Osoblje Techopedia, 8.11.2017
Odlazak: Domaćin Eric Kavanagh razgovara o zrelosti podataka i zrelosti organizacije s Jen Underwood iz agencije Impact Analytix i Ronom Huizengom iz IDERA-e.
Trenutno niste prijavljeni. Prijavite se ili prijavite da biste pogledali videozapis.
Eric Kavanagh: U redu, dame i gospodo. Pozdrav i dobrodošli još jednom. Srijeda je u 4 sata istočno, što znači da je vrijeme za Hot Technologies. Da svakako. Moje ime je Eric Kavanagh; Bit ću vaš domaćin današnje emisije koja je doista definirana i dizajnirana tako da definira određene vrste tehnologije u određenim stanjima u svijetu upravljanja podacima. A naša današnja tema je "Postizanje zrelosti podataka: Zakon o uravnoteženju organizacije." Dakle, spot je uistinu vaš, stvarno me udarite na Twitter, @eric_kavanagh. Uvijek retitiram ako me spominjete, a ja ću pokušati slijediti i mene. Dobro je mjesto za odlazak na informacije o onome što se događa u svijetu. Volim taj format. Kratki znakovi, 140 znakova - ili više ovih dana. Dakle, slobodno mi pošaljite tweet i ja ću ga vratiti.
Ova godina je vruća, naravno. Danas govorimo o zrelosti podataka, a evo i rasporeda, s vašim uistinu na vrhu. Danas imamo novog analitičara; Jako sam uzbuđena što imam Jen Underwood iz tvrtke Impact Analytix. Ona je prilično poznavalac poslovne inteligencije i analitike te vizualizacije podataka i svih ovih sjajnih tema. I naravno zrelost podataka. A naš dobar prijatelj Ron Huizenga zove iz IDERA-e. Prvo ćemo se čuti od Jen, a zatim i od Rona. I tada ćemo imati lijepu raspravu o okruglom stolu.
Dok guram sljedeći slajd gore, reći ću samo par brzih riječi. Zrelost upravljanja podacima bila je tema već neko vrijeme. Očito u povijesti morate doći do određene točke prije nego što počnete razmišljati o zrelosti, a razvijeno je puno životnih ciklusa zrelosti - ili ciklusa - pokušavajući shvatiti gdje se nalazite u krivini. Jeste li u ranoj fazi? Jeste li tinejdžer? Jeste li zreli? I tako dalje.
I mislim da je puno organizacija bilo u tinejdžerskim godinama ili u kasnim tinejdžerskim ili ranim dvadesetim godinama u smislu zrelosti. A to ne govori da je nešto obeshrabrujuće. Samo što smo još uvijek u prvim danima moći upravljati podacima kao strateškim sredstvom. I stvari se brzo mijenjaju. Pogotovo u posljednjih pet do sedam godina, jer smo nekako prelazili od malih podataka do velikih podataka i oni pokušavaju pomiriti ove prilično nerazdvojene svjetove i nove tehnologije sa starim tehnologijama. Dakle, ostavština je vani, svuda je.
Jedna od šala koju sam čuo prije godina je da je nasljeđe sustav koji je u proizvodnji. Onog trenutka kada sustav krene u proizvodnju tehnički je naslijeđen. I na neki način to je istina. Suština je u tome što imamo sve te sustave koji postoje već dugo vremena i moramo pronaći način da shvatimo gdje se nalazimo u vlastitoj krivulji zrelosti kako bismo mogli maksimizirati i optimizirati vrijednost podataka kao sredstva, I naravno da postoje određeni propisi o usklađenosti, neki propisi o kojima trebamo brinuti, ovisno o tome u kojoj se industriji nalazimo. Tada naravno moramo brinuti i o hakiranju. U prošlosti smo govorili o upravljanju podacima i o tome kako je to stvarno dijeljenje sigurnosti i samo razumijevanja uloga i odgovornosti upotrebe podataka i osiguravanja da iz toga dobijemo najbolju vrijednost.
I tako s tim, predat ću ključeve Jen Underwood i ona nam može reći svoju perspektivu sazrijevanja podataka. Jen, odvedi to.
Jen Underwood: Hvala, Eric, i hvala što si me pozvao. Dakle, danas ću pokriti nekoliko različitih tema, a zatim ću upoznati Rona s IDERA-om, a on će dublje istražiti neka druga područja ove posebne teme. Reći ću da je to kritična uloga u digitalnoj eri ili digitalnoj transformaciji u kojoj se upravo nalazimo i, kao što je Eric rekao, to je evoluirano razdoblje. Neke su zabavne statistike Vijeća EDM-a, postojalo je izvješće o referentnoj industriji upravljanja podacima. Gotovo je dvije godine, ali je još uvijek prilično relevantno i otkrit će neke od, znate, faktoida o tome da je tinejdžer na ovom prostoru. Malo ću govoriti o zrelosti podataka i samim stupcima upravljanja.
Na ovu temu digitalne ere ili digitalne transformacije koju čujete svugdje, to se uistinu događa upravo sada. Jedna od zanimljivih činjenica koju sam prikupio prateći industriju svaki dan bila je točka koju je Gartner dao u svojih deset najboljih strateških tehnoloških trendova. I rekli su do 2020. - dakle, tek smo nekoliko godina udaljeni od toga - informacije će se koristiti za ponovno pronalaženje, digitalizaciju i automatizaciju ili uklanjanje 80 posto procesa koji imamo desetljeće ranije.
I to vidim već neko vrijeme, mislim da ovdje vidite različite ljude koji govore, znate, "Podaci su novo ulje", i takve stvari. Volim reći da su podaci sada digitalno zlato. A ako mislite na softverske aplikacije i softversku uključenost, ja sam u prošlosti bio svjetski rukovoditelj proizvoda za Microsoft, pa čak i na promjenu u mojoj karijeri od, znate, stvarno bismo se fokusirali na softver, sada smo fokusirani na korisnike i prikupljanje podataka i razmišljanje o unovčavanju podataka.
Ulazimo u ovo doba u kojem su podaci digitalno zlato i vi počinjete uviđati da se s pojavom onoga što se zove glavni službenik za podatke, a oni imaju, znate, dvije glavne misije - i sigurno još nekoliko njih - osigurati da su podaci sigurni i sigurni i pronašli načine za maksimiziranje vrijednosti podataka interno - pa čak i izvana - kao ta digitalna imovina. Dakle, ove vrste stvari koje možda nisu ili nisu izgledale važne za vašu organizaciju u prošlosti, podaci napokon dobivaju mjesto za stolom na razini C s CDO-om i bit će uzeti mnogo ozbiljnije ako se krene naprijed.
Ako razmišljate o upravljanju podacima i zrelosti, ovdje su na ovom dijapozitivu dvije različite teme, a prva je, znate, samo upravljanje podacima. Radi se više o poslovnim funkcijama koje razvijaju i stvaraju podatke i protoke podataka, nekim politikama i praksama u njima. A onda kada razmišljate o zrelosti upravljanja podacima, to je sposobnost organizacije da precizno definira, lako integrira, znate, iskoristite te podatke koje imaju opet za unutarnje ili vanjske svrhe, poput monetizacije podataka. I jedna od velikih tema - i to je bilo smiješno, i ranije u mojoj karijeri, a zapravo sam koristio neke od IDERA-ovih alata i projekata arhitekture podataka - bio je to cijeli koncept metapodataka i mi razmišljamo o metapodacima, a onda se o njemu nije razgovaralo otprilike dugo, dugo vremena. Napokon vidim da su metapodaci opet cool. Zaista je vrlo važno u interakciji s različitim skupinama, razumijevanjem gdje su vaši podaci, što su podaci. Pogotovo u stvarima poput podatkovnog jezera. Napokon, napokon postaje zanimljivo.
E sad, obećao sam da ću ovdje dobiti nekoliko statističkih podataka iz izvještaja o referentnoj vrijednosti za industriju. Ovaj je bio od 2015. za vijeće EDM-a. Radi se o modernizaciji kvalitete i upravljanja podacima, a u ovom je nekoliko zabavnih činjeničnih podataka. Dakle, ovdje više od 33 posto organizacija ima aktivan, formalni program upravljanja podacima na nekoj razini organizacije - samo 33. To je samo po sebi zanimljivo. Od tih 50 posto koji su se stvarno formalizirali, želimo upravljati podacima, shvaćamo da je ovo zaista važno sredstvo u našoj organizaciji, baš kao što ljudi imaju ljudske resurse. Samo 50 posto njih imalo je programe starije od jedne godine. Dakle, ovo je, opet, područje u nastajanju, doista je zanimljivo u onome što smo postali sve važniji, pogotovo s onim stvarima poput nekih industrijskih propisa koji izlaze.
Dakle, mnogo puta - a zanimljivo je da sam se tijekom karijere bavio tehničkom prodajom i ulogama - zapravo nije bilo, „Oh, možemo uštedjeti novac koji bi motivirao organizaciju“ - to je obično strah. To je više od: "O, moj Bože, moramo osigurati da smo pokriveni. Ne želimo izgubiti svoj posao. "I sigurno stvari poput hakiranja i rizika podataka i curenja podataka postoje zaista zanimljive referentne studije o tome. Verizon radi jedan svake godine i vjerojatno mi je jedan od najdražih za recenziju. Ono što gotovo uvijek vidite je nenamjerno, nije nužno, znate, namjerna zlouporaba podataka ili loše upravljanje podacima, što rezultira curenjem. I to često - nemaju tu statistiku za ovu sesiju - ali fascinantno je da ta slučajna curenja pogrešnog upravljanja dozvolama i sličnim. Znate, da bi stvar bila malo lakša, te curenja idu na posudbu. Obično ljudima koji su sporedni ili vanjski dio vaše organizacije, a to nije ono što želite.
To su tipovi stvari kada razmišljate o programu sigurnosti i upravljanja podacima. Znate, ne samo da su loše odluke i ušteda novca, već i da se osigurate da se, sigurno, pridržavate zakona o privatnosti i sigurnosti. Možete unovčiti podatke u ovom digitalnom dobu, i naravno, znate, želite raditi stvari efikasno i ponovo upotrijebiti podatke i imati blagoslovljenu kopiju i imati - mrzim kad ljudi kažu, a ja se bavim analitikom i ja dugo sam bio u analitici, jedna verzija istine. Obično postoje, znate, obično više verzija istine, samo iz različitih perspektiva. U suštini, želite da podaci budu pouzdani na kojima se zasnivate.
Jedan od najvećih pokretača kojeg vidim - i to je dobra stvar, dobro je što se opet hladi - čitav je koncept GDPR-a Europske unije. I dopustite mi da malo porazgovaram o tome. Dakle, ako ne znate GDPR, slušat ćete puno toga o njemu ove godine. To je novo zakonodavstvo koje se primjenjuje u svibnju. Provest će se u svibnju 2018. i ima neke velike kazne za loše upravljanje informacijama. Ovo ste možda čuli u drugim oblicima - možda ne koristite izraz GDPR - možda ste čuli ili vidjeli ovo napisano kao pravo na zaborav, što znači da možete kontaktirati i zatražiti od dobavljača da ukloni vaše podatke. Opet, prošli arhitekti podataka ne bi uklanjali podatke. Promijenili bismo ga, učinili bismo neaktivnim u scenarijima čuvanja podataka. Nikada stvarno nismo izbrisali svoje podatke. Nismo imali procesa za to. Dakle, znate, stvari će se dotaknuti svakog aspekta vaše organizacije i različitih načina i procesa koje možda nikada niste razmotrili prilikom izrade aplikacije ili skladišta podataka. Dakle, ako vidite da o GDPR-u razmišljate, vrlo brzo trebat će vam pravna osnova da opravdate prikupljanje i obradu osobnih podataka.
To je uglavnom na osobnoj razini, pa pristanak treba slobodno dati: specifičan, informiran, nedvosmislen. I utjecat će na mnoga područja umjetne inteligencije i znanosti o podacima - to je područje koje danas pokrivam uglavnom implikacije znanosti o podacima i samo osiguravanje postojanja neke transparentnosti u samim modelima - kao i mnoga druga područja vašeg samoposluživanja BI, vaše skladište podataka, vaše glavno upravljanje podacima, čak 360 klijenata projekata, za personalizaciju, pa čak i vašu poslovnu aplikaciju. To je nešto što će dodirnuti svaki dio vašeg orgulja. A za razliku od zakona o privatnosti u drugim jurisdikcijama, GDPR će se primjenjivati na sve organizacije smještene unutar ili izvan Europske unije. I novčane kazne, opet, su značajne. Vaša organizacija može novčano biti kažnjena do četiri posto ukupnog bruto godišnjeg prihoda - vjerujem da se to zove promet - dohotka sama po sebi.
Nadam se da imam vašu pažnju i ovo su stvari na koje biste trebali obratiti pažnju. Ako vaša tvrtka već slijedi neke od tih praksi i industrijskih standarda sa PCI, možda je to ISO - nisam siguran hoću li to ispravno reći - 27001. Ako već radite neke od njih, ne bi trebalo ' Neću biti previše neodoljiv, ali to bi trebalo biti svakako svjesno. Dakle, dok se pripremate za to, postoji nekoliko područja, posebno u upravljanju podacima, a jedna od prvih stvari je imati katalog i klasificirati svoje podatke - znati gdje se vaši podaci nalaze. A u svijetu, hibridnom svijetu, gdje podaci žive posvuda: To je u oblaku; nalazi se u tim aplikacijama; to je u prodajnoj snazi; To je u nekom drugom slučajnom programu koji marketing koristi previše, znate, vašim klijentima ili vašim inventarnim sustavima - sve ove vrste mjesta. Znajte gdje su vaši podaci i što je najlakše učiniti - a ovo je stvarno zabavno područje upravljanja podacima, jesu li ti pojmovi iz tih kataloga podataka koji imaju inteligenciju, čak je i klasifikacija strojnog učenja neka od informacija.
I opet, metapodaci - Spomenuo sam da metapodaci opet postaju cool, tako da stvarno razmišljate o metapodacima i ne prelistavate tu važnu temu dok započinjete dizajnirati podatkovna jezera i takve vrste stvari, i naravno upravljate njima i nadzirate ih. Dakle, nadzor će postati mnogo važniji kada se morate vratiti, a netko iz GDPR-a, na primjer, može tražiti da dokažete kamo su otišli ti podaci, tko ih ima, tko im je imao pristup, itd. Jer ćete zapravo morati pokazati vlastima te vrste stvari.
Da bih vam pomogao u zrelosti upravljanja podacima, zapravo postoji nekoliko škola razmišljanja, i vjerujem - nisam 100 posto siguran - mislim da sam u Ronovoj palubi vidio da će pokriti nekoliko ovih, tako da jednu Danas ću razgovarati iz CMMI-ja. I ovaj, ovo je dostupan ljudima; Obuhvaća šest različitih kategorija upravljanja podacima, 25 područja procesa, 414 izvještaja o praksi i 596 različitih radnih proizvoda. Pa kad razmišljate o čak i svim stvarima koje radite, poput upravljanja i arhitekturi podataka, 596 funkcionalnih radnih proizvoda, niste shvatili koliko ste napravili, zar ne? Ili ono što stvarno ne radiš. Kad pogledam takav broj, to mi je jedna stvar koja mi se stvarno zabada u glavu. Dakle, u ovome, a što mi se kod ovog posebno sviđa, jest to što je arhitektura i tehnologija neutralan. Dakle, to znači da ako imate, a većina većih organizacija s kojima sam se konzultirala, radila i provodila tijekom godina, znajte, oni tamo imaju sve vrste različitih tehnologija. Pa ćete htjeti, znate, prevesti što znači DMM na platforme i tehnologije koje koristite u određenom okruženju. Također je neovisna o industriji, pa primjerice nije nužno specifična za zdravstvo. Zdravstvena zaštita je izvjesna - bilo da se radi o BAA ili različitim vrstama klasifikacija, morate prevesti ili pogledati različite vrste stvari dok sastavljate svoj program ili planirate poboljšati razinu zrelosti upravljanja podacima unutar vaše organizacije.
Što je ovo ako to nisu neke od tih stvari? U suštini to je definiranje onoga, ali ne govori vam konkretno kako to učiniti. Budući da sam većinu svoje karijere bio vrlo tip A osobe, volio sam kad su mi ljudi dali cilj i mogao sam smisliti kako doći do tog cilja i nisam, recimo, upravljao mirom, koliko načina da stignem. Tako je zrelost upravljanja podacima i ti procesi s CMMI-om, daje vam ciljeve i daje vam način kako sami sebe mjeriti u nekim od ovih različitih područja. I oni će vam dati razinu. Postoje različiti načini na koje možete sami mjeriti i mjeriti, bilo da je riječ o razini jedan do razine pet, što znači da ste je optimizirali i da imate zaista jak program.
A da bih vam samo dao osjećaj što to zapravo znači, ovdje imam malo pregleda što bi to moglo značiti. Dakle, ovdje, kad razmišljate o životnom ciklusu procesora zrelosti za upravljanje podacima, uspostavljanje procesa podrške, sve od zahtjeva, upravljanja rizikom, tamo morate podržati procese, do upravljanja podacima i ja sam ljubazan glossing preko toga, ali u osnovi upravljanje podacima je cijeli program sam po sebi. Posjedujući poslovni rječnik, zauvijek smo razgovarali o poslovnim pojmovnicima i arhitektima podataka - to bi trebalo biti nešto što imate unutar vaše organizacije. Neke od tih vrsta kataloških tehnologija tamo izrađuju, razvijaju pojmovnik poslovanja sa pretapljavanjem informacija i uzimanjem i nečim, i, znate, stavljanjem veza u dokumente na različite perspektive istih podataka, polja podataka ili verzije podataka jer se mijenjaju tijekom životnog ciklusa vrijednosti.
To su vrste stvari koje su puno bolje postale otkad sam započeo u karijeri. U prošlosti smo morali razvijati sustave koji se uzgajaju u kući da bismo radili takve vrste stvari. Dakle, gledamo na cjelinu i cjelokupnu sliku, to je strategija, a zatim svi različiti dijelovi ovdje, od uprave do kvalitete upravljanja. I jedna stvar o kvaliteti podataka, zanimljiva je što industrija postaje automatiziranija i opet imamo te digitalne procese s automatiziranim odlučivanjem. Puno radim u prostoru znanosti o podacima gdje imamo neke od ovih alata za automatiziranje odluka i ažuriranje prediktivnih modela u pokretu. Mnogo tih alata i algoritama zahtijevaju i pretpostavljaju da su podaci dobri. Potrebni su podaci da bi bili valjani za donošenje dobre automatizirane odluke. Tako da, razmišljajući o tome, znate, možda je kvaliteta podataka obično jedna od onih stvari koje ljudi nekako odmiču i ne uzimaju to vrlo ozbiljno. Ali jednom kada počnete automatizirati donošenje odluka na modelima za prediktivno modeliranje i strojno učenje, kvaliteta podataka postaje zaista važna.
Nekoliko načina za mjerenje vašeg napretka ovdje je - i pustit ću Rona da razgovara s tim, on ima lijep prikaz i na ovom sastanku - samo ću vam dati brzi vrhunac, znate, ove različite razine u ovome. U osnovi je to samoprocjena, zar ne? Tako ćete pogledati svoje upravljanje podacima i za šta mislite da uopće imate išta. I nemojte se sramiti ako to ne učinite. Kao što sam rekao, samo je 33 posto organizacija koje su već počele raditi takve vrste. Iako znate, ove vrste programa su barem bili u industriji - bio sam u industriji više od 20 godina i sigurno sam radio takve vrste prije godina, možda to nismo jednostavno nazvali. CMMI, oni imaju vježbu koju možete samo procijeniti i možete proći kroz neku vrstu pogleda i stvoriti vlastiti - u ovom slučaju ove vrste radarske karte - ocijenio sve ove različite kutove ili stvari. I svaka je organizacija, kao što sam to učinio drugačije, znala, kad sam prije konzultirala i provodila te projekte, znate, svaka organizacija je jedinstvena. To će biti područja koja će im biti jako, jako važna. Možda, znate, to je upravljanje procesima ili upravljanje kvalitetom ili su rizici - ovisi o čemu se radi, ali želite pogledati i stvoriti referentnu vrijednost ili osnovnu liniju, a zatim razmisliti o tome što definira njezin uspjeh.
Kad mislite o mjerenju i upravljanju takvim stvarima, prvo ćete osigurati neko izvršno sponzorstvo za takav program. To će biti prekofunkcionalno u čitavoj organizaciji, pa čak i ako Susie Q i John Smith, oni odluče, "Da, učinimo to. Moramo to učiniti", oni to ne mogu učiniti u silosu u njihovu organizaciju ili čak ako je to IT. Doista trebate imati taj buy-in od tvrtke i stručnjaka za podatke. Trebaju imati vremena. Ne žele da to bude samo dodatni zadatak. Ako ste ikada radili - mislim da sam prije obavljao neke master zadatke za upravljanje podacima, projektima i kvalitetom podataka - i obično, znate, prijeđete na posao i oni, "Oh, upravljanje podacima." nešto od čega su uzbuđeni. A oni kažu: "Oh, ne. Moramo imati vremena za to ", i to rade. Stoga ćete se poželjeti malo angažirati. Trebat ćete imati blagoslov s vrha. Želite da bude cross-funkcionalno.
Opet, to je nešto što zaista dotiče mnoga područja organizacije. A s GDPR-om, to bi trebalo malo olakšati, jer, opet, zakoni GDPR-a i gdje se ti osobni podaci koriste za vaše klijente i koriste se tijekom cijele vaše organizacije, to bi trebalo biti malo lakše ako ih primijenite, ako imate pridržavati se GDPR-a. Ovdje se veže jezik. To bi vam trebalo biti lakše. Želite dodijeliti nešto odgovornosti, a zatim pogledate, znate to ćete prilagoditi. Tako da uvijek gledate na ove vrste smjernica koje te organizacije pružaju, a to su obično takve stvari: one su smjernice za vas i vi ćete primijeniti za svoju kulturu u svojoj organizaciji.
Rad u upravljanju doista je bio jako važan, jedna od stvari koju su neki od proizvoda koje sam razvio tijekom svjetskog upravljanja proizvodima u Microsoftu bili samoposlužni BI i omogućili poslovnom korisniku i korisniku netehničkih podataka igraju se s podacima i stvaraju vlastita izvješća i puno puta bi se IT potisnuo natrag. Stoga sam proveo puno vremena na ovom upravljanju i brinući se da će proizvodi imati ispravne značajke, reviziju i evidentiranje, i, znate, čineći to tako da sami po sebi ne unište bazu podataka. Ali postoji okvir koji, znate, radeći kroz godine na ovoj određenoj temi ovih vrsta stvari koja je slična i upravljanju podacima. Morat ćete imati onu fondaciju koja je za to uspostavljena s izvršnim sponzorstvom, a vi ćete htjeti tu obvezu između poslovanja i IT-a.
Ponovo, razgovarali smo o raspodjeli proračuna / vremena i razvoju novih procesa. To će biti promjena na kulturnoj razini kada napravite neke od ovih stvari, započnite sa pregledom podataka. Ali znate, opet je to vrlo važno iz strateške perspektive. Da bih vam pružio osjećaj, evo vam primjera, i očistio sam ga iz jednog od svojih starih projekata prije nekoliko godina o takvim stvarima. I opet, ovo je vjerojatno više sa stajališta općeg upravljanja, ali svakako se može ponovo upotrijebiti za ove vrste projekata, upravljanjem i razvojem vaših procesa upravljanja podacima i njihovim upravljanjem. Imate stručnjaka za poslovna pitanja, ovdje imamo upravitelje podataka, stručnjake za informatičku tehniku, znate, za različite vrste poslovanja. Puno tvrtki koje su veće ima svoj odbor za standarde poduzeća i vaše arhitekte poduzeća, arhitekte podataka i modelere. Dakle, bit će različitih stručnjaka za teme s različitih razina. I opet, mnoge od ovih - mrzim to imati za primjer - prilagodit će se vašoj organizaciji i vašoj kulturi.
Jedna od stvari kada radite s ovim projektima, opet je to da često nije baš najuzbudljiviji projekt u organizacijama, nije toliko vizualan koliko ljudi žele. Smiješno je, to je jedna od onih stvari koja dolazi kada konzultantska tvrtka dođe ili čak dođe u vašu IT grupu ili u vaš BI centar centra izvrsnosti ili dođe vaš analitički centar izvrsnosti i radit ćemo na podacima kvalitete i zrelosti upravljanja podacima, možda ih neće biti nevjerojatno uzbuđeni. Ali morate pronaći načine kako ih motivirati i uključiti ih u svoja mjerenja. Kada razmišljate o tome što će biti, jedna je stvar jednom napraviti ovu vježbu i privesti ljude na brod. I otkrijete da im se svidio katalog podataka ili vole neke od ovih stvari jer im to olakšava život, a oni mogu pronaći ono što podaci znače ili razumiju, te mogu dodati svoju perspektivu. I stvar je u tome, katalozi podataka vjerojatno su jedan od najvećih projekata koji pomažu ljudima da se stvarno zaljube u ovo.
Dakle, sljedeća stvar je da ih zadržite. Kako zadržati nekoga angažiranog da ih možda to ne zanima? To je definirati neke mjerne podatke i uključiti ih, njihovo mjerenje u, a zatim pružiti neko učenje za kada postoje kršenja i neke svjesnosti da: "Hej, neko vrijeme smo stvarno radili, a nakon nekog vremena nisu bili tako dobri." su vrste stvari o kojima treba razmišljati kako bi se nastavilo. A onda kada razmišljate o bodovanju, a ovo je primjer iz CMMI-a, evo kako ih ocjenjuju. I opet ćete imati svoje nadzorne ploče, vlastite KPI-ove, znate, različiti se načini mjerenja ljudi u organizaciji. Ali imat ćete različite načine ocjenjivanja i mjerenja vlastitog uspjeha. Moja ključna točka koju biste trebali oduzeti od ovoga ili kuka da se oduzmete od toga jest osigurati da imate način za mjerenje uspjeha i da također možete proslaviti svoje uspjehe.
Dakle, s tim, cijenim što ste se priklonili ovoj uzbudljivoj temi, a ja ću se obratiti Ronu koji će iskopati malo dublje.
Ron Huizenga: Pa hvala, Jen. I hvala svima što ste nam se pridružili danas. Sada ću uzeti nekoliko aspekata onoga o čemu je Jen pričala i otići ću malo dublje u određena područja. Ali ono što ću također učiniti je pružiti svojevrstan sažetak kako barem možete imati neku vrstu samoprocjene nekih od ovih područja na visokoj razini. Jer kao što ste vidjeli s CMMI modelima i takvim stvarima, možete vrlo brzo ući u dubinu s puno različitih pokazatelja. Dakle, ono na što doista želimo doći je nešto tako da steknete dobar osjećaj o mjestu gdje se vaša organizacija nalazi na prilično visokoj razini, a zatim počnete istraživati ostale. Dakle, s tim ću razgovarati o učinkovitosti organizacije. I to ću temeljiti na CMMI-u i nekim drugim standardima ili tijelima znanja koji su iz tih vrsta proizlazili tijekom godina. A onda ću govoriti o nekim pokazateljima zrelosti za zrelost podataka i zrelost procesa jer, dok ovo prođemo, vidjet ćete da oni idu ruku pod ruku. Podržavajući perspektive, Jen je govorila o upravljanju u jednom području. A također ću malo razgovarati i o poslovnoj arhitekturi. A onda ćemo to sažeti i doći do samog okruglog stola.
Ako pogledamo, postoji puno standarda i BOK-ovi - koji su naravno tijela znanja - koji su objavljeni tijekom godina. Mnogo njih je stvarno nastalo iz modela zrelosti. I odatle potječe CMMI o kojoj je Jen govorila. Sam CMM model bio je zapravo 1998. godine. Zapravo ga je započeo gospodin Watts Humphrey dok je bio u IBM-u. Imao je 27-godišnju karijeru u IBM-u. Ali njegov stvarni aktivni razvoj tog određenog modela započeo je kad je bio u Carnegie Mellon, a naručio ga je američko Ministarstvo obrane. Za to su se koristili mnogi drugi standardi. A nešto što je vrlo dobro znati o industriji kada o tome govorimo u nekim drugim standardima je, kad pogledamo vremenski raspored toga, to je i na pozadini stvari koje smo vidjeli u industriji općenito. Tada se pokret kvalitete počeo stvarno uzimati, osobito u proizvodnji, i povukao se na druga područja. Gdje smo tražili načine za poboljšanje proizvodnih procesa, radeći poput potpunog upravljanja kvalitetom, pravodobnom proizvodnjom i drugim stvarima. A puno filozofija koje su iz toga proizašle ušlo je u čitavo kvalitetno djelo.
I to je zaista vrsta mjesta za skakanje s kojeg je puno toga započelo. Započeo je u općoj industriji, a ubacio se i u IT i podatke, te procese i informacijske sustave. Ostali standardi koje vidimo da su pobliže povezani ili specifičniji za neke stvari o kojima govorimo jesu, naravno, model zrelosti podataka, o kojem je Jen malo pričala. Postoji i model zrelosti poslovnih procesa od strane grupe za upravljanje objektima. I niz drugih standarda za koje ste mogli vidjeti da se vaša organizacija može boriti ili koristiti za različita područja poslovanja, posebno IT-pogona, kao što je COBIT, koji je kontrolni cilj za informaciju i tehnologiju, ITIL, koji je općenito infrastruktura fokusirano, što bi se možda mnogi od vas bavili. Opet, ukupno upravljanje kvalitetom. A pogotovo kada upadnete u stvari poput mjernih podataka i svega ostalog, možda ste vidjeli i stvari poput kontrole statističkih procesa. I onda, naravno, neka od tijela znanja kojima se bavimo su informacijski ili IT profesionalci. Tijelo za upravljanje podacima od strane.
Postoji, ekvivalentno tome, tijelo znanja o poslovnoj analizi. I tijelo za upravljanje projektima. Možda imate nekoliko ili više ovih stvari u igri kojima istovremeno koriste različite dionice u vašoj organizaciji. Ali neka vrsta filtriranja kroz BOK-ove i vratimo se i kažemo, što je zrelost? Navodimo definiciju zrelog jer, kada pitate što je zrelost, kada je pogledate u rječnik, ona zapravo kaže „zreli ste“. Dakle, upotrebom riječi „zreo“, to zapravo znači da ste dostigli napredni stupanj razvoja - naravno, vrlo generički. Ali ono što mi stvarno gledamo ovdje napreduje ono što radimo na viši i viši nivo postignuća tijekom prolaska. A kad pogledate puno standarda, kao što ćete vidjeti, posebno CMMI i model zrelosti sposobnosti doista temelje stvari na skali od pet točaka, pa nam omogućava postupno gledanje i kazivanje, kako su zapravo se razvijamo duž ove ljestvice u načinu na koji rastemo?
Međutim, kad gledamo zrelost, u smislu postizanja organizacijske zrelosti u stvarima koje nas zanimaju, moramo biti u ravnoteži. Morate postići zrelost podataka i razgovarat ćemo o nekim kriterijima koje tamo morate učiniti, ali istodobno morate postići zrelost procesa. Dvije su strane istog novčića i moraju ići ruku pod ruku. Na ljestvici zrelosti podataka ne možete prijeći od nula do pet bez povećanja zrelosti procesa, a isto vrijedi i za zrelost procesa. Oboje su spojeni i povlače se jedan za drugim dok se zapravo razvijate kroz različite faze. O tome ću još malo govoriti u budućem toboganu. Ostale stvari koje moramo shvatiti je postizanje podataka i zrelosti procesa ključne su za arhitekturu poduzeća i ključne su za neke stvari o kojima je Jen govorila. Ovim omogućujemo postizanje zrelosti u nekim od ovih stvari koje pokušavamo učiniti.
Sad na dijapozitiv za koji je Jen rekla da ću razgovarati malo detaljnije. Uzeo sam samo nekoliko kategorija i koristeći CMM ljestvicu ovdje, a ja zapravo imam svoju, zapravo dodajem nulu na ljestvici, jer mogu postojati određeni slučajevi u kojima zapravo niste napravili bilo kakve vuče uopće u tim slučajevima. To su samo načini prepoznavanja koji su se dogodili. Dakle, ako pogledamo posebno upravljanje podacima, možda ćete početi od nule jer nemate nijedan program za upravljanje podacima. I kako počnete sazrijevati kroz različita područja, kad ga jednom uvedete na projektnu razinu, zatim programsku razinu, kroz odjele i na kraju cijelo poduzeće, to je način na koji iz perspektive upravljanja zapravo sazrijevate i rastete kao organizacija kao što to radite.
Ostale aspekte toga, kao što je upravljanje glavnim podacima, možete započeti od nule bez ikakvih formalnih klasifikacija podataka. Tada dođete do toga da prerastete na točku da shvatite da imate matične podatke i počnete klasificirati, ali to nije integrirano. Tada krenete raditi na integriranim i zajedničkim spremištima. Kad naiđete na standardizirano okruženje, to je kada gledate na pružanje usluga upravljanja podacima. Kako napredujete dalje, uspostavljaćete matične nadzornike podataka i na kraju vijeće za nadzor podataka koje to stalno gleda ozbiljno. Kada pogledate svoje tehničko okruženje i aplikacije i baze podataka koje imate iz perspektive integracije podataka, opet, u nezrelom okruženju, imat ćete određeni broj ad hoc sučelja od točke do točke i takve vrste stvar. Kako odrastete počet ćete uvesti neke uobičajene alate i standarde. Tada ćete početi gledati zajedničke integracijske platforme dok to odrastete. I kako se standardizirate, radit ćete na standardiziranom srednjem softveru i mogućim jednostavnim stvarima kao što su poslovni autobusi, kanonički model, kategorizirati sve svoje podatke u vašoj organizaciji, a također se vezati za stvari poput poslovnih pravila u vašem spremištu i takve vrste. od stvari. A zatim ići dalje tamo gdje ćete se u potpunosti uklopiti u organizacijsku kulturu. I naravno, kvaliteta je najvažnija. Dok je Jen govorila, puno odluka i puno alata koji su gore, pretpostavljaju da imate visokokvalitetne podatke s kojima radite. Dakle, kvaliteta podataka je nešto što je temeljni temelj za postizanje zrelosti podataka.
Kada ponovo pogledate podatke, možda imate puno silosa i raštrkanih podataka u nezrelim okruženjima. Možda imate nedosljednosti koje su prihvaćene. A onda počneš raditi na tome, prepoznavajući nedosljedno i tada počneš gledati na planiranje. Ako pogledate ovdje upravljana okruženja, ovdje je vrlo važno čišćenje čišćenja podataka kako bi se podaci mogli koristiti u odlučivanju. Ono o čemu zapravo pričamo je čišćenje podataka, gdje ćemo ga učitati u skladišta podataka i druge alate za podršku odlučivanju. A ovo je analogno onome što smo vidjeli u industriji proizvodnje podataka u kojoj bi ljudi gradili proizvode, pravili bi se niz proizvodne trake, a na kraju bi pregledali proizvod i otišli, "Oh, ovdje imamo nedostataka. "Ponovno, jedna stvar koju nikad ne možete učiniti jest da nikada ne možete poboljšati kvalitetu proizvoda pregledavajući ga na kraju. Možete vidjeti probleme s tim, a zatim možete poduzeti mjere za poboljšanje sljedećih i ostalih onih koji dođu niz liniju nakon toga, ali nikad ga nećete poboljšati ako ga pregledate na kraju. Dakle, ovo je mjesto gdje, kako se krećete prema naprijed, posebno u podacima, više se krećete s inspekcijskog i čistilišnog gledišta na mjestu potrošnje, gdje to počnete pokušavati ugraditi na izvoru, tamo odakle hvatate podaci, procesi koji djeluju na te podatke, osiguravajući da su ti podaci točni i prikladni za potrošnju u svakom procesu na cijelom putu. Kako se dalje razvijate, započinjete razvijati i dobivati kvalitetne KPI-jeve i stvarno počinjete razvijati takav preventivni pristup kvaliteti podataka kako napredujete.
Kad se radi o organizacijskom ponašanju ili onome što vidite, ako mislite da nemate problema ili niste svjesni, možda ste, ako u vašoj organizaciji postoji faza uskraćivanja, to mi govori da ste dolje u nultu razinu ili se potencijalno kreće u jedinicu. Ako postoji puno kaosa oko vaših podataka i pokušavate riješiti te nedosljednosti, vjerojatno ste na razini jedne. Kad ste još u reaktivnom načinu, prelazite na upravljanje, ali nećete se standardizirati sve dok zapravo ne imate vrlo stabilno podatkovno okruženje koje obuhvaća i upravljanje, i kvalitetu, i glavno upravljanje podacima i podacima. integracije, da napomenem samo nekoliko točaka. I opet, kad to jednom prođete, tada počinjete ući u stvarno proaktivne stilove upravljanja. Ako dođete do dijela u kojem imate vrlo prediktivno ponašanje i analitike da to potkrepimo, i KPI-i koji to podupiru u vašoj organizaciji, kad ovo pogledamo i prekrivamo nekoliko stvari, postoje neke druge stvari koje možemo pogledajte organizacije i gdje se nalaze. Pogledajmo primarni IT fokus u organizaciji. Ako vam je primarni fokus u IT-u još uvijek na tehnologiji i infrastrukturi, vjerojatno se spuštate prema manje zrelom kraju ljestvice. Ali kada se stvarno fokusirate na informacije i strateško poslovanje koje omogućuje informaciju, onda se približavate zrelom kraju ljestvice. Kad na to gledate iz podatkovne perspektive, ako ste na krajnjem kraju, imate visoki podatkovni rizik, a ako ste na visokom kraju, smanjili ste rizik u vezi s podacima. Preokret toga je stvaranje vrijednosti organizacije. Niža zrelost podataka znači da vjerojatno imate prilično nisku razinu stvaranja vrijednosti, posebno u pogledu podataka koje imate u svojoj organizaciji. I kako se krećete prema ljestvici, dobivate generaciju visoke vrijednosti.
Pogledajmo to u smislu samog modeliranja podataka. Ponekad je modeliranje podataka postalo crvenokosa pastorka. A modeliranje podataka je temeljno za postizanje zrelosti podataka. Tako želim samo razgovarati o nekoliko znakova reklame o tome kako se modeliranje podataka povezuje s ovim. Ako se koristi samo za dokumentaciju ili jednostavnu, fizičku izradu baza podataka za male aplikacije i takve stvari, vjerovatno ste spušteni na razini jedne u pogledu zrelosti podataka. Kad počnete prihvaćati i prepoznavati različite vrste modela, uključujući konceptualni, logički model i fizičko modeliranje, gdje je i to, znate, u osnovi pokretanje dizajna. Stvarno ga koristite kao stajalište dizajna, a zatim ste na prvoj razini.
Kada to počnete gledati s više razine poduzeća, uključujući izradu poduzeća ili kanonskih modela, uvođenje koncepata i vezivanje u više modela, crte podataka i izradu metapodataka upravljanja izravno u svoje modele, počinjete prelaziti na razina tri, a zatim prelazak na metapodate pune uprave, integraciju poslovnog pojma i tako dalje. Gledajući životni ciklus i vrijednosni lanac podataka kada dođete do razine četiri. I opet, potpuno integrirano modeliranje s poslovnim pojmovnicima, metapodacima, sposobnošću pokretanja stvari poput analitike samoposluživanja, to je stvarno kada ste postigli prilično zrelo stanje.
Kao dio toga, želio bih vrlo kratko govoriti o životnom ciklusu podataka. A razlog zašto želim razgovarati o tome je životni ciklus podataka, nažalost, često ignoriran. Što se toga tiče, stvarno je opisano kako se podatkovni element stvara, čita, ažurira ili briše i koji procesi na njega djeluju u vašoj organizaciji. Dakle, oni od nas koji smo već dugo u industriji ovo nazivaju CRUD-om jer oni stvaraju, čitaju, ažuriraju i brišu. Ali to moramo razumjeti na temeljnoj razini kada se bavimo podacima u našoj organizaciji. Mnogo faktora dolazi u igru. Koja su poslovna pravila koja na njega djeluju? Koji su poslovni procesi koji troše, proizvode ili mijenjaju podatke? Koje su aplikacije koje zapravo implementiraju te poslovne procese da bi vam to omogućili? Sve što se igra u smislu životnog ciklusa podataka.
I opet, Jen je aludirala na to ranije - ne mora nužno biti jedan izvor istine. A može postojati više načina na koji će se stvoriti određeni podatkovni element. A možda ćete možda morati ući, različite stvari dolaze kroz više sustava ili više ulazaka koje morate uskladiti i riješiti da biste smislili pravi izvor podataka za tu određenu odluku u tom trenutku. U organizaciji može biti više varijanti podataka za različite svrhe. Da biste to mogli postići, morate biti u mogućnosti modelirati poslovni proces, linijsku liniju podataka koja uključuje protok podataka, integraciju i koja uključuje stvari poput ETL-a, tako da izdvojite, transformirate i učitajte za svoje skladište podataka, podatkovnu mapu i područja prikazivanja a naravno, u obzir dolaze i podatkovne veze na strani velikih podataka. Dok ove podatke izvlačite iz jezera podataka, morate znati kako ih konzumirate i kako ih upotrebljavate. Što se tiče samog životnog ciklusa, to stvarno kako stvaramo ili prikupljamo nove podatke, kako ih klasificiramo - jer ga morate klasificirati da biste ga razumjeli i učinkovito surađivali s njim - kako ga pohranjujete, kako upotrebljavate ga, kako ga prilagođavate poslovnim procesima, gdje ih se dijeli u organizaciji - i vrlo je važno: zadržavanje i arhiviranje. Koliko dugo čuvate podatke? Kada je arhivirate? Kada konačno uništavate te podatke? Sve te stvari moraju se uzeti u obzir u vašem životnom ciklusu podataka i sve to morate činiti da biste postigli visoku razinu zrelosti podataka u svojoj organizaciji.
Sada, opet, rekao sam da su poput blizanaca gdje trebate razgovarati o zrelosti procesa zajedno sa zrelošću podataka - oni idu ruku pod ruku. Opet, ovdje imam nekoliko različitih stvari i - ne brinite, neću čitati sve ove stvari, već samo neku vrstu kontrolnog popisa, tako da - opet možete početi samoprocjenjivati gdje je vaša organizacija u pogledu zrelosti procesa. Pogledajmo ponovo stvari od početne desne strane kroz optimizirane stranice. Opet, koristimo istu ljestvicu od pet točaka koja je izvedena iz modela zrelosti sposobnosti. Ako gledate na stvari poput fokusa, ako ste na nižoj razini ili početnoj razini zrelosti procesa, u vašoj organizaciji možete otkriti da se ljudi stvarno oslanjaju na svoje metode za obavljanje svog posla. A vi svibanj vidjeti neke herojstvo i takvu vrstu stvari da biste mogli stvari dovršiti. Tada počnete dolaziti do točke kad ste o tome više proaktivni, kada vaše rukovodstvo preuzima odgovornost za radne jedinice i radne učinke. Tada počinjete razvijati standardne integrirane procese. Zatim stabilnost procesa i ponovna uporaba. Tada počinjete vidjeti više kulture mentoriranja i statističkog upravljanja kako biste izračunali metrike i KPI-ove u vezi s tim procesima i napokon do pune razine optimizacije.
Kad pogledate upravljanje radom, možda ćete se zalagati za to da idete iz područja u kojem imate nedosljednu razinu upravljanja radom u više upravljanog, gdje barem na višoj razini uravnotežujete svoje obveze prema resursima. Zatim do točke gdje imate prilagodljivu ili okretniju organizaciju, tako da možete standardizirati svoje procese, ali ih prilagoditi za najbolje korištene u različitim okolnostima u vašoj organizaciji. A kad dođete do naprednog, tamo je osnaživanje vrlo važno, a to znači da svi intuitivno razumiju što se događa, a osoblje ima podatke o procesu, tako da mogu procijeniti i upravljati vlastitim radom.
Opet, vraćanje na analogiju proizvodnje - kad smo vidjeli da, kako smo započeli sa modernizacijom naših montažnih linija i sličnog u industriji, počeli smo razgovarati o ukupnoj kvaliteti i osnaživanju radnika čak i na proizvodnoj traci, ako je netko vidio nešto nije u redu s bilo kojom pojedinom fazom proizvodnje, ljudi su bili osnaženi da mogu pritisnuti veliko crveno dugme i zatvoriti cijelu montažnu liniju dok se problemi ne riješe prije nego što stvari krenu dalje. I to je ona vrsta mentaliteta i vrsta kulture koju tražimo oko podataka u našim procesima kako bismo bili sigurni da zaista optimiziramo svoje podatke i procese u našoj organizaciji.
Ostali pokazatelji vaše kulture - da li vaša kultura stagnira u pogledu nijednog temelja za stvarno angažiranje u poboljšanju vaših poslovnih procesa? Postoji li delegiranje odgovornosti, što vidimo i dalje na ljestvici? Kako idete dalje, možda ćete i dalje imati silose, ali kako se počnete kretati prema kulturi i stvarima koje radite na poslovnom procesu, također ćete razbiti te različite poslovne silose i iskoristiti procese u vašoj organizaciji. Vrlo je važno da, dok dođete do faze događaja, ono na čemu zapravo temeljite, a ne da osjećate utrobu, zapravo sakupljate kvalitetne metrike i imate mjerne podatke koji bi mogli predvidjeti vašu sposobnost u uspješnosti poslovanja operacije, a to je izuzetno važno.
Što se arhitekture tiče, razgovarajmo o tome, jer mnogi od nas su tu u IT-u ili ih uvijek gledamo. Opet iste vrste stvari koje smo vidjeli u podacima. Imamo očajne informatičke sustave ako ste stvarno niži u početnim fazama zrelosti procesa. Jednom kada počnete upravljati svojim procesima, vidjet ćete kako se neke usluge postavljaju tamo gdje doista prihvaćate više pristupa temeljenih na uslugama. Ako se postanete standardizirani, vidjet ćete više prihvaćanja cjelovitih usluga u pogledu podataka i usluga i procesnih usluga i takve vrste stvari, sve do mjesta gdje stižete do pune usluge ili nove arhitekture. I onda u konačnici kompaniji koja vodi proces, koja koristi vaše podatke.
Opet iste vrste vaga kad ovo promatramo. Što se tiče produktivnosti, na niskoj razini zrelosti procesa vidjet ćete nisku razinu produktivnosti i visoku zrelost procesa, vidjet ćete puno veću produktivnost. I kvaliteta ide ruku pod ruku s tim. Isto kao i kod podataka - ako ste na niskoj razini zrelosti, vidjet ćete visoku razinu rizika i također visoku razinu otpada. Ali što je viša razina zrelosti to ćete to smanjiti i smanjiti rizik te značajno smanjiti otpad. U pogledu nekih stvari koje biste mogli vidjeti kao svojevrsne simptome ili pokazatelje u organizaciji, ako se primarna filozofija temelji na smanjenju troškova, vjerojatno ste na niskoj razini zrelosti procesa. Nakon toga ćete diplomirati i krenuti prema poboljšanju učinkovitosti u svojoj organizaciji, a kako dođete na vrlo zrelu razinu, opet ćete se fokusirati na stvaranje vrijednosti.
Iz perspektive organizacijskog upravljanja, ako vlada haos, to je obično simptom, opet, organizacija sa slabom zrelošću procesa. Ali počinjete se fokusirati na ono što ja nazivam više mentalitetom menadžmenta gdje - a možda postoji upravljanje nekim dekretom ili nametanjem stvari - gdje ste stvarno tada, kada dođete do zrelijih razina, vaše rukovodstvo prevodi u više vodstva. Drugim riječima, filozofija poboljšanja ugrađena je u kulturu i od izvršnog direktora, oni promoviraju tu cjelokupnu filozofiju poboljšanja procesa i stalnog, kontinuiranog unapređenja vaše organizacije u cjelini.
U pogledu modela procesa - i ovdje ću vrlo brzo proći kroz ove stvari - pogledajmo modele procesa kako se oni povezuju sa samom zrelošću procesa. Opet, vrlo slično onim što smo vidjeli na zrelosti podataka, gdje na niskoj razini ili na prvoj razini možete jednostavno dokumentirati procese ili proces trenutnog stanja, ali stvarno ga ne koristite u smislu pokretanja stvari naprijed. Kad počnete sazrijevati, koristit ćete modeliranje poslovnih procesa kako biste povećali upravljanje stvarnim poslovnim procesima u organizaciji, a zatim se još više razvijali tamo gdje ga koristite i neprestano nadograđivali te modele kako biste poboljšali procese do kraja doći do procesa dizajna. A kad dođete do pune zrelosti ili, znate, ono što obično vidite u mršavosti ili u organizacijama koje su usvojile programe višeg kvaliteta, kao što je Sigma, to je opet mjesto mentaliteta neprestanog usavršavanja i to je ugrađeno upravo u modeliranje svoju organizaciju. Dakle, baš kao što koristimo crteže za inženjering za izradu proizvoda, bilo da se radi o avionima ili zgradama i neboderima i takvim stvarima, oslanjamo se na naše modele da zapravo usmjere naše poslovanje naprijed, jer to je dizajnerski element koji zapravo usmjerava naše organizacijske elemente naprijed,
Sada, opet, neću detaljno prolaziti kroz ovu i svaku pojedinu riječ. Što sam učinio, uzeo sam ta dva jednostavnija slajdova rešetke i odabrao sam niz riječi koje su korištene u nekim od tih drugih deskriptora i za zrelost podataka i za zrelost procesa. Kad ovo pogledate nakon činjenice, možete početi razmišljati o nekim riječima koje vidite kako izlaze iz vaših vlastitih kultura u smislu stvari koje se izgovaraju. A to će vam pomoći da počnete klasificirati gdje se kao sveukupna organizacija počinjemo uklopiti na ovu ljestvicu zrelosti. Dakle, ako vidite stvari poput nedosljednosti ili stagnacije ili neučinkovitosti često se pojavljuju ili kaos, obično ćete biti na donjem kraju ljestvice. Kad počnete razmišljati o stvarima kao što su neprestano poboljšavanje, strateško usklađivanje, preventivni pristup nedostacima i kvaliteti i takvoj vrsti stvari, potpuna integracija i govorite o najboljim praksama u konkurentskoj prednosti, tada ćete se uvjeriti gore na optimizatoru, viši kraj ljestvice.
Opet, želim istaći i nešto što, kada počnete gledati upravljanje podacima, posebno kada pogledate dno ljestvice, u početnim fazama, upravljanje podacima se može uvesti samo na razini pojedinačnih projekata. Morate se razvijati do točke u kojoj je upravljanje podacima i poseban cilj iz upravljanja projektnim podacima i evoluiralo se kroz upravljanje programom i podjelom podataka, gdje je opet široko poduzeće i ugrađeno u organizaciju kao cjelinu.
Govorio sam o činjenici da su to zapravo blizanci koji zajedno djeluju u pogledu zrelosti podataka i zrelosti procesa. U postizanju te zrelosti, s obje strane ljestvice je putovanje i ne možete preskočiti korake. Ako ste na nuli, morat ćete evoluirati kroz faze jedan, dva, tri, četiri i na kraju doći do pet. I vrlo je malo organizacija na svijetu zapravo u pet. Stoga bi puno organizacija bilo više nego sretno da su na mjestu gdje su u tri, a zatim bi to mogle iskoristiti kao odskočnu dasku koja ide naprijed. I opet, ne možete ići, ne možete biti u četiri s dospijeća podataka i jednog na procesnoj zrelosti. To jednostavno ne funkcionira jer su toliko isprepleteni da morate shvatiti i dobro upravljati svojim podacima i procesima u suradnji jedni s drugima.
Dobra analogija da se tako razmišlja na vašem putu prema organiziranoj zrelosti, pretpostavimo da vaš tim ima dvoje ljudi: jedan je procesna zrelost, a drugi zrelost podataka. Vodite stazu s preprekama i vežete je kratkim konopom. A da biste došli do kraja tog tečaja, to znači da vas oboje morate proći, ne samo sve prepreke, već morate proći kroz sve prepreke gotovo istovremeno ili vrlo blizu jedni drugima da biste bili u stanju krenuti dalje i doći do sljedeće prepreke. To je stvarno dobar način razmišljanja o balansiranju zrelosti procesa i zrelosti podataka. Drugim riječima, možete biti donekle usredotočeni na proces i možete biti donekle usredotočeni na podatke, ali to će biti vodeći pokazatelj i ne može biti puno jaz koji će vas zapravo dovesti do nivoa.
A onda, kada to ponovo pogledamo iz upravljanja podacima, jedna od stvari koju sam htio istaknuti u slučaju da niste bili svjesni je da je DAMA zapravo objavila Tijelo znanja o količini znanja dva ranije početkom ove godine i stvari koje promijenjen je stvarni DAMA kotač. I zapravo sam to predstavljao malo drugačije, gdje je upravljanje podacima u središtu i deset različitih kategorija na različitim kotačima. Ovdje je vrlo važno vidjeti modeliranje podataka, a dizajn zapravo sada ima svoja područja na kolu - na neki način se stapao s ostalim, ranije. Jedna od stvari koja je ovdje vrlo temeljna jest da je modeliranje podataka posebno bitno za sve ove druge aspekte jer, bilo da radimo modeliranje podataka naših baza podataka ili metapodataka kojima se bavimo, modeliranje podataka ima ulogu da igrajte u svim tim ostalim djelima o kojima govorimo. I modeliranje procesa također ima ulogu u mnogim tim stvarima jer, osim razumijevanja samih podataka, moramo razumjeti i kako se koriste i u tome nam modeliranje procesa zapravo pomaže u tome.
A sada malo promijenimo zupčanike i porazgovaramo o arhitekturi poduzeća. A modeli su presudni i za poslovnu arhitekturu. I to temeljim na primjeru i to je Zachmanov okvir koji se ovdje vrlo brzo prikazuje. A kad ovo pogledate, ovdje vidite nekoliko stvari. Vidite što, kako, gdje, tko, kada i zašto je vrsta ljestvice na vrhu. Zatim ćete proći kroz detaljnije razine razrade, ako ćete, s obzirom na vrste modeliranja ili vrste stvari koje razvijate u smislu arhitekture poduzeća, od vrlo visoke kontekstualne razine, sve do detaljne razine, uključujući fizičku provedbu. Ako pogledate prve stupce, uključite podatke koji su vrlo intenzivni i podaci. Kako se pokreće vrlo proces. Ako pogledate ostale aspekte, koristit ćete kombinaciju modeliranja procesa i podataka u smislu prikupljanja ostalih informacija. Imat ćete podatke o svim tim različitim stvarima i za vaše modele procesa također ćete povezati stvari, poput mjesta gdje se to događa, i odgovornosti. A također, u smislu modeliranja procesa koji dobro provodimo u našim alatima, to možete početi vezati za ciljeve i odnose i poslovna pravila koja upravljaju tim različitim stvarima.
Iz sveukupne perspektive Zachmanovog okvira, jedan od dobrih načina da se tako razmisli je da ste pokrenuti model i da zapravo prolazite na različitim razinama. Dakle, počinjete s opsegom i kontekstom visoke razine. Zatim se razvijate prema poslovnim modelima, dolje u modele sustava, zatim tehnološke modele, a zatim i svoj vrlo detaljni prikaz tehničkih modela. I opet, podaci predstavljaju što, proces je kako i doista je kombinacija interakcija podataka i procesa koja pokreću sve ostale karakteristike ovdje.
Na temelju toga, nije slučajno što se način na koji mi shvaćamo ideju o arhitekturi poduzeća temelji malo drugačije nego što to mogu neki drugi. Vrlo često ćete čuti o četiri stupa poslovne arhitekture koji su podaci, nabava, poslovna i tehnička arhitektura. Na to gledamo malo drugačije od toga. Arhitekturu podataka smatramo temeljnim temeljem koji pokreće svu arhitekturu poduzeća iz dva razloga. Jedan, tu je i počeo. Čak su i stvari poput Zachmanovog okvira narasle prvenstveno iz podatkovne arhitekture, a zatim su prerasle i u druge aspekte arhitekture. I dva, jer je temeljna veza između procesa i podataka. Zato poslovnu arhitekturu vidimo kao središnji stup arhitekture poduzeća. A onda, naravno, to nadopunjuje arhitektura aplikacije i tehnička arhitektura, koji su apsolutno potrebni koji nam omogućuju da postignemo pravi poslovni poduhvat. E sad, kad to posmatramo u smislu ER Studio Enterprise Team Edition-a, naše integrirane platforme za modeliranje, evo kako to ulazi u igru. A ovo je kontekstni dijagram na visokoj razini nekih modeliranja koja radimo i neke osnove iza toga. I u to se zapravo vodi, ovo je zapravo prikazano u dijagramu procesa. Pa kad pogledamo posebno naš dio arhitekture podataka i našu poslovnu arhitekturu dolje, isporučujemo alate temeljene na ulogama.
A kad pogledate naš alat za poslovnog arhitekta u donjem lijevom kutu, to rade poslovni analitičari i poslovni arhitekti. I obično se usredotočuju na neke poslovne procese i počinju ih potjerati. Ali usredotočeni su i na ono. Tada počinjemo raditi konceptualno modeliranje podataka i takvu vrstu stvari. Te komponente konceptualnog modeliranja možemo iskoristiti i prenijeti u naš alat za modeliranje podataka i u arhitekt podataka, gdje su oni dalje razrađeni u logičke modele podataka i, u konačnici, fizičke modele kako bismo mogli generirati fizičke baze podataka. A mi također možemo gurati unatrag pa su konceptualni modeli nadograđeni i u prostoru poslovne arhitekture. Ovdje je vrlo važna činjenica da podržavamo različite vrste modeliranja. Dakle, opet je BI vrlo važan i jezgra podataka i takve vrste stvari, tako da zapravo radimo i neke modeliranje, a također kao dio toga radimo i modeliranje loze podataka. Dakle, ne samo ETL u smislu načina izrade preslikavanja iz fizičkih modela u dimenzionalne modele za skladišta podataka ili čak dovođenja stvari iz vaših podatkovnih jezera i gledanja kako to preslikavaju, možemo sve te stvari povezati zajedno. Kao i prosljeđivanje obrnutog inženjeringa s drugih platformi za modeliranje, s velikih platformi podataka.
A zatim i stvari poput ETL alata, tako da zapravo možemo početi dobivati dijagrame crte podataka izravno iz ETL specifikacija koje možete imati u svom okruženju. Također je vrlo važno znati da smo se morali proširiti izvan relacijskog modeliranja. Imamo određene platforme poput Hive, a posebno MongoDB, sada počinjemo razgovarati o trgovinama dokumenata, gdje imamo pojmove poput ugrađenih objekata i nizova. Zapravo smo proširili oznaku da možemo prihvatiti i one vrste modela jer je to nerelacijski koncept. Sve što smo stvorili u alatu za arhitekturu podataka u vezi s artefaktima podataka, bilo da su u pitanju logički entiteti ili fizičke tablice i njihovi atributi, tada se može vratiti u modele poslovnog procesiranja. Dakle, dok razrađujete modele svojih poslovnih procesa s visoke razine i spuštate se na nižu razinu, zapravo se možete povezati u stvarne elemente podataka. Dakle, možete djelovati, možemo odrediti CRUD matrice onoga što se zapravo događa. Dakle, to vam daje onaj životni ciklus podataka o kojem sam razgovarao sa stvaranje, čitanje, ažuriranje i brisanje na razini procesa. I mi tamo radimo potpuno modeliranje BPM procesa s vlastitim setom slojeva, tako da se možete početi vezati za poslovne strategije, poslovne ciljeve. Također, možemo se povezati i u aplikacijama koje implementiraju te poslovne procese, i sve sa gledišta temeljenog na modelu.
Ostale stvari izuzetno su važne i u našim modelima podataka. Ovladane značajkama upravljanja podacima ili karakteristikama kvalitete podataka i upravljanjem. Tamo možete definirati i izgraditi vlastite metapodate za karakteristike koje želite pratiti, a to znači da sada svoj model koristite kao nacrt da biste to prenijeli kroz cijelu svoju organizaciju, u svoja spremišta metapodataka i sve ostalo. I naravno, jedno od ograničenja modeliranja, prije mnogo godina kada je puno nas započelo u industriji koja to radi, je da ćemo proizvoditi ove modele. Što bismo učinili? Ispisali bismo ih, stavili na zid, možda da članovi tima dijele i takve stvari. Prava vrijednost ovoga je mogućnost dijeljenja i suradnje u našim organizacijama. Stoga imamo pristup vođen spremištem za mjesto gdje se prijavljujemo i provjeravamo naše modele i radne prostore. Dijelimo ih s našim biračima koji su organizacija, bilo da su u pitanju drugi tehnički dionici, poslovni korisnici i takve stvari. A također to vežite u našu platformu za suradnju pod nazivom Team Server.
Stoga smo razgovarali o ranijim poslovnim pojmovnicima i izrazima i važnosti toga i razvijanju tog vokabulara za posao. To je sve u Team Serveru, pri čemu korisnici, poslovni korisnici mogu surađivati pod tim uvjetima. Vidljivi su, upotrebljivi u arhitekturi podataka, na primjer, u blizini modela podataka i, naravno, mnogi ovi pojmovnici poslovanja često potječu iz nekih rječnika podataka koje smo stvorili u našim modelima podataka. Možemo ih potisnuti za - Također iz alata za arhitekturu podataka polazište je poslovni pojmovnik, gdje se mogu dalje usavršavati, a sve s upravljanjem promjenama oko njega.
To je bilo puno. Samo da sažmem, nekoliko stvari o kojima smo razgovarali je da iskušate pravu organizacijsku zrelost, potreban vam je uravnotežen pristup koji se sastoji od zrelosti podataka i zrelosti procesa. Ne možete jedno bez drugog. Opet, temeljno, morate imati oboje i na to se morate osloniti, posebno modeliranje podataka i modeliranje procesa kako za arhitekturu poduzeća, tako i za upravljanje podacima i upravljanje procesima, kao i za vaše organizacije. Enterprise arhitektura zaista ga povezuje u pogledu gledanja na ove različite aspekte i perspektive. Za to vam je potrebna čvrsta osnova arhitekture podataka i potrebno vam je integrativno modeliranje procesa da biste osigurali poslovni kontekst i omogućili vam da usmjeravate poslovni proces i potrošnju podataka naprijed. Opet važnije nego ikad prije. Mogu reći, ono što je staro opet je novo. Dakle, modeliranje podataka, modeliranje procesa, podrijetlo, metapodaci i pojmovnici ključni su za postizanje toga, a ER / Studio Enterprise Team Edition je platforma za kolaboraciju koja sve to spaja.
I s tim možemo preći na pitanja.
Eric Kavanagh: U redu.
Ron Huizenga: Idemo kod tebe, Eric.
Eric Kavanagh: Ron, moram da ti dam svoj šešir za sav trud koji ulažeš u dokumentiranje ovih različitih procesa i okvira. To je puno materijala koji imate tamo. Pretpostavljam da je veliko pitanje tko bi trebao nadgledati ove stvari u organizaciji jer se dotiče toliko različitih stvari. Ako shvatite procese, to će biti glavni operativni direktor ili neka operativna osoba. Životni ciklus podataka, mislite da će to možda biti glavni direktor podataka. Vi dodirujete toliko različitih dijelova i toliko različitih komponenti tvrtke. Kako pronaći pravu osobu ili skupinu ljudi i je li to upravni odbor? Što je? Što nam možete reći o tome tko bi to trebao raditi u organizaciji?
Ron Huizenga: Znate, to je zanimljivo pitanje. Zapravo možemo provesti dan razgovarajući o osnovaima različitih pristupa tamo. Ali nešto što sam definitivno vidio, znate, kako sam se savjetovao prije nego što sam ušao u ulogu upravljanja proizvodima, kada sam pogledao organizaciju, to je dio problema u tome što steknete vlasništvo i natjerate ljude da preuzmu vlasništvo nad tim. A kad pogledamo discipline poput našeg modeliranja podataka, pa čak i modeliranja naših poslovnih procesa, ili čak u ranim danima, dijagrami protoka podataka i takve vrste, takva vrsta je izrasla iz IT-a. No kako smo koračali naprijed i mislim da sada sve više i više prepoznajemo kako to uistinu mora biti vođeno poslovnim putem. Dakle, stvarno želite da vlasništvo za to bude posao.
Ovdje ću uvrijediti neke informatičare, ali čvrsto vjerujem da razlog zašto smo vidjeli razvoj uloge glavnog službenika za podatke jest uloga CIO-a u ovim organizacijama u većini organizacija. I to je zato što je mnogo CIO-ova tehnički usredotočeno, a ne usmjereno na podatke i procese. Stoga mislim da to zaista trebate imati, vjerojatno će vam trebati neka vrsta upravnog odbora u većim organizacijama. Ali to zaista mora biti u vlasništvu tvrtke. Uputio bih argument da vaše poslovanje, modeliranje procesa, vaše modeliranje podataka moraju pripadati tom poslu, jer to vam daje mogućnost da se osigura IT koji je čuvar podataka i implementira te procese kroz ono što stvarate, imate taj čekić da biste bili sigurni da će se to dogoditi ako je ustvari u vlasništvu tvrtke.
Eric Kavanagh: Da, mislim da bih se složio s tim. Ali Jen, što misliš o tome?
Jen Underwood: Dakle, stvarno je zanimljivo. To je ono na što sam aludirao kad sam rekao da je privođenje ljudi brizi i interaktivnosti vjerojatno jedna od ključnih stvari. U jednom trenutku napisao sam bijelu knjigu o tome da je upravljanje BI-om sa samoposluživanjem vrlo slično ovome. Stvar je u tome da se to postigne, da se pronađe način kako motivirati ljude, poslovnu vrijednost toga, da se oni brinu o tome. A onda kad vide ili pronađu, bilo da se radi o katalogiziranju podataka ili pod bilo kojim kutom. Možda je to smanjenje troškova otpreme, stavljanje nečega za što netko smatra odgovornim u organizaciji, to je način na koji to možete voditi brigu. I da, posao apsolutno. Stručnjaci za poslovna pitanja izradit će ih ili pokvariti.
Eric Kavanagh: To je teško. Mislim da uvijek želite imati taj konzorcij dionika iz cijele organizacije. Naravno, ne želite analizu paralize. Ne želite birokraciju zarad birokracije. Ono što želite je da organizacija ima akcijski plan i da te stvari budu dokumentirane. Znate, mislim da kada počnete razgovarati o modeliranju poslovnih procesa, to je bilo vruće prije 25 godina, ali uglavnom se odvajalo od stvarnog posla. Mislim da možete barem u nekim industrijama izvući mnogo toga iz stvarnog softvera koji pokreće stvari. Ali mislim da ovih dana moramo pronaći način da uravnotežimo ta dva svijeta, zar ne, Rone? Želite imati modele procesa koji su aktualni i ažurirani te odražavaju ono što se zapravo događa. Tako da ne želite da to bude samo zasebna vježba gdje je, sjedi negdje na polici. Ali to je, nekako, postaje pomalo izazovno, zar ne? Jer nisu svi operativni sustavi usklađeni s takvom izvršnom šifrom. Ali što mislite?
Ron Huizenga: Apsolutno. I to je zanimljivo jer jedna od stvari koju gledam jest kada smo ljudi, znate, postali društvo trenutnog zadovoljstva. Ljudi misle: "Oh, samo ćemo izaći i kupiti neke alate i napraviti ovo za nas." Kao da nećete kupiti zrelost procesa. Nećete kupiti zrelost podataka. To je težak posao. Morate zasukati rukave i morate to učiniti. A mehanizam da se to dogodi je modeliranje. Suviše je složeno da ne biste imali vizualni prikaz, ne samo trenutnog stanja u kojem radite, već da biste mogli dizajnirati na koji način ćete poboljšati te različite poslovne procese. Potreban vam je vizualni okvir da biste mogli razumjeti koliki će utjecaj imati te promjene.
Eric Kavanagh: To je stvarno - samo tweetiram; Trenutno cvrkutam s ovim - „Nećete kupovati zrelost procesa, nećete kupovati zrelost podataka.“ Mogu se u potpunosti složiti s obje ove stvari. A Jen, uveo bih te za razmišljanje. A na to ću pitanje postaviti još jedno pitanje. Jedan od sudionika se pita: što se podrazumijeva pod utjecajem poduzeća ili zrelosti procesa? Jen, možeš li razgovarati s tim?
Jen Underwood: I can actually speak a little better to the previous question. When I think about, truth be told, it's the first one, you know, buying tools. That was such a great, great comment because it's so true. But what I will say it's quite a lot better. So I review lots of solutions and I see different spaces and test them. What is getting better is discovering data, tagging and at least giving you a massive running start and also making this, when I say less painful, it's almost fun. So imagine a data catalog or an MDM project being fun. It's, and you have folks in an organization that are using this data in, whether it's reporting or other types of things and I think someone even on the line had said, hey getting people that care about their individual development plan. Yeah even take it up one more level. It's taking these things and saying now we've reduced misrouted shipments 30 percent and this is how much money was saved. It's just managing our data better. It's those types of things and you put money around it and you make it fun. Or you make it interesting and relevant to what they're doing. That's kind of the magic, I think, that's missing in a lot of these engagements that people try to do this in an organization, and it's stalled.
Eric Kavanagh: Yeah, that's a good point. And, Ron, back to your comment a few moments ago around the importance of having a visual framework, I think that's absolutely true because a lot of times, if people can't see something, it's really hard to wrap your head around what it means, and certainly when you start talking about complex processes with interdependencies and control points and all these things, you have to map it out somewhere at some point and ideally, you are doing so with software that has functionality embedded into it to catalog, for example, what transformations occurred using different lines from this point to that point. Or what is available at this control point. And I'm kind of referencing my history in risk management there, where a control point is any point in a process or any option or individual or software application where you can actually change something, right? That's what they call a control point. And, to me, it's really valuable that you get that visual framework. Cause then you can see and kind of walk through and it just takes time. It takes human brain time to manage that stuff and to really understand it and therefore optimize it, right?
Ron Huizenga: Absolutely. And to kind of use a different analogy that I think puts it in perspective: I'm a bit of an aviation nut so, I would say, if you're trying to think of this in a parallel fashion, think about building a 747 – or an Airbus 380, so I don't pick one vendor over the other – think about how hard it would be to do that based on documents composed only of text rather than the blueprints and the 3-D CAD drawings and everything of how that's actually assembled together.
Eric Kavanagh: Yeah that would be rough. And Jen has got to speak too.
Ron Huizenga: The business is the same, right?
Eric Kavanagh: Yeah, no that's right. Jen has got to speak to one of your hot areas you like to study, which is visualization. You have to be able to visualize something in order to fully understand it, it seems to me.
Jen Underwood: A lot of humans do, yeah. And even just a visualization speaks, what's the saying, thousands of words or something like that. When they see it, they can believe it. And they get it.
Eric Kavanagh: I agree. And I do love, Ron, the way you've kind of pulled this all together. I guess I'm just asking myself again, you need a champion inside the organization and who will be out there, serve as the liaison to different groups. Data stewards is something we talk about often – I think that's in the, a really important role and I feel like that's a role that's gotten a lot more attention in the last three or four years as we've kind of appreciated the value of data governance, right? That data steward is someone who can talk to the business but also understand the systems, understand data life cycle, that whole picture. And I guess that person can and should probably be under the CEO's rule, right?
Ron Huizenga: Yeah, and you're going to need a multi-functional team, right? So you're going to need people comprising a team of doing that or that are from the different areas representing the technical side, the, you know, the different business areas. And, you know, depending on the type of organization you are, if you've got a project management office and a lot of the initiatives you do are driven by a PMO, you're going to want to make sure that you have PMO involvement as well just to kind of keep everybody kind of in harmony and syncing up the way they're working on things.
Eric Kavanagh: Yup, and you know, one last thing, I'll put this last slide, governance framework. We had an attendee ask, isn't data missing from that slide? Is that, is data implied in the slide or what you think about the comment about data being missing from the slide?
Jen Underwood: No, and this is just a generic governance framework. Essentially, this is from the self-service BI space, so data is implied in a lot of this. It was just coming from my angle and my perspectives and not as focused on the data side in putting this together. But data certainly would be, when you think about all these pieces, there would be data. Whether it's the foundation for data, accountability using data throughout the entire process and throughout the entire framework.
Eric Kavanagh: Yeah, no that makes complete sense. And I guess I'll throw just one last question over to you as we wrap up here, Ron. If I think about how much more information and how much more data we're using these days and how far-flung organizations are, what the importance of ecosystems is these days between channel partners and how we can share information across those partnerships and in a little quick reference of blockchain to this – not to get things too complicated. The bottom line is that we're in increasingly data-driven connected world, both from a business perspective and just from our daily lives. And to me, that is just going to raise the stakes even more for having organizations really take a hard look at what you're suggesting here, which is their maturity, where they stand and how far along they are in terms of the curve and really being honest with themselves about that, right? Because if you don't know better, you can't do better, and if you don't reflect on things, you're not going to know better, right?
Ron Huizenga: Exactly. And I guess a phrase that I would use is, you're probably not as good as you think you are. That may sound kind of harsh, but people can be quite optimistic about this, but if you take a really hard look at it and a really good, critical self-assessment, I think any organization will find, you know, significant gaps that they need to address.
Eric Kavanagh: I have to agree. And one of our colleagues out there commented on the importance of metadata, the data about data. There's no doubt about that. Metadata is the glue that that holds all these systems together and we've still never even really fully cracked that code and for good reason, frankly, because metadata changes. It's different from system to system. You know, the more you try to normalize your data, the less accurate I think it becomes.
So we're kind of in this weird world right now and maybe I guess I'll extend for one more question to you, Jen, because you mentioned data catalogs a couple times. I really love this new movement of data catalog technology that automatically scans your information systems, ascertains metadata column names, so on and so forth, and helps you to incrementally build up the strategic view of your data and your metadata in your systems. Because to me, to manually do that stuff, it's just, there's just too much. And you're never going to get to the top of that hill before the avalanche comes down on you and, you know, you either have normalized to the point of play-dough gray or you haven't normalized enough to where you really don't know what's going on. To me, using the machines, the machine learning that we keep talking about, that's going to be the key in the future to help us at least get a rope around enough of the data to have a good understanding of what's out there, right Jen?
Jen Underwood: Yeah, I do. I love these technologies. They're very, very cool. And then you think about it, it gives you that massive running start. And then you can crowdsource. You have your data stewards, you know, pulling ahead, whether they're adding their own documentation or this is the perspective out there, these are the changes. You know, saying these are the certified data sources to use for reporting. People can search and find the right data. It's really, really quite nice. And also helps to – when I think about business and how cryptic enterprise data management was when I was when I was doing DBA stuff – we used extended properties and SQL Server and scan with tools like IDERA's, right? To try to create a data catalog. But in DBA or data architects' version of, you know, whatever that value was or that column or field was, it certainly probably didn't match what the business was. So now having the business be able to really easily, you know, go in and find and manage and have everything be goal-based, it's really, I wish we would've had this a long time ago, quite frankly. So it's getting a lot better.
Eric Kavanagh: To je smiješno. We've got another final comment from an audience member, saying perhaps blockchain will be the most valuable to put a stamp of authentication to metadata. That's a good point and, you know, blockchain really is amazing technology. I kind of view it as a sort of cohesive foundation for connecting a lot of the dots between systems and applications and so forth. And, you know, we're in the early stages of blockchain development, but we now see that it is spun off, of course, from this point originally where it came to the fore, and now you've got IBM working very hard on blockchain technologies. SAP has bought into all that. And really it's, it presents an opportunity for a deeper foundation and framework to connect all these systems and all these dots.
So, folks, have burned well over an hour. Thanks for staying along with us today, but we always like to answer your questions and get to all the commentary. We do archive all these webcasts for later viewing, so hop online to insideanalysis.com, where you can find the link to that. It should be up within a few hours, typically after the event. And we'll catch up to you next time. We got a couple more events coming up next week – lots of stuff going on. But that will bid you farewell, folks. Thanks for your time. Čuvaj se. Buh-bye.
