Processo + Dados Mestres e Transformação Digital, Parte II

Processo + Dados são críticos para inovação e transformação. O potencial e o poder dos insights de dados são realizados nos processos digitalizados e automatizados.

Esta é a Parte II de um artigo de 2 partes sobre Processo + Dados. Parte I descreveu a evolução dos SGBDs inteligentes e BPMSs inteligentes . A Inteligência Artificial, assim como várias tecnologias digitais, tiveram um tremendo impacto em ambas as tendências. Os iBPMSs também suportam processos e automação de trabalho – especialmente por meio de RoboticProcess Automation.

A Parte I destacou a falta de equilíbrio entre DBMSs – especialmente bancos de dados NoSQL avançados – e BPMSs em arquiteturas corporativas. Através da IA ​​e outras tecnologias digitais, ambos se tornaram inteligentes. Além disso, estamos testemunhando uma infinidade de abordagens para o desenvolvimento No Code/Low Code em ambos os domínios. Agora existem CitizenDevelopers e Cientistas de Dados Cidadãos.

No entanto, a camada DBMS com vários bancos de dados relacionais e NoSQL é onipresente em infraestruturas de TI e arquiteturas corporativas. Os dados são o novo petróleo bruto!

A camada BPMS? Não muito.

Para aproveitar ao máximo a sinergia entre Processo e Dados, a empresa em movimento precisa se concentrar no óbvio:os principais aplicativos e soluções de negócios que geram valor comercial . Reiterando o óbvio:não se trata de tecnologia!

Valuestreams (também conhecido como Valuechains)

A abordagem de dados está em sua principal abordagem de baixo para cima, com foco em dados persistentes. Importante e crítico. Mas ainda assim, orientado por tecnologia de baixo para cima. Aqui vamos elucidar três casos de uso robustos que adotam uma abordagem diferente que é muito mais favorável ao AutonomicEnterprise-In-Motion.

A abordagem de aplicação orientada a processos é muito diferente. Uma suposição fundamental na abordagem orientada a processos é que uma empresa é uma coleção de Valuestreams . As empresas pensam em termos de objetivos e marcos ou etapas para atingir esses objetivos no contexto de fluxos de valor . A maioria das organizações ainda está organizada verticalmente e cada unidade de negócios se concentra em seus objetivos mensuráveis.

Silos em unidades de negócios, aplicações diversas, e os parceiros comerciais são difundidos

Os fluxos de valor percorrem horizontalmente as unidades de negócios, diferentes aplicativos legados e parceiros comerciais que tentam otimizar as experiências do cliente – para perceber e operacionalizar valor . A mudança cultural na empresa em movimento precisa capturar, digitalizar e automatizar o fluxo de valor para visibilidade e controle otimizados.

A digitalização e a automação do Valuestream são os pilares centrais da transformação digital

Organizacionalmente, a cultura precisa encorajar a propriedade empoderada do fluxo de valor – através dos silos. A DigitalProcess Automation alcança a digitalização e automação de fluxos de valor por meio do DynamicCase Management (DCM).

Normalmente, eles são isolados e a comunicação é feita por meio de hand-offs manuais. É interessante notar que as tecnologias digitais e mesmo as práticas de transformação digital tiveram pouco impacto nas organizações em silos organizados verticalmente. A hierarquia da organização persistiu. Os fluxos de valor geralmente seguem horizontalmente com um proprietário capacitado por sua excelência operacional. Se os fluxos de valor não forem otimizados por meio do DPA, haverá desperdícios e ineficiências consideráveis.

O poder dos fluxos de valor digitalizados e automatizados é o principal facilitador dos três casos de uso

Processo + Dados mestre

De acordo com o MDM Institute:Master Data Management (MDM) é a base confiável e confiável para dados usados ​​em muitos aplicativos e grupos constituintes com o objetivo de fornecer uma visão única da verdade, não importa onde ela esteja.

Os silos mencionados acima – organizações, unidades de negócios e aplicativos de sua propriedade – são o principal motivo de inconsistências nas informações sobre a mesma entidade:cliente, fornecedor, produto ou outro. Master Data aborda vários pontos problemáticos. Aqui estão alguns exemplos:

• Inconsistências e baixa qualidade de dados resultam em decisões ruins, errôneas e até arriscadas. As execuções de caso dinâmicas automatizadas são tão boas quanto a consistência dos dados.
• Para clientes, produtos, preços, parceiros, fornecedores, serviços e outros dados mestres compartilhados entre aplicativos, geralmente sistemas em silos diferentes contêm informações contraditórias sobre a mesma entidade (por exemplo, estado civil incorreto). Há muito desperdício tentando manter dados heterogêneos consistentes e de alta qualidade.
• As fusões e aquisições também criam desafios de consistência de dados – ter uma única versão da verdade sobre um cliente ou oferta em toda a organização

Aqui estão alguns exemplos típicos:

• Endereço do cliente não é atualizado de forma consistente em todos os bancos de dados ou aplicativos que armazenam o endereço.
• O preço de um produto não é consistente e depende do canal (varejo, Web, aplicativo móvel etc.)
• Ofornecedor lista, disponibilidade e lista de peças é inconsistente em vários sistemas ERP

Há muitos mais.

O MasterData é necessário para lidar com qualidade de dados, consistência de dados, origem de dados, precisão de dados, integridade de dados, replicação de dados e integridade de dados.

Conforme observado acima, uma empresa é o agregado de seus fluxos de valor. Essas execuções de fluxos de valor são tão boas quanto a consistência dos dados. A expressão da Ciência da Computação “GarbageIn – Garbage Out” (GIGO) é muito aplicável aqui. Na verdade, as inconsistências de dados irão, mais cedo ou mais tarde, impactar a experiência do cliente, resultando em insatisfação do cliente:menor Net Promoter Score (NPS), maior proporção de detratores!

A abordagem MDM de baixo para cima

Muitas vezes, as organizações tentam enfrentar os desafios dos Dados Mestres por meio de ferramentas e sistemas de Gerenciamento de Dados Mestres. Isso pode acabar sendo projetos de dados mestre “big bang”, com ferramentas caras. Algumas organizações estabeleceram centros de excelência em MDM para governança. A tecnologia e a consistência dos dados são formidáveis ​​e importantes para abordar, incluindo limpeza de dados, tratamento de dados ausentes, consistência de dados, ETL e integração de dados. O perigo é o enorme esforço necessário para normalizar os dados mestres sem priorizar os objetivos de negócios. Um problema comum é que as iniciativas que tentam resolver os desafios de dados mestres geralmente o fazem em um silo. O próprio MDM torna-se mais uma camada de software que precisa ser gerenciada. Se a cópia e a replicação de dados forem usadas, isso também criará sobrecarga adicional e possíveis inconsistências.

No entanto, o problema mais grave é a falta de foco e justificativa precisa na criação e gerenciamento de dados mestre específicos. Por exemplo, o número agregado de campos ou atributos sobre um Cliente de vários sistemas de registros pode estar na casa dos 100. Os fluxos de valor mais críticos do cliente normalmente precisarão de um subconjunto muito pequeno dos campos ou atributos disponíveis. O resto raramente – ou nunca – será usado. Embora o raciocínio do sistema MDM possa fazer sentido, essa abordagem de baixo para cima pode ser subótima.

Abordagem de fluxo de valor de cima para baixo

Uma abordagem mais otimizada é tratar os desafios de MDM como parte de iniciativas gerais de melhoria contínua, especialmente por meio de soluções de gerenciamento de caso dinâmico de ponta a ponta que conectam silos que tocam e manipulam dados mestres. A Enterprise-In-Motion é um agregado de Valuestreams. MDM é fazer com que os Valuestreams funcionem da melhor maneira possível. Cada um desses fluxos de valor tem objetivos de negócios específicos – por exemplo, reduzir custos, melhorar o NPS ou gerar receita. O núcleo dessa abordagem é uma camada habilitada para Dynamic Case Management (DCM) que envolve e moderniza os sistemas legados. Conforme observado na Parte I, o DCM é um recurso essencial no DPA – além da automação robótica, IA e outras tecnologias digitais.

A abordagem de cima para baixo se concentra apenas nos campos ou atributos necessários para fluxos de valor específicos que são otimizados, digitalizados e automatizados por meio do DPA.

Essa abordagem “de cima para baixo” prioriza projetos transformacionais com melhorias de MDM e equilibra o risco com o valor do negócio. Essas questões técnicas de banco de dados devem ser abordadas, mas com uma abordagem renovada das prioridades.

Pense grande, mas comece pequeno

Na Enterprise-In-Motion, as soluções para problemas de dados mestres são orientadas pela governança “Pense Grande... Mas Comece Pequeno”. A abordagem é obter ganhos rápidos, construir ou atingir o rigor de dados mestre necessário e, em seguida, expandir com soluções transformacionais adicionais que incluem dados mestre. Em outras palavras, com a abordagem iterativa, o mestre agregado é construído aos poucos em vez de um MasterData abrangente do Big Bang e então realização de projetos de soluções para transformação digital. A governança e implementação de Master Data podem ser incorporadas ao DNA das metodologias de automação de processos e levar à priorização das fontes de dados e à otimização necessária para gerenciar os dados dentro da camada DPA. O objetivo é equilibrar a facilidade de dados mestre com valor comercial para projetos específicos priorizados.

Na Metodologia DesignThinking, priorização é crítico para o backlog de projetos Valuestream. Essas priorizações classificam sistematicamente os projetos, equilibrando a facilidade de implementação com o valor comercial. Aqui estão algumas dimensões potencialmente mensuráveis ​​que podem afetar a priorização:

• Complexidade de consolidação dos campos de dados mestre para o projeto
• Impacto da baixa qualidade dos dados mestre em casos de ponta a ponta do projeto
• A aplicação dos campos de dados mestre no projeto de alto impacto nos negócios
• Disponibilidade de APIs para acessar os valores do campo de dados mestre para o projeto

Os fragmentos priorizados que refletem o suporte a Master Data são alimentados na metodologia agile. A metodologia deve ajudá-lo a monitorar e medir continuamente os objetivos de negócios. Os dados mestres são otimizados iterativamente em todos os fragmentos. Os projetos inovadores alimentados pelas prioridades do Design Thinking são continuamente medidos e monitorados. Existem três tipos de iterações na abordagem Top-Down:

• Iterações na lista de pendências dos projetos – priorizadas pelo valor do negócio, bem como pelas dimensões de disponibilidade de dados mestre
• Iterações durante a criação da solução DPA enquanto aproveita os dados mestre
• Pós-produção, também é importante comparar os objetivos almejados com os alcançados para obter mais melhorias.

Assim, a abordagem Top-Down constrói incrementalmente os Dados Mestres, enquanto continuamente entrega projetos de alto valor de negócios e os melhora.

Transformação digital:IoT e Blockchain

A abordagem de cima para baixo orientada para o processo Valuestream é um facilitador para as propostas de valor da tecnologia de Transformação Digital. Duas dessas tecnologias que são mais críticas para a empresa em movimento são IoT e Blockchain.

O caminho para o sucesso da IoT

IoT é sobre conectividade de dispositivos cada vez mais inteligentes por meio de sensores e atuadores. A base para as considerações de conectividade, alcance de balanceamento e fonte de alimentação é, obviamente, crítica. Existem vários componentes na pilha geral e nas arquiteturas multicamadas da IoT. Os níveis mais baixos incluem físico dispositivos e sistemas. É precisamente este ciberfísico conectividade que está lançando as bases da era IoT. Outras camadas incluem as camadas de análise e acumulação de dados. Os dispositivos conectados à IoT geram uma enorme quantidade de dados:Big Data está se tornando Thing Data! Alguns desses dados – geralmente a maior parte deles – estão sendo processados ​​nas bordas.

Existem várias arquiteturas de referência e modelos de referência para IoT. O modelo de referência do IoT WorldForum coloca a colaboração e os processos de negócios no topo da arquitetura multinível para IoT.

Isso é significativo e no local. O sucesso pode ser alcançado de cima para baixo com objetivos de negócios concretos desde o início. As soluções de negócios de cima para baixo envolvem pessoas, dispositivos conectados (também conhecidos como IoT), parceiros comerciais e aplicativos empresariais (também conhecidos como sistemas de registro):todos colaborando e orquestrando suas atividades em direção a indicadores-chave de desempenho (KPIs) concretos e mensuráveis. As colaborações estão no contexto de valores de ponta a pontas treams (a palavra de operação sendo Valor ), que são modelados, automatizados e monitorado por meio do DPA para melhoria contínua. Metodologia DPA, práticas recomendadas de competência , e tecnologia são o motor que impulsiona o sucesso da IoT.

Existem muitos aplicativos de IoT que são conduzidos por DPAValuestreams. O DigitalPrescriptive Maintenance é o aplicativo matador para IoT. Conforme ilustrado aqui, envolve a orquestração de tarefas cujos participantes incluem pessoas – por exemplo, Atendimento ao cliente e FieldService – aplicativos corporativos, IA para triagem das melhores ações, gerenciamento da cadeia de garantia e, claro, dispositivos conectados e IoT. A orquestração e a automação de ponta a ponta são alcançadas por meio do DPA.

Blockchain para Valuechain

Blockchaini é uma revolução. É o motor que potencializa o surgimento da Internet of Value (IoV). IoV é uma fase importante na evolução da Internet. Na década de 1990 começamos com a Internet da Informação : a Internet tradicional – aquela que usamos todos os dias em busca de informações. Em seguida veio a Internet das Coisas ou dispositivos conectados que estão se tornando difundidos no consumidor (por exemplo, residências conectadas), setor público (por exemplo, cidades inteligentes) e aplicações industriais (por exemplo, fabricação inteligente). O caminho para o sucesso da IoT passa pela Automação de Processos Digitais. Blockchain que é a tecnologia subjacente para criptomoedas está permitindo a Internet do Valor. O valor pode ser moeda digital. Mais importante, o “valor” também pode ser dados que suportam trocas inter e intra-organizacionais que dão suporte aos objetivos de negócios.

Blockchain como um banco de dados descentralizado e distribuído

Blockchain armazena o livro de transações entre várias partes – em nós que participam da validação do Blockchain. O ledger é distribuído e replicado. As empresas que colaboram em transações B2B agora podem compartilhar as informações da transação via Blockchain. Um pedido potencial para estendido (ou seja, envolvendo diferentes parceiros comerciais) Enterprises-In-Motion é tratar o Blockchain como um banco de dados compartilhado para suas transações comerciais e acessar os dados conforme necessário de dentro de seus aplicativos corporativos. Assim, em vez de parceiros comerciais replicarem os dados em seus sistemas ERP ou banco de dados internos, o Blockchain pode servir como um Master Data para as transações entre empresas! A tecnologia Blockchain ainda está em sua infância. Passaremos por várias fases do hype “Cavalhas da desilusão” antes que soluções robustas de IoV se tornem difundidas.

As discussões sobre a tecnologia Blockchain também tendem a ser muito “de baixo para cima” – uma inovação interessante que procura problemas para resolver. Assim como o sucesso da IoT rodando através do DPA, o Blockchain precisa evoluir para um Valuechain ( aka Valuestream) – alimentada por DPA!

• Camada de orquestração de cadeia de valor :No topo, você tem a cadeia de valor de ponta a ponta que orquestra e sequencia tarefas envolvendo pessoas, dispositivos automatizados e aplicativos corporativos (também conhecidos como sistemas de registro) e parceiros comerciais. Essa camada é digitalizada e automatizada por meio do DPA.
  
• Camada Blockchain: Os ledgers distribuídos descentralizados são gerenciados na camada intermediária do Blockchain. Os Blockchains executarão regras de contrato inteligente, troca de criptomoedas ou ambos. As tarefas ou marcos do Valuechain de ponta a ponta alavancarão o Blockchain em etapas específicas.
  
• Camada de dispositivo conectado IoT/IIoT: A camada mais baixa será a camada de conectividade IoT/IIoT. Com Blockchain, bem como computação de borda IoT/IIoT, uma vantagem adicional é levar a execução e as transações para as bordas. A cadeia de valor geral está no topo, com computação IoT/IIoTedge que pode alavancar Blockchain conforme necessário.

Processo + Conclusões de Dados

Processo e Os dados são críticos para a empresa em movimento. No entanto, a camada de processo para fluxos de valor automatizados – com DPA robusto (encarnação atual na evolução do BPM) – geralmente está ausente na infraestrutura de TI e nas arquiteturas corporativas. A Parte II do Processo+Dados cobriu três casos de uso convincentes que ilustram claramente o poder de uma abordagem de Processo orientada para os negócios de cima para baixo. Mesmo mestre dados – que é, em sua essência, um desafio de banco de dados – pode ser transformado e otimizado por meio da priorização dos fluxos de valor e da construção dos dados mestres no contexto das iterações do DPA. Os outros dois casos de uso dizem respeito às tecnologias de transformação digital mais atraentes:IoT e Blockchain. Para qualquer um, o caminho para o sucesso passa pelo DPA!

Processo + Dados são ambos fundamental para a inovação e a transformação. O potencial e o poder dos insights de dados são realizados nos processos digitalizados e automatizados.

As infraestruturas de TI Enterprise-In-Motion e as arquiteturas corporativas, bem como as metodologias de acompanhamento focadas no valor de negócios, precisam de DPA.