Prozess + Stammdaten &Digitale Transformation, Teil II

Prozesse und Daten sind beide entscheidend für Innovation und Transformation. Das Potenzial und die Kraft von Data Insights werden in den digitalisierten und automatisierten Prozessen realisiert.

Dies ist Teil II eines zweiteiligen Artikels über Prozesse + Daten. Teil I beschrieb die Entwicklung von intelligenten DBMSs und intelligente BPMSs . Künstliche Intelligenz sowie verschiedene digitale Technologien haben beide Trends enorm beeinflusst. iBPMS unterstützen auch die Prozess- und Arbeitsautomatisierung – insbesondere durch Robotic Process Automation.

Teil I hob das mangelnde Gleichgewicht zwischen DBMS – insbesondere fortschrittlichen NoSQL-Datenbanken – und BPMS in Unternehmensarchitekturen hervor. Durch KI und andere digitale Technologien sind beide intelligent geworden. Darüber hinaus erleben wir jetzt eine Fülle von Ansätzen für die No-Code-/Low-Code-Entwicklung in beiden Bereichen. Es gibt jetzt CitizenDevelopers und Citizen DataScientists.

Die DBMS-Schicht mit mehreren relationalen und NoSQL-Datenbanken ist jedoch allgegenwärtig in IT-Infrastrukturen und Unternehmensarchitekturen. Daten sind das neue Rohöl!

Die BPMS-Schicht? Nicht so viel.

Um die Synergie zwischen Prozessen und Daten optimal zu nutzen, muss sich das Unternehmen in Bewegung auf das Offensichtliche konzentrieren:die zentralen Geschäftsanwendungen und -lösungen, die den Geschäftswert fördern . Um das Offensichtliche zu wiederholen:Es geht nicht um Technologie!

Wertströme (auch bekannt als Wertschöpfungsketten)

Der Datenansatz ist im Kern ein Bottom-up-Ansatz, der sich auf persistente Daten konzentriert. Wichtig und kritisch. Aber immer noch technologiegetrieben von unten nach oben. Hier werden wir drei robuste Anwendungsfälle erläutern, die einen anderen Ansatz verfolgen, der AutonomicEnterprise-In-Motion viel besser unterstützt.

Ganz anders der prozessgetriebene Bewerbungsansatz. Eine grundlegende Annahme des prozessorientierten Ansatzes ist, dass ein Unternehmen eine Sammlung von Wertströmen ist . Unternehmen denken in Bezug auf Ziele und Meilensteine ​​oder Etappen, um diese Ziele im Kontext von Valuestreams zu erreichen . Die meisten Organisationen sind immer noch vertikal organisiert und jede Geschäftseinheit konzentriert sich auf ihre messbaren Ziele.

Silos in Geschäftseinheiten, verschiedene Anwendungen, und Handelspartner sind allgegenwärtig

Wertströme erstrecken sich horizontal über Geschäftsbereiche, verschiedene Legacy-Anwendungen und Handelspartner, die versuchen, Kundenerlebnisse zu optimieren – um Wert zu realisieren und zu operationalisieren . Der kulturelle Wandel im Enterprise-In-Motion muss den Wertstrom für optimierte Sichtbarkeit und Kontrolle erfassen, digitalisieren und automatisieren.

TheValuestream Digitalisierung und Automatisierung sind die zentralen Säulen der Digitalen Transformation

Organisatorisch muss die Kultur dazu ermutigen, den Wertstrom zu ermächtigen – über Silos hinweg. DigitalProcess Automation erreicht die Digitalisierung und Automatisierung von Wertströmen durch DynamicCase Management (DCM).

In der Regel sind diese isoliert, und die Kommunikation erfolgt durch manuelle Übergaben. Es ist interessant festzustellen, dass digitale Technologien und sogar Praktiken der digitalen Transformation wenig Einfluss auf vertikal organisierte Silo-Organisationen hatten. Die Organisationshierarchie ist geblieben. Wertströme gehen oft horizontal mit einem befugten Eigentümer für seine operative Exzellenz. Wenn die Wertströme nicht durch DPA optimiert werden, kommt es zu erheblichen Verschwendungen und Ineffizienzen.

Die Stärke der digitalisierten und automatisierten Valuestreams ist die zentrale Voraussetzung für die drei Anwendungsfälle

Prozess + Stammdaten

Laut MDM Institute:Master Data Management (MDM) ist die maßgebliche, zuverlässige Grundlage für Daten, die in vielen Anwendungen und Interessengruppen verwendet werden, mit dem Ziel, eine einheitliche Sicht auf die Wahrheit zu bieten, egal wo sie liegt.

Die oben erwähnten Silos – Organisationen, Geschäftseinheiten und Anwendungen, die ihnen gehören – sind der Hauptgrund für Inkonsistenzen in den Informationen über dieselbe Entität:Kunde, Lieferant, Produkt oder andere. Stammdaten adressieren mehrere Schmerzpunkte. Hier sind einige Beispiele:

• Inkonsistenzen und schlechte Datenqualität führen zu schlechten, fehlerhaften und sogar riskanten Entscheidungen. Die automatisierten dynamischen Fallausführungen sind so gut wie die Konsistenz der Daten.
• Für Kunden, Produkte, Preise, Partner, Lieferanten, Dienstleistungen und andere Stammdaten, die von Anwendungen gemeinsam genutzt werden, enthalten oft unterschiedliche Silosysteme widersprüchliche Informationen über dieselbe Entität (z. B. falscher Familienstand). Beim Versuch, heterogene Daten konsistent und von hoher Qualität zu halten, wird viel verschwendet.
• Mergers and Acquisitions schaffen auch Herausforderungen bei der Datenkonsistenz – um eine einzige Version der Wahrheit über einen Kunden oder ein Angebot im gesamten Unternehmen zu haben

Hier sind einige typische Beispiele:

• Kundenadresse wird nicht konsistent in allen Datenbanken oder Anwendungen aktualisiert, die die Adresse speichern.
• Der Preis eines Produkts ist nicht konsistent und hängt vom Kanal ab (Einzelhandel, Web, mobile App usw.)
• DerLieferant Liste, Verfügbarkeit und Stückliste sind in verschiedenen ERP-Systemen nicht konsistent

Es gibt viele mehr.

Stammdaten werden benötigt, um Datenqualität, Datenkonsistenz, Datenbeschaffung, Datengenauigkeit, Datenintegrität, Datenreplikation und Datenvollständigkeit anzugehen.

Wie oben erwähnt, ist ein Unternehmen die Summe seiner Wertströme. Diese Valuestreams-Ausführungen sind nur so gut wie die Konsistenz der Daten. Der Informatik-Ausdruck „GarbageIn – Garbage Out“ (GIGO) trifft hier sehr gut zu. Tatsächlich wirken sich Dateninkonsistenzen früher oder später auf das Kundenerlebnis aus, was zu Kundenunzufriedenheit führt:niedrigere Net Promoter Scores (NPS), höhere Detraktorenquote!

Der Bottom-up-MDM-Ansatz

Häufig versuchen Unternehmen, die Herausforderungen von Stammdaten durch Stammdatenverwaltungstools und -systeme anzugehen. Dies könnte zu „Big Bang“-Stammdatenprojekten mit teuren Tools führen. Einige Organisationen haben MDM-Kompetenzzentren für Governance eingerichtet. Die Technologie und die Datenkonsistenz sind beeindruckend und müssen unbedingt angegangen werden, einschließlich Datenbereinigung, Adressierung fehlender Daten, Datenkonsistenz, ETL und Datenintegration. Die Gefahr besteht in dem enormen Aufwand, Stammdaten zu normalisieren, ohne die Unternehmensziele zu priorisieren. Ein häufiges Problem besteht darin, dass Initiativen, die versuchen, Probleme mit Stammdaten zu lösen, dies oft isoliert tun. Das MDM selbst wird zu einer weiteren Softwareschicht, die verwaltet werden muss. Wenn das Kopieren und Replizieren von Daten verwendet wird, erzeugt dies auch zusätzlichen Overhead und potenzielle Inkonsistenzen.

Das schwerwiegendere Problem ist jedoch der Mangel an Fokus und präziser Begründung bei der Erstellung und Verwaltung spezifischer Stammdaten. Beispielsweise könnte die Gesamtzahl von Feldern oder Attributen zu einem Kunden aus verschiedenen Aufzeichnungssystemen in die Hunderte gehen. Die Valuestreams der kritischsten Kunden benötigen in der Regel eine sehr kleine Teilmenge der verfügbaren Felder oder Attribute. Der Rest wird selten – wenn überhaupt – verwendet. Während die Argumentation des MDM-Systems sinnvoll sein mag, könnte dieser Bottom-up-Ansatz suboptimal sein.

Top-Down-Valuestream-Ansatz

Ein optimalerer Ansatz besteht darin, MDM-Herausforderungen im Rahmen von Initiativen zur kontinuierlichen Verbesserung insgesamt zu behandeln, insbesondere durch dynamische End-to-End-Fallmanagementlösungen, die Silos verbinden, die Stammdaten berühren und bearbeiten. Das Enterprise-In-Motion ist eine Ansammlung von Wertströmen. Bei MDM geht es darum, die Valuestreams so gut wie möglich laufen zu lassen. Jeder dieser Valuestreams hat spezifische Geschäftsziele – zum Beispiel die Kostensenkung, die Verbesserung des NPS oder die Generierung von Einnahmen. Der Kern dieses Ansatzes ist eine Dynamic Case Management (DCM)-fähige Schicht, die Legacy-Systeme umschließt und modernisiert. Wie in Teil I erwähnt, ist DCM eine Schlüsselfunktion in DPA – neben Roboterautomatisierung, KI und anderen digitalen Technologien.

Der Top-Down-Ansatz konzentriert sich nur auf die Felder oder Attribute, die für bestimmte Wertströme benötigt werden, die durch DPA optimiert, digitalisiert und automatisiert werden.

Dieser „Top-down“-Ansatz priorisiert Transformationsprojekte mit MDM-Verbesserungen und gleicht Risiken und Geschäftswert aus. Diese technischen Datenbankprobleme müssen angegangen werden, jedoch mit einem überarbeiteten Ansatz für Prioritäten.

Denken Sie groß, aber fangen Sie klein an

Im Enterprise-In-Motion werden Lösungen für Stammdatenprobleme durch „Think Big … But Start Small“-Governance vorangetrieben. Der Ansatz besteht darin, schnelle Erfolge zu erzielen, die erforderliche Stammdatenstrenge aufzubauen oder zu erreichen und dann mit zusätzlichen Transformationslösungen zu erweitern, die Stammdaten enthalten. Mit anderen Worten, bei dem iterativen Ansatz wird der aggregierte Master stückweise anstelle eines Big Bang umfassende MasterData und dann erstellt Realisierung von Projekten für Lösungen zur digitalen Transformation. Die Stammdaten-Governance und -Implementierung kann in die DNA der Prozessautomatisierungsmethoden eingebettet werden und zur Priorisierung von Datenquellen und zur Optimierung führen, die für die Verwaltung von Daten innerhalb der DPA-Schicht erforderlich ist. Das Ziel besteht darin, die Benutzerfreundlichkeit von Stammdaten mit dem Geschäftswert für bestimmte priorisierte Projekte in Einklang zu bringen

In der DesignThinking-Methodik Priorisierung ist entscheidend für den Rückstand von Valuestream-Projekten. Diese Priorisierung stuft Projekte systematisch ein und balanciert die einfache Implementierung mit dem geschäftlichen Nutzen aus. Hier sind einige potenziell messbare Dimensionen, die sich auf die Priorisierung auswirken könnten:

• Komplexität der Konsolidierung der Stammdatenfelder für das Projekt
• Auswirkung schlechter Stammdatenqualität auf End-to-End-Fälle für das Projekt
• Die Anwendung der Stammdatenfelder im High Business Impact Project
• Verfügbarkeit von APIs für den Zugriff auf die Stammdatenfeldwerte für das Projekt

Die priorisierten Splitter, die die Stammdatenunterstützung widerspiegeln, werden der agilen Methodik zugeführt. Die Methodik soll Ihnen dabei helfen, die Geschäftsziele kontinuierlich zu überwachen und zu messen. Die Stammdaten werden iterativ über die Splitter hinweg optimiert. Die durch die Design Thinking-Priorisierungen gespeisten innovativen Projekte werden kontinuierlich gemessen und überwacht. Beim Top-Down-Ansatz gibt es drei Arten von Iterationen:

• Iterationen im Backlog der Projekte – priorisiert nach Geschäftswert sowie Stammdatenverfügbarkeitsdimensionen
• Iterationen beim Aufbau der DPA-Lösung bei gleichzeitiger Nutzung von Stammdaten
• Nach der Produktion ist es auch wichtig, die angestrebten und erreichten Ziele für weitere Verbesserungen zu vergleichen.

Somit baut der Top-Down-Ansatz schrittweise die Stammdaten auf, während kontinuierlich Projekte mit hohem Geschäftswert geliefert und verbessert werden.

Digitale Transformation:IoT &Blockchain

Der prozessgesteuerte Top-Down-Ansatz von Valuestream ist ein Wegbereiter für Wertversprechen der digitalen Transformationstechnologie. Zwei dieser Technologien, die für Enterprise-In-Motion am wichtigsten sind, sind IoT und Blockchain.

Der Weg zum IoT-Erfolg

Beim IoT geht es um die Konnektivität von immer intelligenteren Geräten durch Sensoren und Aktoren. Die Grundlage für Überlegungen zu Konnektivität, Ausgleichsbereich und Stromversorgung ist natürlich von entscheidender Bedeutung. Es gibt mehrere Komponenten im Gesamtstapel und in den Multi-Tier-Architekturen des IoT. Zu den niedrigsten Ebenen gehören physische Geräte und Systeme. Es ist genau dieses Cyber-Physische Konnektivität, die den Grundstein für die IoT-Ära legt. Andere Schichten umfassen die Datenerfassungs- und Analyseschichten. Die mit dem IoT verbundenen Geräte erzeugen eine enorme Datenmenge:Big Data wird zu Thing Data! Einige dieser Daten – oft der Großteil – werden an den Rändern verarbeitet.

Es gibt mehrere Referenzarchitekturen und Referenzmodelle für IoT. Das Referenzmodell des IoT WorldForum stellt Zusammenarbeit und Geschäftsprozesse an die Spitze der mehrstufigen Architektur für das IoT.

Das ist bedeutsam und genau richtig. Erfolg lässt sich top-down mit konkreten Geschäftszielen von Anfang an erzielen. Top-down-Geschäftslösungen umfassen Personen, verbundene Geräte (auch bekannt als IoT), Handelspartner und Unternehmensanwendungen (auch bekannt als Systems of Record):Alle arbeiten zusammen und orchestrieren ihre Aktivitäten in Richtung konkreter und messbarer Key Performance Indicators (KPIs). Die Kooperationen stehen im Kontext von End-to-End Values (das Betriebswort ist Wert ), die modelliert, automatisiert sind , und überwacht durch DPA für kontinuierliche Verbesserung. DPA-Methodik, Best Practices für Kompetenzen , und Technologie sind der Motor für den Erfolg des IoT.

Es gibt viele IoT-Anwendungen, die von DPAValuestreams angetrieben werden. DigitalPrescriptive Maintenance ist die Killeranwendung für IoT. Wie hier dargestellt, geht es um die Orchestrierung von Aufgaben, zu deren Teilnehmern Menschen gehören – zum Beispiel Kundendienst und Außendienst –, Unternehmensanwendungen, KI zur Auswahl der besten Aktionen, Gewährleistungskettenmanagement und natürlich verbundene Geräte und IoT. Die durchgängige Orchestrierung und Automatisierung werden durch DPA erreicht.

Blockchain zur Wertschöpfungskette

Blockchain ist eine Revolution. Es ist der Motor, der die Entstehung des Internet of Value (IoV) ermöglicht. IoV ist eine wichtige Phase in der Entwicklung des Internets. In den 1990er Jahren begannen wir mit dem Internet der Informationen : das traditionelle Internet – das, das wir täglich nutzen, um nach Informationen zu suchen. Als nächstes kam das Internet der Dinge oder vernetzte Geräte, die sich in Verbraucher- (z. B. Connected Homes), öffentlichen (z. B. Smart Cities) und industriellen Anwendungen (z. B. SmartManufacturing) durchsetzen. Der Weg zum IoT-Erfolg führt über Digital Process Automation. Blockchain, die die Basistechnologie für Kryptowährungen ist, ermöglicht das Internet der Werte. Der Wert kann eine digitale Währung sein. Noch wichtiger ist, dass der „Wert“ auch aus Daten bestehen kann, die den Austausch zwischen und innerhalb der Organisation unterstützen und die Geschäftsziele unterstützen.

Blockchain als dezentrale und verteilte Datenbank

Blockchain speichert das Transaktionsbuch zwischen verschiedenen Parteien – in Knoten, die an der Validierung der Blockchain teilnehmen. Das Ledger wird verteilt und repliziert. Unternehmen, die bei B2B-Transaktionen zusammenarbeiten, können nun die Transaktionsinformationen über Blockchain teilen. Eine mögliche Anwendung für erweitert (d. h. Einbeziehung verschiedener Handelspartner) Enterprises-In-Motion soll die Blockchain als gemeinsame Datenbank für ihre Handelstransaktionen behandeln und bei Bedarf aus ihren Unternehmensanwendungen heraus auf die Daten zugreifen. Anstatt also, dass Handelspartner die Daten in ihren internen ERP- oder Datenbanksystemen replizieren, kann die Blockchain als Stammdaten für die unternehmensübergreifenden Transaktionen dienen! Die Blockchain-Technologie steckt noch in den Kinderschuhen. Wir werden mehrere Phasen des Hype-Zyklus „Täler der Ernüchterung“ durchlaufen, bevor robuste IoV-Lösungen allgegenwärtig werden.

Blockchain-Technologie-Diskussionen sind in der Regel auch sehr „bottom-up“ – eine interessante Innovation, die nach zu lösenden Problemen sucht. Wie der Erfolg des IoT, das durch DPA läuft, muss sich Blockchain zu einer Wertschöpfungskette ( entwickeln alias Valuestream)-Ansatz – unterstützt durch DPA!

• Orchestrierungsebene der Wertschöpfungskette :An der Spitze haben Sie die End-to-End-Wertschöpfungskette, die Aufgaben orchestriert und sequenziert, an denen Menschen, automatisierte Geräte und Unternehmensanwendungen (auch bekannt als Systems of Record) und Handelspartner beteiligt sind. Diese Schicht wird durch DPA digitalisiert und automatisiert.
  
• Blockchain-Schicht: Die dezentral verteilten Hauptbücher werden auf der mittleren Blockchain-Schicht verwaltet. Die Blockchains führen entweder intelligente Vertragsregeln aus, tauschen Kryptowährungen aus oder beides. Die Aufgaben oder Meilensteine ​​der End-to-End-Wertschöpfungskette werden Blockchain in bestimmten Schritten nutzen.
  
• IoT/IIoT-verbundene Geräteschicht: Die unterste Schicht wird die IoT/IIoT-Konnektivitätsschicht sein. Bei Blockchain sowie IoT/IIoT-Edge-Computing besteht ein zusätzlicher Vorteil darin, die Ausführung und die Transaktionen an die Ränder zu verlagern. Die gesamte Wertschöpfungskette steht an der Spitze, mit IoT/IIoTedge-Computing, das Blockchain nach Bedarf nutzen kann.

Prozess- und Datenschlussfolgerungen

Verarbeiten Sie und Daten sind beide entscheidend für das Enterprise-In-Motion. Die Prozessebene für automatisierte Valuestreams – mit robuster DPA (aktuelle Inkarnation in der Evolution von BPM) – fehlt jedoch häufig in der IT-Infrastruktur und in Unternehmensarchitekturen. Teil II von Process+Data behandelte drei überzeugende Anwendungsfälle, die die Leistungsfähigkeit eines Top-down-Business-gesteuerten Prozessansatzes deutlich machen. Sogar Master Daten – das ist im Kern eine Datenbankherausforderung – kann transformiert und optimiert werden, indem die Wertströme priorisiert und die Stammdaten im Rahmen von DPA-Iterationen aufgebaut werden. Die beiden anderen Anwendungsfälle beziehen sich auf die überzeugendsten Technologien der digitalen Transformation:IoT und Blockchain. Für beide führt der Weg zum Erfolg über DPA!

Prozess + Daten sind beides entscheidend für Innovation und Transformation. Das Potenzial und die Kraft von Data Insights werden in digitalisierten und automatisierten Prozessen realisiert.

Die Enterprise-In-Motion-IT-Infrastrukturen und -Unternehmensarchitekturen sowie die begleitenden, auf den Geschäftswert ausgerichteten Methoden benötigen DPA.