Av Techopedia Staff, 2 augusti 2017
Takeaway: Host Eric Kavanagh diskuterar processmodeller och datamodellering med Kim Brushaber från IDERA och Mark Madsen från Third Nature i detta avsnitt av Hot Technologies.
Du är för närvarande inte inloggad. Logga in eller registrera dig för att se videon.
Eric Kavanagh: OK mina damer och herrar. Det är klockan fyra östra tid, återigen, på en onsdag, är det dags för Hot Technologies. Ja, jag heter Eric Kavanagh. Jag kommer att vara din värd för dagens webbseminarium med två av våra favoritpersoner i branschen: Kim Brushaber från IDERA och Mark Madsen från Third Nature. "Använda processmodeller för att uppnå affärsmål." Vi kommer att prata om att optimera verksamheten och hur du verkligen kan använda vissa av dessa tekniker för att först förstå vad som händer och sedan renovera vad du gör och undvika saker som uppsägningar, undvika saker som konflikter, kanske i din leveranskedja eller dina affärsprocesser, var de än är, det är vad vi kommer att prata om idag. Så först kommer vi att höra från Kim Brushaber och sedan höra från Mark Madsen. Då har vi några trevliga fram och tillbaka och skicka gärna dina frågor. Var inte blyg. Skicka frågor med Q & A-komponenten i din webcastkonsol eller via chattfönstret.
Med det kommer jag att trycka på den första bilden här för Kim och jag lämnar den. Kim, ta bort det.
Kim Brushaber: Hej där. Så jag ska börja med att prata om hur du kan använda några av dina affärsprocesser för att uppnå dina mål. Jag trodde att jag avancerade bilden - där går vi, det kan ha varit lite långsamt. För att ett företag ska bli framgångsrikt måste det fokusera på hur företaget tjänar pengar, hålla kunderna och hålla marknaden lycklig, hålla kostnaderna så låga som möjligt och sedan leverera kvalitetsprodukter och se till att den information som du samlar in är tillförlitlig. Som vi har använt våra buzzwords här: intäktsutveckling, kundnöjdhet, effektiv drift, produkt- och datakvalitet. Och några av de viktigaste utmaningarna för ett företag som vi kommer att diskutera idag inkluderar silo i din organisation; vad är bra med dem, vad är dåligt med dem eftersom inte alla silon är dåliga. Hur håller du uppsägningar från din process? Hur du kan minska och eliminera luckorna i din kommunikation och hur du kan minska ineffektiviteten i dina operationer.
Så den första typen av silo är avdelningssilo. Och silo-mentaliteter skapas när avdelningar inte vill dela information med andra avdelningar inom företaget. Och även om detta kan vara bra när det gäller känslig information som få människor borde veta om - så känslig information om sammanslagning eller förvärv eller kanske information som inte är redo för att säljteamet ska kunna göra något med det - i dessa fall kan silon vara riktigt bra. Men det kan också vara dåligt eftersom informationsflödet hindras mellan grupperna i organisationen och det kan orsaka en hel del frågor som vi kommer att diskutera här om ett ögonblick. Du kan också ha silon som är indelade efter affärsmål och teknikmål. Så affärssidan av huset tillbringar mycket tid på att titta på ROI och KPI och saker som verkligen är inriktade på verksamheten, där på tekniken vill de verkligen titta på hur ska jag få mina produkter att fungera eller hur Ska jag föra mina tjänster till marknaden? Och därför att det finns väldigt olika mål mellan de två olika grupperna, kan du ha en naturlig silo som skapas mellan de två. Och sedan kan många gånger silor delas med jargong. Så orden som du använder i ditt vardagsspråk kan vara riktigt förvirrande för en eller annan grupp, och här lägger jag bara ett gäng roliga små surrord som är relevanta för antingen den ena sidan eller den andra sidan av väggen. Och naturligtvis börjar detta inte ens täcka spektrumet, men många gånger kan dessa ord göra att en silo skapas och får två olika grupper av människor att delas eftersom information går vilse i översättningen. Så det finns bra silo för ditt företag och jag täcker några av de värden som silo kan ge till en organisation.
Så de kan tillhandahålla en struktur som gör det möjligt för de anställda att göra sitt arbete utan rädsla eller distraktion. Så om du har dina människor som är i din silo som du behöver prata med och ta itu med dagligen, så kan du göra det möjligt för dig att få ditt jobb gjort mer effektivt och mer effektivt utan mycket avbrott. Det underlättar också expertis inom specifika verksamhetsområden. Så om du fokuserar på riktigt fint på finans och du pratar med andra människor som är i finans och allt du gör hela dagen talar om finans, så skapar det en riktigt bra silo eftersom den gruppen lär sig kompetensen i det och de behöver inte vara ansvariga för att veta vad som händer i försäljningen eller vad som händer i marknadsföringen eller vad som händer i verksamheten. Det påskyndar också kommunikationen genom att låta människor tala samma språk. Så att gå tillbaka till den jargongen, många gånger kan jargongen vara riktigt bra eftersom det gör att människor kan kommunicera snabbare och mer effektivt. Det håller också ansvar och ansvar inom silon. Så du vet vad du är ansvarig för i din grupp och de uppgifter du behöver leverera och den person du behöver rapportera till och det gör att du kan ha större ansvar och större ansvar snarare än - och säkert har siloerna en baksida av det där ansvaret kan bli lurvigt. Men inom själva silon kan det skapa mer ansvar och ansvar. Och sedan främjar det också en känsla av stolthet och ägande. Så du kan känna dig riktigt bra med jobbet som du utförde i slutet av dagen och de uppgifter som du måste leverera och det är alla riktigt bra saker med silor.
Men det finns en sur sida av silo, och silo skapar ineffektivitet, de sänker moral, de minskar produktiviteten. Och därför att det här är den mer negativa sidan av silon, kommer jag att använda vissa affärsprocessmodeller för att gå igenom en mängd olika punkter och förklara hur du kan övervinna den sura sidan av silon med IDERA Business Architect-produkten för att visa dig några av dessa exempel.
Så den första är att det skapar ineffektivitet och överflödiga processer. Så i det här exemplet visar jag att marknadsföringsorganisationen kan ha en uppsättning uppgifter och att säljorganisationen har en annan uppsättning uppgifter. Och i det här fallet, om du kartlägger dem, upptäcker du att båda har en uppgift att kvalificera ledningen. Och när du inser det så kan du ha en konversation tvärfunktionellt mellan de två olika grupperna för att kunna ta reda på "Är min kvalificering en ledning samma som din kvalificering en ledning? Tar vi samma steg och samma beteende? Eller betyder det något annorlunda mellan de två olika siloerna? Och om du gör samma saker kan du börja effektivisera det och ge ansvar till de olika grupperna oberoende och affärsprocesser kan verkligen hjälpa dig att kartlägga dessa saker och identifiera var du har sådana problem.
När du slår samman företag eller om du slår samman grupper, kan du gå igenom och slå samman processen för olika beteenden. Och i det här exemplet har företag A lite beteende, företag B har lite beteende och sammanslagningsprocessen tar elementen i A och B, hittar bästa praxis och skapar sedan en ny process som kommer att fungera mycket effektivt för båda grupperna. Så det hjälper dig att bli effektivare, mer produktiv och identifiera bättre metoder för ditt företag.
Dessutom är en annan sur sida av silon att det kan finnas luckor i kommunikationen mellan avdelningarna, vilket är vad vi bara pratade om, där samarbete inte händer men det borde vara. Och så kan affärsprocesser hjälpa dig att identifiera sådana luckor. Så i det här exemplet har försäljningen en process, en ny produkt släpps och de går ut och de säljer den. Men finans kan ha en ytterligare process där de behöver gå in och uppdatera produktpriserna när produkten släpps. Om försäljningen inte vet om det, kan de fortfarande vara ute och tänka på de gamla produktpriserna och när det gäller punkten där finans börjar granska affären och godkänna affären, då är mycket konflikt och mycket av bakpaneler måste hända för att gå tillbaka till kunden och justera den igen. Och om du har gått och diagramat din process, kommer du att ha känt till detta i förväg och kan passa in den så att försäljningen vet "Jag måste vänta tills jag får dessa produktprisuppdateringar innan jag börjar prata med de nya kunderna om produkt."
I det här exemplet har BPMN2 ett konversationsdiagram som gör att du kan prata mellan olika avdelningar och identifiera överlämningspunkten mellan dem. Och detta är mycket användbart för att minska uppsägningar och även möjliggöra mer ansvar och ansvar mellan avdelningarna. Så du kan säga, "OK, så försäljningsledning och försäljning måste arbeta tillsammans för att godkänna affären." Och de båda kan arbeta med sina handoff-bitar och vad som förlitar sig. Men finansavdelningen kanske inte nödvändigtvis måste vara involverad i det godkännandet och de vet att utifrån detta diagram som anges som säger att här är vem som är ansvariga i de olika avdelningarna som behöver arbeta tillsammans för att uppnå det.
Dessutom kan falska processer komma in som inte gynnar företaget. Så när du går igenom dina affärsprocesser kanske du kan identifiera att någon gör något som du vill, "Jag förstår inte riktigt hur det är effektivt eller hur det uppfyller målet." Så jag ska ge dig lite exempel på det. Så i det här fallet kan produkten komma igenom och de gör en ny version. De går, de levererar kraven, utvecklingsgruppen börjar arbeta med dessa krav men efter att produktgruppen börjar prata med kunderna kommer vi tillbaka och beslutar om att revidera dem. Och detta skulle vara mycket, mycket störande för utvecklingsteamet att behöva gå tillbaka och revidera kraven efter att de redan har pågått bygga dessa artiklar. För produkt kan de kanske inte ens tänka på något sådant. De är precis som, "Åh, jag har fått några nya insatser och nu behöver jag dessa saker." Och om de inte pratar med utvecklingsgruppen, kommer de inte riktigt att förstå hur mycket av en inverkan som kan ge för senare omfattning eller leverans av produkten. Så om du visar dessa typer av bitar kan det hjälpa dig att silo bryts ned och gör att du kan förstå vilka element som är användbara för din process och vilka skadliga processer.
Det kan också vara en dubblering av tillgångar och resurser, och detta är en stor sak när företag försöker effektivisera. Så i det här fallet har jag gjort ett slags gruppdiagram där jag har identifierat en mängd olika applikationer och rapporter som måste produceras och de olika spelarna som är associerade. Och när du börjar lägga ut alla dessa saker har jag i det här exemplet gett en kopiering av redigeringsverktygen och samtalspårningsverktygen och vem som använder dem. Och så kan du börja ta reda på, eftersom många gånger de oberoende siloerna kommer att fatta dessa beslut för sitt team och de inte nödvändigtvis tänker på det faktum att det bredare teamet som helhet också kan använda det licensavtalet och göra det billigare och mer kostnadseffektiva för alla verktyg som används i organisationen. Dessutom kan affärsprocessdiagram vara till stor hjälp för att identifiera vem som är ansvarig för vilken information och när. Och så i det här fallet har jag datatillsynsmän som har sagt, "OK, det här är de personer som är ansvariga för alla dessa uppgifter och här är tabellerna som de ansvarar för att hantera." Och ge inte denna information till andra människor, detta är verkligen viktigt i området där det finns känslig information som medicinska poster eller ekonomiska uppgifter eller sådana element som behöver avskiltas till bara ett par människor. Så du kan hjälpa dig att identifiera detta, vilket sedan tillåter människor från andra organisationer att inte ha tillgång till den informationen och säkra den och veta vart din information går.
Dessutom, eftersom vi pratar lite om data, kan silon också skapa dålig datakvalitet och datakonsekvens. Så i det här fallet har jag använt en affärsprocess för att hjälpa datateamet att förstå när är en kund en ny kund eller när uppdaterar du kunden. Så du kan gå igenom och diagram över dessa beslutspunkter och affärssidan som förstår affärsreglerna kan enkelt prata med den tekniska sidan som måste implementera dessa regler och vet när vissa beteenden måste äga rum. I det här exemplet talar det om att bestämma dataduplikationer. Så om du har en detaljhandelskund och har en webbkund och säljer produkter, kan du ha helt andra system som försöker samla in samma information. Och om du försöker deduplicera din information och identifiera vem dina kunder verkligen är, kan affärsprocessdiagram hjälpa dig att spika det och säga, "I det här fallet har vi båda en beställning och i det här fallet vi har båda att göra med ekonomi, "och kunna kartlägga den informationen så att den är mycket tydligare så att du inte har sådana duplikationer i dina uppgifter och du kan minska uppsägningarna och minska bristerna och få upp de kvaliteten på dina data.
Så ytterligare fördelar med att ha goda affärsprocesser är att anställda kan identifiera problem i början när det är lättare att genomföra förändringarna. Detta gäller särskilt för komplexa dataprocesser, om du kan göra analysen på designen i förväg och få alla team som är involverade i konversationen, kommer processerna att flyta ut mycket jämnare och människor kommer att kunna reagera bättre i början kontra om du redan är i processen. Nya anställda går ombord snabbare eftersom de kan gå och de kan granska dessa affärsprocesser och förstå de uppgifter de behöver utföra och var överlämningspoängen är och vem de behöver prata med för olika saker. Och beslut kan fattas i realtid över tvärfunktionella team. Om ni båda utarbetar dessa affärsprocessdiagram tillsammans kan du hitta dessa punkter där det finns en häng i processen och kunna diskutera det och ta reda på vad som är den bästa processen för er två och var är den bästa överlämnandet poäng och vem är de bästa människorna som utför var och en av de olika uppgifterna som måste utföras.
Så några tips för att bryta ner silon för affärsframgång och kunna uppnå dina mål: Det första är att fokusera dina affärsprocesser på din kund, dina produkter eller dina tjänster - inte de enskilda avdelningarna. Så många gånger vill människor, inom sina avdelningar, komma med sin individuella checklista. Men om du istället ser på verksamheten som helhet och de mål som verksamheten försöker uppnå, kan du börja se var saker faller ut och säga: “Hjälper dessa processer mig att nå mitt mål? Eller är det extra processer eller är det hinder i processen och att uppnå målet? ”Du borde spendera mer tid på att diskutera platserna där processerna ansluter. Så som i det konversationsdiagrammet där du har många överlämningspoäng, måste du spendera mycket mer tid på att prata om det och se till att information flyter korrekt över de olika silorna.
Du kan förena dina anställda genom att visa i processen, de saker de ansvarar för och hur det interagerar med företaget som helhet. Och det ger människor mycket mer en känsla av syfte mot mötet, mot målet. Du kan också samarbeta med anställda så att de har input på processen som påverkar deras roll och jobb eftersom om alla beslut fattas i toppen när processen utformas kommer de individer som utför arbetet se steg som missas och delar som saknas och kunna diskutera dem. Och om du samarbetar med alla dina anställda när du utarbetar dessa processer, börjar du ta reda på dessa outliers och huruvida det är faktiska saker som borde vara i processen eller inte. Och sedan ett annat tips för att bryta ner silos är att uppdatera dina processer regelbundet för att återspegla organisationens förändrade behov och mål eftersom målen och processerna är väldigt flytande och du kanske hittar bättre bästa praxis. Du kanske hittar nya sätt du vill göra saker och så att kunna uppdatera den informationen regelbundet kan verkligen hjälpa organisationen. Och att gå tillbaka till ritbordet med dessa tvärfunktionella team kan verkligen hjälpa till att bryta ner silon och öppna den kommunikationen mellan ditt team. Så det är bilderna som jag hade förberett.
Eric Kavanagh: Okej. Låt mig överlämna det till den oändliga Mark Madsen. Du har nu ordet, ta bort det. Och folk, var inte blyg, ställ dina frågor. Vi har experter här. Mark, det är allt du.
Mark Madsen: OK, tack Eric. Så det du hörde just nu handlade om process- och processmodellering och hur det gäller. Och sedan från mitt perspektiv, från den analytiska sidan av huset, har jag använt affärsprocesser mycket som sätt att förklara och förstå. Nu, när du tänker på analys, och speciellt nu när vi pratar om maskininlärning och andra saker utöver BI, betraktas det fortfarande av ett brett skår av marknaden, typ av, anser jag, felaktigt. Vilket är att du skickar ut analytiker som guld gruvarbetare och de rusar ut i uppgifterna och de kikar omkring och de hittar några nuggar av guld och tar tillbaka dessa värdefulla saker till organisationen och då lever alla lyckligt hela tiden. Eller åtminstone gör analytikern för att de har en sexsiffrig lön eftersom det är vad data forskare alla gör i teorin.
Men verkligheten är mycket annorlunda. Verkligheten är att det tar infrastruktur och det tar arbete och det tar mål och en riktning och förståelse för affärer. Och de sakerna, de är skyldiga att verkligen förstå hur man närmar sig problem, hur man modellerar för problem och hur man löser dessa problem. Och så denna idé om att du kan kasta lite data och lite teknik och vissa smarta människor utan problem att förstå sammanhanget, särskilt processförhållandet inom vilket vi kommer att tillämpa det, är till stor del en myt på samma sätt som mest of the Gold Rush var en myt och faktiskt de flesta av dessa människor gick hem konkurs.
Det finns också en annan aspekt av denna applikation av analytics till verksamheten, är den idén att det är allt data under glas, eller hur? Att analytiker eller algoritmer på något sätt kommer att yta data och kasta det på en skärm framför någon. Men problemet är att vi har så mycket data och du kan göra så många olika saker med analys att det är lätt att överväldiga människor. Och sedan har du ett sekundärt problem nu, som är "Jag har så mycket data och jag har så många saker, vilka uppmärksammar jag på? Och hur och varför uppmärksammar jag de sakerna? ”Och det är verkligen kärnan i en hel del problem i miljöer så att vi faller tillbaka på att kräva experter att sammanställa vilken information som visas till vem och så långt från att ha tillgång till datatjänster för självbetjäning och instrument för självbetjäning, förlitar du dig på olika experter för att hjälpa dig ta reda på vad som går i de fördömda sakerna.
Och om vi pratar om vart framtiden går med, i synnerhet mycket mer avancerad analys men maskininlärningen närmar sig, AI i affärer, allt det här, det finns mycket hype runt det. Det finns en hel del verklighet och en stor del av det är inbäddat. I själva verket kom den moderna renässansen i detta genom att bädda in den i process. Så att ta processer som var automatiserade eller automatiserade, till exempel grundidén med rekommendationsmotorer i detaljhandeln på e-handelswebbplatser eller på nyhetssajter eller på musikwebbplatser är en enkel applikation eller algoritm för en uppgift som brukade vara en mänsklig inriktad uppgift . Vad tror du att människor kommer att gilla med frågan och varuplaneraren eller personen som räknar ut vad en korsförsäljning ska vara eller en försäljning bör baseras på tidigare data, de skulle ytan på det och sedan slå det i ett system och sedan antingen marknadsföring eller merchandising eller någon online-applikation skulle hantera det. Och sedan blev det inbäddat. När du gör saker tittar maskinen på vad du gör och förädlar och presenterar ständigt nytt, och det är en inbäddad analys. Den sitter där inuti en process. Och om du verkligen vill veta vart mycket av framtiden för detta arbete går, är det där. Det är inte lika mycket att hjälpa människor genom att göra mer sofistikerade analyser. Det är genom att öka effektiviteten i en mycket bredare del av verksamheten.
Och så när du tittar på saker som affärsinformation, var det mycket av marknaden för data och analys kom från, fanns det statistiker innan BI verkligen gjorde det möjligt för många att göra en hel del saker utan statistik, utan något annat, av fokuserar rent på data. Problemet var att genom att enbart fokusera på uppgifterna, lämnade det mycket av sammanhanget. Och vad du äntligen saknar är hur alla dessa data, hur alla dessa statistik relaterar. Om du tänker på vad som händer på en instrumentbräda har du några stapeldiagram, kanske en graf, en siffertabell. Du kommer att se en massa mätvärden antingen individuellt eller kollektivt och du ser inte riktigt hur de relaterar. Så föreställ dig att du är någon ny till något och du går in, du kan titta på en instrumentbräda och du kommer inte att göra huvud eller svansar ur något av siffrorna eftersom siffrorna själva inte säger något för dig för att de inte har sammanhang. Så det kan visa ett nummer i rött men bara att ändra det andra numret genom att dra i någon annan spak kan göra det bättre eller sämre. Hur förhåller sig dessa saker? Det är sammanhanget som går vilse i affärsinformation och datalagring och design av instrumentpaneler eftersom du modellerar data, inte bearbetar. Och det är den grundläggande aspekten är att du bygger repeterbarhet kring data och gör det genom att pressa ut det mesta av processen, fokusera på mätvärdena som genereras från rådata.
Så den här skärmen visar oss vad som egentligen är en instrumentpanel om laboratorietestprocess. Det finns en applikation som heter Altosoft som gör BI på detta sätt. Och det du tittar på är att du ser processen och uppgifterna inte separeras utan sätter ihop igen. Som att separationen var konstgjord och det gjordes för att vi abstraherade data, förde in dem i databaser och byggde gränssnitt ovanpå. Så du brukar ha två mätvärden; du har saker som antalet beställda tester, som är den första rutan i detta flöde, och den sista rutan skulle vara antalet tester som har genomförts och lagts in. Och så skulle du ha dessa två mätvärden; du lägger dem på en instrumentbräda och du kanske märker att den ena släpar efter den andra. Eller kanske har du en tredje metrisk som är ombearbetad.
Så om du gör labbtester på ett sjukhus finns det många tester. Många av dem är brådskande eftersom de kommer inför operationer eller för att de kommer ut ur kritiska vårdenheter eller någon annan sak. Så du har processer på plats där läkare beställer dem, de går in i ett laboratorium, laboratoriet har en process för att markera att de är mottagna, de är schemalagda, de kommer att få gjort, de kommer att köra igenom utrustningen. Ibland om de sitter för länge, eftersom laboratoriet är säkerhetskopierat, all utrustning är ockuperad, måste de omarbetas. Ibland är resultaten inte giltiga. Ibland saker som blodprover, de kan inte sitta i mer än 30 minuter eller så finns det nedbrytningar i proverna och sedan måste du gå och ta blod en andra gång, vilket är något du verkligen inte vill göra med människor . Så det betyder att det faktiskt finns prioriteringar på några av labbtesterna framför andra baserat på deras förgänglighet. Så du har andra saker som händer inne i laboratoriet och du vill undvika dessa upparbetningsproblem om det är möjligt. Men du kan inte riktigt se flödet av tester genom olika saker eftersom BI i sig vanligtvis bara handlar om flöde i den sammanlagda metriska meningen. Och så visar detta gränssnitt dig de data som är kopplade till processen så att du kan se hur många som kommer in, hur många som har tagits emot, hur många som händer på en gång. Jag antar att det inte är en live-demo så att du inte kan se ned i detaljerna i processen och de mätvärden som pågår inuti, vad som händer med batchningen eller upparbetningen. Men det är detta som ger dig en mycket bättre bild och så kan en person som åtminstone förstår ett laboratorium titta på detta och se vad som händer, i motsats till ett gäng diagram och mätvärden på en enda skärm. Och så hjälper processen mycket på gränssnittsdesignsidan, den döljer inte sammanhanget.
Processen kommer också inom andra områden. Egentligen, när du pratar om BI och datalager, innan vi går in på mer avancerad analys, pratar du om att göra en av två saker: Du pratar antingen om att analysera vad som händer i en process och sedan agera på det, eller du analyserar processen och ändrar sedan den. Så den vanliga typen av organisatorisk användning av information är att övervaka situationer - det är vad dina instrumentpaneler gör och dina topp 10 och nedre 20 rapporter. De är alla enkla övervakningsverktyg för att låta människor se vad de behöver se och leta efter avvikelser. Det kan finnas trafikbelysning på instrumentbrädan, det kan finnas den nedre 20-rapporten som i huvudsak är en avvikelsesrapport som visar något som har sämst resultat. Och sedan analyserar du dessa saker så att du tittar på andra data, du tittar på andra saker. Du kanske går mer in i analysen och sedan tittar på orsakerna. Du kanske redan har en känsla för tarmen för detta och hoppa över till handling. Ofta med en enklare och mer väl förståda processer är det exakt vad som händer. Du ser ett problem, du vet vad som händer, du fattar ett beslut och vidtar en åtgärd. Vanligtvis är det inom den processslingan på botten, du har SAP, det har de här sakerna, du ser det slut i lager i butiken så att du ökar inköpsorder för nästa omgång av påfyllning och du är klar.
Det finns inget speciellt som hände, men andra gånger har du inte sett något problem förut så du måste analysera orsakerna så att du verkligen måste gräva in i vad som händer. Vanligtvis vid den punkten där du börjar analysera orsaken måste du förstå processen eftersom detta är ett problem du inte har sett förut, så det är utanför gränserna för den normala processen, den dagliga som är inbäddad i våra OLTP-system och nu har du något som kräver lite kritiskt tänkande. Det kräver mer sammanhang eftersom du har en uppsättning problem och en uppsättning möjliga orsaker som du måste ta bort. Du måste resonera om detta, analysera och samla in ny information och sedan ändra processen. Detta händer eftersom vi gjorde något. Kanske synkroniserade vi inte våra marknadsföringskampanjer med våra påfyllningsprocesser så vi är slut på lager. Förhoppningsvis händer det inte i detaljhandeln, men många återförsäljare brukade ha dessa problem när vi först inrättade BI och datalager.
Nu, ofta involverar kausalanalysen statistik och annan svårare analys än ögongläppning av ett fåtal nummer, men sedan kommer du in i den andra delen, som är att du ändrar en process. Gör du förändringar på rätt plats? Förstår du var du ska göra dessa processändringar? Beräknar uppgifterna din intuition eller din analys om vad som kommer att hända efter den förändringen? Vilka andra processer påverkas? Vilka andra nummer i instrumentpanelerna som du är uppmärksamma på kommer att påverkas av detta? Och du kommer antagligen att samla in nya data som du kommer att mata in i övervakningscykeln. Så processen är faktiskt inneboende i att förstå på en större nivå när du vidtar åtgärder och gör saker. Och BI-världen antar ofta linjär kausalitet. Faktum är att de flesta förvaltningsskolor är riktigt dåliga på att lära människor att bygga prestationshantering och prestandametriker runt företag eftersom de antar linjära åsikter. Och rätlinjevyer förstärks i sin tur av enkel BI-rapportering och enkel metrisk typ av rapportering som du drar upp för att den inte förstår processen för hur saker påverkar andra saker.
Så du kan använda processmodeller inte bara som affärsprocessmodeller, men du kan också tillämpa systemdynamik. Du kan tillämpa processmodeller och använda dem på samma sätt för att förstå hur mätvärden relaterar till varandra. Så i en rak vy som det här diagrammet - jag ber om ursäkt, jag glömde att lägga referensen till det papper som det här kommer från, det är en gammal från 80-talet, det handlar bara om systemdynamik och hur saker antas vara och hur de är verkligen. Så lönsamhet antar alltid att om vi gör kvalitet bättre än lönsamhet, kommer vi på något sätt att bli bättre. Eller kanske kommer det att bli värre för att göra kvaliteten bättre måste du spendera mer pengar och det minskar lönsamheten. Så det kan finnas ett negativt på den pilen. Eller hur ledarskap eller hur anpassningen av olika silor i organisationen eller processen leder till bättre lönsamhet eller sänker kostnaderna. Det finns alltid faktorer och tanken är att någon av dessa mätvärden till vänster kommer att påverka den metriken till höger, och allt är linjärt.
Diagrammet till höger visar ett mycket bättre exempel. Det visar vad som verkligen händer här, och vad som verkligen händer är att du kan ändra produktkvalitet, men det finns en återkopplingsslinga mellan till exempel produktkvalitet och kostnadsstruktur som höjer kostnadsstrukturen som sänker lönsamheten, även på samma gång som den sänker också kostnaderna för garantireparationer. Och matematiken bakom detta blir lite otydlig eftersom du kan fixa något genom att sänka kostnaderna, men du minskar produktkvaliteten vilket minskar tillfredsställelsen vilket minskar försäljningen och det ökar garantikostnaderna.
Eller så kan du göra det omvända. Och så måste du noggrant modellera vad som kommer att hända när du ändrar någon av dessa saker. Och så att dina statistik om saker till vänster i sig själva kommer att påverka varandra och hur du ändrar dessa saker, spakarna som du drar i verksamheten eller dina anpassningar till affärsprocessen eller praktiken kommer att påverka dessa. Och så tar processen en central roll där vi under mycket lång tid byggde väldigt enkla saker.
Och så är nästa sak att titta på hur processerna själva interagerar. Om du tar det tidigare diagrammet som jag hade och du säger, ändra något, måste du verkligen titta på hur processer interagerar eftersom en förändring här borta leder till något där borta och så detta diagram från den tidigare presentationen om hur förändringar i marknadsföring och förändringar till data i marknadsföring som fördröjer, vad som händer i försäljningen är handlingar som släpar, vilket innebär att din åtgärd kan komma för tidigt eller för sent för att göra något gott och så det lönar sig att förstå hur effekterna i en process manifesteras i en annan process eftersom allt är alltid omedelbart genom process.
Och vad du har då är bara mycket komplexitet i affärer och väldigt ofta fångade vi inte det. Vi fångade inte det när vi arbetade med statistikprojekt, om maskininlärningsprojekt, på BI-projekt och så nu pratar du om att säga, säga, maskininlärning till en leadpoängprocess för marknadsföring och försäljning där det hjälper dig att kvalificera leads, som påverkar dessa två gula rutor här. Tja, den blyprocessen som sker någonstans kommer att påverka båda dessa. Och så kommer det att orsaka en omkalibrering eller en förändring av dessa två processer. Om du gick in på detta med tanken att den här leadpoängsaken är ett marknadsföringsproblem och vi kommer att anställa en datavetare och de kommer att bygga den här algoritmen för leadpoäng för oss, den kommer att göra dessa saker, det kommer att bättre kvalificera våra leder och prioritera saker. Hur påverkar det försäljningen? Används den på rätt plats? Kanske måste du se vad som händer i dessa processer eftersom de båda måste förändras. Det är inte enbart ett marknadsföringsprojekt. Och det är poängen med en hel del analyser är att faktiskt är sammanhanget och effekterna mycket ljusare och omfattningen ökar, det blir större och mycket hårigare.
Och du kan titta på problem på många olika nivåer. Så till en början tittar du på det i samband med ett marknadsföringsproblem och sedan säger du: ”Åh, det påverkar faktiskt marknadsföring och försäljning. Men det här projektet i sig har IT-påverkan, så det finns en IT-vinkel till detta som innebär att vi måste göra andra saker och förresten kommer detta att ändra SAP vilket innebär att vi har denna andra processpåverkan. ”Och så gränserna av komplexitet kommer att variera och även analysnivån eftersom processen inte bara är "Titta på den här processen" eller "Titta på hur dessa två processer interagerar." Om du är en verkställande och du gör mycket högre ordning taktisk eller strategiska beslut, måste du se ännu större bilder. Så detta är ett värdekedjediagram, det är en av mina favoriter, men det är för osttillverkning från gård till detaljhandel. Så du vet att längst till vänster ser du gårdar och på den högra sidan ser du återförsäljare och däremellan har du transporten som flyttar fysiska varor, i princip mjölk och smör, flyttar mejeriprodukter till olika fabriker som flyttar till bearbetningsanläggningar som flyttar till distributörer och efterbehandlings- och förpackningsanläggningar och alla dessa olika saker. Och det är i huvudsak en leveranskedja som går från produktion till konsumtion.
Och vad du ser i rött och grönt ovan är faktiskt datasidan av processinteraktioner mellan företag, eftersom detta är en värdekedja inte för ett företag utan för en bransch, även om det faktiskt var för ett företag. Du skulle lägga dig in i något liknande och kartlägga detta och det finns många olika värdekedjor och värdesystem, värdekartläggning av saker som går tillbaka till Porter i, tror jag, i slutet av sjuttiotalet / början av åttiotalet. Men idén är att det finns process här och de röda sakerna är all informationsflöde från ett företag eller en uppsättning verksamhet i leveranskedjan till ett annat. Och det innebär att en process i en organisation interagerar med en annan process i en annan organisation. Och så processflödet och dataflödet, båda är viktiga och båda borde vara synliga när det gäller att dokumentera vad som händer och förstå vad som händer och resonera om det, för då kan du komma med och säga: "Tja, vad händer om jag använde AI till min process här borta och jag ändrade hur jag gjorde denna lättfördärvliga hantering för att minska det faktum att i transit eller i väntearealer och distributionsanläggningar har jag produkter går illa. ”Och så gör jag justeringar av logistik och leveranskedjor men det påverkar inte bara mig, men leverantörer uppströms och nedströms. Det påverkar mina processer och det har informationsflöden som kommer att påverkas och så hjälper processen dig att tänka på hur det kommer att fungera och vem du kommer att påverka och vem du behöver ta itu med. Och så gäller det inte riktigt för en analytiker eller för en BI-person eller en datavetare, men det gäller också de chefer som måste använda det här.
Som ett mer konkret exempel kommer jag bara att kasta in en riktigt enkel sak här på marknadsföring eftersom jag tror att många människor har ett ganska intuitivt grepp om grunderna för marknadsföring online. Jag tror att alla någon gång på något eller annat sätt har sett det obligatoriska trattdiagrammet där det finns en publik av människor där ute. Marknadsföring handlar inte bara om reklam. Det handlar om en hel del saker, men i början av det får det ordet. Gör människor medvetna om dina produkter eller tjänster. Annonsera till den publiken för att generera framtidsutsikter och så minskar publikens slags möjligheter, människor som kan vara intresserade av din produkt. Och när produktspecifikationerna är tillräckligt kvalificerade blir de möjligheter. De blir försäljningsmöjligheter. Så var och en av er på denna webcast är en potentiell marknadsföringsmöjlighet för de människor som betalar för denna webcast eftersom de faktiskt försöker hitta personer som är kvalificerade kunder. Så de hoppas att dessa försäljningsmöjligheter förvandlas till leads - faktiska människor som är intresserade av produkten eller tjänsten som vill ha den här saken, som vill ha det, och naturligtvis om du köper något eller donerar eller gör vad det är som du gör - detta gäller lika för vinstdrivande insamling av medel. Jag kan bli kund, givare. Och då, du vet, förhoppningsvis, hoppet för hopp för marknadsföring är att du blir förespråkare, eller hur? Så det finns alltid saker som promotor poängsätt som du kan bygga om word-of-mouth-marknadsföring och hur glada kunder lämnar word-of-mouth för att berätta andra människor om det, som når ut till publiken inte genom formella marknadsföringskanaler och skapar mer utsikter, möjligheter, leda kunder och så går cykeln.
Så det är en grundläggande tratt, alla ser att om du gör någon form av, du vet, webbanalysarbete så ser du saker som konverteringsdiagram, eller hur? Detta är en klassisk BI-sak, du ser en konverteringsfrekvens som helt enkelt övergår från en fas till nästa här. Så den stora masspubliken som du inte riktigt känner för att du bara täcker annonserade prospekter, förhoppningsvis kanske människor du känner känner till något om två möjligheter som identifieras, prospektpersoner, företag som du känner till som sedan korsar en annan gräns. Och så har du olika kampanjer. Få människor att klicka på bannerannonserna och få folk att delta i denna webcast. Få människor att göra något och var och en av dem har konverteringsfrekvensen - så antalet personer du når ut till och antalet personer som faktiskt vidtar den åtgärd du vill. Så många konverteringsfrekvenser som vanligtvis online kommer att balansera mellan till exempel en och fem procent beroende på bransch och vilken typ av saker du gör. Så du har ett gäng mätvärden.
I det här fallet visar jag den typiska typen av analytiska saker, var sidor besökte de med eller vad var avvisningsfrekvensen. Men det är en enkel metrisk och folk tittar på dessa och mäter saker och ting av dem, men de är verkligen inte så oerhört användbara. Vad som händer är att en till fem procent - och när det gäller mycket online-reklam - det är bara ungefär en till två procent om du har tur. Det här är det verkliga sammanhanget, eller hur? Det är alla andra som inte konverterade på den punkten för den saken och den lilla lilla linjen längst ner som ger dig en mycket mer realistisk bild än det här diagrammet gör. Men, vad jag visade dig tidigare med det trattdiagrammet borde se ut så här, eller hur? Balanssatsen, som skulle vara de personer som dyker upp på försäljningswebbplatser eller på mobila webbplatser och lämnar omedelbart, eller hur? De var bara inte riktigt intresserade. Sedan finns det människor som stannade kvar lite och sedan finns det människor som fastnade för lite mer, kanske klickade, kanske registrerade, kanske gjorde något. Detta kommer faktiskt från detaljhandelanalys; Jag gjorde där du har kundvagnsräntor, så den övergivna räntan, fyllde ut ett formulär och lämnade, började donera pengar och lämnade, började skriva under en framställning och lämnade, lägg något i en kundvagn och lämnade. Du borde verkligen grafera alla dessa saker, men du vet vad du ser här, du ser ett värde för var och en av dessa saker. Och var och en av dessa mätvärden, om jag går tillbaka till tratten, är övergången från en punkt till en annan.
Dessa är faktiskt processinriktade mätvärden. Och om du naturligtvis vill göra saker lite mer komplicerade, kommer du att upptäcka att det faktiskt finns många kanaler, eller hur? Eftersom marknadsföring är mycket komplex typ av kommunikationskanaler. Det finns de gamla sakerna, radion, TV: n, utskriften och utskriften är inte bara tidskrifter och tidningar, det är cirkulärer du får i din brevlåda, det är de små irriterande kort som går in i tidskrifter eller som de håller fast i din post. Det är kort och reklamblad och saker som de ger dig på gatan. Och så finns det naturligtvis mobilkanal som i huvudsak är en annan onlinekanal, men den är subtilt annorlunda. Spel är faktiskt en marknadsföringskanal. Filmer, media är faktiskt marknadsföringskanaler. När du ser ett varumärke inuti en filmscen, betalas någon för det. Och sedan har jag bara delat upp online här, du har din webbplats, e-postmarknadsföring som fortfarande är mycket populärt, interaktiva röstsvarssystem - de irriterande touchtone-systemen när du ringer kundsupport och inte kan komma igenom. Många olika sociala nätverk.
Så var och en av dessa i sin tur bryter ner till många andra saker som sociala saker. Du har Facebook och Twitter och Instagram och 100 andra saker. Och var och en av dessa har sin egen marknadsföringsprocess, sitt eget sätt att välja hur man ska engagera sig, hur man ska spendera, vad du spenderar, vad du ska göra, hur du ska göra det och hur du kommer att mäta. Var och en har en process. Så Facebook-marknadsföring skiljer sig från Twitter-marknadsföring skiljer sig från Instagram-marknadsföring skiljer sig från marknadsföring. Vilket innebär att var och en av dem kommer att ha liknande - förmodligen lika men lite annorlunda - saker och kanske olika människor som hanterar dem. Så var och en har en process. Så mängden processer under dessa mätvärden är faktiskt mycket djup och de påverkar varandra. Genom att göra en sak påverkar du andra saker och den interaktionen är mycket användbar och trevlig att se i processdiagram.
Själva trattskonceptet är för smalt eftersom det vanligtvis huggar av vid den tidpunkt då människor blir kunder. Vanligtvis är det när marknadsföringen säger: ”Vårt jobb slutar.” Mycket få människor inser att marknadsföringens verkliga jobb är att generera kunder till försäljning. Och så det bör mätas hela vägen genom slutpunkten. Och när kunden förvärvat, den andra delen av marknadsföring som människor utanför marknadsföring vanligtvis inte vet om, är att det inte bara är förvärv, det är hanteringen av en kundlivscykel. Men det är vanligtvis en annan silo. Som Kim talade om tidigare har vi silor och kundtjänst och garantisupport och alla dessa andra saker brukar köras i olika avdelningar eller olika avdelningar inom marknadsföring i sina egna silon. Men du måste se över dem. Du måste se processen som matar saker in, genom och ut. Och det heta ämnet från - säg, för fem till tio år sedan men det är fortfarande idag - handlar om kund 360 och användarupplevelse och kundupplevelsehantering. Kunder upplever organisationen genom många beröringspunkter från förvärv genom support och så kan du ha fantastiska erfarenheter på marknadsföringssidan och försäljningssidan och ha fruktansvärda tjänster och aldrig komma tillbaka. Eller så kan du få en fruktansvärd försäljningsupplevelse, köp inte produkten utan bestäm att det är slutet på det oavsett hur bra tjänsten är. Och så utvidgar den synen på processen i det sammanhang som du tittar på mätvärden.
Och så är förståelseprocessen över horisontella, över avdelningar, över hela affärssyn en viktig sak inte rent där. Och en av utmaningarna, naturligtvis, som BI eller datalagare eller datavetenskapspersonal är att uppgifterna alla är hackade på grund av dessa silor. Automationssystemen för marknadsföring hanterar frontend; det finns onlinemarknadsföringssystem; Försäljningsautomationssystem handlar om de mellersta delarna när de har översatt till tarmarna i SAP eller Oracle OLTP-system. Då är det olika saker, och naturligtvis är callcenter-biz ofta borttagen från någon av dessa andra delar och sedan måste du sätta samman allt igen, så processdiagram hjälper dig att förstå hur alla system relaterar till varandra, vilket också hjälper du som BI-data eller utbildare för bostadsdata vetar vilka data som går vart och hur och varför. Så jag personligen använder processdiagram på många olika platser inuti dessa analysprojekt eftersom de hjälper dig att kartlägga och förstå datakraven och göra jobbet. Som vi såg tidigare finns det platser där processmodeller gör information synlig. De använder sig av försäljnings- och marknadsföringsdata och vem äger vilka uppgifter och var dessa uppgifter landar synliga och var dessa överlappningar är. De hjälper dig också förstå på grund av platsen för personer och avdelningar i processdiagrammen, vem som gör vad som fungerar och därför vem som är den faktiska processägaren till dessa uppgifter. Så du kan se vem som äger de finansiella uppgifterna, vem som äger hälsodata, vem som är ansvarig för dessa saker. Och ibland är det användbart när du ser statistik och det finns ett gap mellan två processer och det finns en dataöverföring mellan dessa två processer och det finns en person på varje sida av den som förmodligen är ansvarig för antingen uppströms- eller nedströmsdata och du behöver hitta dem. Eller så kan du gå till processkartorna och se dessa saker.
Så processmodell kan hjälpa till att synliggöra detta och så kan du utnyttja dessa saker i dina projekt. Och du vet, när vi ser fram emot, mycket av det jag talade om i början kring BI och analys och till och med en del av datavetenskapen, aspekterna av saker på en ytlig nivå, de handlar om att analysera grundläggande process och metriska . Men det andra du kan göra, bortsett från att bädda in analyser i processer eller analysera processer och ändra dem, är byggsimuleringar. Det gamla sättet att bygga simulatorer, som vi brukade göra det för länge sedan är att du har smarta, matte-y, människor, de byggde modeller som skulle simulera systemet, vanligtvis genom att förstå processerna i det systemet. Men det finns ett annat sätt att göra det, som är att ta lite av denna förståelse och sedan mata in data i den. Du har byggt en simulator, den säger att den fungerar på det här sättet, du har alla dessa data. Du borde kunna kartlägga dessa data i den simuleringen och se om din simulering är skit eller om den är bra. Och så kan du börja bygga simuleringar av process eller interagerande process, vilket är en mycket svår sak att göra.
Genom att analysera och mata data i sortering av svarta rutor - det finns simuleringsmodeller för svartbox och vitlåda som du kan konstruera och så att du kan validera simuleringar - kan du använda data för att konstruera simuleringar; du kan göra mer intressanta saker och det är verkligen en stor del av var framtiden går. Det och något som har funnits i ett bra decennium eller så som är själva beslutsautomationen - som är att ta de mycket rutina saker som människor gör som rote, att du bara spendera tid, du vet, trycka på knappar för - och börjar göra beslutsautomation, och vissa skolor kallar det "komplex händelsehantering." Men du vet att det är en annan vinkel för att injicera objektbeslut och analys i processen, vilket innebär att du måste diagram de processerna för att se hur och var den praktiken kan tillämpas. .
Och slutligen har vi nästan aldrig förvandlat processmodellering till det vi gör, som är att fatta beslut med hjälp av information. Och det är ett av de områden som beslutsautomation och CEP faktiskt gör lite av. Men jag har gjort det lite själv när det gäller forskning kring beslutsfattande och det är, vad är processen som en människa genomgår för att fatta beslut om en viss sak? Så det kan vara merchandising, det kan vara marknadsföring, det kan vara något i logistik, men det finns en människa som fattar beslut och om du modellerar besluten och att de fattar, har du en bättre förståelse för de data och statistik som behövs för dem. Och så kan du använda den beslutsprocessmodellen som en verklig mekanism för att konstruera bättre instrumentpaneler för att ta reda på vilka analysfunktioner som kan användas för att göra det eller för att göra det möjligt för personen att fatta bättre beslut. Och så det är en av de saker som fortfarande är där ute att utforska.
Och med det kommer jag att avsluta här så att vi har tid till frågor.
Eric Kavanagh: Ja, det var mycket riktigt, riktigt bra grejer och Kim, jag måste säga, mellan dig och Mark, jag tror att ni båda bara har lagt upp en imponerande mängd situationer och scenarier där processmodellering verkligen kommer att betala utdelning . Jag antar att jag bara kommer att kasta ut det till dig, Kim, först. Hur får du verksamheten att uppskatta detta och inse hur mycket tid som kan sparas, pengar kan sparas, vinst kan ökas och så vidare genom att verkligen fokusera på att destillera dessa processer ner till en uppsättning diagram och sedan analysera dem?
Kim Brushaber: Ja, jag tror att det första du måste göra är att identifiera en mästare i organisationen som vill se deras processer kartläggas. Och en gång - och ha det en viktig intressent i organisationen. Och identifiera sedan en liten grupp för att börja bygga upp processerna och återigen fokusera på vad som är affärsmålet och vad företaget försöker uppnå, inte bara vad som händer inom en avdelning. Och ta det ena målet och kartlägga det inom mästaren och ta mästaren och visa sedan de belöningar du får från processen och som sedan kommer att göra det möjligt för andra delar av organisationen att börja bygga de processerna också tills du kan bygg upp hela organisationen eftersom de flesta människor inte bara kan ta med ett konsultföretag som bara skissar ut alla sina processer samtidigt. Så de måste göra det i bitar med små bitar och välja de mest strategiska platserna att titta på eller de platser där du förväntar dig att de flesta processfrågor finns. Och börja typ av ta bort julbelysningen och se hur det går samman.
Eric Kavanagh: Ja, det är faktiskt en bra metafor - ta bort julbelysningen, för under det kommer du att hitta mycket komplexitet och mycket lösningar. Jag tror verkligen att det är där många problem vanligtvis uppstår, antingen genom en sammanslagning - som du föreslog tidigare - eller bara lösningar som har bakat sig in i processen under en period av år som ingen någonsin tog sig tid att lossa, rätt ?
Kim Brushaber: Rätt, eller någon började bara göra något och det diskuterades aldrig i första hand.
Eric Kavanagh: Det är intressant. Här är en- och det här är en bra. Jag antar att jag kommer att kasta det här till dig, Mark och sedan Kim, om du vill kommentera det. En av de deltagande skriver: "Med tanke på den ständigt föränderliga och växande omni-kanalmiljön, hur hanteras eller fördelas bäst tillskrivning?" Jag tror att det är en pågående fråga, men Mark, vad tycker du?
Mark Madsen: Ja. Hela tillskrivningsproblemet inom marknadsföring är enormt. Om du inte vet vad attributionen är, är det bara att säga en försäljning av något - som onlineexemplet, om du går till Amazon och du köper en bok. Tja, hur kom du dit? Var det optimering av sökmotorerna som ledde dig till den platsen genom att bara få rankningarna för den boken på just den platsen så han åkte till just det här stället för att köpa den? Var det en onlineannons, var det en kampanj på sociala medier? Och du vet att problemet är att tanken på attributmodellering är att det finns den här typen av huvudsakliga orsaker, men det finns uppenbarligen flera saker. Kanske såg du boken på bokstativet och såg en bannerannons för den och sedan bestämde du dig för att leta efter den senare eftersom du letade efter något att läsa och sedan gick han dit upp.
Och sedan är frågan: "Hur delar du medieutgifterna eller värdet på den försäljningen och kunden i olika kampanjer?" Och det är en oerhört komplex uppgift och du måste göra det eftersom du uppenbarligen försöker budgetera din mest effektiva kampanjer. Men också för att det ofta finns en kostnad som en anslutningsavgift eller något eller klickning som debiteras dig för detta. Och sedan måste du bestämma vem som får betalt. Får Google betalt, får dessa killar betalt, får dessa killar betalt? Eftersom typiska tillskrivningsscheman är "första killen får betalt."
Och så jag tror att kärnan är att det är ett oerhört komplicerat problem och att det är ett multivariat slags statistisk analysproblem som inte har några tydliga svar. Och det betyder att du, du vet, måste spåra mätvärden och se vad du kan försöka att reta ut och det finns saker som sammanfogningsanalys och andra konstiga saker som brukade vara populära som kan bli populära igen för dessa typer av syften. Men det innebär i sin tur att du typ måste förstå processmätningarna, åtminstone på nivån "Jag har fem olika typer av marknadsföringskampanjer, jag måste veta vad inputen till den kampanjen är, vet hur mycket pengar jag" m spenderar för att bearbeta mätvärden, till exempel hur många e-postmeddelanden eller hur många annonser jag visade? ”Och resultatmätningar som motsvarar tidpunkten eller en länk eller en tracker på den här saken, inträffade denna transaktion. Så att du kan börja bygga den bilden - och återigen är det ett annat bra exempel på där typ av kartläggning åtminstone de grundläggande processinteraktionerna kan hjälpa dig resonera om det. För det första tror jag inte att det finns något tydligt svar på attributen.
Eric Kavanagh: Ja, jag tror att du har exakt rätt. Och du kommer aldrig att veta, det verkar för mig. Du kan åtminstone veta det viktigaste, du kan ha en bra idé var de flesta saker kom ifrån, men för att anta att du kan veta allt eller någonsin kunna veta allt, tror jag att det bara är ett misstag från början.
Mark Madsen: Jag tror att Heisenberg redan skrev om detta.
Eric Kavanagh: Vad är det?
Mark Madsen: Heisenbergs osäkerhetsprincip reglerar den.
Eric Kavanagh: Det är trevligt, det är bra. Låt mig kasta detta till dig, Kim, för när jag tittar på det här och jag lyssnar på den här presentationen, vad du har kartlagt med en massa av dessa olika scenarier och sedan vad Mark gjorde också, vet du vad som dyker upp i mitt sinne är hela detta begrepp om digital transformation som alla fortsätter att prata om. Och för mig är det en fantastisk förrätt för den här typen av diskussioner, för om du tittar på de nya vinnarna i termer av större innovation som Uber, oavsett deras kulturella frågor, och Airbnb och några av dessa andra företag, vad de gjorde var att destillera viktiga processer ner till den här nivån, till den schematiska nivån, och de fokuserade verkligen på att bygga ut skottbeständig infrastruktur för att tjäna dessa seriösa tjänster på marknaden. Och de gjorde det i skala, eller hur? Tja, digital omvandling handlar om att utnyttja den nya kraften i molnberäkning, av maskininlärning, av analyser, oavsett vad som är fallet. Så för mig måste alla som pratar om digital transformation göra processmodellering. Vad tror du?
Kim Brushaber: Ja, och jag tror att en annan term som ofta flyter runt just nu är "processautomation", som du först behöver bygga ut dina affärsprocesser och förstå vad de är innan du kan börja automatisera dem. Och sedan kan du sätta igång dina planer. Men när du arbetar med den digitala omvandlingsåldern vet du att du måste titta på vad som är informationen som jag samlar in och verkligen komma överens inom din organisation om vilken information som är viktig. Eftersom du vet, som bilden som Mark delade där du har alla de olika TV-skärmarna med all annan information, har vi kapaciteten att samla in så mycket data nu som du verkligen behöver definiera som en organisation och komma ombord med alla, alla de viktigaste intressenterna och säger via affärsprocesser, "Det här är den kritiska informationen och det här är de kritiska stegen", och också kunna förstå var dina svängpunkter är. Så, du vet, ”Detta är en process som inte fungerar bra för oss. Låt oss gå in i en finjusterad detalj och ta reda på hur vi kan göra det annorlunda, ”och prata med de olika beröringspunkterna och se deras insatser också i konversationen.
Eric Kavanagh: Ja det är en riktigt bra poäng och jag tyckte att denna bild också gjorde ett bra jobb med att kommunicera vikten av beroende. Du vet, när du ändrar en av dessa komponenter, ändrar du dem alla, och att försöka svepa huvudet runt hur det kan påverka affärsprocesser ärligt talat tar lite tid och ansträngning. Men igen, det är den typen där om du pratar om att engagera sig i någon form av digital transformation måste du inse var processer kan kollapsas, där de kan utrotas. Jag tror att det vanligtvis är en av de sorters osungna hjältar om framgångsrika implementeringar är när du inser att du inte längre behöver X-, Y- eller Z-processer om du omarkitekterar den övergripande planen.
Kim, jag antar att jag kastar det tillbaka till dig. Vad tycker du är några av de viktigaste framgångsfaktorerna när det går bra? Vilka är några av kännetecknen för dessa framgångshistorier?
Kim Brushaber: Jag tror, jag menar, uppenbarligen samarbete är viktigt och det är därför jag bestämde mig för att fokusera gliddäcket som jag har så mycket på silos, för att samarbeta mellan olika organisationer och räkna ut var dessa uppsägningar är, det är en enorm sätt att effektivisera och göra dina processer mager och att ha dessa konversationer om "OK, så det är så jag gör det", som den med fusionsbilden, när du pratar med flera olika avdelningar eller du pratar med företag som kommer samman och verkligen räknar ut de bästa metoderna. Och att utforma vad som är de bästa stegen att vidta och få alla i linje med dessa steg gör definitivt all den informationen mycket smidigare.
Eric Kavanagh: Ja, och jag är glad att du kastade in ordet "samarbete" också. Mark, jag ska bara kasta det över dig för kommentarer. Samarbete är en sådan speländrande komponent i den nya affärsvärlden, även med enkla saker som till exempel Google Docs. Istället för att skicka ett dokument genom fem olika personer via e-post, kan du få alla dessa fem personer som tittar på dokumentet i realtid och göra justeringar och se vad varandra kommenterar. Det är en stor sak; det är en stor förändring i processen. Och samma komponent kan naturligtvis tillämpas på affärsintelligens, processmodellering, verkligen alla dessa discipliner som vi använder för att optimera verksamheten. Samarbete bör vara först och främst när det är vettigt, eller hur?
Mark Madsen: Ja, det tror jag. Jag menar, den här idén om den ensamma beslutsfattaren är på samma sätt som, du vet, att den ensamma analytiker som magiskt går ut där för att göra sin analys och visa upp det negativa guldet. Och den ensamma beslutsfattaren som sitter vid sitt skrivbord är en typ av en gammal skola från 1990-talets syn på hur människor och organisationer fattar beslut, vet du? Du sitter bakom ett skrivbord och tittar på den här saken och sedan fattar du ett beslut, men det är allt fångat i process och applikationer nu. De verkliga besluten fattas vanligtvis på olika avdelningar eller med andra människor, och det kräver bredare förståelse och kommunikation om vad som händer. Annars gräver du bara i hälarna och alla kämpar och ingen vill äga något, varför jag inte arbetar på ett antal företag längre.
Eric Kavanagh: Tja, du vet, det är en mycket bra poäng och Kim, jag är verkligen glad att du tog upp detta begrepp om saker som tappats i översättningen. Jag tror ofta att folk inte uppskattar nästan tillräckligt betydelsen av sammanhang i någon diskussion, var som helst. Kontext är så viktigt när det gäller att hjälpa människor att förstå att de olika frågorna diskuteras och vad besluten är. Och om du kan använda processmodellering som en mekanism, återigen för att destillera vad som kan vara ganska håriga komplexa organismer till relativt enkla - och om inte rent eleganta - diagram, för mig är det mycket användbart för: A) att kommunicera vad som är viktigt, men B ) att inte bortse från saker som är kritiska men som kan gå vilse i samtalet, och C) slutligen kristallisera något visuellt som, uppriktigt sagt, ord i dialogen skulle ha svårt att spika ner. Vad tror du?
Kim Brushaber: Det är verkligen intressant att du fortsätter att föra upp detta begrepp "konversation." Och jag inkluderade bilden som fanns på konversationsdiagrammet där det fanns flera olika pooler som pratade med varandra och interagerade med varandra. Det är därför BPMN-organisationen bestämde sig för att skapa det diagrammet, eftersom de förstod att konversationerna som äger rum mellan olika avdelningar är komplexa och det behövde finnas ett sätt att kunna visa upp alla bitar som var involverade i en process och alla olika spelare och alla olika aspekter så att inga bollar tappades och alla visste var ansvaret anges. Så i affärsprocesser när du pratade om, du vet att du har rätt känsla av sammanhang, är affärsprocessdiagram riktigt bra eftersom de är visuella och bilder är värda 1 000 ord, och när du kan se dessa saker i ett mycket visuellt sammanhang, det gör att människor kan förstå mycket bättre än, till exempel, om du skrev att din process var ute i ett styckeformat och du skrev dem, vet du, fysiskt eller till och med om du numrerade dem med kulor. Bildbilden ger dig möjlighet att samla sammanhanget och den förståelsen mycket snabbare än om du visste att du försöker läsa det eller förstå det.
Eric Kavanagh: Tja, du kan också depersonalisera saker till en punkt, eller hur? Där människor inte tar saker så personligen och du skulle ha en mycket mer objektiv syn på vad företaget faktiskt gör och säkert för de mer komplexa processerna, tror jag att det skulle hjälpa både företag och IT-publik att bättre förstå vad det stora bilden är, för i slutet av dagen är den stora bilden verksamheten och vill att verksamheten ska lyckas med, låt oss inse det, det är ganska tumultiga tider. Det är därför jag tror att tiden är rätt och det har alltid varit, men det verkar ännu mer så i dag eftersom vi ser vissa processer som är optimerade eller till och med utrotade. Att till exempel gå till molnet, bara ladda ner en hel del av ditt tjänsteerbjudande till molnet eller till någon partner eller vad som än är fallet. Men att ha den depersonaliserade, tydliga schematiska modellen av verksamheten är en mycket användbar sak för att utforma om och för att hålla sig uppe på saker, eller hur?
Kim Brushaber: Ja och ER Studio-produkterna, vi har många sök- och filtreringsfunktioner också. Så om du ville gå och beteckna att något var molnbeteende, kan du gå och finjustera det och göra en sökning för att se vilka delar som interagerar i molnet när du har skisserat alla dina processer. Eller till exempel, låt oss säga att du tittar på marknadsföring och bara vill finjustera marknadsföring - och jag menar verkligen inte att välja marknadsföring - det är bara den första som tänkte på att de flesta organisationer som har . Men du vet att gå och kunna säga: ”OK, så jag tänker byta marknadsavdelning. Det här är alla beteenden, "och så kan du titta på alla processer och säga, " OK, jag kommer att sätta dessa taktiker som vi använder för att göra detta sätt upp i molnet och göra detta och det kommer att påverka dessa bitar och det kommer att påverka de här människorna. ”Och om du har den processen diagrammad, så kan du se mycket visuellt - det är som att titta på ett gigantiskt pussel, eller hur? Du har alla dessa olika pusselbitar som alla spelar tillsammans och du kan ta reda på, "OK, måste jag ordna om dessa pusselbitar för att allt ska passa i ett stycke?"
Eric Kavanagh: Ja, och du vet att jag ska skjuta en sista fråga till dig. Och folk, jag håller på att publicera en länk till bilderna från dagens presentation; titta på ditt chattfönster för att se det. Men naturligtvis är processmodellering och datamodelleringsvillkor för datainformation som går igenom system kritiskt viktigt eftersom system antingen fungerar eller så fungerar de inte, där verksamheten kan vara lite mer lös. Du kan ha lösningar - låt oss säga i gamla dagar i slutet av processen eller början av processen eller var som helst däremellan - du kan få den lösning som någon bara räknade ut en dag när något bröt som ingen visste om. Tja med data, du vet med säkerhet eftersom uppgifterna inte dyker upp i fältet där det krävs och transaktionen inte görs. Men ser du nu att A) vi går mot en mer digital ekonomi, men B) vi har alla dessa olika sammanslagningar och saker som händer. Ser du att företag börjar uppskatta värdet av affärsprocessmodellering och datamodellering? Är den typen överförd? Eftersom jag verkligen vet för datamodellering har datamodellerare varit mycket passionerade för det i år och år. Får företaget det idag? Kommer vi närmare där det är nödvändigt uppskattning av vad sakerna gör?
Kim Brushaber: Tja, jag menar, det är exakt vad vi försöker åstadkomma på IDERA. Vi har ER Studio Suite involverar både datamodelleringssviten och affärsarkiteksviten, så tack för att du ställde mig så fint.
Eric Kavanagh: Där går du.
Kim Brushaber: Men det gör vi - uppenbarligen är datamodelleringsarbetet absolut nödvändigt för alla inom informationsarkitektur, lösningsarkitektur, alla som är ansvariga för uppgifterna i organisationen. Och det sätt som vi har byggt vår produkt tillåter verksamheten och informationen att typ av arbete som hand i hand med vår företagsgrupptilläggssvit så att du kan driva alla objekt som är tillgängliga för affärsprocessen och dataprocessen och kunna förena dessa två världar. Och jag har verkligen inte tillräckligt med tid att gå in på detaljerna om det, men någon är välkommen att gå och titta på IDERA och se hur vi gör det.
Men frågan är att datavärlden kommer att fortsätta att bli komplex. Lagring har blivit billigare och billigare och billigare, så det betyder att vi kommer att skaffa oss mer och mer och mer data och det är där artiklarna som Mark diskuterade, “OK, så nu när jag har data, hur analyserar jag den? Hur förstår jag det? Hur extrapolerar jag den och hur använder jag den för mitt företag? ”Och så att jag kan lägga över den informationen på affärsprocessen och säga, du vet, ” Jag måste fatta ett beslut om ett tillverkningsbeslut och jag måste veta hur många gånger försenas mina lastbilar på grund av snö på vintern? Behöver jag öppna ett företag i Costa Rica för att kunna skicka saker därifrån istället för att skicka dem från norr? ”Och för att kunna titta på alla dessa aspekter, men du vet inte ens att du behöver titta i dessa aspekter tills du kan börja några för att kartlägga den processen, och i det här fallet är det en transportprocess, men varje företag har komplexiteter i sin process som de kan kasta ner i en affärsprocessmodell och börja förstå var dessa bitar kan röra sig .
Eric Kavanagh: Jag älskar det. Jag gillar särskilt delen om att öppna ett företag i Costa Rica.
Kim Brushaber: Varför inte?
Eric Kavanagh: Om du behöver en PR-kille eller en moderator där nere, låt mig veta. Jag publicerade länken till bilderna i chattfönstret, så kolla chattfönstret. Naturligtvis, om du inte såg det eller vill dela detta med dina kollegor, arkiverar vi naturligtvis alla dessa webbsändningar för senare visning. Och du kan skicka e-post till Kim där, hon har sin adress på skärmen. Skicka gärna ett e-postmeddelande direkt till henne.
Och med det kommer vi att ta farväl. Tack för en fantastisk presentation; detta har varit bra. Vi kommer att komma ihåg dig nästa gång, folkens. Ta hand om dig. Hejdå.
