Osoblje Techopedia, 2. kolovoza 2017
Odlazak: Domaćin Eric Kavanagh raspravlja o modelima procesa i modeliranju podataka s Kim Brushaber iz IDERA-e i Markom Madsenom iz Treće prirode u ovoj epizodi Hot Technologies.
Trenutno niste prijavljeni. Prijavite se ili prijavite da biste pogledali videozapis.
Eric Kavanagh: U redu dame i gospodo. Ponovo je u srijedu četiri sata istočnog vremena, a vrijeme je za Hot Technologies. Da, doista, moje ime je Eric Kavanagh. Bit ću vaš domaćin današnjeg web seminara na kojem će sudjelovati dvoje naših najdražih ljudi u poslu: Kim Brushaber iz IDERA-e i Mark Madsen iz Treće prirode. "Korištenje procesnih modela za postizanje poslovnih ciljeva." Razgovarat ćemo o optimizaciji poslovanja i načinu na koji stvarno možete koristiti neke od tih tehnologija da biste prvo shvatili što se događa, a zatim preoblikovali što radite i izbjegli stvari poput otpuštanja, izbjegavajte stvari poput sukoba, možda u vašem lancu opskrbe ili u vašim poslovnim procesima, ma gdje se nalazili, o tome ćemo danas razgovarati. Dakle, prvo ćemo se čuti s Kim Brushaber, a zatim ćemo se čuti s Markom Madsenom. Tada ćemo imati nekoliko lepih poteza i naprijed, pa slobodno pošaljite svoja pitanja. Ne stidi se. Pitanja pošaljite putem komponente Q&A na vašoj webcast konzoli ili u prozoru za chat.
S tim ću početom gurnuti Kim slajd i predati ću ga. Kim, odvedi to.
Kim Brushaber: Bok. Započet ću tako da pričam o tome kako možete koristiti neke svoje poslovne procese za postizanje svojih ciljeva. Mislila sam da sam napredovala na toboganu - evo nas, možda je malo usporeno. Kako bi posao bio uspješan, mora se usredotočiti na to kako tvrtka zarađuje novac, zadržavajući klijente i usrećujući tržište, održavajući troškove što je moguće nižim, a zatim isporučujući kvalitetne proizvode i osiguravajući da su informacije koje sakupljate pouzdane. Koje smo ovdje koristili naše jezične riječi: rast prihoda, zadovoljstvo kupaca, učinkovito poslovanje, kvaliteta proizvoda i podataka. A neki od ključnih izazova za posao o kojem ćemo danas raspravljati uključuju silose u vašoj organizaciji; što je dobro u njima, što je loše u njima jer nisu svi silosi loši. Kako sprječavate viškove izvan svog postupka? Kako možete smanjiti i otkloniti nedostatke u svojoj komunikaciji i kako možete smanjiti neučinkovitost u svom radu.
Dakle, prva vrsta silosa su silosni odjeli. A mentalitet silosa stvoren je kad odjeli ne žele dijeliti informacije s drugim odjelima unutar tvrtke. I dok to može biti dobro u slučaju osjetljivih podataka o kojima bi malo ljudi trebalo znati - tako osjetljivih podataka o spajanju ili informacija o akviziciji ili možda informacija koja nije spremna da bi prodajni tim mogao nešto učiniti - u tim slučajevima silosi mogu biti stvarno dobro. Ali može biti i loše jer je protok informacija ometen između grupa u organizaciji i može uzrokovati mnoštvo pitanja o kojima ćemo ovdje raspravljati u trenu. Također možete imati silose koji su podijeljeni poslovnim ciljevima i tehnološkim ciljevima. Dakle, poslovna strana kuće provodi puno vremena gledajući ROI i KPI i stvari koje su stvarno usredotočene na posao, gdje na tehnologiju, oni stvarno žele pogledati kako ću raditi da moji proizvodi funkcioniraju ili kako radim Dovest ću na tržište svoje usluge? Zbog toga što između dvije različite skupine postoje vrlo različiti ciljevi, možete stvoriti prirodni silos koji će se stvoriti između njih dvije. A onda se puno puta silosi mogu podijeliti na žargon. Dakle, riječi koje koristite u svom svakodnevnom jeziku mogu biti zbunjujuće za jednu ili drugu skupinu, a ovdje sam stavio gomilu zabavnih malih riječi koje su relevantne za jednu ili drugu stranu zida. A to, naravno, ni ne počinje pokrivati spektar, ali puno puta te riječi mogu stvoriti silos i stvoriti podijeljenost dviju različitih skupina ljudi jer se u prijevodu informacije izgube. Dakle, postoje dobri silosi za vaše poslovanje, a ja ću pokriti nekoliko vrijednosti koje silosi mogu donijeti organizaciji.
Tako mogu pružiti strukturu koja omogućuje zaposlenicima da svoj posao obavljaju bez straha ili ometanja. Dakle, ako imate svoje ljude koji su u vašem silosu s kojima morate svakodnevno razgovarati i obraćati se, to vam može omogućiti da posao obavljate efikasnije i učinkovitije bez puno prekida. Ona također olakšava stručnost u određenim područjima poslovanja. Dakle, ako se stvarno fino usredotočite na financije i razgovarate s drugim ljudima koji su u financijama, a sve što radite po cijeli dan govorite o financijama, onda to stvara stvarno dobar silos jer ta grupa uči stručnost u tome i oni ne moraju biti odgovorni za saznanje što se događa u prodaji ili što se događa u marketingu ili što se događa u poslovanju. Ujedno ubrzava komunikaciju omogućavajući ljudima da govore isti jezik. Dakle, povratak na taj žargon puno je puta da žargon može biti stvarno dobra stvar jer omogućuje ljudima bržu i učinkovitiju komunikaciju. Također zadržava odgovornost i odgovornost unutar silosa. Tako da znate za šta ste odgovorni u svojoj grupi i zadatke koje trebate izvršiti te osobu kojoj trebate prijaviti i omogućava vam veću odgovornost i veću odgovornost, a ne - i sigurno da silosi imaju obrnutu stranu od onoga gdje odgovornost može postati muggy. No, unutar samog silosa može stvoriti više odgovornosti i odgovornosti. A onda također potiče osjećaj ponosa i vlasništva. Tako da se možete osjećati stvarno dobro u vezi sa poslom koji ste obavili na kraju dana i zadacima koje ćete morati ispuniti, a sve su to zaista dobre stvari u vezi silosa.
Ali postoji kisela strana silosa, a silosi stvaraju neučinkovitost, snižavaju moral, smanjuju produktivnost. I zato što je ovo negativnija strana silosa, poslužit ću se nekim modelima poslovnih procesa da prođem kroz različite točke metaka i objasnim kako možete prevladati kiselu stranu silosa pomoću proizvoda IDERA Business Architect da vam pokažem neki od ovih primjera.
Dakle, prvi je da stvara neučinkovitost i suvišne procese. Dakle, u ovom primjeru pokazujem da marketinška organizacija može imati skup zadataka, a prodajna organizacija ima drugačiji skup zadataka. I u tom slučaju, ako ih preslikate, otkrit ćete da i jedni i drugi imaju zadatak kvalificirati se u prednost. A kad to shvatite, tada možete uspostaviti razgovor između funkcionalnih dviju različitih grupa kako biste mogli otkriti „Je li moja kvalifikacija za vodstvo jednaka onoj u vašoj kvalifikacijskoj prednosti? Poduzimamo li iste korake i ista ponašanja? Ili to znači nešto različito između dva različita silosa? "A ako radite iste stvari, možete početi to usmjeriti i dodijeliti odgovornosti različitim skupinama neovisno, a poslovni procesi mogu vam zaista pomoći da nekako stvari preslikate i utvrdite gdje imate takve probleme.
Također, kada spajate tvrtke ili ako spajate grupe, proces spajanja, dobro, možete proći kroz i možete definirati svoj postupak za različita ponašanja. I u ovom primjeru, tvrtka A ima određeno ponašanje, tvrtka B ima neko ponašanje i proces spajanja preuzima elemente A i B, pronalazi najbolje prakse, a zatim stvara novi postupak koji će djelovati vrlo učinkovito za obje grupe. Tako vam pomaže postati efikasniji, produktivniji i identificirati bolje prakse za vaše poslovanje.
Uz to, još jedna kisela strana silosa je da može doći do nedostataka u komunikaciji između odjela, o čemu smo upravo razgovarali, gdje se suradnja ne događa, ali treba biti. Tako vam poslovni procesi mogu pomoći u prepoznavanju tih nedostataka. U ovom primjeru prodaja ima proces, novi se proizvod pušta, a oni izlaze van i prodaju ga. No financije mogu imati dodatni postupak kada trebaju ući i ažurirati cijene proizvoda nakon puštanja proizvoda. Ako prodaja ne zna za to, oni bi se još uvijek mogli naći u dogovoru sa cijenama starih proizvoda i kad dođe do točke kada financije počinju preispitivati i odobravati ugovor, onda puno sukoba i puno Mora se dogoditi da se pozadinska obloga vrati natrag kupcu i ponovo ga prilagodi. A ako ste započeli i dijagramirali svoj postupak, to ćete znati unaprijed i u to se možete uklopiti tako da prodaja zna “Moram pričekati dok ne dobijem ta ažuriranja cijena proizvoda prije nego što započnem razgovarati s novim kupcima o proizvod."
U ovom primjeru, BPMN2 ima dijagram razgovora koji vam omogućuje da možete razgovarati između različitih odjela i prepoznati točke prijenosa između njih. A ovo je vrlo korisno za smanjenje otpuštanja radnika i također omogućava veću odgovornost i odgovornost između odjela. Dakle, možete reći: "U redu, tako da prodaja i prodaja moraju zajedno raditi na odobravanju posla." I oboje mogu riješiti svoje dijelove i ono na što se oslanjaju. Ali odjel za financije ne mora nužno biti uključen u to odobrenje i znaju da na osnovu ovog dijagrama koji stoji ovdje piše tko je odgovoran u različitim odjeljenjima koja moraju zajedno raditi na tome.
Uz to, mogu se pojaviti i skromni procesi koji ne koriste tvrtki. Dakle, kad prolazite kroz poslovne procese, možda ćete prepoznati da netko radi nešto što vam se sviđa: "Zapravo ne razumijem kako je to učinkovito ili kako to postiže cilj." Dakle, dat ću vam nekoliko primjeri toga. Tako da će u ovom slučaju proizvod možda proći i oni će napraviti novo izdanje. Oni idu, ispunjavaju zahtjeve, razvojni tim počinje raditi na tim zahtjevima, ali nakon što tim proizvoda počne razgovarati s kupcima, mi se vraćamo i odlučujemo ih revidirati. A to bi bilo vrlo, vrlo rastrojno za razvojni tim da se moraju vratiti i revidirati zahtjeve nakon što već grade te stavke. Za proizvod, oni možda jednostavno ne razmišljaju ni o čemu takvom. Oni su poput: "Oh, dobio sam neke nove podatke i sad mi trebaju ove stvari." A ako ne razgovaraju s razvojnim timom, oni neće stvarno razumjeti koliki utjecaj može imati na kasniji opseg ili isporuka proizvoda. Dakle, dijagramiranje ovih vrsta komada može vam pomoći razbiti silose i omogućiti vam da shvatite koji elementi su korisni za vaš proces i koji su štetni procesi.
Također može doći do umnožavanja imovine i resursa, a to je velika stvar kada tvrtke pokušavaju smanjiti stanje. Dakle, u ovom slučaju napravio sam svojevrsni dijagram grupiranja gdje sam identificirao različite aplikacije i izvještaje koji se moraju proizvesti i različite igrače koji su povezani. A kad počnete postavljati sve ove stvari, u ovom primjeru dao sam duplikaciju alata za uređivanje i alata za praćenje poziva i tko ih koristi. I tako možete početi shvaćati, jer će puno puta neovisni silosi donositi ove odluke svom timu i ne moraju nužno razmišljati o činjenici da bi i širi tim mogao iskoristiti taj ugovor o licenciranju i napraviti ga jeftinije i isplativije za sve alate koji se koriste u organizaciji. Uz to, dijagrami poslovnih procesa mogu biti od velike koristi za prepoznavanje tko je odgovoran za koje informacije i kada. I tako u ovom slučaju imam voditelje podataka koji su rekli: "U redu, to su ljudi koji su odgovorni za sve te podatke i evo tablica s kojima su odgovorni za obradu." I ne dajte te podatke drugima ljudi, ovo je zaista važno u području gdje postoje osjetljive informacije poput medicinske evidencije ili financijskih podataka ili sličnih elemenata koje je potrebno sakriti samo nekoliko ljudi. Na taj način možete pomoći da se to identificira, a to onda omogućuje ljudima iz drugih organizacija da nemaju pristup tim informacijama i da ih osiguraju i znaju gdje vaše informacije idu.
Uz to, budući da govorimo malo o podacima, silosi mogu stvoriti i lošu kvalitetu podataka i nedosljednost podataka. U ovom slučaju, koristio sam se poslovnog procesa kako bih timu za podatke pomogao da shvati kada je kupac novi kupac ili kada ga ažurirate. Dakle, možete proći kroz dijagrame i odrediti te točke odlučivanja, a poslovna strana koja razumije pravila poslovanja lako može razgovarati s tehničkom stranom koja mora primijeniti ta pravila i zna kada se moraju dogoditi određena ponašanja. U ovom primjeru govori o utvrđivanju umnožavanja podataka. Dakle, ako imate maloprodajnog kupca, a imate web kupca i prodajete proizvode, možda imate potpuno različite sustave koji pokušavaju prikupiti iste podatke. A ako pokušavate duplicirati svoje podatke i identificirati tko su zapravo vaši kupci, dijagrami poslovnih procesa mogu vam stvarno pomoći da to srušite i kažete: „Oh, u ovom slučaju oboje se bavimo narudžbom i u ovom slučaju obojica se bavimo financijama "i moći ćemo preslikati te podatke tako da su mnogo jasnije, tako da nemate takve duplikate u podacima i možete smanjiti viškove i smanjiti nedostatke i povećati kvaliteta vaših podataka.
Stoga su dodatne prednosti dobrog poslovnog procesa to što zaposlenici mogu prepoznati probleme na početku kada je promjene lakše provoditi. To se posebno odnosi na složene procese podataka. Ako možete unaprijed napraviti analizu dizajna i privući sve timove koji su uključeni u razgovor, tada će procesi teći mnogo mirnije i ljudi će moći bolje reagirati na početku naspram ako ste već u procesu. Novi se zaposlenici ukrcavaju brže jer mogu krenuti i mogu pregledati ove poslovne procese i razumjeti zadatke koje trebaju ispuniti i gdje su mjesta primanja i s kim trebaju razgovarati za različite stvari. A odluke se mogu donositi u stvarnom vremenu preko višefunkcionalnih timova. Ako oboje crtate ove dijagrame poslovnih procesa zajedno, možete pronaći ove točke gdje se radi o snagama i moći ćete razgovarati o tome i shvatiti koji je najbolji postupak za vas dvoje i gdje su najbolji ishodi bodove i tko su najbolji ljudi koji rade svaki od različitih zadataka koje je potrebno ispuniti.
Stoga nekoliko savjeta za razbijanje silosa radi poslovnog uspjeha i mogućnosti postizanja ciljeva. Prvi je usredotočiti poslovne procese na kupca, proizvode ili usluge - ne na pojedinačne odjele. Tako će puno puta ljudi priželjkivati da unutar svojih odjela sastave svoj pojedinačni popis. Ali ako umjesto toga promatrate posao kao cjelinu i ciljeve koje posao pokušava postići, možete započeti vidjeti gdje stvari propadaju i reći: “Pomognu li mi ovi procesi da dođem do svog cilja? Ili su dodatni procesi ili prepreke postizanju cilja i postizanju cilja? “Trebali biste potrošiti više vremena razgovarajući o mjestima na kojima se procesi spajaju. Tako kao u dijagramu razgovora, gdje imate puno bodova, potrebno je potrošiti puno više vremena razgovarajući o tome i osiguravajući da informacija pravilno teče kroz različite silose.
Svoje zaposlenike možete objediniti tako da u postupku pokažete stvari za koje su odgovorni i kako oni komuniciraju s tvrtkom u cjelini. A to ljudima daje puno više smisla za susret, prema cilju. Također možete surađivati sa zaposlenicima tako da oni imaju doprinosa u procesu koji utječe na njihovu ulogu i posao jer ako su sve odluke donesene na vrhu prilikom dizajniranja postupka, pojedinci koji rade rade vidjet će propuštene korake i komadi koji nedostaju i moći bi ih raspravljati. A ako surađujete sa svim zaposlenicima kada crtate te procese, započinjete otkrivati one odmetnike i jesu li to stvarne stvari koje bi trebale biti u procesu ili ne. A onda još jedan savjet za uništavanje silosa je da redovno ažurirate svoje procese da bi odražavali promjenjive potrebe i ciljeve organizacije, jer su ciljevi i procesi vrlo tekući i možda ćete pronaći bolje najbolje postupke. Možda ćete pronaći nove načine na koje želite raditi stvari i na taj način redovito ažurirati te podatke može zaista pomoći organizaciji. I povratak na ploču za crtanje s tim višefunkcionalnim timovima zaista može pomoći razbiti silose i otvoriti komunikaciju među vašim timom. Dakle, to su dijapozitivi koje sam pripremio.
Eric Kavanagh: U redu. Dopustite da ga predam neuništivom Marku Madsenu. Sad imate kat, odnesite ga. I ljudi, nemojte se sramiti, postavljajte svoja pitanja. Ovdje imamo stručnjake. Mark, sve si ti.
Mark Madsen: Dobro, hvala Eric. Dakle, ono što ste upravo čuli odnosilo se na modeliranje procesa i procesa i kako se ono primjenjuje. I tada sam iz svoje perspektive, dolazeći s analitičke strane kuće, mnogo koristio poslovni proces kao načine objašnjenja i razumijevanja. Sada, kada razmišljate o analitikama, a posebno sada kada govorimo o strojnom učenju i drugim stvarima osim BI-a, to još uvijek gleda široki dio tržišta, vrsta, mislim, pogrešno. Što je, vi šaljete analitičare poput rudara zlata i oni žure u podatke i oni se vrzmaju oko sebe i pronalaze neke zlatne zlatice i donose ove vrijedne stvari u organizaciju, a onda svi žive sretno do kraja života. Ili barem to radi analitičar, jer oni imaju plaću sa šesteroznamenkastim brojem, jer to, teoretski, čine podaci.
Ali stvarnost je puno drugačija. Realnost je takva da zahtijeva infrastrukturu i posao, a treba ciljeve i smjer i razumijevanje poslovanja. I te stvari, od njih se traži da stvarno razumiju kako pristupiti problemima, kako modelirati probleme i kako ih riješiti. Tako da je ova ideja da možete baciti neke podatke i neku tehnologiju i neke pametne ljude na problem bez razumijevanja konteksta, posebno konteksta procesa unutar kojeg ćemo ga primijeniti, u velikoj mjeri mit na isti način kao i većina Zlatne žurbe bio je mit i zapravo je većina tih ljudi otišla kući u bankrot.
Postoji i drugi aspekt ove primjene analitike u poslu, je li ta ideja da su to svi podaci ispod stakla, zar ne? To će nekako analitičari ili algoritmi prikriti podatke i to će baciti na zaslon pred nekim. Ali problem je u tome što imamo toliko podataka i što možete učiniti toliko različitih stvari analitikom da je lako preplaviti ljude. A onda imate sekundarni problem koji je "Imam toliko podataka i imam toliko mnogo stvari, na koje obratim pažnju? I kako i zašto obraćam pažnju na te stvari? "I to je zapravo srž mnogih problema u okruženju do te mjere da se ponovo trebamo zahtijevati od stručnjaka da potvrde što će se podaci prikazivati kome i tako daleko. ako imate pristup podacima o samoposluživanju i nadzornim pločama za samoposluživanje, na kraju se oslonite na različite stručnjake koji će vam pomoći shvatiti što se događa s tim vražjim stvarima.
A ako govorimo o tome kamo ide budućnost, posebno s mnogo naprednije analitike, ali pristupa se strojnom učenju, AI u poslu, sve ove stvari, pa i oko toga postoji puno hype-a. Ima puno stvarnosti i velik dio toga je ugrađen. U stvari, moderna renesansa u tome nastala je uklapanjem u proces. Dakle, uzimanje procesa koji su automatizirani ili automatizirani, na primjer, osnovna ideja motora s preporukama u maloprodaji na web lokacijama e-trgovine ili na vijestima ili na glazbenim web lokacijama je jednostavna aplikacija ili algoritam za zadatak koji je prije bio zadatak orijentiran na čovjeka., Što mislite, što će se ljudima svidjeti u vezi s pitanjem i planerima robe ili osobom koja smisli kakva bi trebala biti cross-prodaja ili up-sale, treba se temeljiti na prethodnim podacima, to bi pokazali na površini, a zatim prekinuli to u sustav i tada bi se s njim bavili ili marketing ili prodaja robe ili neka internetska aplikacija. A onda se uklopila. Dok radite stvari, stroj gleda što radite i usavršava i stalno predstavlja novo, a to je ugrađeni analitičar. Sjedi tamo u procesu. A ako zaista želite znati kamo ide puno budućnosti ovog djela, to je tamo. Nije toliko pomoći ljudima radeći sofisticiranije analize. To je stjecanjem učinkovitosti u mnogo širem sloju poslovanja.
I tako, kada gledate na stvari poput poslovne inteligencije, odakle dolazi puno tržišta podataka i analiza, postojali su statističari prije nego što je BI stvarno omogućio mnogim ljudima da rade puno stvari bez statistike, bez ičega drugog, fokusirajući se isključivo na podatke. Problem je bio što je usredotočenjem isključivo na podatke izostavio veliki kontekst. Dakle, ono što vam nedostaje je kako se svi ti podaci odnose, kako se ti podaci odnose. Ako razmišljate o tome što se nalazi na nadzornoj ploči, imat ćete neke bar grafikone, možda graf, tablicu brojeva. Vidjet ćete gomilu mjernih podataka pojedinačno ili zajedno, a zapravo ne vidite kako se odnose. Zamislite da ste nešto novo i kad uđete, možete pogledati nadzornu ploču i od bilo kojeg broja nećete praviti glave ni repove, jer sami brojevi ništa ne govore jer ne imaju kontekst. Tako da može prikazati broj u crvenoj boji, ali samo mijenjanje drugog broja povlačenjem neke druge poluge može učiniti ovo bolje ili lošim. Kako se te stvari odnose? To je kontekst koji se gubi u poslovnoj inteligenciji i skladištenju podataka te dizajnu nadzorne ploče jer modelirate podatke, a ne obrađujete. A to je temeljni aspekt da izgradite ponovljivost oko podataka, a to radite istiskivanjem većine procesa, fokusirajući se na mjerne podatke koji nastaju iz neobrađenih podataka.
Dakle, ovaj ekran pokazuje nam što je, u stvari, nadzorna ploča o procesu ispitivanja laboratorija. Postoji aplikacija zvana Altosoft koja na ovaj način radi BI. Dakle, ono na što gledate vidite da postupak i podaci nisu razdvojeni, već ponovo sastavljeni. Kao da je to razdvajanje umjetno i učinjeno jer smo apstrahirali podatke, ubacili ih u baze podataka i na njemu izgradili sučelja. Tako obično imate dvije metrike; imate stvari poput broja naručenih testova, što je prva kutija u ovom tijeku, a zadnji okvir bi bio broj ispunjenih i podnesenih testova. I tako biste imali ta dva metrika; stavite ih na nadzornu ploču i mogli biste primijetiti da jedan znatno zaostaje za drugim. Ili možda imate treću metriku koja se ponovno obrađuje.
Dakle, ako radite laboratorijske testove u bolnici, ima puno testova. Mnogi od njih su hitni zato što dolaze prije operacija ili izlaze iz odjeljenja kritične skrbi ili neke druge stvari. Dakle, imate procese na mjestu gdje ih liječnici naređuju, oni odlaze u laboratoriju, laboratorija ima postupak obilježavanja da su primljeni, zakazani su, oni će završiti, oni će proći oprema. Ponekad ako predugo sjede, jer je laboratorij poduprt, sva oprema zauzeta, moraju se preraditi. Ponekad rezultati nisu valjani. Ponekad stvari poput uzoraka krvi ne mogu sjediti dulje od 30 minuta ili dolazi do kvarova u uzorcima i tada morate drugi put ići i uzimati krv, što nešto ne želite raditi ljudima, Dakle, to znači da u nekim laboratorijskim testovima postoje prioriteti naspram drugih na temelju njihove pokvarljivosti. Dakle, u laboratoriji se događaju i druge stvari i želite izbjeći te probleme prerade ako je to uopće moguće. Ali stvarno ne možete vidjeti tijek testova kroz različite stvari, jer je BI obično tipično samo za protok u zbirnom metričkom smislu. Tako vam ovo sučelje prikazuje podatke priložene u procesu, tako da možete vidjeti koliko ih je ušlo, koliko ih je primljeno, koliko se događa u bilo kojem trenutku. Pretpostavljam da nije demonstracija uživo, tako da ne možete vidjeti detaljnije detalje procesa i mjernih podataka koji se događaju u unutrašnjosti, što se događa s seriranjem ili ponovnom obradom. Ali to vam pruža puno bolji prikaz, pa osoba koja barem razumije laboratorij može to pogledati i vidjeti što se događa, za razliku od gomile grafikona i mjernih podataka na jednom zaslonu. I na taj način postupak mnogo pomaže sa strane dizajna sučelja, on ne krije kontekst.
Proces dolazi i u drugim područjima. Doista, kada govorite o BI-u i skladištenju podataka, prije nego što uđemo u napredniju analitiku, govorite o tome da radite jednu od dvije stvari: Ili govorite o analizi onoga što se događa u nekom procesu, a zatim djelujete na to, ili analizirate postupak i zatim ga mijenjate. Dakle, uobičajena vrsta korištenja podataka organizacije je za nadgledanje situacija - to rade vaše nadzorne ploče i vaše izvješće od 10 donjih i 20 mjesta. Sve su to jednostavni alati za praćenje koji omogućuju ljudima da vide ono što trebaju vidjeti i traže odstupanja. Na nadzornoj ploči može biti prometna rasvjeta, možda je izvješće s dna 20 što je u biti izvještaj o odstupanju koji pokazuje nešto loše u radu. A onda analizirate te stvari, tako da gledate druge podatke, gledate druge stvari. Možda se detaljnije pozabavite oko analize, a zatim pogledate uzroke. Možda biste već imali osjećaj za to i odmah preskočite u akciju. To se događa upravo s jednostavnijim i razumljivijim procesima. Vidite problem, znate što se događa, donosite odluku i poduzimate akciju. Obično je to unutar petlje procesa na dnu, imate SAP, u njemu su takve stvari, vidjet ćete da nema na skladištu u trgovini, pa povećavate narudžbenicu za sljedeći krug nadopune i gotovi ste.
Ništa se posebno nije dogodilo, ali drugi put ranije niste vidjeli problem pa morate analizirati uzroke, tako da stvarno morate kopati što se događa. Obično u tom trenutku kada počnete analizirati uzrok, morate razumjeti postupak jer je to problem koji niste vidjeli prije, pa je izvan granica uobičajenog procesa, svakodnevnog koji je ugrađen u naših OLTP sustava i sada imate nešto što zahtijeva kritičko razmišljanje. Zahtijeva više konteksta jer imate skup problema i skup mogućih uzroka koje morate ukloniti. Morate objasniti to, analizirati i prikupiti nove informacije, a zatim promijeniti postupak. To se događa jer smo nešto napravili. Možda nismo uskladili naše marketinške kampanje s našim postupcima nadopune, pa nam je ponestalo zaliha. Nadam se da se to ne događa u maloprodaji, ali puno trgovaca imalo je ovih problema kad smo prvi put pokrenuli BI i skladištenje podataka.
Sada često uzročna analiza uključuje statistiku i druge teške analize od gledanja nekoliko brojeva, ali tada prelazite na drugi dio, a to je da mijenjate postupak. Učinite li promjene na pravom mjestu? Razumijete li gdje napraviti te promjene promjena? Iznose li podaci vašu intuiciju ili vašu analizu o tome što će se dogoditi nakon te promjene? Koji su drugi procesi pogođeni? Koji će drugi brojevi na nadzornim pločama na koje obratite pozornost utjecati? A vjerojatno ćete prikupljati nove podatke koje ćete unijeti u ciklus praćenja. Dakle, proces je zapravo svojstven razumijevanju na široj razini dok poduzimate akcije i radite stvari. A BI BI često pretpostavlja linearnu uzročnost. Zapravo je većina škola upravljanja zapravo loša u podučavanju ljudi kako da grade poslovanje i mjerne podatke o poslovanju oko tvrtke jer pretpostavljaju ravnomjerne stavove. A pravocrtni pogledi zauzvrat su pojačani jednostavnim BI izvješćivanjem i jedinstvenom metričkom vrstom izvješćivanja koju povlačite jer ne razumije postupak kako stvari utječu na druge stvari.
Dakle, modele procesa možete koristiti ne samo kao modele poslovnih procesa, već također možete primijeniti dinamiku sustava. Možete primijeniti modele procesa i koristiti ih na isti način da biste shvatili kako se metrike međusobno odnose. Dakle, u pravocrtnom prikazu poput ovog dijagrama - ispričavam se, zaboravio sam staviti referencu na papir iz kojeg je i bio, stari je iz osamdesetih, samo se radi o dinamici sustava i kako se pretpostavlja da stvari stoje i kako stvarno jesu. Dakle, profitabilnost uvijek pretpostavlja da ćemo, ako kvalitetu napravimo bolju od profitabilnosti, nekako poboljšati. Ili će se možda pogoršati jer da biste poboljšali kvalitetu morate potrošiti više novca i to smanjuje profitabilnost. Dakle, na toj strelici može biti negativa. Ili kako vođstvo ili kako usklađivanje različitih silosa u organizaciji ili procesu dovodi do veće profitabilnosti ili smanjenja troškova. Uvijek postoje čimbenici i ideja je da će bilo koja od tih metrika na lijevoj strani utjecati na tu metriku s desne strane i sve je linearno.
Dijagram na desnoj strani pokazuje mnogo bolji primjer. To pokazuje što se ovdje stvarno događa, a ono što se stvarno događa je da možete promijeniti kvalitetu proizvoda, ali postoji petlja za povratne informacije između, recimo, kvalitete proizvoda i strukture troškova što povećava strukturu troškova što smanjuje profitabilnost, čak i istovremeno također smanjuje troškove garancijskih popravaka. I tako matematika koja stoji iza ovoga postaje malo nejasna, jer nešto možete popraviti snižavanjem troškova, ali smanjujete kvalitetu proizvoda što smanjuje zadovoljstvo što smanjuje prodaju i povećava troškove garancije.
Ili biste mogli učiniti obrnuto. I zato morate pažljivije modelirati što će se dogoditi dok promijenite bilo koju od ovih stvari. I tako će vaše metrike o stvarima s lijeve strane same po sebi utjecati i na to kako ćete promijeniti te stvari, poluge koje povlačite u poslu ili prilagodbe poslovnog procesa ili prakse uticati na njih. I tako proces preuzima središnju ulogu u kojoj smo dugo vremena gradili vrlo jednostavne stvari.
I sljedeća je stvar pogledati kako međusobno funkcioniraju sami procesi. Ako uzmete onaj raniji dijagram koji ste imali, a vi recite da nešto promijenite, doista trebate pogledati kako procesi međusobno utječu jer promjena ovdje vodi nečemu i tako ovaj dijagram iz prethodne prezentacije o promjenama u marketingu i promjenama Podaci u marketingu koji zaostaju, ono što se događa u prodaji su radnje koje zaostaju, što znači da bi vaša akcija mogla doći prerano ili prekasno da bi išta dobro napravilo, pa se isplati razumjeti kako se utjecaji u jednom procesu manifestiraju u drugom procesu jer je sve uvijek izravnim postupkom.
Dakle, ono što imate tada je samo puno složenosti u poslu i vrlo često to nismo zabilježili. Nismo to zabilježili kada smo radili na statističkim projektima, na projektima strojnog učenja, BI projektima, pa sada govorite o ubrizgavanju, recimo, strojnom učenju u vodeći postupak bodovanja za marketing i prodaju gdje vam pomaže da kvalificirate potencijalne ponude, koji utječe na ove dvije žute kutije ovdje. Pa, taj postupak bodovanja koji će se dogoditi negdje utjecati će na oboje. I tako će prouzročiti ponovno kalibraciju ili promjenu u ta dva procesa. Ako ste se upustili u ideju da je stvar o ocjenjivanju vodećih problema marketinški problem, a mi ćemo angažirati znanstvenika s podacima i oni će graditi ovaj algoritam za ocjenjivanje vodećih prilika za nas, to će učiniti ove stvari, bolje kvalificirajte naše prednosti i odredite prioritete. Kako to utječe na prodaju? Primjenjuje li se na pravom mjestu? Možda trebate vidjeti što se događa u tim procesima jer se oboje moraju promijeniti. To nije čisto marketinški projekt. I to je smisao mnogo analitike da je ustvari kontekst i utjecaji puno svjetliji, a opseg se povećava, postaje sve veći i mnogo je opasniji.
A probleme možete sagledati na više različitih razina. Dakle, isprva gledate na to u kontekstu marketinškog problema, a zatim kažete: "Oh, dobro to zapravo utječe na marketing i prodaju. Ali ovaj projekt ima utjecaj na informatičku tehnologiju, tako da postoji IT kut prema tomu što znači da moramo raditi i druge stvari i usput ćemo to izmijeniti SAP, što znači da smo i drugi utjecaj na taj proces. " složenost će varirati i razina analize jer proces nije čisto samo: "Pogledajte ovaj proces" ili "Pogledajte kako ta dva procesa međusobno funkcioniraju." Ako ste izvršni direktor i pravite taktiku mnogo višeg reda ili strateške odluke, trebate vidjeti još veće slike. Dakle, ovo je dijagram lanca vrijednosti, jedan od mojih omiljenih, ali to je postupak izrade sira od poljoprivrede do maloprodaje. Dakle, na krajnjoj lijevoj strani znate farme, a na desnoj strani vidite trgovce, a između njih imate prijevoz koji premješta fizičku robu, u osnovi mlijeko i maslac, premješta mliječne proizvode do raznih tvornica koje prelazi na postrojenja za preradu koja se seli u distributere i postrojenja za preradu i pakiranje i sve ove različite stvari. A to je u osnovi lanac opskrbe koji ide od proizvodnje do potrošnje.
A ono što vidite gore crveno i zeleno su zapravo podatkovna strana procesnih interakcija između tvrtki, jer to je lanac vrijednosti ne za jednu tvrtku, već za industriju, iako je to zapravo bilo za tvrtku. Zamislili biste se ovako nešto i preslikali, a postoji puno različitih lanaca vrijednosti i sustava vrijednosti, mapiranje vrijednosti koje sežu u Porter, mislim, krajem sedamdesetih / početkom osamdesetih. Ali ideja je da se ovdje odvija proces i te crvene stvari su sve informacije koje se pretaču iz jedne tvrtke ili jedne grupe operacija u lancu opskrbe u drugu. A to podrazumijeva da jedan proces u jednoj organizaciji djeluje u interakciji s drugim procesom u drugoj organizaciji. I tako su tijek procesa i protok podataka važni i oboje bi trebali biti vidljivi u smislu dokumentovanja onoga što se događa i razumijevanja onoga što se događa i razmišljanja o tome, jer tada možete doći i reći: "Pa, što ako primijenim AI na moj postupak ovdje i promijenio sam način na koji sam to pokvarljivo upravljanje smanjio činjenicu da u tranzitu ili u čekaonicama i distribucijskim objektima proizvodi idu loše. "I tako radim prilagođavanja logistike i lanaca opskrbe, ali to ne utječe samo na mene, ali uzvodne i nizvodne dobavljače. Utječe na moje procese i ima protok informacija na koji će utjecati, pa će vam postupak pomoći da razmislite o tome kako će to funkcionirati i na koga ćete utjecati i s kime trebate rješavati. Pa se ne odnosi zaista na analitičara ili BI osobu ili znanstvenika s podacima, ali se odnosi i na menadžere koji moraju koristiti ove stvari.
Kao konkretniji primjer upravo ću ovdje iznijeti vrlo jasnu stvar u marketingu jer mislim da puno ljudi prilično intuitivno shvaća osnove mrežnog marketinga. Mislim da su svi u nekom ili drugom trenutku vjerojatno vidjeli obavezni dijagram tokova na kojem postoji publika ljudi. Marketing se ne odnosi samo na oglašavanje. Radi se o mnogim stvarima, ali na samom početku toga se izgovara riječ. Osvijestite ljude o vašem proizvodu ili usluzi. Oglasite se za tu publiku kako biste generirali perspektive i tako publika nekako suzila izglede, ljude koji bi mogli biti zainteresirani za vaš proizvod. A kad su specifikacije proizvoda dovoljno kvalificirane, postaju prilika. Oni postaju prodajne mogućnosti. Dakle, svaki od vas na ovoj webcast je potencijalna marketinška prilika za ljude koji plaćaju ovaj webcast jer zapravo pokušavaju pronaći ljude s kvalificiranim potencijalnim klijentima. Stoga se nadaju da će se te prodajne mogućnosti pretvoriti u potencijalne kupce - stvarne ljude koji su zainteresirani za proizvod ili uslugu koji žele ovu stvar, koji je žele imati, i naravno ako nešto kupite ili darujete ili učinite sve što je to što radite - to se odnosi jednako na neprofitna sredstva za prikupljanje. Mogu postati kupac, donator. I onda, znate, nadamo se da se nada za marketing sastoji u tome da postanete zagovornici, zar ne? Tako uvijek postoje stvari poput promotorskih mjernih podataka koje možete graditi o marketingu od usta do usta i kako sretni kupci ostavljaju usmenu riječ da bi drugim ljudima rekli o tome, što dopire do publike ne putem formalnih marketinških kanala i stvara više perspektive, mogućnosti, vodeći kupci i tako kreće ciklus.
Dakle, to je osnovni lijevak, svi vide da ako radite bilo koju vrstu rada, web analitika funkcionira, vidjet ćete stvari poput grafikona pretvorbe, zar ne? Ovo je klasična BI stvar, ovdje vidite stopu konverzije koja je jednostavno prelazak iz jedne faze u drugu. Dakle, velika masovna publika koju zapravo ne poznajete, jer samo oglašavate potencijalne potencijale, nadamo se da ljudi koje možda poznajete možda znaju nešto o dvije identificirane mogućnosti, perspektivni ljudi, tvrtke za koje znate i koje onda pređu drugu granicu. Tako ćete imati različite kampanje. Navedite ljude da klikaju na banere i nazovite ljude da prisustvuju ovom webcastu. Navedite ljude da nešto rade i svaki od njih ima stopu konverzije - tako i broj ljudi kojem se obratite i broj ljudi koji stvarno poduzmu željenu radnju. Tako će puno stopa pretvorbe obično na mreži uravnotežiti između, recimo, jednog i pet posto, ovisno o industriji i vrsti stvari koju radite. Tako ćete imati gomilu mjernih podataka.
U ovom slučaju prikazujem tipičnu vrstu analitike, gdje su stranice posjećivali ili koja je stopa napuštanja početne stranice. Ali to je jedinstvena metrika i ljudi to gledaju i mjere stvari izvan njih, ali oni zaista nisu tako korisni. Ono što se događa je da jedan do pet posto - i što se tiče puno internetskog oglašavanja - iznosi otprilike jedan do dva posto ako imate sreće. Ovo je pravi kontekst, zar ne? Svi oni koji se u tom trenutku nisu pretvarali za tu stvar i ta sitna crta na dnu daje vam puno realniju sliku od ove grafikone. Ali stvarno, ono što sam vam prije pokazao s tim dijagramom toka, trebalo bi izgledati ovako, zar ne? Stopa bilance koja bi bila kod ljudi koji se pojavljuju na web lokacijama za prodaju ili na mobilnim web lokacijama i odlaze odmah, zar ne? Jednostavno ih nije zanimalo. Tu su ljudi koji su se malo zaglavili, a onda su tu i ljudi koji su zaglavili malo više, možda kliknuli, možda se registrirali, možda učinili nešto. To je zapravo iz analize maloprodaje; Ja sam radio tamo gdje imate cijene kolica, pa je napuštena stopa, ispunili obrazac i otišli, počeli donirati novac i otišli, počeli potpisati peticiju i otišli, stavili nešto u košaricu i otišli. Zaista biste trebali crtati sve te stvari, ali znate što ovdje vidite, vidite metriku za svaku od tih stvari. A svaki od tih mjernih podataka, ako se vratim na tok, predstavlja prijelaz s jedne točke na drugu.
To su zapravo procesno usklađene metrike. A ako, naravno, želite stvari malo zakomplicirati, shvatit ćete da u stvari postoji mnogo kanala, zar ne? Jer marketing je vrlo složena vrsta komunikacijskih kanala. Tu su stare stvari, radio, televizor, tisak i tisak nisu samo časopisi i novine, to su okruglice koje dobijete u svom poštanskom sandučiću, to su one sitne dosadne kartice koje upadaju u časopise ili se zalijepe u vašu poštu. Oni su karte i letaci i stvari koje vam uručuju na ulici. I onda naravno tu je i mobilni kanal koji je u osnovi još jedan mrežni kanal, ali suptilno je drugačiji. Igre su zapravo marketinški kanal. Filmovi i mediji su zapravo marketinški kanali. Kad god ugledate trgovačko ime unutar filmske scene, netko je za to plaćen. A onda sam jednostavno prekinuo ovdje s mrežom, imate svoju web stranicu, marketing putem e-pošte koji je i dalje vrlo popularan, interaktivni sustav govornog odgovora - dosadni sustavi dodirnih tonova kada nazovete korisničku podršku i ne možete proći. Mnogo različitih društvenih mreža.
Tako se svaka od njih zauzvrat raščlanjuje na mnoge druge stvari poput društvenih stvari. Nabavili ste Facebook i Twitter i Instagram i još 100 stvari. I tako svaka od njih ima svoj marketinški proces, svoj način izbora kako se angažirati, kako potrošiti, što trošite, što ćete raditi, kako ćete to raditi i kako ti ćeš mjeriti. Svaki od njih ima postupak. Dakle, Facebook marketing se razlikuje od Twitter marketinga razlikuje se od Instagram marketinga razlikuje se od marketinga. Što znači da će svaka od njih imati slične - vjerojatno podjednake, ali malo drugačije - stvari i možda različite ljude koji se bave njima. Dakle, svaki ima postupak. Dakle, količina procesa ispod ovih mjernih podataka zapravo je vrlo duboka i oni utječu jedni na druge. Radeći jednu stvar utječete na druge stvari i ta interakcija je vrlo korisna i lijepo vidjeti u dijagramima procesa.
Ostali sami koncepti toka suviše su uski jer se obično ruše u trenutku kada ljudi postanu kupci. Obično tada marketing kaže, "Naš posao završava." Vrlo malo ljudi shvaća da je pravi marketinški posao generiranje kupaca na prodaju. I tako ga treba mjeriti sve do krajnje točke. A nakon što kupac kupi, drugi dio marketinga o kojem ljudi izvan marketinga obično ne znaju jest da to nije samo akvizicija, već upravljanje životnim ciklusom kupca. Ali to je obično drugačiji silos. Kao što je Kim govorila ranije, imamo silose i brigu o kupcima i jamstvenu podršku, a sve ove druge stvari obično se rade u različitim odjelima ili različitim odjelima unutar marketinga u njihovim vlastitim silosima. Ali morate ih vidjeti preko njih. Morate vidjeti proces koji hrani stvari kroz, kroz i izvan. A vruća tema od - recimo, prije pet do 10 godina, ali postoji i danas - odnosi se na 360 korisnika i korisničko iskustvo i upravljanje iskustvom korisnika. Pa, kupci doživljavaju organizaciju kroz mnoge dodirne točke od akvizicije putem podrške, tako da možete imati sjajna iskustva s marketinške i prodajne strane, užasnu uslugu i nikad se više ne vratiti. Ili možete imati strašno prodajno iskustvo, ne kupujte proizvod, ali odlučite da je to kraj bez obzira koliko usluga bila dobra. Tako se proširuje pogled na proces u kontekstu u kojem gledate metrike.
Stoga je važan proces razumijevanja horizontalno, preko odjela, preko cijele poslovne perspektive ne samo unutar toga. I jedan od izazova, naravno, kao BI ili skladištenja podataka ili praktičara znanosti podataka je taj što se svi podaci skupljaju zbog tih silosa. Sustavi automatizacije marketinga upravljaju prednjim dijelom; postoje mrežni marketing sustavi; sustavi za automatizaciju prodaje bave se srednjim dijelovima nakon što su prevedeni u utrobu SAP ili Oracle OLTP sustava. Tada su to različite stvari, a naravno da se biznis centra za pozive često odvaja od bilo kojeg od tih drugih dijelova, a zatim ga trebate spojiti natrag, pa vam dijagrami procesa pomažu da shvatite kako se svi sustavi međusobno povezuju, što također pomaže vi kao BI podaci ili stručnjaci za upravljanje stambenim podacima shvatite koji podaci idu kamo i kako i zašto. Stoga osobno koristim dijagrame procesa na mnogim različitim mjestima unutar ovih analitičkih projekata, jer vam pomažu u mapiranju i razumijevanju zahtjeva za podacima, kao i u obavljanju posla. Kao što smo vidjeli, postoje mjesta na kojima procesni modeli koriste podatke vidljive. Oni koriste podatke o prodaji i marketingu i tko je vlasnik kojih podataka i gdje se ti podaci vide i gdje se preklapaju. Također vam pomažu razumjeti zbog položaja ljudi i odjela u dijagramima procesa, tko radi što raditi i, dakle, tko je stvarni vlasnik tih podataka. Tako možete vidjeti tko je vlasnik financijskih podataka, tko posjeduje zdravstvene podatke, tko je odgovoran za te stvari. A ponekad je korisno kad vidite mjerne podatke i postoji jaz između dva procesa i postoji prijenos podataka između ta dva procesa i postoji osoba sa svake strane koja je vjerojatno odgovorna ili za uzlazne ili za niže podatke te trebate pronaći ih. Ili možete otići na mape procesa i vidjeti te stvari.
Dakle, model procesa može vam pomoći da to bude vidljivo i da te stvari možete iskoristiti u svojim projektima. I znate, kako se radujemo, puno onoga o čemu sam govorio na početku oko BI-a i analitike, pa čak i neke znanosti o podacima, aspekti stvari na površnoj razini, oni se bave analizom osnovnog procesa i mjernih podataka, Ali druga stvar koju možete učiniti, osim ugradnje analitike u procese ili analiziranja procesa i njihove promjene, jeste stvaranje simulacija. Stari način izgradnje simulatora, način na koji smo to prije dugo radili, jeste da ste dobili pametne, matematičke ljude, oni su gradili modele koji će simulirati sustav, obično razumijevanjem procesa unutar tog sustava. Ali postoji još jedan način da to učinite, a to je da se shvati nešto od toga i zatim unese podatke u njega. Izgradili ste simulator, on kaže da to radi ovako, imate sve ove podatke. Trebali biste biti u mogućnosti preslikati te podatke u tu simulaciju i vidjeti je li vaša simulacija sranje ili je dobra. I tako možete početi graditi simulacije procesa ili interakcijski proces, što je vrlo teško učiniti.
Analizom i unošenjem podataka u vrste crnih kutija - postoje modeli simulacije crne kutije i bijele kutije koje možete konstruirati i na taj način možete provjeriti simulacije - možete ih koristiti za izradu simulacija; možete raditi više zanimljivih stvari i to je zaista velik dio tamo gdje ide budućnost. To i nešto što postoji već desetljeće ili oko toga, što je i sama automatizacija odluka - a to je da uzmete vrlo rutinske stvari koje ljudi rade, a koje samo provode vrijeme, znate, pritiskajući gumbe za - i počnete napravite automatizaciju odluka, a neke škole to nazivaju "složenom obradom događaja". Ali znate da su to drugi ugao ubrizgavanja donošenja odluka i analitike u postupak, što znači da trebate dijagnosticirati te procese da biste vidjeli kako i gdje se ta praksa može primijeniti,
I na kraju, gotovo nikada nismo pretvorili modeliranje procesa u ono što radimo, a to je donošenje odluka koristeći informacije. I to je jedno od područja na koje se automatizacija odluka i CEP zapravo pomalo bave. Ali to sam učinio malo sam u smislu istraživanja oko odlučivanja i to je, koji je proces kroz koji čovjek prolazi da bi donio odluku o određenoj stvari? To bi moglo biti trgovanje, to može biti marketing, možda je nešto u logistici, ali čovjek odlučuje i ako modeliraš odluke i donose one, imat ćeš bolje razumijevanje potrebnih podataka i mjernih podataka. za njih. Dakle, taj model procesa odlučivanja možete koristiti kao stvarni mehanizam za izgradnju boljih nadzornih ploča kako biste shvatili koje se analitičke funkcije mogu primijeniti kako bi se to donijelo ili omogućilo toj osobi da donosi bolje odluke. I to je jedna od onih stvari koja se još uvijek mora istražiti.
I s tim ću ovdje prestati, tako da imamo vremena za pitanja.
Eric Kavanagh: Da, to je bilo puno stvarno, jako dobrih stvari i Kim, moram reći, između vas i Marka, mislim da ste obojica upravo postavili impresivan niz situacija i scenarija u kojima će modeliranje procesa zaista isplatiti dividende, Pretpostavljam da ću ti to prvo izbaciti, Kim. Kako naterati posao da to cijeni i shvati koliko vremena se može uštedjeti, novac se može uštedjeti, profit se može povećati i tako dalje, stvarno fokusiranjem na destilaciju tih procesa do niza dijagrama i njihovo analiziranje?
Kim Brushaber: Da, mislim da je prvo što morate učiniti je identificirati prvaka u organizaciji koja želi vidjeti njihove procese. I nakon toga - i to budite ključni dionik u organizaciji. A zatim identificirajte malu skupinu koja će započeti s izgradnjom procesa i opet se usredotočite na ono što je poslovni cilj i što se posao pokušava postići, a ne samo na ono što se događa u odjelu. I uzmite taj jedan cilj i preslikajte ga unutar prvaka i uzmite prvaka, a zatim pokažite nagrade koje ste dobili od procesa, a koji će omogućiti ostalim dijelovima organizacije da započnu i graditi te procese dok ne budete mogli izgraditi cjelokupnu organizaciju jer većina ljudi ne može samo savjetovati o tome, već će im istovremeno prikazati sve svoje procese. Dakle, oni to moraju raditi u komadima veličine ugriza i biranju najstraženijih mjesta koja trebate pogledati ili mjesta na kojima očekujete da postoji najviše poteškoća u procesu. I počnite rastaviti božićne lampice i vidjeti kako se to zbližava.
Eric Kavanagh: Da, to je zapravo sjajna metafora - odmotati božićne lampice, jer ispod nje naći ćete puno složenosti i puno zaobilaženja. Stvarno, mislim da upravo tamo nastaje puno problema, bilo spajanjem - kao što ste ranije sugerirali - ili samo zaobilaznim postupcima koji su se uvukli u proces tijekom godina za koji nitko nikada nije uzeo vremena da se razvede. ?
Kim Brushaber: Da, ili je netko tek počeo nešto raditi i o tome se uopće nije razgovaralo.
Eric Kavanagh: Da, to je zanimljivo. Evo - i ovo je dobro. Pretpostavljam da ću vam to prenijeti, Mark, a zatim Kim, ako želite komentirati. Jedan od sudionika piše, "S obzirom na stalno promjenjivo i rastuće višenamjensko okruženje, kako se najbolje upravlja ili dodjeljuje atribucija?" Mislim da je to stalno pitanje, ali Mark, što misliš?
Mark Madsen: Da. Čitav problem s atribucijom u marketingu je ogroman. Ako ne znate što je to atribucija, to je samo recimo prodaja nečega - poput primjera na mreži, ako odete u Amazon i kupite knjigu. Pa, kako si stigao tamo? Je li vas optimizacija za tražilice dovela do tog mjesta tako što ste upravo na tom mjestu dobili ocjene te knjige, pa je otišao na to određeno mjesto da ga kupi? Da li se radilo o internetskom oglasu, je li to bila kampanja na društvenim medijima? A znate da je problem u tome što je ideja modeliranja atribucija u tome što je tu glavni uzrok, ali očito je više stvari. Možda ste knjigu vidjeli na stalku za knjigu i vidjeli oglas s natpisom i onda ste je odlučili potražiti kasnije jer ste tražili nešto za čitanje, a onda je otišao tamo.
A onda je pitanje: "Kako raspoređujete medije ili vrijednost te prodaje i kupca u raznim kampanjama?" A to je izuzetno složen zadatak i to morate učiniti jer očito pokušavate proračunati svoj najučinkovitiji kampanje. Ali također zato što mnogo puta postoje troškovi poput partnerske naknade ili nešto slično ili klikanje koje vam se za to naplaćuje. A onda morate odlučiti tko će vam biti plaćen. Da li Google dobiva plaćanje, plaćaju li ih ti momci, plaćaju li ih ti momci? Budući da su tipične sheme dodjeljivanja "prvi momak dobiva plaću".
I zato mislim da je suština u tome što je to izuzetno složen problem i radi se o multivarijantnoj vrsti statističke analize koja nema jasne odgovore. A to znači da, znate, trebate pratiti metrike i vidjeti što možete pokušati izmamiti, a postoje stvari poput analize združivanja i drugih čudnih stvari koje su nekada bile popularne, a koje bi mogle postati popularne za te vrste svrhe. Ali to zauzvrat znači da na neki način morate razumjeti metrike procesa, barem na razini „Imam pet različitih vrsta marketinških kampanja, moram znati koji su doprinosi toj kampanji, znam koliko novca imam“ Potrošim na obradu mjernih podataka, kao što je koliko e-poruka ili koliko oglasa sam prikazao? "I mjerne podatke ishoda koji odgovaraju vremenu ili vezi ili vezi praćenja za tu stvar dogodila se ova transakcija. Tako da možete početi graditi tu sliku - i opet je to dobar primjer gdje vam preslikavanje barem osnovnih interakcija procesa može pomoći u tome. Dno crta, ipak mislim da ne postoji jasan odgovor na atribuciju.
Eric Kavanagh: Da, mislim da ste u pravu. I nikad nećeš znati, čini mi se. Možete znati barem glavno, možete imati dobru ideju odakle dolazi većina stvari, ali pretpostaviti je da to sve možete znati ili biste ikad mogli sve znati, mislim da je u početku samo pogreška.
Mark Madsen: Mislim da je Heisenberg o tome već pisao.
Eric Kavanagh: Što je to?
Mark Madsen: Heisenbergov princip neizvjesnosti vlada njime.
Eric Kavanagh: To je lijepo, to je dobro. Dopustite da vam to prebacim, Kim, jer dok ovo gledam i slušam ovu prezentaciju, ono što ste nacrtali s puno tih različitih scenarija, a zatim i ono što je Mark učinio, znate što se događa U mislima mi je cijeli ovaj koncept digitalne transformacije o kojem svi stalno pričaju. I meni je to sjajna ideja za ovakvu raspravu, jer ako pogledate nove pobjednike u pogledu velikih inovacija poput Ubera, bez obzira na njihova kulturna pitanja, i Airbnb-a i nekih drugih tvrtki, ono što su učinili destiliralo je ključni procesi sve do ove razine, na shematsku razinu, i oni su se stvarno usredotočili na izgradnju neprobojne infrastrukture koja će služiti ovim ozbiljnim uslugama na tržištu. I to su učinili u mjerilu, zar ne? Pa digitalna transformacija se odnosi na korištenje nove snage računalstva u oblaku, strojnog učenja, analitike, bez obzira na slučaj. Tako da za mene, svatko tko govori o digitalnoj transformaciji treba da radi modeliranje procesa. Što misliš?
Kim Brushaber: Da, i mislim da je drugi pojam koji trenutno često pluta oko „automatizacija procesa“ za koju prvo trebate izgraditi svoje poslovne procese i shvatiti što su oni prije nego što ih počnete automatizirati. A onda možete pokrenuti svoje planove. Ali apsolutno kad se bavite dobi digitalne transformacije, znate da trebate gledati koje su informacije koje prikupljam i stvarno se u vašoj organizaciji dogovaram oko toga što je od tih podataka važno. Jer znate, poput dijapozitiva koji je Mark podijelio tamo gdje imate sve različite TV ekrane sa svim različitim informacijama, mi imamo mogućnost prikupiti toliko podataka sada da se stvarno trebate definirati kao organizacija i stupiti u vezu s svi, svi ključni dionici i kažu kroz poslovne procese: "Ovo su ključne informacije i to su najvažniji koraci", a također možete razumjeti gdje su vaše točke prijenosa. Dakle, znate, "Ovo je proces koji baš i ne funkcionira dobro za nas. Uđimo u detaljnije podešavanje detalja i shvatimo kako to možemo učiniti drugačije ", razgovarajmo s različitim dodirnim točkama i vidimo njihove komentare u razgovoru.
Eric Kavanagh: Da, to je zaista dobra poanta i mislio sam da je i ovaj slajd dobro ukazao na važnost ovisnosti. Znate, u svakom trenutku kad promijenite neku od ovih komponenti, promijenite ih sve i pokušavate se omotati oko glave kako to može utjecati na poslovne procese, iskreno, potrebno neko vrijeme i trud. Ali opet, takva je stvar u kojoj ako govorite o bilo kakvoj digitalnoj transformaciji, morate shvatiti gdje se procesi mogu urušiti, gdje se mogu iskorijeniti. Mislim da je to obično jedan od tipova neuspjelih uspješnih implementacija kada shvatite da više ne trebaju procesi X, Y ili Z ako rekonstruirate cjelokupni plan.
Kim, pretpostavljam da ti to vraćam. Koji su vam ključni čimbenici uspjeha kad stvari postanu vrlo dobre? Koje su karakteristike tih priča o uspjehu?
Kim Brushaber: Mislim da mislim da je očigledno suradnja presudna i zato sam odlučila toliko usmjeriti klizač koji imam na silose jer suradnja između različitih organizacija i otkrivanje gdje su ta otpuštenja su ogromna na način da pojednostavnite i učinite svoje procese ležernijima i da vodite te razgovore o "OK, tako da to radim na način", poput onog s klizačem spajanja, kada razgovarate s više različitih odjela ili razgovarate s tvrtkama koje se okupljaju i stvarno pronalazite najbolje prakse. A osmišljavanje koji su najbolji koraci za postizanje i usklađivanje svih tih koraka definitivno olakšava sve te informacije.
Eric Kavanagh: Da i drago mi je da ste i vi u riječ unijeli suradnju. Mark, prebacit ću ti ga na komentar. Suradnja je takva komponenta novog svijeta poslovanja koja mijenja stvari, čak, primjerice, i s jednostavnim stvarima poput Google Dokumenata. Umjesto da jedan dokument prođete kroz pet različitih ljudi putem e-pošte, možete dobiti svih onih pet osoba koje dokument pregledavaju u stvarnom vremenu i izvršiti prilagodbe i vidjeti što komentarišu jedni druge. To je velika stvar; to je velika promjena u procesu. I ta se ista komponenta može primijeniti, naravno, za poslovnu inteligenciju, za obradu modela, stvarno bilo koje od tih disciplina koje koristimo za optimizaciju poslovanja. Suradnja bi trebala biti prije svega kad god to ima smisla, zar ne?
Mark Madsen: Da, mislim da jesam. Mislim, ideja ove usamljenog donositelja odluka nekako je slična, znate, usamljenom analitičaru koji čarobno ide tamo da napravi analizu i pojači to negativno zlato. A usamljeni donositelj odluka koji sjedi za svojim stolom je vrsta starosjedilačkog stava, kako ljudi i organizacije donose odluke, znate? Sjedite iza stola i gledate to i zatim odlučujete, ali to je sve zarobljeno u procesu i prijavama sada. Prave odluke se obično donose u različitim odjeljenjima ili s drugim ljudima i za to je potrebno šire razumijevanje i komunikacija o onome što se događa. Inače se samo kopate po petama i svi se svađaju i nitko ne želi posjedovati ništa, zbog čega više ne radim u većini tvrtki.
Eric Kavanagh: Pa, znaš, to je vrlo dobra poanta i Kim, jako mi je drago što ste iznijeli ovaj koncept da su se stvari u prijevodu izgubile. Često mislim da ljudi ne shvaćaju gotovo dovoljno važnost konteksta u bilo kojoj raspravi i bilo gdje. Kontekst je tako važan u smislu pomaganja ljudima da shvate da je raspon pitanja o kojima se raspravlja i bez obzira na to što odluke donose. Ako možete koristiti modeliranje procesa kao mehanizam, opet kako biste uklonili ono što može biti prilično dlakavi složeni organizam sve do relativno jednostavnih - a ako ne i potpuno elegantnih - dijagrama, za mene je to vrlo korisno za: A) komuniciranje onoga što je bitno, ali B ) ne previdi kritične stvari, ali bi se mogle izgubiti u razgovoru, i C) napokon kristalizirati nešto vizualno, što bi, iskreno, riječi u dijalogu bilo teško zabiti. Što misliš?
Kim Brushaber: Pa stvarno je zanimljivo da nastavite donositi ovaj izraz "razgovor". A ja sam uključio dijapozitiv koji je bio na dijagramu razgovora gdje je bilo više različitih bazena koji su razgovarali jedni s drugima i komunicirali jedni s drugima. Zbog toga je organizacija BPMN odlučila stvoriti taj dijagram, jer su shvatili da su razgovori koji se vode između različitih odjela složeni i da mora postojati način da pokažu sve dijelove koji su bili uključeni u proces i sve različiti igrači i svi različiti aspekti, tako da nijedna lopta nije pala i svi su znali gdje su obrisane odgovornosti. Dakle, u poslovnom procesu kada ste razgovarali znate da su s pravim smislom za kontekst dijagrami poslovnih procesa zaista sjajni jer su vizualni, a slike vrijede 1.000 riječi, a kada te stvari možete vidjeti u vrlo vizualnom kontekstu, omogućava ljudima da razumiju puno bolje nego, recimo, ako ste napisali da je vaš postupak izvan formata odlomaka i da ste ih napisali, znate, fizički ili čak ako ste ih numerisali metcima. Slikovni prikaz omogućava vam da sakupite taj kontekst i to razumijevanje mnogo brže nego kad biste ga znali pokušati pročitati ili razumjeti.
Eric Kavanagh: Pa, mogli biste i stvari depersonalizirati do određene točke, zar ne? Ako ljudi neće shvatiti stvari tako osobno, a vi biste imali mnogo objektivnije mišljenje o onome što posao zapravo radi, a svakako za složenije procese, mislim da bi to moglo pomoći i poslovnoj i IT publici da bolje shvate što je veliko slika je, jer na kraju dana je velika slika posao i koji žele posao uspjeti, suočimo se s tim, prilično su burna vremena. Zato mislim da je vrijeme dobro, i uvijek je tako bilo, ali čini se da je još više tako ovih dana dok vidimo da su određeni procesi optimizirani ili čak iskorijenjeni. Na primjer, odlazak u oblak, jednostavno prebacivanje čitave komponente ponude usluge u oblak ili nekom partneru ili bilo koji slučaj. Ali imati takav depersonalizirani, jasni shematski model poslovanja vrlo je korisna stvar za redizajn i za ostanak na vrhu, zar ne?
Kim Brushaber: Da i ER Studio proizvodi, također imamo puno mogućnosti pretraživanja i filtriranja. Dakle, ako ste željeli utvrditi da je nešto u oblaku, možete to precizno prilagoditi i pretražiti da biste vidjeli koji su dijelovi koji djeluju u oblaku nakon što dijagramirate sve svoje procese. Ili, na primjer, recimo da gledate marketing i želite se jednostavno prilagoditi marketingu - a ja sigurno ne mislim birati marketing - to je samo prvi koji je pao na pamet većini organizacija koje imaju, Ali znate, idite i moći ćete reći: "OK, tako da mislim na promjenu svojeg marketinškog odjela. To su sva ponašanja ", i tako možete pogledati sve procese i reći:" OK, stavit ću ove taktike koje koristimo za ovaj način gore u oblaku i to i učinit ćemo na to. komada i to će utjecati na ove ljude. "A ako ste taj postupak dijagramirali, možete to vidjeti vrlo vizualno - to je kao gledanje džinovske slagalice, zar ne? Imate sve ove različite komade puzzle koji se svi igraju zajedno i možete shvatiti: "OK, trebam li preurediti ove dijelove slagalice kako bi se sve spojilo u jedan komad?"
Eric Kavanagh: Da, a vi znate da ću vam postaviti jedno posljednje pitanje. I ljudi, upravo ću objaviti vezu s dijapozitivima s današnje prezentacije; pogledajte prozor za razgovor da biste to vidjeli. Ali, naravno, modeliranje procesa i uvjeti za modeliranje podataka za podatke o podacima koji prolaze kroz sustave je od presudne važnosti, jer sustavi rade ili ih nema, gdje posao može biti malo labaviji. Možete zaobići - recimo u stare dane na kraju procesa ili na početku procesa ili bilo gdje u međuvremenu - možete zaobići kako je netko upravo otkrio jednog dana kad se nešto pokvarilo za što nitko nije znao. Pa, s podacima ćete sigurno znati jer se podaci ne prikazuju u polju gdje je potrebno i transakcija se ne vrši. Ali vidite li sada da A) idemo prema digitalnijoj ekonomiji, ali B) da se sva ta različita spajanja i stvari događaju. Vidite li da tvrtke počinju više cijeniti vrijednost modeliranja poslovnih procesa kao i modeliranja podataka? Je li to tako preneseno? Jer sigurno znam za modeliranje podataka, modelirači podataka o tome su već godinama i godinama strastveni. Da li posao dobiva ovih dana? Jesmo li bliži mjestu gdje je potrebno cijeniti ono što rade?
Kim Brushaber: Pa, mislim, upravo to pokušavamo postići u IDERA-i. Imamo ER Studio Suite koji uključuje i paket za modeliranje podataka i apartman poslovnog arhitekta, pa hvala što ste me tako lijepo postavili u red.
Eric Kavanagh: Evo.
Kim Brushaber: Ali jesmo - očito je podatak za modeliranje podataka apsolutno neophodan svima u informacijskoj arhitekturi, arhitekturi rješenja, svima onima koji su odgovorni za podatke u organizaciji. A način na koji smo izgradili naš proizvod omogućava poslovanju i podacima vrstu posla ruku pod ruku pomoću dodatka našeg poslovnog tima tako da možete gurnuti sve predmete koji su dostupni u poslovnom procesu i podaci zajedno i mogu biti u mogućnosti spojiti ta dva svijeta. I sigurno nemam dovoljno vremena da uđem u detalje o tome, ali svatko je dobrodošao da pogleda IDERA i vidi kako to radimo.
Ali pitanje je da će svijet podataka i dalje postati složen. Skladištenje je postalo sve jeftinije, jeftinije i jeftinije, tako da znači da ćemo dobivati sve više i više podataka i tu su stavke poput Marka razgovarale: "U redu, tako da sada imam podatke, kako da analiziram to? Kako da ga razumijem? Kako mogu to ekstrapolirati i kako to koristiti za svoje poslovanje? "I tako biti u mogućnosti prekrivati te podatke u poslovnom procesu i reći, znate, " moram donijeti odluku o proizvodnoj odluci i moram znati koliko puta mi kamioni kasne zbog snijega zimi? Moram li otvoriti tvrtku u Kostariki da mogu tamo pošiljati stvari, umjesto da ih šalju sa sjevera? "I da mogu pogledati sve te aspekte, ali ni sami ne znate da to trebate tražiti u tim aspektima dok ne započnete neki da mapirate taj proces, a u ovom slučaju to je transportni proces, ali svaka tvrtka ima složenosti u svom procesu koje mogu baciti u model poslovnog procesa i započeti razumjeti kuda se ti komadi mogu premjestiti,
Eric Kavanagh: Volim to. Posebno mi se sviđa dio o otvaranju tvrtke u Kostariki.
Kim Brushaber: Zašto ne?
Eric Kavanagh: Ako trebate PR-a ili moderatora dolje, javite mi. Postavljao sam vezu slajdova u prozoru za razgovor, pa provjerite taj prozor za chat. Naravno, ako to niste vidjeli ili to želite podijeliti s kolegama, arhiviramo sve te internetske emisije za kasnije pregledavanje. A Kim možete poslati e-poštom upravo ona, na ekranu joj je adresa. Slobodno joj pošaljite e-mail.
I s tim ćemo se oprostiti. Hvala na fantastičnoj prezentaciji; ovo je bilo sjajno. Slijedićemo vas sljedeći put, narode. Čuvaj se. Doviđenja.
