Av Techopedia Staff, 25 maj 2016
Takeaway: Värd Eric Kavanagh diskuterar ledningsdatahantering med Dez Blanchfield, Robin Bloor, John Evans och Diana Collins.
Du är för närvarande inte inloggad. Logga in eller registrera dig för att se videon.
Eric Kavanagh: Okej, mina damer och herrar, sommartid närmar sig, det blir varmt här inne. Varför är det? För det är dags för Hot Technologies. Ja, jag heter Eric Kavanagh. Jag kommer att vara din moderator för showen som är designad för - vi bör prata om vad som är varmt, vad som händer, vad är de coola saker där ute på marknaden. Detta är vårt partnerskap med Techopedia. Vi älskar dessa killar. Vi har jobbat med dem i flera år nu. De har en fantastisk webbplats. Om du vill veta något i teknikvärlden, vad dess definition kan vara, gå till techopedia.com. Och idag talar vi om MDM, masterdatahantering. Den exakta titeln är "Den största bilden: Att känna din kund över flera plattformar." Och det här spelet förändras, folkens, jag kan berätta just nu.
Så det finns en plats om din verkligen, slå mig upp på Twitter @eric_kavanagh. Jag försöker svara på alla som svarar på mig. Så året är varmt. Det är säkert varmt för MDM. Och jag säger er vad, det är varmt, inte bara varmt för de stora företagen utan också för de små till medelstora företagen som, gissa vad, har massor av olika system. CRM-system, e-postmarknadssystem, ERP-system, webbanalyssystem, eBusiness-sviter osv. Det finns många olika åtkomstpunkter till information om kunder och ju bättre ett jobb som företag kan göra för att väva allt tillsammans, desto bättre är de kommer att kunna betjäna kunden, inte kryssa av för kunden och hålla kvar dessa kunder. Låt dem köpa några saker.
Jag har faktiskt spårat MDM personligen sedan ungefär 2003, vilket är omkring när termen verkligen myntades. Ärligt talat fanns det en bank, Chase Bank i själva verket, jag tror det var Bank En väg sedan dess, och en av mina goda vänner nu, en kille som heter Joe Northern arbetade med ett företag som heter Razza Solutions, och de hade vad som blev DRM-verktyget av Oracle. Så de rullade faktiskt upp konton och gjorde hierarkihantering för banken redan då och det är några av de tidiga dagarna för masterdatahantering.
Så idag pratar vi om både analytiska och operativa MDM. Vi kommer att prata mycket om det här idag och verkligen hjälpa dig att förstå hur du kan utnyttja denna teknik för att få den fullständiga bilden av din kund, förstå vem de är och se till att du kan ta hand om deras behov i vad är en uppriktigt mycket konkurrenskraftig miljö över hela världen. Vi ser det överallt.
Så rockstjärna med karaktärer här: Dez Blanchfield, Robin Bloor, John Evans, Diana Collins. Ring in från fyra olika platser över hela världen. Vi börjar med Dez Blanchfield och med det ska jag överlämna nycklarna till dig, Dez, och jag börjar tweeta. Ta bort det.
Dez Blanchfield: Tack Eric. Jag var tvungen att påminna mig själv om att stänga av. Jag ber om ursäkt för det. Tack för möjligheten att presentera detta. Så jag kommer att komma till det här ur ett verkligt exempel på en organisatorisk utmaning för att hantera det jag har refererat till som en av de största störningarna för organisationer som de kommer att se för några tid. Vi har sett ett antal utmaningar. GFC-företagen fick ta itu med det. Vi får regelbundna lagändringar kring sekretess vi måste ta itu med.
En av de saker som jag tror att organisationer fångas med att de inte såg kommer var effekterna av hela detta kändisupplevelsesproblem. Och i princip människor som springer runt med mobiltelefoner som vill omedelbart tillfredsställelse på vissa sätt. Men omedelbar tillfredsställelse på ett bra sätt, inte ett petulant barnsligt sätt. Bara en insikt att de är kunden, de betalar pengarna och de borde få värdet för det. Och så har det funnits detta mynt av kundcentricitet eller att bli en kundcentrerad organisation. Så jag ska snabbt gå igenom vad det betyder och leda till en lite mer teknisk del av våra diskussioner snart.
Jag tänker bara säga det där och säga att det för det första att vara en kundcentrerad organisation kommer till en enkel sak: Du behöver en fullständig bild av din kund och dina kunddata. Du kan ha olika system. Du kan ha många olika produkter. Du kanske har femtio olika avdelningar i din organisation, men oavsett var du befinner dig i organisationen, oavsett vilken jobbfunktion du är, bör du kunna få en fullständig bild av alla dina kunder eller de kunder som är i sammanhang till vad din jobb är. Och varje del av datauppsättningen som du har, eller alla delar av datauppsättningarna som du har som berättar vad nationen för den kunden är.
Jag satte den här linjen att en komplett bild av kunder i alla dina system inte bara är en fin! Numera är det en nödvändighet. Och första gången du fastnar i ett scenario där du har att göra med något att göra med en kund, särskilt om det är live, på telefonen, eller i en webchat eller personligen som är ännu mer skrämmande, och du kan berätta för dem allt du borde veta om dem, det blir mycket uppenbart och det är en mycket olycklig situation att vara i.
Jag ska börja med en mycket snabb anekdot kring verkliga scenarier. Detta är ett foto av en whiteboard och den är mindre än fem dagar gammal. Detta är ett faktiskt scenario i en whiteboard i ett rum nyligen, för ett par dagar sedan, och talar om själva ämnet för hur vi går från att vara en mycket stor organisation med något som nittio olika delar av vår verksamhet. Det är en asiatisk bank, de har nittio olika affärsenheter. De gör allt från samhällslån och peer-to-peer och mikrolån hela vägen till finansiering av att sätta satelliter i rymden. Så de är ett monster. De har tiotals miljoner kunder. Jag tror att de har knappt femtio miljoner kunder. Och de står inför denna typiska utmaning för hur vi närmar oss inte bara masterdatahantering utan kunddata i synnerhet och en klient med en enhet.
Och när vi kartlade det var det som hoppade från oss från denna whiteboard, att de inte bara hade ett problem, de hade en mardröm eftersom inget av deras system pratade med varandra. Jag kunde gå in i någon del av banken eller någon del av verksamheten och be om ett lån, det kan vara ett billån, ett huslån, ett småföretagslån och de kunde inte säga sig något, eller så kunde de inte t upptäcker något om någon annan relation jag hade med banken. Och det skrämde absolut dagsljuset ur dem eftersom de insåg att bankerna längs vägen redan kan göra detta och de är potentiellt 12, 15 år bakom åtta bollen. Och det handlar om dessa viktiga förslag som kunder bara letar efter som bara är en konsekvent bild av mig som kund, och du måste ta reda på hur du ska leverera det. Särskilt nu när jag har att göra med dig på nätet, är det mer troligt att det är fallet via app i dag.
Det har kommit till denna viktiga sak "det handlar om mig, kunden." Och så när vi kartlägger hur den kundcentriska kulturen ser ut, handlar det om att integrera allt vi har från kärnsystem som fångar saker som din första namn, efternamn och annan information när du fyller i ett formulär eller fyller i det på nätet eller kommer till oss vid en disk någonstans vid ett utlopp, och vi lär känna dig från början genom hela resan hos oss som levererar produkterna själva eller tjänsten till du. Och kartlägga det från topp till botten. Förfina kontinuerligt data och datamodeller vi använder för att förstå det. Att anpassa hur dessa tekniker och processer i verksamheten, flöden, skärper kontinuerligt vår syn på dig. Det pågående engagemanget vi har med dig. Hur vi kontinuerligt fokuserar runt dig klienten och hur vi kommunicerar med dig. Om jag säljer dig tre tjänster vill jag inte skicka tre olika pappersbitar varje månad eller tre uttalanden eller räkningar, och så vidare.
Den kundcentriska berättelsen får verkliga dragkrafter nu och organisationer ser värdet av det. Det är fortfarande en verklig utmaning genom att det är: ”Okej, jag har tio olika system och de pratar inte med varandra. Jag har inget verktyg eller ett system eller en plattform för att dra det hela ihop. ”Och alltid hamnar människor i ett rum med whiteboard-sessioner som det jag just visade dig. Men det hela handlar om en kärnsak i det vänstra hörnet där en omvandling är. Och omvandling från organisationskulturen, människorna, personalen och den operativa modellen, ända ner till teknologibacken som stöder dem. Så det finns en ganska vanlig checklista som organisationer går igenom för att komma till denna punkt där de till och med förstår utmaningen med vad det innebär att vara kundcentrerad och behovet av att bygga ett system och få tillgång till verktyg som kan hjälpa dem att göra detta.
Det är saker som att kartlägga kundresan genom hela livscykeln och den upplevelse de har med dig som organisation. Förfina dina driftsmodeller och hur du organiserar er för att vara fokuserad på kunden och det värdeproposition du har tillhandahållit kunden. Och sedan naturligtvis anpassa din teknik och dina teknikbuntar och processer runt dem för att se till att du faktiskt kontinuerligt driver ytterligare engagemang och bättre och stramare engagemang med dina kunder. Och själva engagemangsprocessen från cheferna nedåt.
Om du inte har förändrat din syn på världen från toppen av din livsmedelskedja, från styrelserummet och nedåt, finns det liten chans att din deponivå eller din dagliga finanspersonal kommer att ändra sitt beteende. Du måste leda uppifrån. Du måste kontinuerligt uppdatera och omdefiniera och vidareutveckla hur du adresserar inriktningen på det faktiska fokuset på klienten. Så, hur skapar du inte bara en kulturell förändring i toppen än utan beteendeförändring i den nedre änden av organisationen och de verktyg som du gör tillgängliga för att göra det?
Det är en sak att säga att du är en kundcentrerad organisation och vill att människor ska uppträda på ett sätt, men du har inte gett dem medel och verktyg och förmågan att göra det, du kommer inte att få ett beteende för att människor bara fortsätter att falla tillbaka i de vanor de har känt innan de tänkte att de var kundcentriska organisationer. Och sedan den övergripande integrationen av de olika delarna av organisationen och kulturen som bodde i detta och uppenbarligen underbyggd av verktygen och plattformen.
Så hur tar du dessa olika affärsenheter eller företag eller delar av din organisation och låter dem bete sig annorlunda ur kulturell synvinkel och nedåt? Tja, du ger dem lämpliga verktyg och sätt och sätt att få den fullständiga och enda bilden av klienten och klientupplevelsen. Och hur sätter du några KPI: er och mäter det mot det och spårar det och sätter några mätvärden mot dem och mäter dessa KPI: er och ger värde till det? Affärsvärde för er själva och uppenbarligen värde i någon form i värdekedjan för kunden och hålla dem tillbaka. Och sedan integrera all kommunikation du har med dina kunder från feedback och realtid eller iterativt bearbetat så att ditt beteende och din kulturella förändring förhoppningsvis blir fångad i någon form av feedbackcykel och feedback-loop och du kan ta reda på om du " re träffar märket eller inte.
Vi kommer till scenariot där du vet så småningom organisationer kommer att hitta sig själva effektivt drunkna i olika data och vi har sett några slags saker här, några interna, vissa externa. Historiskt sett har vi haft plattformar för kundrelationer och reklamplattformar och marknadsföringsplattformar. Vi har haft alla typer av olika system som körs oberoende och förhoppningsvis pratar de med varandra i någon form. Vi har haft de senaste par veckorna en explosion av interaktioner med dig nu, så vi pratar med dig via sociala medier, vi pratar med dig via vår webbplats, vi får e-post från dig.
Våra IVR-system som pratar med dig via telefonen måste nu kartlägga den informationen och berätta för oss hur du hanterat vårt telefonsystem och interagerar med våra databaser och om du hade varit i ett telefonsamtal med oss, allt som måste fångas i realtid och vi måste kunna se till att vi kan få en gemensam syn på det, vilket förhoppningsvis är den gemensamma datahanteringsplattformen i mitten av diagrammet där.
Det finns den fras som nyligen har mynts upp som är en "kändis-kundupplevelse." Tja, vad betyder det egentligen? Det är inte så att vi tror att våra slutanvändare eller konsumenter är dåligt uppförda kändisar och att de känner sig annorlunda på något sätt. Vad det betyder är att vi har vaknat upp till det faktum att vi borde behandla alla våra kunder som en kändis. De borde få VIP-behandlingen från det ögonblick som vi möter dem genom hela livscykeln för att vi har nöjet att ha dem som kunder.
Och så frågan som jag blir ställd regelbundet - att föra tillbaka detta till en lite mer anekdotisk verklig historia om en klient - är hur gör vi det möjligt för vår organisation att leverera den ökande efterfrågan på en kändisupplevelse? Eftersom det vi ser nu är en av de största störningarna för organisationer är det kravet att leverera det löfte till kunderna. För att ge dem kändisens kundupplevelse. Organisationer, från min erfarenhet, och säkert runt om i världen som jag ser, störs utan att inse det med skiftet från andra påverkan som de kanske redan har känt till eller sett kommer till sina faktiska kunder. Deras kunder stör dem och stör dem på ett mycket allvarligt sätt. Och om du inte kan tillhandahålla denna kändisupplevelse och tillhandahålla verktyg och sätt och medel för din organisation att få den enskilda synen på klienten, kommer du att missa en mil, åtminstone en landsmil, förmåga och kapacitet att fullgöra det löfte.
Det finns några viktiga punkter som jag kommer att kasta ut här, och sedan överlämna till Robin för att få lite mer tekniska detaljer, att jag rekommenderar att alla organisationer tänker mycket hårt och snabbt om de till och med är långt ifrån detta levererar på löfte till deras personal och deras organisation att bli en kundcentrerad enhet. Och det är fokus på de grundläggande komponenterna och skapa en enda kundvy. Det låter väldigt enkelt, men vad betyder det? Det betyder väl att se till att du har rätt data från rätt datakällor hela tiden och vid rätt tidpunkt. Se till att data finns tillgängliga på rätt plats hela tiden. Inte bara en del av tiden.
Och det måste vara tätt integrerat. Och det måste byggas in i din plattform. Det kan inte bara vara något du tror att du gör. En enda marknadsföringskampanj. Varje gång du tittar på en kund måste du kunna få detta hela tiden. Det måste vara tillgängligt för alla rätt människor hela tiden. Så jag vill inte springa runt i korridorerna och leta efter stamkunskaper. Jag måste kunna få detta med ett ögonblick, bara genom att komma till ett verktyg. Och du måste tillhandahålla det på rätt plattform med rätt verktyg. Så det måste byggas in i de befintliga systemen du redan använder.
Din CRM måste kunna se allt från när jag besöker dig från min mobilapp, från webbplatsen, från att prata med din IVR, interaktiv röstinspelning, att gå igenom telefonens helpdesk själv som en självbetjäning. Eller om jag trycker på star-nio och kommer till människan så ställer jag den lite mer utmanande frågan som IVR inte är programmerad att hantera. Om jag tweetade något lyckligt, om jag har skrivit en artikel på LinkedIn. Dessa behöver alla så småningom mata tillbaka till CRM så att om jag hanterar något med kunden att göra så kan jag se det. Vi måste göra det som standard och inte undantaget.
Det är fortfarande mycket undantaget att människor vill driva en kampanj, de vill driva en försäljnings- och marknadsföringsinsats eller att de vill lösa något problem eller ta itu med en prissättningsproblem. Vi driver en engångskampanj och försöker få en enda bild av ett visst segment av vår klient och börjar köra rapporter och skriva ut saker och dela dem i bundet tryckt kopieringsformat. Det är ett undantag. Det måste vara standard. Dina system måste hela tiden tillhandahålla denna enda syn på klienten. Och på något sätt kommer vi till det - oavsett om det är en försäljning och marknadsföring, eller bara en operationell, tillverkning eller logistik, eller vad det än kan vara, synvinkel - verkligheten är att du måste göra allt det innan du kan se en solid avkastning på din investering i denna övergång till att bli en kundcentrerad organisation. Du kommer att få några snabba vinster. Det kommer definitivt att bli snabba vinster. Så det finns några goda nyheter på den fronten. Men verkligheten är att tills du har slutfört en övergång till att bli en helt enskild bild av din kund kundcentriska organisation att ROI inte kommer att hoppa av skärmen på dig. Och det är en rolig resa. Det är en värdefull resa. Och allt underbyggs genom att ha rätt verktyg, rätt plattformar och göra det tillgängligt för din organisation så snart som möjligt, i en förnuftig, tekniskt och kommersiellt genomförbar form. Med det i åtanke ska jag överlämna till Robin. Robin?
Robin Bloor: Tack, december. Jag var tvungen att göra samma sak som du, jag var tvungen att stänga av mig själv. Okej, jag skulle närma mig detta mer ur ett konceptuellt perspektiv än det praktiska scenariot som Dez genomgick. Vi pratar verkligen om en mycket specifik uppsättning aktiviteter inom en organisation när vi kommer in på MDM-området och naturligtvis är kunden det bästa. Kundens enhetsidentitet är mycket svårare att få till av en hel mängd skäl än någonting annat. Det är troligtvis den viktigaste enheten. Det finns vissa företag där de kanske bara har en kund och de kan ha all information de kan få om den kunden. Mycket sällsynt. För det mesta har organisationer flera kunder och kunderna har flera aspekter. Och uppgifterna är ganska mycket spridd överallt. Jag har jobbat med den här idén ganska nyligen, idén om en datapyramid. Att det finns en tydlig skillnad mellan data och information och kunskap och faktiskt förståelse. Men data, information och kunskap kan leva i datorer. Data på den lägsta nivån är bara signaler och mätningar. Och information du kan få hand om vilket är vad -
Eric Kavanagh: Ditt ljud börjar försvinna lite, Robin. Bara så du vet.
Robin Bloor: Okej, jag flyttar mikrofonen. Hur låter det?
Eric Kavanagh: Där går du. Det låter mycket bättre. Varsågod.
Robin Bloor: Ja, så data består främst av signaler, mätningar, inspelningar och liknande. Det har inget specifikt sammanhang. Det blir information genom att ge det det sammanhanget. Koppla samman data. Strukturera uppgifterna. Skapa visualiseringar, ordlistor, scheman. Allt du vill skapa runt det. Det överförs till kunskap när du på ett eller annat sätt faktiskt kan börja förutsäga beteendet hos en viss enhet och även implementera policyer och regler för att hantera den. Förståelsen lever helt i människor. Och det är en del av problemet. När du faktiskt tittar på den fragmentering som finns i kundsituationen upptäcker du ofta att verkligen försäljning har en syn på kunden, marknadsföring har en annan. Försäljningsstöd eller faktiskt bara kundunderhåll har en annan uppfattning. Det kan finnas många beröringspunkter som en kund har med en organisation. Och inget av det är integrerat i korrekt strukturerad information eller mycket av det är inte integrerat.
Och sedan har vi problemet som har börjat bli mycket vanligare under de senaste åren, du kan samla externa data om människor och det är mycket användbart men du måste faktiskt integrera det för att det ska ha något verkligt värde. Så vid förfining av data uppstår de stora svårigheterna genom fragmentering. Dessa data kommer från olika platser och är inte väl strukturerade. Och det faktum att det tenderar att finnas ett oavbrutet utbud av ny data och det är nästan alltid fallet när det gäller kunden. Och varje enhet är ett rörligt mål. Vi brydde oss inte, kanske för tre eller fyra år sedan, om kundernas sociala medieprofil, men vi bryr oss om det nu. Vi bryr oss om det eftersom det kan skada en organisation eller öka för en organisation, beroende på vad som händer där ute.
Om du faktiskt har idén, om du satte dig ner och gjorde en övning och försökte ta reda på vad var det du intresserade dig för kunden för fem år sedan? Och du gör det igen och du upptäcker att saker har lagts till. Och saker kan ha tagits bort. Jag menar att ingen bryr sig längre till exempel vad faxnummer människor faktiskt har. Vissa människor brukade ha faxnummer på sina visitkort. Men ingen bryr sig längre eftersom faxet dog. Så det är ett rörligt mål. När du tittar på datamodellering och MDM är det första - ja, jag måste faktiskt säga om detta, att detta är en del av datastyring, om du inte gör det så finns det ett problem på det sättet du styr data . För om du inte faktiskt gör datamodellering och MDM, så har du på ett eller annat sätt inte riktigt bra uppifrån och ner på en viss enhet.
Men jag har listat här data governance. Jag har listat avstamning, dataanvändning, kvalitet, säkerhet, servicehantering, återställning. Du kan lägga till livscykel och så vidare. Det finns väldigt mycket att styra data och datamodellering och MDM är en grundläggande och kanske central del av det. Förändring kommer uppifrån och ner i den meningen att du inser att förändring sker eftersom människor inser att det sker. Och därför kan man tänka i termer av hela denna stack från filer och databaser genom dataelement till betadata och affärsdefinitioner.
Du kanske tänker i termer av att du på ett eller annat sätt måste hantera hela stacken och hålla hela stacken uppdaterad eftersom att veta något på en affärsdefinitionsnivå betyder inte att du fångar uppgifterna på fil- och databasnivå. Det är en mycket bred bild och tills du faktiskt tänker på den inser du inte hur bred den är. Modelleringen och MDM, om du faktiskt tittar, handlar inte hela big data-trenden bara om det - det finns mycket mer data. Det handlar om att det finns mycket mer data från mycket fler källor, vilket ger dig mycket fler perspektiv på en viss enhet som du faktiskt samlar in information om. Och ju mer komplex det är, ju mer du behöver en modell, desto mindre lätt är det att förstå. Bara genom att titta på låt oss säga ett databasschema vad som händer när data faktiskt kommer från 10, 20, 30 källor.
I teorin kan du säga att MDM ger dig en bild av datauniverset men i praktiken är det faktiskt en del av det. Och vi diskuterade faktiskt bara om du tittar på den affärsmässiga betydelsen av data då, att informationen om betydelsen av data faktiskt är en del av det datauniverset du tittar på. Modelleringen är uppifrån och ner och uppifrån. Det är att du kan titta på saker ur ett affärsperspektiv men du kan också titta på saker ur det vi har. Och du bygger i båda riktningarna. Och detta är inte och kan aldrig bli ett projekt. Att starta det är ett projekt. Det är en pågående aktivitet. Du kan starta det som ett projekt eftersom du inte har något koherent på plats, men när du har sparkat av det borde det vara en pågående aktivitet. Och allt som görs inom datasfären, MDM-teamet, om du vill, borde veta om det.
Kunden utmanar, titta bara på att fokusera på kundenheten. Det finns mycket mer tillgängliga data nu om kunden från mycket fler källor än för någon annan enhet överlägset. Och det verkar bara öka hela tiden. Det är ofta felaktigt. Om du till exempel samlar in data från mig. Om du samlar in data om mig kommer du att inse att jag har olika identiteter, vilket är bara om jag använder mellanspråk eller inte när jag går till olika webbplatser. Och jag gör det ofta bara för att upptäcka var jag ska få skräppost från en viss identitet. Men många gör det. Och då gör människor misstag. Och sedan är information föråldrad.
Jag gick till en av dessa dataressurser som påstår sig kunna ge dig massor av information om en viss individ och gjorde det uppenbara och ställde frågor om mig själv. Och hälften av informationen de gav mig var faktiskt föråldrad. Och något av det var ändå fel. Och du tittar på det och du tror att om du på ett eller annat sätt kommer att samla in data från andra källor, så finns det ett stort element i att rensa uppgifterna och kunna identifiera om det är de data du har. Som individer har vi ingen unik identifierare. Namn och mobilnummer kommer förmodligen att komma nära de flesta, men inte alla har ett mobilnummer. Och det är annorlunda i olika kulturer också. Och sedan finns det typen av data i termer av analys.
Jag kommer inte att gå in på detta på något djup, men data kan väljas. Om du har någons Twitter-data finns det bara en liten population av individer som aktivt lägger upp data på Twitter. Och de är utvalda. De är inte slumpmässigt utvalda kunder. Det är de som har bestämt sig för att de ska vara taliga på Twitter. Det är notoriskt svårt att få en 360-graders bild av en kund. Och det är delvis helt enkelt på grund av allas tekniska historia. Det är inte ovanligt att upptäcka att det finns tre eller fler kunddatabaser, precis som databaser, bryd dig inte om många andra informationskällor som du faktiskt samlar in om kunden. Och kundanalys, det är värt att säga att det är en enorm möjlighet nu. Vi brukade göra segmentering i kärna men nu är det verkligen, eftersom det finns en fruktansvärd massa externa data tillgängliga för kunderna, kan du göra en hemsk massa analysgrafik för relationer, som verkligen är relativt ny. Du kan använda prediktiv analys, som du aldrig visste förut. Du kan samla information om mode och åsikter som du aldrig kunde samla in tidigare.
Det finns en mycket god anledning att granska vad du gör för kunden och att tänka i termer av hur du bäst kan utnyttja de uppgifter du har. En praktisk vy. Modelleringen av kundenheten är en nödvändig aktivitet för en noggrann och användbar BI och förfining av kunskap. Med andra ord, om du har en ganska stor befolkning av kunder är det inte riktigt en valfri sak. Du måste typ göra det. Och jag tror att det är allt jag har att säga. Låt oss vidarebefordra bollen.
Eric Kavanagh: Okej, så John, jag tror att du ska gå härnäst? Då gör Diana en demo. Så med det, John Evans, ta bort det. Och folk, var inte blyg, skicka dina frågor när som helst. Vi övervakar det för frågor och svar. Ta bort den, John Evans.
John Evans: Okej. Tack, Eric. Och tack Dec och Robin för den introduktionen och de kommentarerna. Det var mycket överlappning mellan det du pratade om där och det vi ska prata om och visa idag, vilket är bra. Och att vi definitivt skulle vara överens om att denna uppfattning om kundcentricitet är något som människor försöker uppnå och jag tror att i grunden för det skulle vi säga att det att ha bra data, så bra data som du kan få om dina kunder är enda sättet att få en bön för att uppnå det. Så det vi vill göra idag är att prata om kundorienterad masterdatahantering och dela med alla lite om hur vi närmar oss det, löser det problemet och pratar om ett nytt erbjudande som vi just har introducerat för att göra det enkelt för företag i alla storlekar att leverera bättre kunddata genom deras fragmenterade datalandskap. Så det landskapet kan se ut så här.
Vi har en mängd olika system runt omkretsen här, massor av fragmenterade applikationer, några av dem körs i molnet, några av dem körs i lokaler. Och inom var och en av dessa kommer du per definition att ha olika sätt att identifiera kunder och kundinformation. Olika modeller av kunddata med olika attribut, olika prioriteringar och så vidare. Och även om du var en organisation där du anser dig vara en SAP-butik eller en Oracle-butik, eller om du bara driver ditt företag på SAP till exempel, eller bara på Oracle, eller använder du SalesForce, du kan ha flera instanser av dessa system även inom ditt eget företag. Kanske de distribueras av en annan plats eller av en region som har skapats av olika skäl, olika zoner i världen, eller så kan du få dem att ställas in olika på olika branscher. Och även om du har en enda ERP, om du har gjort anpassningen för dessa, kommer det att bli konflikter i uppgifterna.
Nu fragmenteringen vi ser ytterligare förvärras av ökningen i antagandet av molnbaserade system och bästa-av-ras applikationer. Så medan en riktigt stor, komplex, invändig miljö som denna brukade vara något som alla trodde, "Tja som verkligen bara inträffar i de riktigt stora företagen, " på grund av detta inträde av molnlösningar och bästa-av-ras-strategi, den frågan nu blir mer utbredd även i mindre organisationer. Så det går verkligen från en rad små företag till stora företag. Alla lider av samma problem med sina kunduppgifter. Och du kan titta på några av de problem som jag har listat här i mitten.
Jag delar upp dem i tre typer. Det finns datorelaterade problem där du har dubbletter, du har ogiltiga data, du har saknade fält, du har inkonsekvent information, inkonsekventa hierarkier, och dessa saker tenderar bara att bli värre när tiden går. Då har du folkrelaterade utmaningar där människor inte kan få tillgång till uppgifterna, de kan inte svara på de frågor de har, där de söker men de kan inte nå den 360-graders uppfattningen som Robin talade om.
Och på det tredje området finns processrelaterade utmaningar där du har data på flera platser och även människor inte vet vad som har förändrats och när saker och ting händer med data hela tiden. Så det finns ingen kontroll eller styrning över hur man håller dessa data rena. Så när du försöker leverera en mer sammanhängande / upplevd kundupplevelse och gå i dialog med kunderna är det verkligen svårt att uppnå det när dina egna data om dessa individer inte är konsekventa och inte är korrekta.
Precis som jag såg åt sidan, tror jag att det var förra veckan eller veckan innan, en artikel i "Information Management" som talade om varför personlig marknadsföring fortfarande inte är korrekt och de listade nio orsaker. De första två orsakerna i deras lista är datakvaliteten dålig och uppgifterna inte integrerade.
Så vad kan du göra åt det här? Nåväl, det finns ett par sätt du kan försöka ta till detta problem och tänka på när det gäller vad det kommer att kosta din organisation. Du kan antingen sortera attacken som data när den är född om du kommer eller så kan du attackera den när den har infiltrerats i ditt system. Så här är en bild från en organisation som vi har arbetat med som faktiskt markerade cirka trettio olika platser där data lagrats där inne, i sitt landskap.
Så när data har släppts ut i naturen, i dessa dussintals system är det svårt att hitta, det är svårt att underhålla, det är dyrt att fixa, om du funderar på att gå in och försöka fixa det trettio gånger på trettio olika platser . Så ett av koncepten vi vill prata om är att försöka vara proaktiv och försöka fixa saker tidigt i dess livscykel som möjligt eftersom när du gör det kommer det att bli lättare att hitta, lättare att kontrollera och billigare att fixa och underhålla och på det sättet får du bättre data när du arbetar nedströms i dina applikationer.
Så detta är ett koncept som vi har pratat om som kallas proaktiv MDM och taglinjen vi gillar att använda är konceptet att rengöra floderna, inte sjöarna. Så det finns tre steg till det, först är att bli ren, där du vill matcha och slå samman och rensa och överleva poster så nära källan som möjligt för att försöka få en gyllene post så att du undviker att förorena dina nedströmsapplikationer. Detta kan göras genom implementerade kontroller över källor eller till och med ge en plats att centralt erbjuda informationen så att den är konsekvent och korrekt innan du släpper dem ut i naturen.
Anrikning handlar om att lägga till värde till datan när du går, inklusive referensdata och annan information som inte finns i ditt källoperativsystem, så det kan vara hierarkier, det kan vara segmenteringar som till exempel inte lagras i dessa system.
Då handlar den tredje delen om att hålla sig ren och här är där du vill se till att du har processer på plats och personer identifierade för att göra förvaltningen och att göra styrning, ha verktyg tillgängliga för att möjliggöra dessa processer och sedan proaktivt matcha och du rensar dina data med jämna mellanrum så att de inte gör det, så du undviker den förfall som naturligt kommer att hända, till exempel när människor byter jobb eller byter bostad eller så vidare.
Så hur får du det här? Det finns ett antal alternativ som du kan använda för att attackera detta problem. Du kan använda ett datakvalitetsverktyg, du kan använda ett dataintegrationsverktyg för att extrahera informationen, du kan använda ett arbetsflödesverktyg för att dela ut träningen till olika människor. Du kan använda ett styrningsverktyg för att hålla reda på vem som gör vad. Du kan faktiskt stränga ihop alla dessa olika arvverktyg och kasta många människor på det.
Men det är allt väldigt dyrt, det är väldigt resurskrävande, det kommer att vara långsamt att distribuera och det kommer att bli svårt att hantera och du kanske till och med vill börja med dina kunddata men du kommer också att vilja så småningom hantera dina produkter, din lista över produkter som dessa kunder har, och listan över leverantörer för dessa produkter, och ett kontoplan som du använder i hela ditt företag för att hålla reda på vad som händer, hantera dina anställda som servar dessa kunder och så vidare . Så nu pratar du om flera domäner, leverantörer, produkter, kontoplan, anställda och så vidare för att försöka leverera en 360-graders vy över hela ditt företag.
Så idealiskt vad vi tror att du vill uppnå är en lösning för att integrera, matcha och rensa dina kunders masterdata, en lösning så att du kan hantera förvaltningen och styrningen och ett verktyg som du kan använda för att hantera varje datadomän när du börjar med kund och gå vidare. Så det är målet bakom ett nytt erbjudande som vi just har meddelat kallad Magnitude ONE. Magnitude ONE är ett MDM-erbjudande som är utformat för företag att integrera, harmonisera och hantera sina stamdata över de populära SaaS- eller icke-lokala applikationer som används som vi talade om tidigare, och Magnitude ONE innehåller därför ett antal komponenter.
Det första det inkluderar är vår Kalido MDM-lösning, som har distribuerats i några av världens företag, och Eric, du pratade om din exponering för stamdata och hantering redan 2003, jag tror att den här produkten ursprungligen kom ut cirka 2004. Så Vi har varit en tidig pionjär inom detta utrymme med detta verktyg. Vi började med att använda den för att betjäna den analytiska användningen av informationen för att säkerställa att bra data kom in i lagret och över tid har våra kunder använt den mer och mer i operativa användningsfall och hanterat flera domäner inklusive kund och produkt och ekonomi och leverantör och anställd osv. Så Kalido MDM är en viktig del av denna lösning.
Vi levererar också anslutning och integration till en mängd olika källsystem genom ett partnerskap med SCRIBE-programvara, med deras SCRIBE-integrationsplattform online som en tjänst. Det är ett molnbaserat integrationserbjudande med anslutningar till över fyrtio system både på lokal och SaaS-system som organisationer använder. Så med de två tillsammans, med vår Kalido MDM-lösning inkluderar den också och förmågan att ha en arbetsflödesdriven miljö för masterdatahantering och hantera den genom hela livscykeln. Vi har en matchande motor som finns där som är speciellt utformad för att hantera kunddata och vi tillhandahåller förutom programvaran även en viss virtuell klassrumsutbildning på Kalido MDM-produkten och modelleringskomponenterna.
Så Robin, du pratade om modellen, det är en väldigt kritisk del och det är faktiskt där vi börjar i vår lösning och vi kommer att visa dig att på ett ögonblick, hur du tar den vita tavlan som Dez visade och översatte det till något som kan konfigurerar faktiskt ditt MDM-system. Din sista punkt om Magnitude ONE är att den är tillgänglig i lokaler eller som en molntjänst, du kan få en prenumerationslicens eller en evig licens. Idén är att det kommer att bli lätt för dig att köpa, underhålla, implementera och underhålla.
Så hur det ser ut då är Magnitude ONE i centrum här, med de robusta förmågorna att göra allt i de vita och blå rutorna. Så anslut till och få åtkomst till kunddata via SCRIBE-kontakten som jag pratade om. Gör sedan alla de masteringövningar du behöver göra kring matchning av data, sammanfoga, överleva och berika uppgifterna för att få dem rena. Autorisera och publicera sedan exakta och konsekventa data till dina konsumtionssystem tillsammans med ett åtkomstlager för människor att söka efter data, bläddra i data och till och med författa nya poster så att dina operativa och analytiska system kan hålla sig rena när tiden går.
Vi tillhandahåller ett webbaserat användargränssnitt för både förvaltare och administratörer, som du kommer att se på ett ögonblick, liksom för företagets användare. Inte bara kan de bara bläddra efter och komma åt publicerade stamdata, de kan till och med spela en roll i förvaltarprocessen. Så föreställ er att din säljare pratar med kunderna, de lär sig något nytt om kunden, de kan ta upp en förändringsbegäran och säga hej den här kunden, de har ändrat titel, de har ändrat sin e-postadress, de har bytt företag, kanske den här läkaren har bytt en anknytning till detta sjukhus, vi vill se till att vi håller reda på den typen av saker, eller att denna försäkringsmäklare nu bär dessa produkter, vi vill se till att vi marknadsför dessa nya försäkringsprodukter till dem, till exempel. Så den typen av saker kan höjas och servas på rätt sätt när dina kundanställda medarbetare har att göra med dessa individer.
Ett par andra attribut om vår lösning. Nummer ett är den här affärsmodellen, kom ihåg den vita kartongen som Dez visade som hade cirklarna och pilarna. Det är i grund och botten affärskraven för hur uppgifterna måste vara, hur de används i den verkliga världen. Vi börjar med något som kallas en affärsinformationsmodell och vi kan i princip fånga dessa krav och tillhörande affärsregler och faktiskt distribuera det för att skapa reglerna och MDM-lagret. Så det fungerar effektivt som ett sätt att överbrygga kommunikationsgapet som vi så ofta ser mellan affärsmän som beskriver ett krav och IT måste gå tillbaka och översätta det till tabeller och kartläggningar och så vidare.
Så vi har en affärsmodellstyrd strategi för att se till att det är rätt från när du börjar. Vi inkluderar också automatiserad behandling för det och det inbäddade arbetsflödet och ändringshanteringen så att du kan, om du har en förändring i din modell där du lägger till den, du snabbt kan distribuera det och göra det med ett litet team på grund av automatiseringen, det kräver inte så mycket kodning som du kanske hade förväntat dig.
Jag nämnde den modelldrivna naturen som också driver de skärmar som verkligen visas. Så när du har en beskrivning av en kund och du har deras attribut där, vad du ser på skärmen är attributen som definieras i modellen, så det är allt skapat för dig, du behöver inte skapa något specifikt gränssnitt skärmar för att kartlägga för data, det är allt drivs av modellen.
En annan cool funktion som vi har introducerat är konceptet Excel-integration för datatillsynsmän. Detta innebär att datatjänstemän kan använda Excel som en plats för att redigera poster som inte automatiskt kan matchas och godkännas och distribueras. Nu kanske du tänker, det här är bara, du bara dumpar data till Excel, eller hur? Det är mycket mer än så eftersom det coola med denna kapacitet är att det övervinner problemet med att bara ha förnyad datauppdateringar genom att ladda upp data från Excel.
När vi laddar ner data från Kalido MDM till Excel-gränssnittet kommer vi faktiskt med valideringsreglerna. Så det kommer att berätta vilken av dessa celler som måste fyllas i för att göra det till en giltig post, den kommer att ge dig en listruta med tillgängliga värden eller till exempel de godkända värdena så att du i princip undviker skapa fel när du uppdaterar stamdataposterna.
Sedan på den inbäddade arbetsflödesmotorn, se till att uppgifterna är alla bearbetade och godkända för publicering och att de också håller reda på vem som gjorde vad och när och låter dig i princip granska och granska alla tidigare stamdatavärden så att du kan se hur data har ändrats över tid.
Så fördelen med detta, när det gäller kunddata, är att du kan komma till en plats där du kan ha mer personliga och relevanta dialoger och interaktioner med kunder. MDM blir mer affärskritisk, särskilt när du tänker på en-till-en-marknadsföring som pågår där och detta är ett bra exempel på cykeln som inträffar.
Så du börjar med data om dina kunder, det här är det du har behärskat, vem är de, vilka produkter äger de, vad kan jag matcha när det gäller kundinformation i flera system? Sedan berikar du det med mer information om dem och hur du har interagerat tidigare. Vad har de svarat på? Eller hur vill de kontaktas? De kanske vill bli kontaktade via fax så det är därför det fortfarande finns på deras visitkort. Men den informationen som sedan ger dig den insikt du behöver för att interagera.
Så vilka andra preferenser? En del av det kommer till exempel från sociala källor. Då kan du bestämma utifrån vad som är den näst bästa interaktionen för dessa kunder, vilka erbjudanden ska jag göra? Det kommer att generera någon form av interaktion, de kommer att ladda ner något, de kommer att köpa något.
Det kommer naturligtvis att skapa mer data som du vill mata in i denna dygdiga cykel av marknadsföringsinteraktioner. Därför kommer du att kunna hitta och stänga nya kunder snabbare, öka försäljningen, leverera bättre kundservice, eliminera fel, eliminera duplicerade försändelser, exempelvis frakt för marknadsföringsmaterial, och så småningom får vi minska försäljningen och marknadsföringskostnader.
Så ett exempel på en kund hos oss som gjorde detta, Storbritanniens postkontor använde Kalido MDM för att leverera bättre kunddata så att de kunde leverera rätt produkter och fortsätta sina kunddialoger i rätt kanal vilket i slutändan ledde till högre försäljningsvolymer och ökade marginaler för dem.
Så det är bara mina inledande kommentarer, jag vill nu överföra det till Diana, ta dig igenom och visa dig exakt hur vi gör något av detta.
Diana Collins: Tack John, så förhoppningsvis kan vi leva upp lite av detta för er alla. Så det du borde se på din skärm just nu är ett exempel på en Kalido affärsinformationsmodell. Så en del av lösningen, det vi ska visa dig idag är en integration av data från salesforce.com. Här har vi tagit fram vår salesforce.com-modell längst ner till vänster. Det är uppenbarligen en webbaserad applikation, mjukvaran är tjänsten typ av applikation. Vi kommer att integrera det med data från vår lokala implementering av Oracle, en affärssvit.
Så vårt mål är att ta våra kontakter och kontoinformation från salesforce.com, integrera den med våra kundfordringar och kontaktinformation till ett enda harmoniserat konto och kontaktstruktur som vi sedan laddar in i Microsoft Dynamics CRM. Så vårt scenario här är att vi migrerar från att ha använt salesforce.com tidigare till att använda Dynamics CRM. Vi vill se till att vi har en helt integrerad, harmoniserad kundlista, 360-graders vy baserat på vår nya Dynamics CRM-miljö.
Så för att bygga detta har vi flyttat data från salesforce.com och EBS till Kalido MDM, vi har faktiskt genomfört harmoniseringsprocessen. Så av intresse för tid har vi liksom gjort matlagningen och vi kommer att njuta av måltiden. Så låt oss byta över till vår MDM-miljö och bara visa dig några av de saker som vi kan göra i de extra funktioner som en MDM-lösning ger till en enkel anslutningsintegration av dessa plattformar.
Men en av de saker som naturligtvis skulle hända, det är att du förlorar din historia. Du skulle hamna med dina uppgifter i Microsoft Dynamics, men skulle du veta var något kom ifrån? Det är vad MDM, en av de saker MDM-lösningen kan ge oss, det ger oss en historia.
Så om vi tittar på vår lista över harmoniserade konton och vi väljer ett av dessa. Låt oss säga att vi valde Albert's Stores här. Detta ger oss lite information om var denna Albert's Stores-post kom från. Vi kan se att det är en integration av två poster, en kom från ett salesforces.com-konto som heter Albert och Gerard och ett kom från EBS-faktureringskonto som heter Albert's Stores och de integrerades tillsammans och harmoniserades i det enda moderföretagskonto som heter Albert's Stores.
Vi ser också dess ursprungliga ID, vi kan se den här dagen det redan har migrerats till Microsoft Dynamics för här har vi CMR-ID från Microsoft Dynamics. Jag kan se tiden då uppgifterna senast uppdaterades. Utöver detta tillhandahåller vi en annan vy som inte bara låter dig titta på uppgifterna, utan också med vår grafvy kan du titta på föreningarna som uppgifterna deltar i.
Så här har vi samma post, våra Albert's Stores med sina kopplingar till kundfordringar, dess salesforce.com-konto och kontakter. Om vi väljer en av dessa kontakter kan vi se att kontakten faktiskt var en salesforce.com-kontakt. På samma sätt var vårt Adam Albert-konto en EBS-kontakt, så av denna rörelse tror jag på skärmen att det händer automatiskt, ett par av dem jag gör bara håller saker lätta att läsa. Men när vi fortsätter kan vi ta en titt på kontaktinformationen och se att den kom från vårt salesforce.com-konto. Det kommer faktiskt att bygga upp en vy som visar oss alla relationer som våra data deltar i.
Dessutom ser vi hur vi klassificerar våra saleforce.com-data och att det finns andra konton där ute som är för många för att kunna listas. Nåväl de saker som är för många för att lista, vi kan fortfarande komma till dem. Vi kan bara bläddra ner på sidan här och komma till listan med alla extrakonton som var för många för att lista i den grafiska vyn. Naturligtvis kan vi också börja i grafvy för något av dessa. Så det är ett sätt att hantera saker. Vi kan se data, vi kan manipulera data, vi vill också kunna sanera och fixa data. Så ett par sätt att titta på det.
Så en av de saker vi kunde göra är att vi kan gå över, titta på hierarkin, jag har sparat vårt kontohierarki som en av mina favoriter, så jag kan spara olika kategorier av information som konton samt hierarkiska sökvägar som Jag kunde använda i min hierarki-webbläsare. Så här kan jag gå igenom min hierarki, jag kan se alla olika kontakter som jag har med varje konto.
Men en av de andra saker som denna miljö tillhandahåller är alternativet att hitta alla föräldralösa barn. Det här är kontakter som kom in genom vårt harmoniserade system som inte hade föräldrar i sina källor, så det här är föräldralösa barn som har lämnats kvar. Så vi har tagit över dessa, vi har identifierat dem, vi vet att det här är föräldralösa barn, och hur fixar vi det? Vi klickar bara på den här växeln för att redigera läge, vilket öppnar en annan vy av hierarkin och vi kan nu börja klassificera dessa personer. Så kanske Bill Murray arbetade för AC Network så att vi kan ta över honom och lägga till honom i listan och vi ser honom markeras genom att påpeka för oss att detta är en förändring. Jag kan flytta Sandy och tilldelade henne kanske till AG Edwards och Company.
När dessa ändringar görs, spelas de in här nedan, jag kan ångra dem om jag inser att jag har gjort ett misstag. Jag kan gäng multipla av dem tillsammans och flytta dem genom systemet som en enhet genom att ge dem ett namn och sedan bearbetades de som en enda arbetsenhet genom mitt system. Så detta är ett sätt och om jag är proaktiv kan jag kanske gå in här och titta på detta och se om det fanns föräldralösa barn och hantera problemet. Tänk om jag inte gjorde det? Tänk om jag inte var proaktiv? Nåväl, återigen innehåller vårt system ett arbetsflöde, som jag nämnde tidigare, en arbetsflödeslösning som gör att vi kan hantera detta mer direkt.
För att göra det kommer jag att logga ut som systemadministratör, jag kommer nu att logga in som datatillämpare, okej? Så det här är den person som är ansvarig för att hantera ogiltiga data. Du kommer se så snart jag loggar in, jag kommer till min inkorg, var gissa vad? Det finns våra 11 föräldralösa poster eftersom förhållandet, föreningen mellan kontakterna och deras konton är obligatorisk. Alla harmoniserade konton som inte hade lämpliga anslutningar till ett konto är ogiltiga. De rör sig genom arbetsflödet och som vi kan se i diagrammet för arbetsflödet, här är där vi nu omarbetar poster. De skulle sedan flyta till en godkännandeprocess, godkänd av försäljningschefen, godkänd av redovisning och slutligen godkänd för publicering vid nästa batchuppdatering av vår dynamik.
Naturligtvis kan detta också konfigureras så att det körs i realtid som så snart det publiceras, så snart det är godkänt för publicering så skulle det bara omedelbart flyta ut Dynamics så det är upp till dig hur du vill konfigurera det sista steget i gränssnitt. Så förhoppningsvis har detta gett oss - gett er alla en kort idé, en översikt över bara några sätt på vilka vårt MDM-verktyg kan hjälpa dig att berika och förbättra vår miljö. Det finns många, många andra sätt som vi kan förbättra din användning av din kundinformation och verkligen komma till den punkten där du har en verkligt harmoniserad 360-gradersvy av en kund med all information på en plats tillgänglig för användare. Inte bara genom denna leverantörsgränssnitt utan som jag nämnde tillhandahåller vi också ett konsumentgränssnitt, en sorts webbportal där om en användare vet att det har skett en förändring av kontot, kan han ta upp en ändringsbegäran och adressera det och ta bort den ändringen begär direkt till datatillsynsmannen om att göra ändringar i denna post som de ser måste göras. Så vid den här tiden tror jag att jag kommer att överföra det till Eric så går vi in på Q och A.
Eric Kavanagh: Visst. Så vi har ett par frågor från publiken här. Jag slänger ut en men kanske först Dez eller Robin, har du några frågor? Låt mig börja med dig Dez.
Dez Blanchfield: En av de saker som jag stöter på varje gång jag går igenom denna resa med en organisation är hela utmaningen med versionskontroll. Kan du bara röra vid metoden för versionskontroll kring data eller vissa - du vet, föreställ dig ett scenario där tre olika delar av organisationerna hanterar mig som kund, och sedan gör de olika uppdateringar och ändringar till och med en ny verktyg. Hur tar vi upp frågan om just version som kontrollerar de data som kommer genom affärer och vem som sätter, och kontrollerar och godkänner det?
Diana Collins: Det är en utmärkt fråga. Så en av de saker som är inbyggd och bakad i vår lösning är revisionsspår och historia. Så jag ska se om jag kan hitta en skiva med historia. Låt mig se om våra Albert's Stores-poster som vi använde har historik, så snart jag klickar på historikläge vad det här gör för mig - jag har - den här har inga förändringar i historien. Jag vill ha det som det skulle visa oss några interimförändringar som gjordes här och datum och tid då de gjordes. Dessutom kan jag gå till Fullständig historikinformation och om jag aktiverade revisionsspårning skulle jag inte bara se de ändringarna och när de gjordes utan revisionsspåret kommer då att berätta vem som har gjort dessa ändringar, vilken användare som gjorde dessa ändringar också .
Vår strategi för versionering är mer tidsbaserad snarare än genom att sätta godtyckliga etiketter. Du kan välja en tidpunkt och se dina data som de var vid den tidpunkten och migrera data som de var vid den tidpunkten. Och vi spårar naturligtvis inte bara datainnehållets historia utan också datamodellen. Så eftersom din datamodell kan utvecklas, lägger vi till nya klassificeringar, vi spårar det också och du kan alltid rulla tillbaka och se saker som de var vid en viss tidpunkt.
Dez Blanchfield: Datamodeller väcker utmaning där, jag menar att du har en betydande stamtavla med att hantera några väsentliga artiklar. Kan du ge oss ett par exempel på några av de datamodeller som redan finns och några som du har hanterat med att köra detta, vet du, de viktigaste sektorerna som tillverkning och detaljhandel, och logistik och finansiella tjänster. Du har bank- och förlusthantering och så vidare, så görs metoden med en tidigare modell som snabbt kan spinna upp ett projekt som människor kan börja veta var luckorna är, eller måste de bygga och utbilda den modellen själva?
Diana Collins: Vi har tagit båda strategierna genom åren. Vi har försökt att hitta modeller och funnit att ju mer komplett en modell egentligen betyder, desto fler ändringar måste du göra, för att ha fler anpassningar som du kan göra för kunden. Så vi har verkligen tagit tillvägagångssättet med fragment av modeller, vissa grundläggande gemensamma element som vi finner som verkligen genomsyrar i hela branscher.
Vi har till exempel inom finansiella tjänster vi har modeller för på en kapitalmarknad för värdepapper och derivat, etc. Vi har modeller för försäkring, för fastighets- och ansvarsförsäkring, för återförsäkring och som båda hanterar risk på olika sätt. Vi har tillverkningsmodeller för produkträkningar för material, landningsräkningar. Vi har andra delar av modellen för en leveranskedja eller någon annan tracker, mellanlager, distributionsmodeller, åldrande av lager, liknande saker. För många av våra kunder, du vet, har vi kunder i nästan varje vertikal du kan tänka på men för många av dem har vi kunnat utveckla vissa kärnkomponenter som vi monterar för våra kunder till en färdig modell.
John Evans: Ja. Låt mig bara lägga till det, Diana. Du vet, modellen som vi visade för en minut sedan med den typen av orange bakgrund är verkligen en konceptuell modell så den har, du vet, vokaler, och det finns inga understreck, jag menar att det är som en människa kan förstå. Det är inte ett IT-koncept i sig, det är något som en affärsperson kan förstå. Vi har dessa konceptuella modeller, vi kan importera en befintlig modell som du kan ha och vi faktorerar den för att få det på detta sätt men med - som Diana talade om, när vi har ett modellfragment eller en modell som vi har använt att innan vi visar för kunden, vanligtvis inom, du vet, en liten stund av att titta på den och sätta upp den på en skärm och slags pekande och gester, de vanligtvis kan refaktorera den modellen för att få den att vara vacker representerad av vad de försöker åstadkomma.
Så det påskyndar tiden för att fånga dessa krav så att du kan fortsätta med det men det andra jag inte visade här är, du vet, det finns det här diagrammet men det finns också en flik som heter operationer där du i princip trycker på en -knappen och det genererar alla objekt som du behöver i MDM-lagret tillsammans med den regel du har varit - du skapade för, du vet, vad som är valfritt, vad är obligatoriskt, vad är kardinaliteten, allt det du vill ha att göra men det finns en knapp där som säger Deploy, då skulle det bara generera den modell som du har skapat i frontend. Så vi har fragment, vi har erfarenhet inom en mängd olika branscher och våra konsulter kan göra det möjligt för kunder att komma igång mycket snabbt.
Diana Collins: Tja, den andra saken jag skulle ta reda på -
Dez Blanchfield: Så jag den andra snabba innan jag överlämnar den till Robin - ja, förlåt, gå.
Diana Collins: Jag vill bara snabbt notera att vi vanligtvis kör dessa modelleringssessioner som en slags jam-session eftersom vi inte är så intresserade av detaljerna i alla attribut, vi kan fylla i det senare när vi kommer till det. Det vi verkligen är intresserade av är att få företagets syn på hur informationen hänger samman och hur de förstår att de är användbara, och det är så vi vill bygga lösningen.
Dez Blanchfield: Nej, det är mycket meningsfullt. En sista snabb en sedan ska jag överlämna den till Robin. Så det som jag omedelbart föreställer mig skulle hända i vår chefs konversation med organisationer som jag arbetar med är att - de har syn, de har redan, du vet, styrning, ramar och verktyg på plats - hur är upplevelsen när du går in en organisation där vi låt oss säga att ledningsteamet bestämde sig för att de kommer att gå ner den här vägen, bli kundcentriska och städa upp sina kunddata eller få en enda förfallen, och ändå kanske IT och andra delar av verksamheten redan har känt köra flera arbetsprogram för att komma till en bra plats på det?
Diana Collins: Nåväl, det är en intressant fråga. Ja, jag erbjuder att MDM-implementeringar i allmänhet kommer att misslyckas om det inte finns någon sorts stöd på hög nivå. Jag tror att dessa projekt måste drivas från en ganska hög nivå i en organisation eftersom det är en kulturell förändring som måste accepteras. Jag tror att Robin talade om detta tidigare, att du inte vet att det bara är något du bara gör som ett projekt och det beror på hur det ofta används i IT-organisationen. Det är ett pågående program, det är något som kräver engagemang och villighet att förändras om du vill genomföra och sedan när du har det tror jag att vi fann att implementeringarna går mycket bra.
Där vi måste kämpa i en del implementering har varit där det inte har antingen varit hög nivå ledningsstöd eller där IT-organisationen har varit motståndskraftig mot förändringar men vi har varit ganska framgångsrika i båda fallen med att vinna dem. Jag tror att när vi visade dem hur enkelt det är att komma igång och fungera, och hur det verkligen tar ansvaret för datainnehållet från sina axlar, och det borde verkligen inte vara ansvarigt för det. Företag vet vad som utgör bra data, IT borde inte behöva veta det. IT bör vara ansvarig för de saker de gör bra - organisera data, hålla det säkert, hålla det säkert och hur - och vanligtvis kommer de runt och ser det på det sättet.
Eric Kavanagh: Och vi har några frågor från publiken, låt mig slänga dessa här. Vi går lite över tiden men jag tror att jag får alla frågor som vi kan eller åtminstone försöka. Jag ska kasta den här till dig, kanske John eller Diana, i alla fall. En deltagare frågar: "Har du funktionalitet att utveckla för att föräldrar från dåliga poster till gyllene poster? Transaktionerna som till exempel försäljningsorder direkt i operativa system? ”Inte säker på att jag vet exakt vad han menar här, men förhoppningsvis kan du svara på det.
Diana Collins: Vi kan säkert återföräldra poster. Det är en mycket standard del av den här kontorslösningen men inom de operativa systemen finns det inte direkt. Vi kan göra det MDM-miljön och sedan skjuta tillbaka den informationen från MDM-miljön när den har publicerats från MDM-miljön, tryck tillbaka den till operativsystemet men den skulle inte direkt fångas in i - vi skulle inte korrigera den direkt i operativsystemet från MDM-miljön.
Eric Kavanagh: Fick du. Okej, och här är en annan fråga, "Kan verktyget användas för att se datastamning?"
Diana Collins: Åh absolut, ja. Återigen är detta inte en bra modell för den typen av illustration, men absolut. Där du har en historik till dina data, där data har kommit från flera platser, kan vi tagga den med dess källa och föra den informationen fram till den publicerade informationen.
John Evans: Tack vare det. Det finns ett element i det här i modellen, där Diana, jag menar att du har SFDC-kontakter och EBS-kontakter och som faktiskt kom också in i ett graffält. Det hänger typ på data.
Diana Collins: Ja. Jag menar uppenbarligen i en riktig släktmiljö, du skulle ha en mer robust lösning och implementering och bara en grundläggande lösning gjordes här.
Eric Kavanagh: Okej, bra. Bara ett par frågor till, så kommer vi att ta bort. En av de deltagande sa: ”Hur stöder du definitionen av hushåll? Har du ett sätt att berika kundens stamdata med sociala nätverk? ”
Diana Collins: Det finns på vår färdplan, berikning med sociala nätverk från data från sociala nätverk finns på vår färdplan. Det är inte på produkten för tillfället men när det gäller hushållning är det en del av våra matchnings- och sammanslagningsfunktioner. I matchningsprocessen är de många knoppar och spakar som du kan kontrollera för vikter av vissa delar av uppgifterna, men vad det i slutändan tillåter oss att göra är att samla alla individuella kontaktposter som kan vara en del av samma hushåll . Då förstår det skillnaden mellan företag och människor. I företag ser man i allmänhet på början, vilken betydelse orden är i ett namn; i ett företag, börja framifrån och arbeta mot slutet. Men när du gör hushåll, vill du verkligen börja i slutet och arbeta mot fronten med människors namn. Den förstår det och kan göra ett ganska bra jobb med att samla kontakter som tillhör ett enda hushåll.
Eric Kavanagh: Och en sista fråga, hur är det med restaurangkunder? Vi har en bra kunnig publikmedlem här och frågar om du har några restaurangkunder?
Diana Collins: Egentligen nej. Det kommer att bli nytt vertikalt för oss. Vi skulle verkligen vara intresserade av att fortsätta det. Vi har kunder som levererar restauranger men vi har inga restauranger som är kunder.
Eric Kavanagh: Okej, inga bekymmer alls. Tja folkens, vi har bränt igenom en timme och fem minuter här, så ett mycket stort tack till våra presentatörer idag. Vi kommer att arkivera denna webcast så att alla dessa arkiv är tillgängliga för senare visning. Stort tack till våra presentatörer idag. Stort tack till naturligtvis Dez och Robin för deras insikter och till Magnitude Software. Det här är bra grejer. MDM är här för att stanna, folkens, det råder ingen tvekan om det. Det är verkligen viktigt att få den centrala uppfattningen som kommer att bli viktigare när tiden går. Jag måste tänka när våra kunder bestämmer sig för att de inte vill bli misshandlade, de vill få bästa möjliga behandling och det är så det kommer att bli.
Så med det här folket ska vi ge dig farväl. Tack igen. Vi pratar med dig imorgon på en annan webcast i morgon, ja. Hot Technology är den hetaste showen i dessa dagar, vi ska förhoppningsvis prata med dig imorgon klockan fyra öster. Till dess, ta hand, folkens. Hej då.
