflødige processer. Så i dette eksempel viser jeg, at marketingorganisationen kan have et sæt opgaver, og salgsorganisationen har et andet sæt opgaver. Og i dette tilfælde, hvis du kortlægger dem, opdager du, at begge har en opgave at kvalificere føringen. Og når du er klar over det, kan du føre en samtale tværfunktionelt mellem de to forskellige grupper for at være i stand til at finde ud af ”Er min kvalificering af en lead den samme som din kvalificerende leder? Tager vi de samme skridt og den samme opførsel? Eller betyder det noget anderledes mellem de to forskellige siloer? ”Og hvis du gør de samme ting, kan du begynde at strømline det og give ansvar til de forskellige grupper uafhængigt, og forretningsprocesser kan virkelig hjælpe dig med at kortlægge disse ting ud og identificer, hvor du har sådanne problemer.
Også når du fusionerer virksomheder, eller hvis du fusionerer grupper, fusioneringsprocessen, ja, kan du gennemgå, og du kan definere din proces for de forskellige adfærd. Og i dette eksempel har firma A noget opførsel, firma B har en vis adfærd, og fletningsprocessen tager elementerne i A og B, finder den bedste praksis og opretter derefter en ny proces, der fungerer meget effektivt for begge grupper. Så det hjælper dig med at blive mere effektiv, mere produktiv og identificere bedre praksis for din virksomhed.
Derudover er en anden sur side af siloer, at der kan være huller i kommunikationen mellem afdelingerne, hvilket er, hvad vi lige talte om, hvor samarbejde ikke sker, men det burde være. Og så kan forretningsprocesser hjælpe dig med at identificere den slags huller. Så i dette eksempel har salget en proces, et nyt produkt frigives, og de går ud, og de sælger det. Men finansiering kan have en yderligere proces, hvor de er nødt til at gå ind og opdatere produktpriserne, når produktet frigives. Hvis salget ikke ved noget om det, kan de stadig være derude, hvor de handler med de gamle produktpriser, og når det kommer til det punkt, hvor finansiering begynder at gennemgå handlen og godkende aftalen, så er der meget konflikt og meget af bagpaneler skal ske for at vende tilbage til kunden og justere den igen. Og hvis du er gået og skitseret din proces, vil du have vidst det på forhånd og kan passe den ind, så salget ved ”Jeg er nødt til at vente, indtil jeg får disse produktprisopdateringer, før jeg begynder at tale med de nye kunder om produkt."
I dette eksempel har BPMN2 et samtalediagram, der giver dig mulighed for at kunne tale mellem en række forskellige afdelinger og identificere overføringspunkter mellem dem. Og dette er meget nyttigt til at reducere afskedigelser og også give mulighed for mere ansvarlighed og ansvar mellem afdelingerne. Så du kan sige, ”OK, så salgsledelse og salg er nødt til at arbejde sammen for at godkende aftalen.” Og de kan begge arbejde på deres overdragelsesstykker, og hvad det afhænger af. Men finansafdelingen behøver muligvis ikke nødvendigvis at være involveret i denne godkendelse, og de ved, at ud fra dette diagram er der lagt ud, der siger her, hvem der er ansvarlig i de forskellige afdelinger, der har brug for at arbejde sammen for at opnå det.
Derudover kan der komme uheldige processer ind, som ikke er til gavn for virksomheden. Så når du gennemgår dine forretningsprocesser, kan du muligvis identificere, at nogen laver noget, du er, "Jeg forstår ikke rigtig, hvordan det er effektivt, eller hvordan det opfylder målet." Så jeg giver dig nogle eksempler på det. Så i dette tilfælde går produkt muligvis igennem, og de laver en ny version. De går, de leverer kravene, udviklingsholdet begynder at arbejde på disse krav, men efter at produktteamet begynder at tale med kunderne, så kommer vi tilbage og beslutter at revidere dem. Og dette ville være meget, meget forstyrrende for udviklingsholdet at skulle gå tilbage og revidere kravene, når de allerede er i gang med at opbygge disse ting. For produkt kan de måske ikke engang tænke på noget lignende. De er ligesom, ”Åh, jeg har fået nye input, og nu har jeg brug for disse ting.” Og hvis de ikke taler med udviklingsholdet, forstår de ikke rigtig, hvor meget af en indflydelse det kan give for senere omfang eller levering af produktet. Så at skitsere disse slags stykker kan hjælpe denne silo med at nedbryde og give dig mulighed for at forstå, hvilke elementer der er nyttige for din proces, og hvad der er skadelige processer.
Der kan også være en kopiering af aktiver og ressourcer, og dette er en stor ting, når virksomheder forsøger at strømline ned. Så i dette tilfælde har jeg lavet en slags grupperingsdiagram, hvor jeg har identificeret en række forskellige applikationer og rapporter, der skal produceres og de forskellige spillere, der er tilknyttet. Og når du begynder at lægge alle disse ting ud, har jeg i dette eksempel givet en kopiering af redigeringsværktøjerne og opkaldssporingsværktøjerne, og hvem der bruger dem. Og så kan du begynde at regne ud, fordi de uafhængige siloer mange gange træffer disse beslutninger for deres team, og de tænker ikke nødvendigvis på det faktum, at det bredere team som helhed også kunne bruge denne licensaftale og gøre det billigere og mere omkostningseffektive for alle de værktøjer, der bruges i organisationen. Derudover kan forretningsprocesdiagrammer være meget nyttige til at identificere, hvem der er ansvarlig for hvilke oplysninger og hvornår. Og så i dette tilfælde har jeg dataforvaltere, der har sagt: ”OK, det er dem, der er ansvarlige for alle disse data, og her er de tabeller, de er ansvarlige for at håndtere.” Og ikke give disse oplysninger til andre mennesker, dette er virkelig vigtigt i et område, hvor der er følsomme oplysninger som medicinske journaler eller økonomiske data eller elementer som det, der skal afsondres til kun et par mennesker. Så du kan hjælpe med at identificere dette, som derefter giver folk fra andre organisationer ikke adgang til disse oplysninger og sikre dem ned og vide, hvor dine oplysninger går.
Eftersom vi desuden taler lidt om data, kan siloer også skabe dårlig datakvalitet og datakonsistens. Så i dette tilfælde har jeg brugt en forretningsproces til at hjælpe datateamet med at forstå, hvornår en kunde er en ny kunde, eller hvornår opdaterer du kunden. Så du kan gå igennem og diagramme over disse beslutningspunkter, og forretningssiden, der forstår forretningsreglerne, kan let tale med den tekniske side, der skal implementere disse regler, og ved, hvornår visse adfærd skal finde sted. I dette eksempel taler det om at bestemme datatuplikationer. Så hvis du har en detailkund, og du har en webkunde, og du sælger produkter, har du måske helt andre systemer, der prøver at samle de samme oplysninger. Og hvis du prøver at deduplisere dine oplysninger og identificere, hvem dine kunder virkelig er, kan forretningsprocesdiagrammer virkelig hjælpe dig med at negle det ned og sige, ”Åh, i dette tilfælde har vi begge at gøre med en ordre og i dette tilfælde vi har begge at gøre med økonomi, ”og være i stand til at kortlægge disse oplysninger, så de er meget klarere, så du ikke har sådanne duplikationer i dine data, og du kan reducere afskedigelserne og mindske manglerne og få op til kvaliteten af dine data.
Så yderligere fordele ved at have gode forretningsprocesser er, at medarbejderne kan identificere problemer i starten, når det er lettere at implementere ændringerne. Dette gælder især for komplekse dataprocesser, hvis du kan foretage analysen på design på forhånd og få alle holdene involveret i samtalen, vil processerne flyde meget glattere ud, og folk vil være i stand til at reagere bedre i starten kontra hvis du allerede er i gang. Nye medarbejdere bliver hurtigere om bord, fordi de kan gå, og de kan gennemgå disse forretningsprocesser og forstå de opgaver, de har brug for at udføre, og hvor overleveringspunkterne er, og hvem de har brug for at tale med til forskellige ting. Og beslutninger kan træffes i realtid på tværs af tværfunktionelle teams. Hvis du begge tegner disse forretningsprocesdiagrammer sammen, kan du finde disse punkter, hvor der er en ulempe i processen og være i stand til at diskutere det og finde ud af, hvad der er den bedste proces for jer to, og hvor er den bedste overdragelse point og hvem der er de bedste mennesker til at udføre hver af de forskellige opgaver, der skal udføres.
Så nogle tip til nedbrydning af siloer for forretningssucces og evne til at nå dine mål: Den første er at fokusere dine forretningsprocesser på din kunde, dine produkter eller dine tjenester - ikke de enkelte afdelinger. Så mange gange vil folk inden for deres afdelinger komme med deres individuelle tjekliste. Men hvis du i stedet ser på virksomheden som en helhed og de mål, som virksomheden prøver at nå, kan du begynde at se, hvor ting falder ud og sige: ”Hjælper disse processer mig med at nå mit mål? Eller er det ekstra processer, eller er det hindringer i processen og at nå målet? ”Du burde bruge mere tid på at diskutere de steder, hvor processerne forbinder. Så som i det samtalediagram, hvor du har en masse afleveringspoint, skal du bruge meget mere tid på at tale om det og sørge for, at information flyder korrekt over de forskellige siloer.
Du kan forene dine medarbejdere ved at vise i processen, de ting, de er ansvarlige for, og hvordan det interagerer med virksomheden som helhed. Og det giver folk meget mere en følelse af formål med at møde, mod målet. Du kan også samarbejde med medarbejderne, så de har input til processen, der påvirker deres rolle og job, for hvis beslutningerne alle er taget øverst, når de designer processen, vil de personer, der udfører arbejdet, se trin, der er gået glip af og stykker, der mangler og være i stand til at diskutere dem. Og hvis du samarbejder med alle dine medarbejdere, når du tegner disse processer, begynder du at finde ud af disse outliers, og om det er faktiske ting, der skal være i processen eller ikke. Og så er et andet tip til nedbrydning af siloer at opdatere dine processer regelmæssigt for at afspejle de ændrede behov og organisationens mål, fordi målene og processerne er meget flydende, og du kan finde bedre bedste praksis. Du kan muligvis finde nye måder, du vil gøre tingene på, og så at kunne opdatere disse oplysninger regelmæssigt kan virkelig hjælpe organisationen. Og at gå tilbage til tegnebordet med disse tværfunktionelle teams kan virkelig hjælpe med at nedbryde siloer og åbne den kommunikation mellem dit team. Så det er dias, som jeg havde forberedt.
Eric Kavanagh: Okay. Lad mig aflevere det til den ukuelige Mark Madsen. Du har nu ordet, tag det væk. Og folk, vær ikke sky, still dine spørgsmål. Vi har eksperter på linjen her. Mark, det er alt hvad du er.
Mark Madsen: OK, tak Eric. Så hvad du lige har hørt lige nu handlede om proces- og procesmodellering, og hvordan det gælder. Og så fra mit perspektiv, der kommer fra den analytiske side af huset, har jeg brugt forretningsprocesser meget som måder at forklare og forstå. Nu, når du tænker på analyse, og især nu, når vi taler om maskinlæring og andre ting ud over BI, ses det stadig af et bredt skår af markedet, som jeg betragter som forkert. Hvilket er, at du sender analytikere ud som guldgruvearbejdere, og de skynder sig ud i dataene, og de stikker rundt, og de finder nogle guldklumper og bringer disse værdifulde ting tilbage til organisationen, og så lever alle lykkeligt nogensinde. Eller i det mindste gør analytikeren, fordi de har en sekscifret løn, fordi det er, hvad data forskere alle laver, i teorien.
Men virkeligheden er meget anderledes. Realiteten er, at det tager infrastruktur, og det tager arbejde, og det tager mål og en retning og forståelse af forretningen. Og disse ting kræves det, at de virkelig forstår, hvordan man nærmer sig problemer, hvordan man modellerer for problemer, og hvordan man løser disse problemer. Og så denne idé om, at du kan smide nogle data og noget teknologi og nogle smarte mennesker på et problem uden at forstå sammenhængen, især den proceskontekst, som vi skal anvende dem i, er stort set en myte på samme måde, som de fleste af Gold Rush var en myte, og faktisk gik de fleste af disse mennesker konkurs hjem.
Der er også et andet aspekt af denne applikation af analyse til virksomheden, er denne idé, at det hele er data under glas, ikke? At analytikere eller algoritmer på en eller anden måde vil overflade data og smide det på en skærm foran nogen. Men problemet er, at vi har så mange data, og du kan gøre så mange forskellige ting med analyser, at det er let at overvælde folk. Og så har du et sekundært problem nu, som er ”Jeg har så mange data, og jeg har så mange ting, hvilke er jeg opmærksom på? Og hvordan og hvorfor skal jeg være opmærksom på disse ting? ”Og det er virkelig kernen i en masse problemer i miljøer, til det tidspunkt, at vi falder tilbage på at kræve eksperter til at sammenlægge, hvilke oplysninger der vises til hvem og hidtil Fra at have adgang til selvbetjening af data og betjeningspaneler til selvbetjening stoler du på forskellige eksperter til at hjælpe dig med at finde ud af, hvad der går i de forbandede ting.
Og hvis vi taler om, hvor fremtiden går med, især en masse af de mere avancerede analyser, men maskinlæringen nærmer sig, AI i erhvervslivet, alt dette, ja, der er en masse hype omkring det. Der er en masse virkelighed ved det, og en stor del af det er indlejret. Faktisk kom den moderne renæssance i dette gennem indlejring af den i proces. Så at tage processer, der var automatiserede eller automatiske, for eksempel den grundlæggende idé om anbefalingsmotorer i detailhandlen på e-handelswebsteder eller på nyhedswebsteder eller på musikwebsteder er en simpel applikation eller algoritme til en opgave, der tidligere var en menneskelig orienteret opgave . Hvad tror du folk vil kunne lide med spørgsmålet og merchandise-planlæggeren eller den person, der regner ud, hvad et krydssalg skal være, eller et opsalg skal være baseret på forudgående data, de ville overflade det og derefter slå det ind i et system og derefter vil enten markedsføring eller merchandising eller en eller anden online applikation håndtere det. Og så blev den indlejret. Når du gør ting, ser maskinen, hvad du laver, og raffinerer og præsenterer konstant nyt, og det er en integreret analyse. Den sidder der inde i en proces. Og hvis du virkelig vil vide, hvor en masse fremtid for dette arbejde går, er det der. Det hjælper ikke så meget ved at gøre mere sofistikeret analyse. Det er ved at opnå effektivitet på tværs af en meget bredere række af virksomheden.
Og så når man ser på ting som business intelligence, hvor mange af data- og analysemarkedet kom fra, var der statistikere, før BI virkelig gjorde det muligt for mange mennesker at gøre en masse ting uden statistik, uden noget andet, ved fokusere rent på data. Problemet var, at det ved at fokusere rent på dataene udeladte meget af konteksten. Og så hvad du ender med at mangle, er hvordan alle disse data, hvordan alle disse beregninger forholder sig. Hvis du tænker over, hvad der foregår på et instrumentbræt, har du nogle søjlediagrammer, måske en graf, en tabel med tal. Du kan se en masse metrics hver for sig eller samlet, og du kan ikke rigtig se, hvordan de forholder sig. Så forestil dig, at du er nogen ny til noget, og du går ind, du kan se på et instrumentbræt, og du laver ikke hoveder eller haler ud af noget af numrene, fordi tallene i sig selv ikke fortæller dig noget, fordi de ikke har kontekst. Så det viser muligvis et tal i rødt, men bare at ændre dette andet nummer ved at trække i en anden håndtag kan gøre dette bedre eller værre. Hvordan har disse ting forbindelse? Det er den sammenhæng, der går tabt i forretningsinformation og datalager og design af instrumentbrættet, fordi du modellerer data, ikke behandler. Og det er det grundlæggende aspekt er, at du bygger gentagelighed omkring data, og du gør det ved at skubbe det meste af processen ud med fokus på de målinger, der genereres fra rådataene.
Så denne skærm viser os, hvad der i det væsentlige er et betjeningspanel om lab-testproces. Der er et program kaldet Altosoft, der gør BI på denne måde. Og hvad du ser på, er at du ser processen og dataene ikke adskilles, men sættes sammen igen. Som at adskillelsen var kunstig, og det blev gjort, fordi vi abstraherede data, skubbede dem ind i databaser og byggede grænseflader ovenpå. Så du har normalt to målinger; du har ting som antallet af bestilte test, som er den første boks i denne strøm, og den sidste boks ville være antallet af test, der er gennemført og arkiveret. Og så ville du have disse to målinger; du lægger dem på et instrumentbræt, og du vil måske bemærke, at den ene hænger markant den anden. Eller måske har du en tredje beregning, som er oparbejdet.
Så hvis du laver laboratorieundersøgelser på et hospital, er der en masse test. Mange af dem er presserende, fordi de kommer foran operationer, eller de kommer ud af kritiske plejeenheder eller en anden ting. Så du har processer på plads, hvor lægerne bestiller dem, de går ind i et laboratorium, laboratoriet har en proces til at markere, at de er modtaget, de er planlagt, de kommer til at blive færdige, de kommer til at løbe igennem udstyret. Nogle gange, hvis de sidder for længe, fordi laboratoriet er sikkerhedskopieret, alt udstyr er besat, skal de oparbejdes. Undertiden er resultaterne ikke gyldige. Nogle gange kan ting som blodprøver, de kan ikke sidde i mere end 30 minutter, eller der er sammenbrud i prøverne, og så skal du gå og tegne blod en anden gang, hvilket er noget, du virkelig ikke ønsker at gøre med mennesker . Så det betyder, at der faktisk er prioriteringer på nogle af laboratorietestene frem for andre, baseret på deres forførelighed. Så du har andre ting, der foregår inde i laboratoriet, og du vil undgå disse oparbejdningsproblemer, hvis det overhovedet er muligt. Men du kan ikke rigtig se strømmen af test gennem forskellige ting, fordi BI i sig selv typisk kun handler om flow i den samlede metriske forstand. Og så viser denne grænseflade dig de data, der er knyttet til processen, så du kan se, hvor mange der kommer ind, hvor mange der er modtaget, hvor mange der foregår på et tidspunkt. Jeg gætter på, at det ikke er en live demo, så du ikke kan se bore ned i detaljerne i processen og de målinger, der foregår inde, hvad der sker med batching eller oparbejdning. Men det er dette, der giver dig en meget bedre visning, og så en person, der i det mindste forstår et laboratorium, kan se på dette og se, hvad der foregår, i modsætning til en masse grafer og metrics på en enkelt skærm. Og så hjælper processen meget på interfacedesignsiden, den skjuler ikke konteksten.
Processen findes også på andre områder. Virkelig, når du taler om BI og datalagring, før vi går ind i den mere avancerede analyse, snakker du om at gøre en af to ting: Du snakker enten om at analysere, hvad der sker i en proces og derefter handle på det, eller du analyserer processen og derefter ændrer den. Så den almindelige form for organisatorisk brug af information er til at overvåge situationer - det er, hvad dine dashboards gør, og dine top 10 og nederste 20 rapporter. De er alle enkle overvågningsværktøjer, så folk kan se, hvad de har brug for at se, og se efter afvigelser. Der kan være trafikbelysning på instrumentbrættet, der er muligvis den nederste 20-rapport, som i det væsentlige er en afvigelsesrapport, der viser det, der bedst udfører noget. Og så analyserer du disse ting, så du ser på andre data, du ser på andre ting. Måske går du nærmere ind i analysen, og så ser du på årsagerne. Du har måske allerede en følelse af tarmen for dette og spring direkte fra til handling. Ofte med en enklere og mere forstået processer, det er nøjagtigt hvad der sker. Du ser et problem, du ved, hvad der foregår, du træffer en beslutning og tager en handling. Normalt er det inden for denne processløjfe i bunden, du har SAP, det har disse ting, du ser det ikke på lager i butikken, så du øger indkøbsordren til den næste runde genopfyldning, og du er færdig.
Der er ikke noget specielt, der skete, men andre gange har du ikke set et problem før, så du er nødt til at analysere årsagerne, så du virkelig skal grave dig ind i, hvad der foregår. Normalt på det tidspunkt, hvor du begynder at skulle analysere årsagen, er du nødt til at forstå processen, fordi dette er et problem, du ikke har set før, så det er ude af grænserne for den normale proces, den daglige dag, der er indlejret i vores OLTP-systemer, og nu har du noget, der kræver kritisk tænkning. Det kræver mere kontekst, fordi du har et sæt problemer og et sæt mulige årsager, som du skal udslette. Du skal resonnere om dette, analysere og indsamle nye oplysninger og derefter ændre processen. Dette sker, fordi vi gjorde noget. Måske synkroniserede vi ikke vores marketingkampagner med vores genopfyldningsprocesser, så vi er ude af lager. Forhåbentlig sker det ikke i detailhandlen, men mange detailhandlere plejede at have disse problemer, da vi først oprettede BI og datavarehus.
Nu involverer ofte årsagsanalysen statistikker og anden vanskeligere analyse end øjenvold med et par tal, men så kommer du ind i den anden del, som er, at du ændrer en proces. Gør du ændringer på det rigtige sted? Forstår du, hvor du skal foretage disse procesændringer? Fremhæver dataene din intuition eller din analyse af, hvad der vil ske efter denne ændring? Hvilke andre processer påvirkes? Hvilke andre numre på dine betjeningspaneler, som du er opmærksomme på, vil blive påvirket af dette? Og du vil sandsynligvis indsamle nye data, som du vil fodre ind i overvågningscyklussen. Så processen er faktisk forbundet med forståelse på et større niveau, når du tager handlinger og gør ting. Og BI-verdenen antager ofte lineær årsagssammenhæng. Faktisk er de fleste managementskoler virkelig dårlige til at lære folk, hvordan man opbygger performance management og performance metrics omkring erhvervslivet, fordi de antager lige synspunkter. Og linjevisninger styrkes igen af simpel BI-rapportering og enkelt metrisk rapportering, som du trækker frem, fordi det ikke forstår processen med, hvordan ting påvirker andre ting.
Så du kan bruge procesmodeller ikke kun som forretningsprocessmodeller, men du kan også anvende systemdynamik. Du kan anvende procesmodeller og bruge dem på samme måde til at forstå, hvordan metrics forholder sig til hinanden. Så set i en lige linje som dette diagram - undskyld jeg, jeg glemte at sætte referencen til det papir, dette var fra, det er et gammelt fra 80'erne, det handler bare om systemdynamik og hvordan ting antages at være, og hvordan de er virkelig. Så lønsomhed antager altid, at hvis vi gør kvalitet bedre end rentabilitet, bliver vi bedre på en eller anden måde. Eller måske bliver det værre, for for at gøre kvaliteten bedre skal du bruge flere penge, og det reducerer rentabiliteten. Så der kan være et negativt på den pil. Eller hvordan ledelse eller hvordan tilpasningen af forskellige siloer i organisationen eller processen fører til bedre rentabilitet eller sænker omkostningerne. Der er altid faktorer, og ideen er, at en hvilken som helst af disse målinger til venstre vil have indflydelse på denne måling til højre, og det hele er lineært.
Diagrammet til højre viser et meget bedre eksempel. Det viser, hvad der virkelig sker her, og hvad der virkelig sker, er, at du muligvis ændrer produktkvalitet, men der er en feedback-loop mellem fx produktkvalitet og omkostningsstruktur, som øger omkostningsstrukturen, hvilket sænker rentabiliteten, selv på samme tid som det sænker også omkostningerne ved garantireparationer. Og derfor bliver matematikken bag dette lidt uklar, fordi du kan ordne noget ved at sænke omkostningerne, men du reducerer produktkvaliteten, hvilket mindsker tilfredsheden, hvilket reducerer salget, og det øger garantiomkostningerne.
Eller du kan gøre det omvendte. Og så skal du mere omhyggeligt modellere, hvad der vil ske, når du ændrer en af disse ting. Og så dine målinger om tingene til venstre i sig selv vil påvirke hinanden, og hvordan du ændrer disse ting, de håndtag, som du trækker i virksomheden eller dine tilpasninger til forretningsprocessen eller praksis, vil påvirke disse. Så processen påtager sig en central rolle, hvor vi i meget lang tid bygget meget enkle ting.
Og så er den næste ting at se på, hvordan processer selv interagerer. Hvis du tager det tidligere diagram, som jeg havde, og du siger, ændre noget, skal du virkelig se på, hvordan processer interagerer, fordi en ændring herover fører til noget derovre, og så dette diagram fra den tidligere præsentation om, hvordan ændringer i markedsføring og ændringer til data i markedsføring, der forsinker, hvad der foregår i salg er handlinger, der halter, hvilket betyder, at din handling kan komme for tidligt eller for sent til at gøre noget godt, og det lønner sig derfor at forstå, hvordan virkningerne i en proces manifesterer sig i en anden proces, fordi alt er altid med det samme gennem processen.
Og det, du har, er så meget kompleksitet i forretningen, og det fandt vi ofte ikke. Det fandt vi ikke, da vi arbejdede med statistikprojekter, om maskinlæringsprojekter, på BI-projekter, og så taler du nu om at injicere, siger, maskinlæring til en lead score-proces til markedsføring og salg, hvor det hjælper dig med at kvalificere kundeemner, der påvirker disse to gule felter her. Nå, at lead score-processen, der sker et eller andet sted, vil påvirke begge disse. Og det vil medføre en genkalibrering eller en ændring i disse to processer. Hvis du gik ind på dette med ideen om, at denne leadscoring-ting er et markedsføringsproblem, og vi vil ansætte en datavidenskabsmand, og de ville bygge denne lead-scoringsalgoritme for os, det vil gøre disse ting, det vil bedre kvalificere vores kundeemner og prioritere ting. Hvordan påvirker det salget? Anvendes den på det rigtige sted? Måske har du brug for at se, hvad der foregår på tværs af disse processer, fordi de begge er nødt til at ændre sig. Det er ikke rent et marketingprojekt. Og det er pointen med en masse analyser, at faktisk er konteksten og virkningerne meget lysere, og omfanget øges, det bliver større og meget hårere.
Og du kan se på problemer på mange forskellige niveauer. Så i første omgang ser du på det i sammenhæng med et marketingproblem, og så siger du: ”Åh, det påvirker faktisk markedsføring og salg. Men dette projekt har i sig selv IT-virkninger, så der er en it-vinkel til dette, der indebærer, at vi er nødt til at gøre andre ting, og forresten dette vil ændre SAP, hvilket betyder, at vi fik denne anden procespåvirkning. ”Og så grænserne af kompleksitet vil variere og også analyseniveauet, fordi processen ikke kun er "Se på denne proces" eller "Se på, hvordan disse to processer interagerer." Hvis du er en udøvende og du laver meget højere ordre taktisk eller strategiske beslutninger, skal du se endnu større billeder. Så dette er et værdikædediagram, det er en af mine favoritter, men det er til ostefremstillingsprocessen fra gård til detailhandel. Så ved du i den meget venstre side ser du gårde, og på højre side ser du forhandlere og i mellem har du transporten, der flytter fysiske varer, dybest set mælk og smør, flytter mejeriprodukter til forskellige fabrikker, som flytter til forarbejdningsanlæg, der flytter til distributører og efterforarbejdnings- og emballeringsanlæg og alle disse forskellige ting. Og det er hovedsageligt en forsyningskæde, der går fra produktion til forbrug.
Og hvad du ser i rødt og grønt ovenfor er faktisk datasiden af procesinteraktionerne mellem virksomheder, fordi dette er en værdikæde ikke for et firma, men for en branche, skønt dette faktisk var for et firma. Du ville placere dig selv i noget lignende og kortlægge dette, og der er en masse forskellige værdikæder og værdisystemer, værdikortlægning af ting, der går tilbage til Porter i, tror jeg, sidst af 70'erne / begyndelsen af firserne. Men tanken er, at der er en proces her, og disse røde ting er alle informationsstrømme fra et firma eller et sæt operationer i forsyningskæden til en anden. Og det indebærer, at en proces i en organisation interagerer med en anden proces i en anden organisation. Så processflow og dataflyt, begge er vigtige, og begge skal være synlige med hensyn til at dokumentere, hvad der sker, og forstå, hvad der sker og resonnere omkring det, for så kan du komme med og sige: ”Nå, hvad hvis jeg anvendte AI til min proces herover, og jeg ændrede, hvordan jeg gjorde denne letfordærvelige forvaltning for at reducere det faktum, at i transit eller i ventepladser og distributionsfaciliteter, har jeg produkter dårlige. ”Og så foretager jeg justeringer af logistik og forsyningskæder, men det påvirker ikke bare mig, men leverandører opstrøms og nedstrøms. Det påvirker mine processer, og det har informationsstrømme, der vil blive påvirket, og så hjælper processen dig med at tænke over, hvordan det vil arbejde, og hvem du vil påvirke, og hvem du har brug for. Og så gælder det ikke rigtig for en analytiker eller for en BI-person eller en dataforsker, men det gælder også for de ledere, der skal bruge dette.
Som et mere konkret eksempel vil jeg bare kaste en virkelig ligetil ting her ved markedsføring, fordi jeg tror, at mange mennesker har et ret intuitivt greb om det grundlæggende i online marketing. Jeg tror, at alle på et eller andet tidspunkt sandsynligvis har set det obligatoriske tragtdiagram, hvor der er et publikum af mennesker derude. Marketing handler ikke kun om reklame. Det handler om en masse ting, men helt i begyndelsen af det får ordet ud. Gør folk opmærksomme på dit produkt eller dine tjenester. Annoncer til dette publikum for at generere udsigter, og så indsnævrer publikum slags udsigterne, mennesker, der måske er interesseret i dit produkt. Og når produktspecifikationer er kvalificerede nok, bliver de muligheder. De bliver salgsmuligheder. Så hver eneste af jer på denne webcast er en potentiel markedsføringsmulighed for de mennesker, der betaler for denne webcast, fordi de faktisk prøver at finde folk, der er kvalificerede kundeemner. Så de håber, at disse salgsmuligheder bliver til kundeemner - faktiske mennesker, der er interesseret i produktet eller den service, der vil have denne ting, som vil have det, og selvfølgelig, hvis du køber noget, donerer eller gør hvad det er, du laver - det gælder ligeledes ikke-for-profit-indsamling af penge. Jeg kan blive kunde, donor. Og så ved du, forhåbentlig, håbet om håb om markedsføring er, at du bliver talsmænd, ikke? Så der er altid ting som promotor-score-målinger, som du kan bygge om mund-til-mund-markedsføring, og hvordan glade kunder forlader mund-til-mund for at fortælle andre om det, som når ud til publikum ikke gennem formelle marketingkanaler og skaber mere udsigter, muligheder, føre kunder og så cyklussen går.
Så det er en grundlæggende tragt, alle ser, at hvis du laver nogen form for, ved du, webanalysearbejde ser du ting som konverteringsdiagrammer, ikke? Dette er en klassisk BI-ting, du ser en konverteringsfrekvens, der simpelthen er overgang fra den ene fase til den næste her. Så det store massepublikum, som du ikke rigtig kender, fordi du bare tæpper annoncerede kundeemner, forhåbentlig kender folk, du måske kender, noget om to muligheder, der identificeres, udsigter, firmaer, du kender til, som derefter krydser en anden grænse. Og så har du forskellige kampagner. Få folk til at klikke på bannerannoncerne og få folk til at deltage i denne webcast. Få folk til at gøre noget, og hver af dem har konverteringsfrekvensen - så antallet af mennesker, du når ud til, og antallet af mennesker, der rent faktisk tager den handling, du ønsker. Så mange konverteringsfrekvenser, der typisk online er, vil balancere mellem for eksempel en og fem procent afhængig af branche og den slags ting, du laver. Så du har en masse metrics.
I dette tilfælde viser jeg den typiske type analytiske ting, hvor sider besøgte de med, eller hvad var afvisningsprocenten. Men det er en enkelt måling, og folk ser på disse og måler tingene ud fra dem, men de er virkelig ikke så frygtelig nyttige. Hvad der sker er, at en til fem procent - og med hensyn til en masse online-annoncering - det er kun omkring en til to procent, hvis du er heldig. Dette er den virkelige kontekst, ikke? Det er alle andre, der ikke konverterede på det tidspunkt for den ting og den lille lille linje i bunden, som giver dig et meget mere realistisk billede end dette diagram gør. Men virkelig, hvad jeg viste dig før med det tragtdiagram burde se sådan ud, ikke? Balanceprisen, hvilket ville være de mennesker, der dukker op på salgswebsteder eller på mobilwebsteder og forlader med det samme, ikke? De var bare ikke rigtig interesserede. Så er der folk, der sidder lidt rundt, og så er der folk, der stak rundt for lidt mere, måske klikkede, måske blev registreret, måske gjorde noget. Dette er faktisk fra detailanalyse; Jeg gjorde, hvor du har indkøbsvognsrater, så den forladte sats, udfyldte en formular og forlod, begyndte at donere penge og gik, begyndte at underskrive en andragende og gik, satte noget i en indkøbsvogn og gik. Du skal virkelig tegne alle disse ting, men du ved, hvad du ser her, du ser en beregning for hver af disse ting. Og hver af disse beregninger, hvis jeg går tilbage til tragten, er overgangen fra et punkt til et andet.
Dette er faktisk procesjusterede metrics. Og hvis du selvfølgelig ønsker at gøre tingene lidt mere komplicerede, vil du opdage, at der faktisk er mange kanaler, ikke? Fordi marketing er en meget kompleks form for kommunikationskanaler. Der er de gamle ting, radioen, tv'et, trykket og trykket er ikke kun magasiner og aviser, det er cirkulærer, du får i din postkasse, det er de små irriterende kort, der går ind i magasiner, eller som de stikker ind i din post. Det er kort og flyers og ting, som de giver dig på gaden. Og så er der selvfølgelig mobilkanal, som i det væsentlige er en anden online kanal, men den er subtilt anderledes. Spil er faktisk en marketingkanal. Film, medier er faktisk marketingkanaler. Hver gang du ser et brand name inde i en filmscene, er der nogen der betales for det. Og så har jeg lige nedbragt online her, du har dit websted, e-mail-marketing, som stadig er meget populære, interaktive stemmesvarssystemer - de irriterende touchtone-systemer, når du ringer til kundesupport og ikke kan komme igennem. Mange forskellige sociale netværk.
Så hver af disse på sin side bryder sammen til mange andre ting som de sociale ting. Du har Facebook og Twitter og Instagram og 100 andre ting. Og så hver af disse har sin egen markedsføringsproces, sin egen måde at vælge, hvordan man engagerer sig, hvordan man bruger, hvad man bruger, hvad man skal gøre, hvordan man skal gøre det og hvordan du skal måle. Hver af dem har en proces. Så Facebook-marketing er forskellig fra Twitter-marketing er forskellig fra Instagram-marketing er forskellig fra markedsføring. Hvilket betyder, at hver enkelt af dem vil have lignende - sandsynligvis ens, men lidt forskellige - ting og måske forskellige mennesker, der beskæftiger sig med dem. Så hver af dem har en proces. Så mængden af processer under disse målinger er faktisk meget dyb, og de påvirker hinanden. Ved at gøre en ting påvirker du andre ting, og denne interaktion er meget nyttig og dejlig at se i procesdiagrammer.
Selve tragtkonceptets andre er for smalle, fordi det typisk hugger af på det tidspunkt, hvor folk bliver kunder. Normalt er det, når marketing siger: ”Vores job slutter.” Meget få mennesker er klar over, at marketingens rigtige job er at generere kunder til salg. Og så skal det måles hele vejen igennem slutpunktet. Og når kunden er erhvervet, er den anden del af markedsføring, som folk uden for markedsføring typisk ikke kender til, at det ikke kun er erhvervelse, det er styringen af en kundelivscyklus. Men det er typisk en anden silo. Som Kim talte om tidligere, har vi siloer og kundeservice og garantisupport, og alle disse andre ting kører normalt i forskellige afdelinger eller forskellige afdelinger inden for markedsføring i deres egne siloer. Men du er nødt til at se på tværs af dem. Du er nødt til at se processen, der mater ting ind, gennem og ud. Og det hotte emne fra - siger godt for fem til 10 år siden, men det er stadig i dag - handler om kunde 360 og brugeroplevelse og styring af kundeoplevelse. Nå, kunder oplever organisationen gennem mange berøringspunkter fra erhvervelse gennem support, så du kan have gode oplevelser på marketingsiden og salgssiden og have forfærdelig service og aldrig komme tilbage. Eller du kan få en frygtelig salgsoplevelse, ikke købe produktet, men beslutte, at det er slutningen på det, uanset hvor god service det er. Og så udvider det syn på processen i den kontekst, inden du ser på metrics.
Og så forståelse af processen på tværs af horisontale, på tværs af afdelinger, på tværs af forretningsgrundlaget er en vigtig ting ikke rent derinde. Og en af udfordringerne, selvfølgelig som BI- eller datavarehus eller datalogi, er, at dataene alle er hakket på grund af disse siloer. Marketingautomationssystemerne håndterer frontend; der er online markedsføringssystemer; Salgsautomatiseringssystemer beskæftiger sig med de midterste dele, når de har oversat til tarmen i SAP eller Oracle OLTP-systemer. Derefter er det forskellige ting, og selvfølgelig løsnes callcenter-biz ofte fra nogen af disse andre stykker, og så er du nødt til at sy det hele sammen igen, og så processdiagrammer hjælper dig med at forstå, hvordan alle systemer relaterer til hinanden, hvilket også hjælper du som BI-data eller husdata-videnskabspraktikere finder ud af, hvilke data går hen, hvor og hvordan og hvorfor. Så jeg bruger personligt procesdiagrammer mange forskellige steder inde i disse analyseprojekter, fordi de hjælper dig med at kortlægge og forstå datakrav samt udføre jobbet. Som vi så tidligere, er der steder, hvor procesmodeller gør brug af data synlige. De bruger salgs- og markedsføringsdata, og hvem der ejer hvilke data, og hvor disse lande landes synlige, og hvor disse overlapper hinanden. De hjælper dig også med at forstå på grund af placeringen af mennesker og afdelinger i procesdiagrammerne, hvem der gør hvad der arbejder og derfor hvem den faktiske procesejer af disse data er. Så du kan se, hvem der ejer de økonomiske data, hvem der ejer sundhedsdataene, hvem der er ansvarlig for disse ting. Og nogle gange er det nyttigt, når du ser målinger, og der er en kløft mellem to processer, og der er en dataoverførsel mellem disse to processer, og der er en person på hver side af det, der sandsynligvis er ansvarlig for enten opstrøms eller downstream-data, og du har brug for at finde dem. Eller du kan gå til proceskortene og se disse ting.
Så processmodel kan hjælpe med at synliggøre dette, og så kan du udnytte disse ting i dine projekter. Og du ved, når vi ser fremad, meget af det, jeg talte om i begyndelsen omkring BI og analyse og endda nogle af datavidenskaben, aspekterne ved tingene på et overfladisk niveau, de handler alt om at analysere grundlæggende proces og metrics . Men den anden ting, du kan gøre, bortset fra at integrere analyser i processer eller analysere processer og ændre dem, er bygningssimuleringer. Den gamle måde at opbygge simulatorer på, som vi plejede at gøre det for længe siden, er at du fik smarte, matematiske mennesker, de byggede modeller, der ville simulere systemet, typisk ved at forstå processerne i dette system. Men der er en anden måde at gøre det på, som er at tage noget af denne forståelse og derefter tilføje data ind i det. Du har bygget en simulator, den siger, at den fungerer på denne måde, du har alle disse data. Du skal være i stand til at kortlægge disse data i den simulering og se, om din simulering er crap, eller om de er gode. Og så kan du begynde at opbygge simuleringer af proces eller interaktionsproces, hvilket er en meget vanskelig ting at gøre.
Ved at analysere og tilføje data i slags sorte bokse - der er black box og white box simuleringsmodeller, som du kan konstruere, og så du kan validere simuleringer - kan du bruge dataene til at konstruere simuleringer; du kan gøre mere interessante ting, og det er virkelig en stor del af, hvor fremtiden går. Det og noget, der har eksisteret i et godt årti eller så, som er selve beslutningsautomatiseringen - som er at tage de helt rutinemæssige ting, som folk gør, der rote, at du bare bruger tid, ved du, trykker på knapper til - og begynder at Gør beslutningsautomatisering, og nogle skoler kalder det "kompleks begivenhedsbehandling." Men du ved, at det er en anden vinkel til at injicere emne beslutningstagning og analyse i processen, hvilket betyder, at du er nødt til at diagramme disse processer for at se, hvordan og hvor denne praksis kan anvendes. .
Og så til sidst har vi næsten aldrig vendt processmodellering til den ting, vi gør, som er at tage beslutninger ved hjælp af information. Og det er et af de områder, som beslutningsautomatisering og CEP faktisk gør lidt af. Men jeg har gjort det lidt selv med hensyn til forskning omkring beslutningstagning, og det er, hvad er processen, som et menneske gennemgår for at tage beslutninger om en bestemt ting? Så det kan være merchandising, det kan være markedsføring, det kan være noget inden for logistik, men der er et menneske, der tager beslutninger, og hvis du modellerer beslutningerne og at de træffer, har du en bedre forståelse af de data og de målinger, der er nødvendige for dem. Og så kan du bruge denne beslutningsprocesmodel som en faktisk mekanisme til at konstruere bedre dashboards til at finde ud af, hvilke analytiske funktioner der kan anvendes i brug til at gøre det eller for at gøre det muligt for denne person at træffe bedre beslutninger. Og det er en af de ting, der stadig er slags derude, der skal udforskes.
Og med det vil jeg afslutte her, så vi har tid til spørgsmål.
Eric Kavanagh: Ja, det var en masse rigtig gode ting, og Kim, jeg må sige, mellem dig og Mark, jeg tror, du begge lige har lagt et ganske imponerende udvalg af situationer og scenarier, hvor processmodellering virkelig vil betale udbytte . Jeg vil nok bare smide det ud til dig, Kim, først. Hvordan får du virksomheden til at sætte pris på dette og indse, hvor meget tid der kan spares, penge kan spares, profit kan øges osv. Ved virkelig at fokusere på at destillere disse processer ned til et sæt diagrammer og derefter analysere dem?
Kim Brushaber: Ja, jeg tror, at den første ting, du skal gøre, er at identificere en mester i organisationen, der ønsker at se deres processer kortlagt. Og det engang - og det skal være en nøgleinteresse i organisationen. Og identificer derefter en lille gruppe til at begynde at bygge processerne ud og igen fokusere på hvad er det forretningsmæssige mål og hvad virksomheden prøver at opnå, ikke kun hvad der foregår inden for en afdeling. Og tag det ene mål og kortlægge det inden i mesteren og tag mesteren, og vis derefter de fordele, du får fra processen, og som derefter vil lade andre dele af organisationen gå og begynde at opbygge disse processer, indtil du kan opbygge hele organisationen, fordi de fleste mennesker ikke bare kan medbringe en konsulentbog, der bare diagrammer alle deres processer på én gang. Så de er nødt til at gøre det i bidte størrelse bidder og vælge de mest strategiske steder at se på eller de steder, hvor du forventer, at de mest procesproblemer findes. Og begynd at slags afkoble julelysene og se, hvordan det kommer sammen.
Eric Kavanagh: Ja, det er faktisk en fantastisk metafor - løsriv julelysene, for under det vil du finde en masse kompleksitet og mange løsninger. Virkelig, jeg tror, det er her, at en masse problemer normalt udspringer, enten gennem en fusion - som du antydet tidligere - eller bare løsninger, der er blevet bagt ind i processen over en periode på år, som ingen nogensinde har taget sig tid til at løsne, ret ?
Kim Brushaber: Rigtigt, eller nogen er lige begyndt at gøre noget, og det blev aldrig diskuteret i første omgang.
Eric Kavanagh: Okay, det er interessant. Her er en- og det er en god. Jeg vil antage, at jeg kaster dette over til dig, Mark, og derefter Kim, hvis du vil kommentere det. En af de deltagende skriver: "I betragtning af det stadigt skiftende og voksende omni-kanal-miljø, hvordan administreres eller fordeles tilskrivningen bedst?" Jeg tror, det er et vedvarende spørgsmål, men Mark, hvad synes du?
Mark Madsen: Ja. Hele henvisningsproblemet inden for markedsføring er enormt. Hvis du ikke ved, hvad tilskrivning er, er det bare at tage, sige, et salg af noget - som onlineeksemplet, hvis du går til Amazon, og du køber en bog. Hvordan kom du derhen? Var det søgemaskineoptimering, der førte dig til det sted ved bare at få placeringerne i denne bog på det bestemte sted, så han gik til det bestemte sted for at købe den? Var det en online annonce, var det en kampagne på sociale medier? Og du ved, at problemet er, at ideen om attribution-modellering er, at der er denne slags hovedårsager, men der er åbenlyst flere ting. Måske så du bogen på bogen stå, og du så en bannerannonce for den, og så besluttede du at søge efter den senere, fordi du ledte efter noget at læse, og så gik han op der.
Og så er spørgsmålet: "Hvordan fordeler du medieudgifterne eller værdien af det salg og kunden på tværs af forskellige kampagner?" Og det er en enormt kompleks opgave, og du skal gøre det, fordi du selvfølgelig prøver at budgettere din mest effektive kampagner. Men også fordi der mange gange er der en omkostning som et tilknyttet gebyr eller noget eller klik, der bliver debiteret dig for dette. Og så skal du beslutte, hvem der får betalt. Får Google betalt, får disse fyre betalt, får disse fyre betalt? Fordi typiske tilskudsordninger er "den første fyr får betalt."
Og derfor tror jeg, at det er et enormt komplekst problem, og at det er et multivariat slags statistisk analyseproblem, der ikke har klare svar. Og det betyder, at du ved, du er nødt til at spore målinger og se, hvad du kan prøve at drille ud, og der er ting som sammenfaldsanalyse og andre underlige ting, der plejede at være populære, som måske bliver populære igen til disse typer formål. Men det betyder igen, at du slags skal forstå processmetrics, i det mindste på niveauet "Jeg har fem forskellige typer af marketingkampagner, jeg har brug for at vide, hvad input til den kampagne er, vide hvor mange penge jeg har ' m at bruge på at behandle målinger, ligesom hvor mange e-mails eller hvor mange annoncer jeg har vist? ”Og resultatmålinger svarende til timingen eller et link eller en tracker på denne ting, denne transaktion fandt sted. Så du kan begynde at opbygge det billede - og igen er det et andet godt eksempel på, hvor slags kortlægning i det mindste de grundlæggende procesinteraktioner kan hjælpe dig med at resonnere over det. Nederst på linjen tror jeg ikke, der er noget klart svar på henvisning.
Eric Kavanagh: Ja, jeg tror, du har nøjagtigt det. Og du vil aldrig vide det, forekommer det mig. Du kan i det mindste vide det vigtigste, du kan have en god idé, hvor de fleste af tingene kom fra, men for at antage, at du kan vide det hele eller nogensinde kunne vide det hele, tror jeg, det er bare en fejl i starten.
Mark Madsen: Jeg tror, Heisenberg allerede skrev om dette.
Eric Kavanagh: Hvad er det?
Mark Madsen: Heisenberg-usikkerhedsprincippet regulerer det.
Eric Kavanagh: Det er rart, det er godt. Lad mig smide dette over til dig, Kim, for når jeg ser på dette, og jeg lytter til denne præsentation, hvad du kortlagde med en masse af disse forskellige scenarier og så hvad Mark også gjorde, ved du hvad der dukker op i mit sind er hele dette begreb om digital transformation, som alle fortsætter med at tale om. Og for mig er det en stor hovedret til denne form for diskussion, for hvis man ser på de nye vindere i form af større innovation som Uber, uanset deres kulturelle problemer og Airbnb og nogle af disse andre virksomheder, var det de gjorde destillat nøgleprocesser ned til dette niveau, til det skematiske niveau, og de fokuserede virkelig på at opbygge skudsikker infrastruktur til at betjene disse seriøse tjenester på markedet. Og de gjorde det i skala, ikke? Nå, digital transformation handler om at udnytte den nye magt i cloud computing, af maskinlæring, analytics, uanset hvad tilfældet måtte være. Så for mig skal enhver, der taler om digital transformation, udføre processmodellering. Hvad synes du?
Kim Brushaber: Ja, og jeg tror, at et andet udtryk, der ofte flyder rundt lige nu, er "procesautomation", som du først skal bygge ud dine forretningsprocesser og forstå, hvad de er, før du kan begynde at automatisere dem. Og så kan du sætte dine planer i gang. Men når du beskæftiger dig med den digitale transformationsalder, ved du, at du er nødt til at se på, hvad er de oplysninger, jeg samler, og virkelig blive enige i din organisation om, hvad disse oplysninger er vigtige. Fordi du ved, ligesom det lysbillede, som Mark delte, hvor du har alle de forskellige tv-skærme med alle de forskellige oplysninger, har vi kapacitet til at indsamle så meget data nu, at du virkelig skal definere som en organisation og komme om bord med alle sammen, alle de vigtigste interessenter, og siger via forretningsprocesser, "Dette er den kritiske information, og dette er de kritiske trin, " og også være i stand til at forstå, hvor dine omdrejningspunkter er. Så du ved, ”Dette er en proces, der ikke rigtig fungerer godt for os. Lad os gå ind i en finjusteret detalje og finde ud af, hvordan vi kan gøre det anderledes, ”og snak med de forskellige berøringspunkter og se deres input også i samtalen.
Eric Kavanagh: Ja, det er et rigtig godt punkt, og jeg troede, at dette lysbillede også gjorde et godt stykke arbejde med at kommunikere betydningen af afhængighed. Du ved, når som helst du skifter en af disse komponenter, skifter du dem alle, og det prøver lidt tid og kræfter at forsøge at vikle dit hoved rundt, hvordan det kan påvirke forretningsprocesser. Men igen, det er den slags ting, hvis du taler om at engagere dig i enhver form for digital transformation, du er nødt til at indse, hvor processer kan kollapses, hvor de kan udryddes. Jeg tror, det er normalt en af de slags usungede helte med vellykkede implementeringer er, når du er klar over, at du ikke længere har brug for X-, Y- eller Z-processer, hvis du omarkitekterer den overordnede plan.
Kim, det er nok, at jeg kaster det tilbage til dig. Hvad finder du, er nogle af de vigtigste succesfaktorer, når det går meget godt? Hvad er nogle af kendetegnene ved disse succeshistorier?
Kim Brushaber: Jeg tror, jeg mener, åbenlyst samarbejde er essentielt, og det er derfor, jeg besluttede at fokusere det glideskib, som jeg har fået så meget på siloer, fordi samarbejde mellem de forskellige organisationer og finde ud af, hvor disse afskedigelser er, det er en enorm måde at strømline og gøre dine processer mere magre og have disse samtaler om, "OK, så det er sådan, jeg gør det, " som den med fusionsglasset, når du taler til flere forskellige afdelinger eller du taler med virksomheder, der mødes og virkelig finde ud af den bedste praksis. Og at designe, hvad der er de bedste skridt at tage og få alle tilpasning til disse trin, gør bestemt, at alle disse oplysninger bliver en hel del glattere.
Eric Kavanagh: Ja, og jeg er glad for, at du også kastede ordet "samarbejde". Mark, jeg vil bare smide det over dig for kommentar. Samarbejde er sådan en spil-skiftende komponent i den nye forretningsverden, selv med enkle ting som f.eks. Google Docs. I stedet for at sende et dokument gennem fem forskellige personer via e-mail, kan du få alle disse fem personer til at se på dokumentet i realtid og foretage justeringer og se, hvad hinanden kommenterer. Det er en stor ting; det er en større ændring i processen. Og den samme komponent kan naturligvis anvendes til forretningsintelligens, til procesmodellering, virkelig enhver af disse discipliner, som vi bruger til at optimere virksomheden. Samarbejde skal først og fremmest være når det giver mening, ikke?
Mark Madsen: Ja, det tror jeg. Jeg mener, denne idé om den ensomme beslutningstager er ligesom, du ved, at den ensomme analytiker, der magisk går derude for at lave deres analyse og vise det negative guld. Og den ensomme beslutningstager, der sidder ved deres skrivebord, er en slags old-school i 1990-erens syn på, hvordan mennesker og organisationer træffer beslutninger, ved du? Du sidder bag et skrivebord, og du ser på denne ting, og så træffer du en beslutning, men det er alt sammen fanget i proces og applikationer nu. De reelle beslutninger træffes typisk på tværs af afdelinger eller med andre mennesker, og det kræver bredere forståelse og kommunikation af, hvad der foregår. Ellers graver du bare i hælene, og alle kæmper, og ingen ønsker at eje noget, hvorfor jeg ikke arbejder i en række virksomheder længere.
Eric Kavanagh: Nå, du ved, det er et meget godt punkt, og Kim, jeg er virkelig glad for, at du bragte op dette koncept om ting, der går tabt i oversættelse. Jeg tror ofte, at folk ikke næsten værdsætter betydningen af kontekst i enhver diskussion og overalt. Kontekst er så vigtigt med hensyn til at hjælpe folk med at forstå, at række spørgsmål, der diskuteres, og hvad beslutningspunkterne er. Og hvis du kan bruge procesmodellering som en mekanisme, igen for at destillere, hvad der kan være ret behårede komplekse organismer ned til relativt enkle - og hvis ikke direkte elegante - diagrammer, for mig er det meget nyttigt til: A) at kommunikere, hvad der er essentielt, men B ) ikke at overse ting, der er kritiske, men som kan gå tabt i samtalen, og C) til sidst at krystallisere noget visuelt, som ærligt talt, ord i dialogen ville have svært ved at negle. Hvad synes du?
Kim Brushaber: Det er virkelig interessant, at du fortsætter med at bringe dette udtryk "samtale." Og jeg inkluderede diaset, der lå på samtalediagrammet, hvor der var de mange forskellige puljer, der talte med hinanden og interagerede med hinanden. Derfor besluttede BPMN-organisationen at oprette dette diagram, fordi de forstod, at samtalerne, der finder sted mellem forskellige afdelinger, er komplekse, og at der var brug for en måde at kunne vise alle de stykker, der var involveret i en proces og alle forskellige spillere og alle de forskellige aspekter, så ingen kugler faldt, og alle vidste, hvor ansvaret blev skitseret. Så i erhvervsprocessen, da du talte om, ved du, at have den rigtige sans for kontekst, er forretningsprocessdiagrammer virkelig gode, fordi de er visuelle, og billeder er værd 1.000 ord, og når du kan se disse ting i en meget visuel kontekst, det giver folk mulighed for at forstå meget bedre end, for eksempel, hvis du skrev, at din proces var ude i et afsnit, og du skrev dem, ved du det, fysisk eller endda, hvis du nummererede dem med kugler. Den billedlige gengivelse giver dig mulighed for at samle den kontekst og den forståelse meget hurtigere end hvis du var ved, at du prøver at læse den eller forstå den.
Eric Kavanagh: Nå, du kunne også depersonalisere tingene til et punkt, ikke? Hvor folk ikke tager ting så personligt, og du ville have et meget mere objektivt syn på hvad virksomheden faktisk gør, og bestemt for de mere komplekse processer, tror jeg, det ville hjælpe både forretnings- og it-publikum med at forstå, hvad det store billedet er, for i slutningen af dagen er det store billede forretningen og ønsker, at virksomheden skal lykkes i, lad os indse det, det er temmelig stormende tider. Det er derfor, jeg tror, tiden er inde, og det har altid været, men det ser endnu mere ud i disse dage, da vi ser visse processer optimeret eller endda udryddet. For eksempel at gå til skyen, bare downloade en hel komponent i dit servicetilbud til skyen eller til en partner eller hvad end det måtte være. Men at have den depersonaliserede, klare diagrammatiske model for virksomheden er en meget nyttig ting til omdesign og til at blive på toppen af tingene, ikke?
Kim Brushaber: Yeah og ER Studio-produkter, vi har også mange søge- og filtreringsfunktioner. Så hvis du ville gå og betegne, at noget var skyadfærd, kunne du gå og finjustere det og foretage en søgning for at se, hvad der er brikkerne, der interagerer i skyen, når du har skematisk taget ud af alle dine processer. Eller for eksempel, lad os sige, at du ser på markedsføring, og du vil bare finjustere marketing - og jeg mener bestemt ikke, at vælge marketing - det er bare den første, der kom til at tænke på, at de fleste organisationer, der har . Men du ved, at gå og være i stand til at sige, ”OK, så jeg tænker på at ændre min marketingafdeling. Dette er alle opførsler, ”og så kan du se på alle processer og sige, ” OK, jeg vil sætte disse taktikker, som vi bruger til at gøre denne måde op i skyen og gøre dette, og det vil påvirke disse stykker, og det vil påvirke disse mennesker. ”Og hvis du har den proces diagrammet ud, kan du se meget visuelt - det er som at se på et kæmpe puslespil, ikke? Du har alle disse forskellige puslespil, som alle spiller sammen, og du kan finde ud af, ”OK, er jeg nødt til at omorganisere disse puslespil, så alt kan passe i ét stykke?”
Eric Kavanagh: Ja, og du ved, at jeg vil skubbe et sidste spørgsmål til dig. Og folkens, jeg er ved at sende et link til diaserne fra dagens præsentation; se på dit chatvindue for at se det. Men naturligvis er procesmodellering og datamodelleringsbetingelser for dataoplysninger, der gennemgår systemer, kritisk vigtige, fordi systemer enten fungerer, eller de ikke fungerer, hvor virksomheden kan være lidt mere løs. Du kan få løsninger - lad os sige i de gamle dage i slutningen af processen eller begyndelsen på processen eller hvor som helst derimellem - du kan få den løsning, som nogen lige regnede ud en dag, når noget brød, som ingen vidste om. Nå, med data, ved du med sikkerhed, fordi dataene ikke vises i det felt, hvor det kræves, og transaktionen ikke bliver færdig. Men ser du nu, at A) vi går mod en mere digital økonomi, men B) vi har alle disse forskellige fusioner og ting, der sker. Ser du, at virksomheder begynder at sætte større pris på værdien af forretningsprocessemodellering og datamodellering? Er den slags overført? Fordi jeg helt sikkert kender til datamodellering, har datamodellerne været meget lidenskabelige over det i mange år. Får virksomheden det i disse dage? Kommer vi tættere på, hvor der er den nødvendige forståelse af, hvad de ting gør?
Kim Brushaber: Nå, jeg mener, det er nøjagtigt, hvad vi prøver at opnå ved IDERA. Vi har ER Studio Suite involverer både datamodelleringssuite og forretningsarkiteksuite, så tak for at du står i kø så pænt.
Eric Kavanagh: Der går du.
Kim Brushaber: Men det gør vi - naturligvis er datamodelleringsstykket absolut vigtigt for enhver inden for informationsarkitektur, løsningsarkitektur, enhver, der er ansvarlig for dataene i organisationen. Og den måde, vi har opbygget vores produkt, gør det muligt for virksomheden og dataene at forme en slags slags arbejde-i-hånd ved hjælp af vores Enterprise Team-tilføjelsespakke, så du kan skubbe alle de objekter, der er tilgængelige til forretningsprocessen og dataproces sammen og være i stand til at bringe disse to verdener sammen. Og bestemt har jeg ikke tid nok til at gå nærmere ind på det, men nogen er velkommen til at gå og kigge på IDERA og se, hvordan vi gør det.
Men spørgsmålet er, at dataanverdenen fortsætter med at blive kompliceret. Opbevaring er blevet billigere og billigere og billigere, og det betyder, at vi kommer til at hente flere og flere og flere data, og det er her de ting, som Mark diskuterede om, ”OK, så nu jeg har dataene, hvordan analyserer jeg det? Hvordan forstår jeg det? Hvordan ekstrapolerer jeg det, og hvordan bruger jeg det til min virksomhed? ”Og så jeg kan overlejre disse oplysninger til forretningsprocessen og sige, ved du, ” Jeg er nødt til at tage en beslutning om en produktionsbeslutning, og jeg er nødt til at vide hvor mange gange bliver mine lastbiler forsinket på grund af sne om vinteren? Skal jeg åbne en virksomhed i Costa Rica for at kunne sende ting derfra i stedet for at sende dem fra nord? ”Og for at kunne se på alle disse aspekter, men du ved ikke engang, at du har brug for at se på disse aspekter, indtil du kan starte nogle med at kortlægge den proces, og i dette tilfælde er det en transportproces, men enhver virksomhed har kompleksiteter i deres proces, som de kan smide ned i en forretningsprocesmodel og begynde at forstå, hvor disse brikker kan flytte .
Eric Kavanagh: Jeg elsker det. Jeg kan især godt lide delen om at åbne en virksomhed i Costa Rica.
Kim Brushaber: Hvorfor ikke?
Eric Kavanagh: Hvis du har brug for en PR-fyr eller en moderator dernede, så fortæl mig det. Jeg sendte linket til diaserne i chatvinduet, så kontroller det chatvindue. Hvis du ikke så det, eller du vil dele dette med dine kolleger, arkiverer vi selvfølgelig alle disse webcasts til senere visning. Og du kan e-maile Kim lige der, hun har sin adresse på skærmen. Send hende en e-mail direkte.
Og med det vil vi byde dig farvel. Tak for en fantastisk præsentation; dette har været godt. Vi henter dig næste gang, folkens. Pas på. Hej hej.
