Impulsionando Inovação: Processo, Master Data e Transformação Digital – Parte II

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

Esta é a Parte II de um artigo de 2 partes sobre Processo + Dados. Parte I descreveu a evolução de DBMSs inteligentes e BPMSs inteligentes. Inteligência Artificial, bem como várias tecnologias digitais, tiveram um impacto tremendo em ambas as tendências. iBPMSs também suportam automação de processo e trabalho – especialmente através de Automação de Processo Robótico.

Parte I destacou a falta de equilíbrio entre DBMSs – especialmente bancos de dados NoSQL avançados – e BPMSs em arquiteturas empresariais. Através de IA e outras tecnologias digitais, ambos se tornaram inteligentes. Além disso, agora estamos testemunhando uma profusão de abordagens para desenvolvimento No Code/Low Code em ambos os domínios. Existem agora Citizen Developers e Citizen Data Scientists.

No entanto, a camada DBMS com múltiplos bancos de dados Relacionais e NoSQL é ubíqua em Infraestruturas de TI e Arquiteturas Empresariais. Dados é o novo petróleo!

A camada BPMS? Não tanto.

Para aproveitar ao máximo a sinergia entre Processo e Dados, a empresa em movimento precisa focar no óbvio: as aplicações e soluções de negócio centrais que impulsionam valor de negócio. Para reiterar o óbvio: não é sobre tecnologia!

Valuestreams (também conhecidos como Valuechains)

A abordagem de dados é em seu núcleo uma abordagem bottom-up focando em dados persistentes. Importante e crítico. Mas ainda, bottom-up dirigido por tecnologia. Aqui elucidaremos três casos de uso robustos que adotam uma abordagem diferente que é muito mais suportiva de Enterprise-In-Motion Autonômico.

A abordagem de aplicação dirigida por processo é muito diferente. Uma suposição fundamental na abordagem dirigida por processo é que um negócio é uma coleção de Valuestreams. Negócios pensam em termos de objetivos e marcos ou estágios para atingir estes objetivos no contexto de Valuestreams. A maioria das organizações ainda é organizada verticalmente, e cada unidade de negócio foca em seus objetivos mensuráveis.

Silos em unidades de negócio, várias aplicações, e parceiros comerciais são pervasivos

Valuestreams vão horizontalmente através de unidades de negócio, diferentes aplicações legadas, e parceiros comerciais tentando otimizar experiências do cliente – para realizar e operacionalizar valor. A mudança cultural na Enterprise-In-Motion precisa capturar, digitalizar, e automatizar o valuestream para visibilidade e controle otimizados.

A Digitalização e Automação do Valuestream são os pilares centrais para Transformação Digital

Organizacionalmente, a cultura precisa encorajar propriedade empoderada do valuestream – através de silos. Automação de Processo Digital alcança a digitalização e automação de valuestreams através de Gerenciamento Dinâmico de Casos (DCM).

Tipicamente, estes são siloed, e a comunicação é feita através de hand-offs manuais. É interessante notar que tecnologias digitais e até práticas de transformação digital tiveram pouco impacto em organizações siloed organizadas verticalmente. A hierarquia organizacional persistiu. Valuestreams vão horizontalmente frequentemente com um dono empoderado para sua excelência operacional. Se valuestreams não são otimizados através de DPA, haverá desperdício e ineficiências consideráveis.

O poder dos Valuestreams digitalizados & automatizados é o habilitador central dos três casos de uso

Processo + Master Data

Segundo o MDM Institute: Master Data Management (MDM) é a base autoritativa, confiável para dados usados através de muitas aplicações e constituintes com o objetivo de fornecer uma visão única da verdade não importa onde ela reside.

Os silos mencionados acima – em organizações, unidades de negócio, e aplicações que são possuídas por eles – são a principal razão pela qual há inconsistências na informação sobre a mesma entidade: cliente, fornecedor, produto, ou outro. Master Data aborda vários pontos de dor. Aqui estão alguns exemplos:

• Inconsistências e má qualidade de dados resultam em decisões ruins, errôneas, e até arriscadas. Execuções de casos dinâmicos automatizados são tão boas quanto a consistência dos dados.
• Para Clientes, Produtos, Preços, Parceiros, Fornecedores, Serviços, e outros Master Data compartilhados através de aplicações, frequentemente diferentes sistemas siloed contêm informação contraditória sobre a mesma entidade (ex: estado civil errado). Há muito desperdício tentando manter dados heterogêneos consistentes e de alta qualidade.
• Fusões e Aquisições também criam desafios de consistência de dados – para ter uma única versão da verdade sobre um cliente ou oferta através da organização

Aqui estão alguns exemplos típicos:

• Endereço do cliente não é atualizado consistentemente através de todos os bancos de dados ou aplicações que armazenam o endereço.
• O preço de um produto não é consistente e depende do canal (varejo, Web, app mobile, etc.)
• A lista de Fornecedores, disponibilidade, e lista de peças é inconsistente através de vários sistemas ERP

Há muitos mais.

Master Data é necessário para abordar qualidade de dados, consistência de dados, sourcing de dados, precisão de dados, integridade de dados, replicação de dados, e completude de dados.

Como notado acima, uma empresa é o agregado de seus Valuestreams. Estas execuções de valuestreams são apenas tão boas quanto a consistência dos dados. A expressão de Ciência da Computação "Garbage In – Garbage Out" (GIGO) é muito aplicável aqui. De fato, inconsistências de dados cedo ou tarde impactarão a experiência do cliente resultando em insatisfação do cliente: Net Promoter Scores (NPS) mais baixos, maior ratio de detratores!

Abordagem MDM Bottom-Up

Frequentemente organizações tentam abordar desafios de Master Data através de ferramentas e sistemas de Master Data Management. Isso poderia acabar sendo projetos de master data "big bang", com ferramentas caras. Algumas organizações estabeleceram centros de excelência MDM para governança. A tecnologia e consistências de dados são formidáveis e importantes para abordar, incluindo limpeza de dados, abordagem de dados faltantes, consistência de dados, ETL, e integração de dados. O perigo é o esforço enorme requerido para normalizar master data sem priorizar através de objetivos de negócio. Um problema comum é que iniciativas tentando resolver desafios de master data frequentemente o fazem em um silo. O próprio MDM se torna ainda outra camada de software que precisa ser gerenciada. Se cópia e replicação de dados é usada, isso também cria overhead adicional e potenciais inconsistências.

No entanto, o problema mais sério é a falta de foco e justificativa precisa na criação e gerenciamento de master data específico. Por exemplo, o número agregado de campos ou atributos sobre um Cliente de vários sistemas de registro poderia estar nas centenas. Os valuestreams de cliente mais críticos tipicamente precisarão de um subconjunto muito pequeno dos campos ou atributos disponíveis. O resto raramente – se alguma vez – será usado. Enquanto o raciocínio do sistema MDM possa fazer sentido, esta abordagem bottom-up poderia ser sub-ótima.

Abordagem Valuestream Top-Down

Uma abordagem mais ótima é tratar desafios MDM como parte de iniciativas gerais de melhoria contínua, especialmente através de soluções de gerenciamento dinâmico de casos ponta-a-ponta que conectam silos que tocam e manipulam master data. A Enterprise-In-Motion é um agregado de Valuestreams. MDM é sobre fazer os Valuestreams rodarem tão bem quanto podem. Cada um destes Valuestreams tem objetivos de negócio específicos – por exemplo, reduzir custo, melhorar o NPS, ou gerar receita. O núcleo desta abordagem é uma camada habilitada por Dynamic Case Management (DCM) que embrulha e moderniza sistemas legados. Como notado na Parte I, DCM é uma capacidade chave em DPA – além de Automação Robótica, IA, e outras Tecnologias Digitais.

A abordagem top-down foca apenas naqueles campos ou atributos que são necessários para Valuestreams específicos que são otimizados, digitalizados, e automatizados através de DPA.

Esta abordagem "top-down" prioriza projetos transformacionais com melhorias MDM e equilibra risco com valor de negócio. Estas questões técnicas de banco de dados devem ser abordadas, mas com uma abordagem revampada para prioridades.

Pense Grande mas Comece Pequeno

Na Enterprise-In-Motion, soluções para questões de master data são dirigidas por governança "Pense Grande…Mas Comece Pequeno". A abordagem é realizar quick wins, construir ou alcançar o rigor de master data necessário, e então expandir com soluções transformacionais adicionais que incluam Master Data. Em outras palavras, com a abordagem iterativa, o master agregado é construído pedaço por pedaço em vez de um Master Data abrangente Big Bang e então realização de projetos para soluções para transformação digital. A governança e implementação de Master Data podem ser embarcadas no DNA das metodologias de automação de processo e levar à priorização de fontes de dados e otimização necessária para gerenciar dados dentro da camada DPA. O objetivo é equilibrar facilidade de Master Data com valor de negócio para projetos específicos priorizados.

Na Metodologia Design Thinking, priorização é crítica para o backlog de projetos de Valuestream. Estas priorizações sistematicamente ranqueiam projetos equilibrando facilidade de implementação com valor de negócio. Aqui estão algumas dimensões potencialmente mensuráveis que poderiam impactar a priorização:

• Complexidade de consolidar campos de master data para o projeto
• Impacto de má qualidade de master data em casos ponta-a-ponta para o projeto
• A aplicação dos campos de master data no projeto de alto impacto de negócio
• Disponibilidade de APIs para acessar valores de campos de master data para o projeto

As fatias priorizadas refletindo suporte de Master Data são alimentadas para a metodologia ágil. A metodologia deve ajudar você a continuamente monitorar e medir objetivos de negócio. O Master Data é otimizado iterativamente através das fatias. Projetos inovadores alimentados pelas priorizações de Design Thinking são continuamente medidos e monitorados. Existem três tipos de iterações na abordagem Top-Down:

• Iteraões no backlog dos projetos – priorizados por valor de negócio bem como dimensões de disponibilidade de Master Data
• Iteraões enquanto construindo a solução DPA enquanto alavancando Master Data
• Pós-produção, também é importante comparar objetivos alvo vs. alcançados para melhorias adicionais.

Assim, a abordagem Top-Down incrementalmente constrói o Master Data, enquanto continuamente entrega projetos de alto valor de negócio e os melhora.

Transformação Digital: IoT & Blockchain

A abordagem top-down dirigida por processo de Valuestream é um habilitador para propostas de valor de tecnologia de Transformação Digital. Duas destas tecnologias que são mais críticas para a Enterprise-In-Motion são IoT e Blockchain.

O Caminho para o Sucesso do IoT

IoT é sobre conectividade de dispositivos cada vez mais inteligentes através de sensores e atuadores. A fundação para conectividade, equilibrando alcance, e considerações de fornecimento de energia é, claro, crítica. Existem vários componentes na stack geral e arquiteturas multi-tier de IoT. Os níveis mais baixos incluem dispositivos e sistemas físicos. É precisamente esta conectividade cyber-física que está estabelecendo a fundação da era IoT. Outras camadas incluem camadas de acumulação e análise de dados. Dispositivos conectados IoT geram uma quantidade enorme de dados: Big Data está se tornando Thing Data! Alguns destes dados – frequentemente a maior parte – estão sendo processados nas edges.

Existem várias arquiteturas de referência e modelos de referência para IoT. O Modelo de Referência do IoT World Forum coloca colaboração e Processos de Negócio no topo da arquitetura multi-nível para IoT.

Isto é significativo e preciso. Sucesso pode ser alcançado top-down com objetivos de negócio concretos desde o início. Soluções de negócio top-down envolvem Pessoas, Dispositivos Conectados (aka IoT), Parceiros Comerciais, e Aplicações Empresariais (aka Systems of Record): todos colaborando e orquestrando suas atividades em direção a Key Performance Indicators (KPIs) concretos e mensuráveis. As colaborações estão no contexto de Valuestreams Ponta-a-Ponta (a palavra operativa sendo Valor), que são modelados, automatizados, e monitorados através de DPA para melhoria contínua. Metodologia DPA, melhores práticas de competência, e tecnologia são o motor que impulsiona sucesso de IoT.

Existem muitas aplicações de IoT que são dirigidas por Valuestreams DPA. Manutenção Prescritiva Digital é a aplicação killer para IoT. Como ilustrado aqui, envolve a orquestração de tarefas cujos participantes incluem pessoas – por exemplo, Customer Service e Field Service – aplicações empresariais, IA para triagem das melhores ações, gestão de cadeia de garantia, e claro dispositivos conectados e IoT. A orquestração e automação ponta-a-ponta são alcançadas através de DPA.

Blockchain para Valuechain

Blockchain é muito uma revolução. É o motor que capacita o surgimento da Internet of Value (IoV). IoV é uma fase importante na evolução da Internet. Nos anos 1990 começamos com a Internet of Information: a Internet tradicional – a que usamos todo dia buscando informação. Veio depois a Internet of Things ou dispositivos conectados que estão se tornando pervasivos em consumidor (ex: Casas Conectadas), setor público (ex: Cidades Inteligentes), e aplicações industriais (ex: Manufatura Inteligente). O caminho para o sucesso do IoT passa pela Automação de Processo Digital. Blockchain que é a tecnologia subjacente para criptomoedas está habilitando a Internet of Value. A "valor" pode ser moeda digital. Mais importante, o "valor" também pode ser dados que suportam trocas inter- e intra-organizacionais suportando objetivos de negócio.

Blockchain como Banco de Dados Descentralizado & Distribuído

Blockchain armazena o ledger de transações entre várias partes – em nós que participam validando o Blockchain. O ledger é distribuído e replicado. Empresas colaborando em transações B2B podem agora compartilhar a informação de transação via Blockchain. Uma aplicação potencial para estendida (i.e., 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 suas aplicações empresariais. Assim, em vez de parceiros comerciais replicarem os dados em seus sistemas ERP ou banco de dados internos, o Blockchain pode servir como Master Data para as transações inter-empresas! Tecnologia Blockchain ainda está muito em sua infância. Passaremos por várias fases "Troughs of Disillusionment" do ciclo de hype antes que soluções IoV robustas se tornem pervasivas.

Discussões de tecnologia Blockchain também tendem a ser muito "bottom-up" – uma inovação interessante procurando problemas para resolver. Como o sucesso do IoT rodando através de DPA, Blockchain precisa evoluir para uma abordagem Valuechain (aka Valuestream) – powered through DPA!

• Camada de Orquestração Valuechain: No topo, você tem o Valuechain ponta-a-ponta que orquestra e sequencia tarefas envolvendo pessoas, dispositivos automatizados, e aplicações empresariais (aka systems of record) e parceiros comerciais. Esta camada é digitalizada e automatizada através de DPA.
   
• Camada Blockchain: Os ledgers distribuídos descentralizados são gerenciados na camada Blockchain do meio. Os Blockchains executarão ou regras de smart contract, trocarão criptomoedas, ou ambos. As tarefas ou marcos do Valuechain ponta-a-ponta alavancarão Blockchain em passos específicos.
   
• Camada Dispositivo Conectado IoT/IIoT: A camada mais baixa será a camada de conectividade IoT/IIoT. Com Blockchain bem como edge computing IoT/IIoT, uma vantagem adicionada é empurrar a execução e as transações para as edges. O Valuechain geral está no topo, com edge computing IoT/IIoT que pode alavancar Blockchain conforme necessário.

Conclusões Processo + Dados

Processo e Dados são ambos críticos para a Enterprise-In-Motion. No entanto, a camada de Processo para Valuestreams automatizados – com DPA robusto (encarnação atual na evolução de BPM) – é frequentemente ausente em infraestruturas de TI e arquiteturas empresariais. Parte II de Processo+Dados cobriu três casos de uso convincentes que ilustram claramente o poder de uma abordagem top-down dirigida por negócios de Processo. Mesmo Master Data – que em seu núcleo é um desafio de banco de dados – pode ser transformado e otimizado através de priorizar Valuestreams e construir o Master Data no contexto de iterações DPA. Os outros dois casos de uso dizem respeito às tecnologias de Transformação Digital mais convincentes: IoT e Blockchain. Para ambos, o caminho para o sucesso passa por DPA!

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

Infraestruturas de TI e arquiteturas empresariais da Enterprise-In-Motion, bem como as metodologias acompanhantes focadas em valor de negócio, precisam de DPA.