डेटा परिपक्वता प्राप्त करना: एक संगठनात्मक संतुलन अधिनियम

टेकोपेडिया स्टाफ द्वारा, 8 नवंबर, 2017

Takeaway: होस्ट एरिक कवनघ ने इम्पैक्ट एनालिटिक्स के जेन अंडरवुड और IDERA के रॉन हुइजेंगा के साथ डेटा परिपक्वता और संगठनात्मक परिपक्वता पर चर्चा की।

आप वर्तमान में लॉग इन नहीं हैं। वीडियो देखने के लिए कृपया लॉग-इन या साइन-अप करें।

एरिक कवनघ: ठीक है, देवियों और सज्जनों। नमस्कार और एक बार फिर से स्वागत है। यह बुधवार को 4 बजे पूर्वी है, जिसका अर्थ है कि यह हॉट टेक्नोलॉजीज का समय है। हाँ सचमुच। मेरा नाम एरिक कवनघ है; मैं आज हमारे शो के लिए आपका मेजबान होगा, जो वास्तव में परिभाषित है, जिसे डेटा प्रबंधन की दुनिया में होने के कुछ राज्यों में कुछ प्रकार की प्रौद्योगिकी को परिभाषित करने के लिए डिज़ाइन किया गया है। और आज का हमारा विषय है "डाटा परिपक्वता हासिल करना: एक संगठनात्मक संतुलन अधिनियम।" इसलिए आपके बारे में सही जगह है, मुझे ट्विटर पर, @eric_kavanagh पर मारा। यदि आप मेरा उल्लेख करते हैं, तो मैं हमेशा रीट्वीट करता हूं, और साथ ही साथ पीछे चलने की कोशिश करूंगा। दुनिया में क्या चल रहा है, इसकी जानकारी पाने के लिए यह एक अच्छी जगह है। मुझे वह प्रारूप पसंद है। लघु वर्ण, 140 वर्ण - या इन दिनों अधिक। इसलिए बेझिझक मुझे एक ट्वीट भेजें और मैं पीछे चलूंगा।

यह वर्ष निश्चित रूप से गर्म है। हम आज सभी डेटा परिपक्वता के बारे में बात कर रहे हैं और यहाँ लाइनअप है, वास्तव में शीर्ष पर आपके साथ। हमारे पास आज एक नया विश्लेषक है; मैं इम्पैक्ट एनालिटिक्स के जेन अंडरवुड के लिए बहुत उत्साहित हूं। वह व्यापार खुफिया और विश्लेषण और डेटा विज़ुअलाइज़ेशन और इन सभी महान विषयों में काफी विशेषज्ञ है। और निश्चित रूप से डेटा परिपक्वता। और हमारे अच्छे दोस्त रॉन Huizenga IDERA से कॉल कर रहे हैं। तो पहले हम जेन से सुनेंगे और फिर रॉन से। और फिर हम एक अच्छी गोलमेज चर्चा करेंगे।

जैसा कि मैंने इस अगली स्लाइड को ऊपर धकेल दिया है, मैं बस कुछ त्वरित शब्द कहूंगा। डेटा प्रबंधन परिपक्वता अब कुछ समय के लिए एक विषय रहा है। स्पष्ट रूप से इतिहास में आपको परिपक्वता के बारे में सोचना शुरू करने से पहले एक निश्चित बिंदु पर जाना होगा, और परिपक्वता जीवन चक्र का एक बहुत विकसित किया गया है - या चक्र - यह पता लगाने की कोशिश कर रहा है कि आप वक्र में कहां हैं। क्या आप एक प्रारंभिक चरण हैं? क्या आप एक किशोरी हैं? क्या आप परिपक्व हैं? आदि।

और मुझे लगता है कि बहुत सारे संगठन या तो किशोरावस्था में होते हैं या बाद के किशोरावस्था में या परिपक्वता के मामले में शुरुआती बिसवां दशा में। और यह कोई हतोत्साहित करने वाली बात नहीं है। यह सिर्फ इतना है कि हम अभी भी रणनीतिक संपत्ति के रूप में डेटा का प्रबंधन करने में सक्षम होने के शुरुआती दिनों में एक तरह से हैं। और चीजें तेजी से बदल रही हैं। विशेष रूप से पिछले पांच से सात वर्षों में, जैसा कि हमने छोटे डेटा से बड़े डेटा में स्थानांतरित किया है और वे इन काफी असमान दुनिया और नई तकनीकों को पुरानी तकनीकों के साथ सामंजस्य बनाने की कोशिश कर रहे हैं। तो विरासत वहाँ है, यह हर जगह है।

एक चुटकुला जो मैंने सालों पहले सुना था कि विरासत एक ऐसी प्रणाली है जो उत्पादन में है। जिस समय एक प्रणाली उत्पादन में जाती है, तकनीकी रूप से यह विरासत है। और एक तरह से यह सच है। लेकिन लब्बोलुआब यह है कि हमारे पास ये सभी प्रणालियां हैं जो लंबे समय से हैं और हमें यह समझने का एक तरीका खोजना है कि हम अपनी परिपक्वता वक्र में एक परिसंपत्ति के रूप में डेटा के मूल्य को अधिकतम और अनुकूलित करने में सक्षम होने के लिए कहां हैं। । और निश्चित रूप से कुछ अनुपालन मुद्दे हैं, कुछ नियमों के बारे में हमें चिंता करने की ज़रूरत है कि हम किस उद्योग में हैं, और फिर निश्चित रूप से हमें हैकिंग के बारे में भी चिंता करनी होगी। अतीत में हमने डेटा शासन के बारे में बात की है और यह कि वास्तव में सुरक्षा के साथ भाग और पार्सल कैसे है और डेटा का उपयोग करने की भूमिकाओं और जिम्मेदारियों को समझने और यह सुनिश्चित करने के लिए कि हमें इसका सबसे अच्छा मूल्य मिलता है।

और इस तरह, मैं जेन अंडरवुड को चाबी सौंपने जा रहा हूं और वह हमें डेटा परिपक्वता पर अपना दृष्टिकोण बता सकती है। जेन, इसे दूर ले जाओ।

जेन अंडरवुड: धन्यवाद, एरिक, और मुझे आमंत्रित करने के लिए धन्यवाद। इसलिए आज, मैं कुछ अलग विषयों को कवर करने जा रहा हूं और फिर मैं रॉन को IDERA के साथ पेश करने जा रहा हूं और वह इस विशेष विषय के कुछ अन्य क्षेत्रों में गहराई से खुदाई करने जा रहा है। मैं कहूंगा कि यह डिजिटल युग में महत्वपूर्ण भूमिका है या डिजिटल परिवर्तन है जो अभी हम कर रहे हैं और जैसा कि एरिक ने कहा था, यह एक विकसित युग है। EDM काउंसिल के कुछ मज़ेदार आँकड़े, एक डेटा प्रबंधन उद्योग बेंचमार्क रिपोर्ट थी। यह लगभग दो साल पुराना है, लेकिन यह अभी भी काफी प्रासंगिक है और आप में से कुछ को प्रकट करेंगे, आप जानते हैं, इस स्थान पर एक किशोरी होने पर प्रति सेप्टोइड्स। मैं डेटा परिपक्वता और शासन के स्तंभों के बारे में थोड़ी बात करूंगा, प्रति से।

डिजिटल युग या डिजिटल परिवर्तन के इस विषय पर जो आप हर जगह सुन रहे हैं, यह वास्तव में अभी हो रहा है। दिलचस्प तथ्यों में से एक जो मैंने हर दिन उद्योग के बाद इकट्ठा किया है, गार्टनर द्वारा उनके शीर्ष दस रणनीतिक प्रौद्योगिकी रुझानों में एक बिंदु था। और उन्होंने 2020 तक कहा था - इसलिए हम उससे केवल कुछ साल दूर हैं - जानकारी का उपयोग एक दशक पहले से हमारे द्वारा की जाने वाली 80 प्रतिशत प्रक्रियाओं को फिर से बनाने, डिजिटल बनाने और स्वचालित करने या समाप्त करने के लिए किया जाएगा।

और मैं इसे कुछ समय से देख रहा हूं, मुझे लगता है कि आप यहां विभिन्न प्रकार के लोगों को यह कहते हुए देख रहे हैं, आप जानते हैं, "डेटा का नया तेल, " और उन प्रकार की चीजें। मुझे कहना है कि डेटा अब डिजिटल सोना है। और यदि आप सॉफ़्टवेयर अनुप्रयोगों और सॉफ़्टवेयर भागीदारी के बारे में सोचते हैं, तो मैं अतीत में Microsoft के लिए दुनिया भर में उत्पाद प्रबंधक था, और यहां तक ​​कि मेरे करियर में परिवर्तन से, आप जानते हैं, हम वास्तव में सॉफ्टवेयर पर ध्यान केंद्रित करेंगे अब हम उपयोगकर्ताओं पर ध्यान केंद्रित कर रहे हैं। डेटा एकत्र करना और डेटा के मुद्रीकरण के बारे में सोचना।

हम इस युग में प्रवेश कर रहे हैं, जहां डेटा डिजिटल सोना है और आप यह देखना शुरू कर रहे हैं कि मुख्य डेटा अधिकारी के रूप में क्या उभर रहा है, और वे हैं, उनके पास, आपको पता है, दो प्राथमिक मिशन - और निश्चित रूप से कुछ अन्य - यह सुनिश्चित करने के लिए कि डेटा सुरक्षित और सुरक्षित है और डेटा के मूल्य को आंतरिक रूप से अधिकतम करने के तरीके भी खोज रहा है - और यहां तक ​​कि बाह्य रूप से - उस डिजिटल संपत्ति के रूप में। तो इस प्रकार की चीजें जो अतीत में आपके संगठन के लिए महत्वपूर्ण नहीं थीं, या नहीं भी हो सकती थीं, डेटा को आखिरकार सीडीओ के साथ सी-लेवल टेबल पर एक सीट मिल रही है और इसे गंभीरता से आगे ले जाया जाएगा।

यदि आप डेटा प्रबंधन और परिपक्वता के बारे में सोचते हैं, तो दो अलग-अलग थीम हैं जो मेरे पास इस विशेष स्लाइड पर हैं, पहला है जो आप जानते हैं, डेटा प्रबंधन। यह उन व्यावसायिक कार्यों के बारे में अधिक है जो डेटा और डेटा प्रवाह, कुछ नीतियों और प्रथाओं का विकास और निर्माण करते हैं। और फिर जब आप डेटा प्रबंधन परिपक्वता के बारे में सोचते हैं, तो यह संगठन की क्षमता को सटीक रूप से परिभाषित करने, आसानी से एकीकृत करने की क्षमता है, आप जानते हैं, उस डेटा का लाभ उठाते हैं जो उनके पास डेटा मुद्रीकरण जैसे आंतरिक या बाहरी उद्देश्यों के लिए फिर से होता है। और बड़े विषयों में से एक - और यह मज़ेदार है, पहले मेरे करियर में, और मैंने वास्तव में IDERA के कुछ टूल और डेटा आर्किटेक्चर प्रोजेक्ट्स का लाभ उठाया - क्या यह मेटाडेटा की पूरी अवधारणा थी और हम मेटाडेटा के बारे में सोचते रहते हैं, और फिर इस पर बात नहीं की गई एक लंबे, लंबे समय के लिए। मैं अंत में देख रहा हूँ मेटाडेटा फिर से ठंडा है। यह वास्तव में विभिन्न समूहों के साथ बातचीत करने में काफी महत्वपूर्ण है, यह समझना कि आपका डेटा कहां है, डेटा क्या है। खासकर डाटा लेक जैसी चीजों में। यह अंत में, अंत में दिलचस्प हो रहा है।

अब, मैंने वादा किया था कि मेरे पास एक उद्योग बेंचमार्क रिपोर्ट से कुछ आँकड़े हैं। यह ईडीएम परिषद के लिए 2015 से था। यह डेटा गुणवत्ता और शासन के आधुनिकीकरण के बारे में है, और इस विशेष में कुछ मजेदार तथ्य हैं। तो यहाँ में, 33 प्रतिशत से अधिक संगठनों में संगठन के कुछ स्तर पर एक सक्रिय, औपचारिक डेटा प्रबंधन कार्यक्रम है - केवल 33. तो यह बहुत ही दिलचस्प है और अपने आप में। 50 प्रतिशत जो वास्तव में औपचारिक हैं, हम डेटा का प्रबंधन करना चाहते हैं, हम महसूस करते हैं कि हमारे संगठन में यह वास्तव में महत्वपूर्ण संपत्ति है, जैसे कि मानव के पास मानव संसाधन हैं। उनमें से केवल 50 प्रतिशत के पास ऐसे कार्यक्रम थे जो एक वर्ष से अधिक पुराने थे। इसलिए, यह फिर से, एक उभरता हुआ क्षेत्र है, यह वास्तव में काफी दिलचस्प है कि हम अधिक से अधिक महत्वपूर्ण हो गए हैं, विशेष रूप से उद्योग के नियमों की तरह कुछ चीजें सामने आ रही हैं।

तो उस बिंदु पर, बहुत बार - और यह मेरे करियर के दौरान तकनीकी बिक्री और भूमिकाओं में दिलचस्प रहा है - यह वास्तव में नहीं था, "ओह, हम पैसे बचा सकते हैं जो एक संगठन को प्रेरित करेगा" - यह आमतौर पर डर है। यह अधिक है, "हे भगवान, हमें यह सुनिश्चित करने की आवश्यकता है कि हम कवर किए गए हैं। हम अपनी नौकरियों को खोना नहीं चाहते। ”और निश्चित रूप से हैकिंग और डेटा जोखिम और डेटा लीक करने जैसी चीजें हैं, इस पर वास्तव में दिलचस्प बेंचमार्क अध्ययन हैं। वेरिज़ोन हर साल एक करता है और समीक्षा करने के लिए यह शायद मेरे पसंदीदा लोगों में से एक है। जो आप लगभग हमेशा देखते हैं वह अनजाने में है, यह जरूरी नहीं है, आप जानते हैं, डेटा का जानबूझकर दुरुपयोग या डेटा का कुप्रबंधन एक रिसाव के परिणामस्वरूप होता है। और अक्सर - उनके पास इस विशेष सत्र के लिए ये आँकड़े नहीं होते हैं - लेकिन यह आकर्षक है कि इन आकस्मिक लीक की अनुमति और कुप्रबंधन के कुप्रबंधन हैं। तुम्हें पता है, चीजों को थोड़ा आसान बनाने के लिए, ये लीक ऋण पर जाते हैं। और आमतौर पर जो लोग आपके संगठन के लिए साइड नोट या बाहरी हैं, और जो आप चाहते हैं वह नहीं है।

तो जब आप डेटा प्रबंधन सुरक्षा और शासन कार्यक्रम होने के बारे में सोचते हैं तो वे चीजें होती हैं। आप जानते हैं, न केवल बुरे फैसले और पैसे की बचत, बल्कि यह सुनिश्चित करना भी कि आप जानते हैं, आप सुरक्षित हैं, आप गोपनीयता और सुरक्षा विधानों का पालन कर रहे हैं। आप इस डिजिटल युग में डेटा का मुद्रीकरण करने में सक्षम हैं, और निश्चित रूप से, आप जानते हैं, आप कुशलतापूर्वक चीजों को करना चाहते हैं और डेटा का पुन: उपयोग करते हैं और धन्य प्रतिलिपि रखते हैं और कहते हैं - मुझे नफरत है जब लोग कहते हैं, और मैं विश्लेषिकी में हूं और मैं 'एनालिटिक्स में बहुत समय हो गया है, सच्चाई का एक संस्करण। आमतौर पर, आप जानते हैं, आमतौर पर सच्चाई के कई संस्करण हैं, बस अलग-अलग दृष्टिकोणों से। लेकिन अनिवार्य रूप से, आप चाहते हैं कि डेटा विश्वसनीय हो जो आप निर्णयों को आधार बना रहे हैं।

सबसे बड़े ड्राइवरों में से एक जो मैं देख रहा हूं - और यह एक अच्छी बात है, यह अच्छी बात है कि यह फिर से ठंडा हो रहा है - यूरोपीय संघ की जीडीपीआर की पूरी अवधारणा है। और मुझे इस बारे में बात करनी चाहिए। इसलिए यदि आप GDPR को नहीं जानते हैं, तो आप आने वाले वर्ष के बारे में बहुत कुछ सुन रहे होंगे। यह नया कानून है जो मई में हो रहा है। यह 2018 के मई में लागू होने जा रहा है और इसमें सूचनाओं के कुप्रबंधन के लिए कुछ बड़े दंड हैं। आपने अन्य रूपों में इस बारे में बात करते हुए सुना हो सकता है - शायद जीडीपीआर शब्द का उपयोग नहीं कर रहा है - आपने इस लिखित के बारे में सुना या देखा हो सकता है कि भूल जाने का अधिकार है, जिसका अर्थ है कि आप विक्रेताओं तक पहुंच सकते हैं और विक्रेताओं से आपका डेटा हटाने के लिए कह सकते हैं। फिर से, पिछले डेटा आर्किटेक्ट, वे डेटा को नहीं हटाएंगे। हम इसे बदल देंगे, हम इसे डेटा वेयरहाउसिंग परिदृश्यों में निष्क्रिय कर देंगे। हमने कभी भी अपना डेटा डिलीट नहीं किया। हमारे पास इसके लिए कोई प्रक्रिया नहीं थी। तो यह आप जानते हैं, ऐसी चीजें जो आपके संगठन के हर पहलू और विभिन्न तरीकों और प्रक्रियाओं को छूएंगी जिन्हें आपने अपने एप्लिकेशन या डेटा वेयरहाउस के निर्माण में कभी नहीं माना होगा। इसलिए यदि आप GDPR के बारे में चीजों को देखते हैं, तो बहुत जल्द ही आपको व्यक्तिगत डेटा के संग्रह और प्रसंस्करण को सही ठहराने के लिए कानूनी आधार की आवश्यकता होगी।

तो यह ज्यादातर व्यक्तिगत स्तर पर है, इसलिए सहमति से स्वतंत्र रूप से दिए जाने की आवश्यकता है: विशिष्ट, सूचित, असंदिग्ध। और यह आर्टिफिशियल इंटेलिजेंस और डेटा साइंस के कई क्षेत्रों को प्रभावित करने वाला है - यही वह क्षेत्र है जो मैं इन दिनों ज्यादातर कवर करता हूं, वह है डेटा साइंस के निहितार्थ और सिर्फ यह सुनिश्चित करना कि मॉडल में कुछ पारदर्शिता है - साथ ही साथ आपकी स्वयं की सेवा से कई अन्य क्षेत्र भी। द्वि, आपका डेटा वेयरहाउस, आपका मास्टर डेटा प्रबंधन, यहां तक ​​कि आपके ग्राहक 360 प्रोजेक्ट, निजीकरण और यहां तक ​​कि आपके व्यावसायिक अनुप्रयोगों की लाइन तक। तो यह कुछ ऐसा है जो आपके ऑर्गन के हर हिस्से को छूने वाला है। और अन्य न्यायालयों में गोपनीयता कानूनों के विपरीत, GDPR यूरोपीय संघ के अंदर या बाहर स्थित किसी भी संगठन पर लागू होने जा रहा है। और अनुपालन जुर्माना, फिर से, महत्वपूर्ण हैं। यह है कि आपके संगठन को आपके कुल सकल वार्षिक के चार प्रतिशत तक का जुर्माना लगाया जा सकता है - मेरा मानना ​​है कि इसे टर्नओवर - प्रति आय आय कहा जाता है।

उम्मीद है कि मेरा ध्यान है और ये ऐसी चीजें हैं जिन पर आपको ध्यान देना चाहिए। यदि आपकी कंपनी पहले से ही पीसीआई के साथ इन प्रथाओं और उद्योग मानकों में से कुछ का अनुसरण करती है, तो शायद यह एक आईएसओ है - मुझे यकीन नहीं है कि मैं यह सही कहने जा रहा हूं - 27001। यदि आप पहले से ही कुछ कर रहे हैं, तो यह होना चाहिए ' टी बहुत भारी हो सकता है, लेकिन यह निश्चित रूप से जागरूक होने के लिए कुछ है। इसलिए जब आप इसके लिए तैयारी करते हैं, तो कुछ क्षेत्र होते हैं, विशेष रूप से डेटा प्रबंधन में और पहली चीजों में से एक एक कैटलॉग होता है और आपके डेटा को वर्गीकृत करता है - यह जानना कि आपका डेटा कहाँ स्थित है। और एक दुनिया में, एक संकर दुनिया, जहां डेटा हर जगह रहता है: यह बादल में है; यह इन ऐप्स में है; यह बिक्री बल में है; यह कुछ अन्य यादृच्छिक कार्यक्रम में है जो विपणन भी उपयोग कर रहा है, आप जानते हैं, आपके ग्राहक सिस्टम या आपके इन्वेंट्री सिस्टम - इन सभी प्रकार के स्थान। जानिए कि आपका डेटा कहां है और सबसे आसान काम है - और यह डेटा प्रबंधन का एक बहुत ही मजेदार क्षेत्र है, क्या यह इन डेटा कैटलॉग की अवधारणाएं हैं जिनमें बुद्धिमत्ता है, यहां तक ​​कि मशीन लर्निंग वर्गीकरण भी कुछ जानकारी है।

और फिर से, मेटाडेटा - मैंने उल्लेख किया कि मेटाडेटा फिर से ठंडा हो रहा है, इसलिए वास्तव में मेटाडेटा के बारे में सोच रहा है और उस महत्वपूर्ण विषय पर चमक नहीं है क्योंकि आप डेटा झीलों और उन प्रकार की चीजों को डिजाइन करना शुरू करते हैं, और निश्चित रूप से इन पर शासन और निगरानी करते हैं। इसलिए जब आपको वापस जाना होगा और जीडीपीआर से किसी को मॉनीटर करना हो तो मॉनीटरिंग बहुत महत्वपूर्ण हो सकती है, उदाहरण के लिए, आपको यह साबित करने के लिए कह सकता है कि यह डेटा कहां गया, किसके पास है, किसके पास है, वगैरह। क्योंकि आप वास्तव में अधिकारियों को उन प्रकार की चीजों को दिखाने जा रहे हैं।

डेटा प्रबंधन परिपक्वता के साथ आपकी सहायता करने के लिए, वास्तव में विचार के कुछ स्कूल हैं, और मुझे विश्वास है - मैं 100 प्रतिशत निश्चित नहीं हूं - मुझे लगता है कि मैंने रॉन के डेक में देखा कि वह इनमें से कुछ को कवर करने जा रहा है, इसलिए मैं आज के बारे में बात करने जा रहा हूँ CMMI से है। और यह एक, यह लोगों के लिए उपलब्ध है; इसमें छह अलग-अलग श्रेणियों के डेटा प्रबंधन, 25 प्रक्रिया क्षेत्र, 414 अभ्यास कथन और 596 विभिन्न कार्य उत्पाद शामिल हैं। इसलिए जब आप अपने द्वारा की जाने वाली सभी चीजों के बारे में सोचते हैं, जैसे आप डेटा, 596 कार्यात्मक कार्य उत्पादों का प्रबंधन और आर्किटेक्चर कर रहे हैं, तो आपको एहसास नहीं हुआ कि आपने कितना किया, है ना? या आप वास्तव में क्या नहीं कर रहे हैं। जब मैं उस तरह की संख्या को देखता हूं, तो यह उन चीजों में से एक है जो वास्तव में मेरे दिमाग में चिपक जाती है। तो इस में, और मुझे इस विशेष के बारे में क्या पसंद है, क्या यह वास्तुकला और प्रौद्योगिकी तटस्थ है। तो इसका मतलब है कि अगर आपके पास है, और अधिकांश बड़े संगठन जिन्हें मैंने वर्षों से परामर्श या काम किया है और लागू किया है, तो आप जानते हैं, उनके पास सभी प्रकार की विभिन्न प्रौद्योगिकियां हैं। तो आप चाहते हैं, आप जानते हैं, कि DMM का मतलब उन प्लेटफार्मों और तकनीकों से है जो आप अपने विशिष्ट वातावरण में उपयोग कर रहे हैं। यह भी उद्योग स्वतंत्र है, इसलिए यह जरूरी नहीं कि स्वास्थ्य देखभाल के लिए विशिष्ट है, उदाहरण के लिए। स्वास्थ्य देखभाल में निश्चित है - चाहे वह बीएए हो या विभिन्न प्रकार के वर्गीकरण, आपको अनुवाद करना होगा या विभिन्न प्रकार की चीजों को देखना होगा क्योंकि आप अपने संगठन के भीतर अपने डेटा प्रबंधन परिपक्वता के स्तर को बेहतर बनाने के लिए अपना कार्यक्रम या अपनी योजना एक साथ रख रहे हैं।

अगर यह उन चीजों में से कुछ नहीं है तो यह क्या है? अनिवार्य रूप से यह क्या परिभाषित कर रहा है, लेकिन विशेष रूप से आपको यह नहीं बता रहा है कि यह कैसे करना है। मेरे करियर का एक बहुत ही प्रकार एक व्यक्तित्व रहा है, मुझे पसंद आया जब लोगों ने मुझे एक लक्ष्य दिया और मैं यह पता लगा सका कि मुझे उस लक्ष्य को कैसे प्राप्त करना है और मेरे समय के बारे में कहना, कहना, कैसे प्राप्त करना है। डेटा प्रबंधन परिपक्वता, और सीएमएमआई के साथ ये प्रक्रियाएं, यह आपको लक्ष्य दे रही है और यह आपको इन विभिन्न क्षेत्रों में खुद को मापने का तरीका बता रही है। और वे आपको एक स्तर देंगे। आपके द्वारा खुद को स्कोर करने और मापने के अलग-अलग तरीके हैं, चाहे वह लेवल एक हो या पांच लेवल तक, मतलब आपने इसे ऑप्टिमाइज़ कर लिया है और आपको वास्तव में एक मजबूत प्रोग्राम मिल गया है।

और सिर्फ आपको यह महसूस कराने के लिए कि वास्तव में इसका क्या मतलब है, मैं यहाँ थोड़ा अवलोकन करता हूँ कि इसका क्या मतलब हो सकता है। तो यहाँ पर, जब आप एक डेटा प्रबंधन परिपक्वता प्रोसेसर जीवन चक्र होने के बारे में सोचते हैं, तो यह आवश्यकताओं, जोखिम प्रबंधन से लेकर हर चीज़ की समर्थन प्रक्रियाएँ हैं, आप वहाँ प्रक्रियाओं का समर्थन कर रहे हैं, डेटा गवर्नेंस और मैं दयालु हूँ उस पर ग्लॉसिंग का, लेकिन अनिवार्य रूप से डेटा गवर्नेंस अपने आप में एक संपूर्ण कार्यक्रम है। एक व्यावसायिक शब्दावली होने के बाद, हमने व्यावसायिक शब्दावली और डेटा आर्किटेक्ट के बारे में हमेशा के लिए बात की है - यह कुछ ऐसा होना चाहिए जो आपके संगठन के भीतर हो। इन कैटलॉग प्रकारों में से कुछ प्रौद्योगिकी वहाँ हैं, वे एक व्यापार शब्दावली विकसित कर रहे हैं, जिसमें सूचनाओं को क्राउडसोर्सिंग के साथ विकसित किया जा रहा है, और आपको पता है, उसी डेटा के विभिन्न दृष्टिकोणों के दस्तावेजों में लिंक डालकर, डेटा के क्षेत्र के, या मूल्य के जीवन चक्र में परिवर्तन के रूप में डेटा का संस्करण।

ये उस प्रकार की चीजें हैं जो मैंने अपने करियर की शुरुआत के बाद से बहुत बेहतर कर ली हैं। हमें पहले इस प्रकार की चीजों को करने के लिए घर में विकसित प्रणालियों का विकास करना पड़ता था। इसलिए हम पूरी और बड़ी तस्वीर देख रहे हैं, यह रणनीति है और फिर प्रबंधन में गुणवत्ता से लेकर शासन तक सभी अलग-अलग टुकड़े हैं। और डेटा गुणवत्ता पर एक बात, यह दिलचस्प है क्योंकि उद्योग अधिक स्वचालित हो गया है और हमारे पास, फिर से, स्वचालित निर्णय लेने के साथ ये डिजिटल प्रक्रियाएं हैं। मैं डेटा साइंस स्पेस में बहुत काम कर रहा हूं, जहां हम इनमें से कुछ टूल के फैसलों को स्वचालित करते हैं और मक्खी पर पूर्वानुमान मॉडल को अपडेट करते हैं। इनमें से बहुत सारे उपकरण और एल्गोरिदम की आवश्यकता होती है और मान लिया जाता है कि डेटा अच्छा है। आपको एक अच्छा स्वचालित निर्णय देने के लिए डेटा को मान्य होना चाहिए। तो सोचने के बारे में, आप जानते हैं, शायद डेटा की गुणवत्ता आमतौर पर उन चीजों में से एक है जो लोग एक तरफ ब्रश करते हैं और इसे बहुत गंभीरता से नहीं ले रहे हैं। लेकिन एक बार जब आप भविष्यवाणी मॉडलिंग और मशीन सीखने के लिए मॉडल में निर्णय लेने को स्वचालित करना शुरू कर देते हैं, तो डेटा गुणवत्ता वास्तव में महत्वपूर्ण हो जाती है।

यहाँ अपनी प्रगति को मापने के कुछ तरीके हैं - और मैं रॉन को इस बारे में बोलने दूंगा, उन्होंने अपने सत्र में इस पर एक प्यारी स्लाइड भी लिखी है - मैं बस आपको एक त्वरित चुपके चोटी देने जा रहा हूं, आप जानते हैं, इस में इन विभिन्न स्तरों। अनिवार्य रूप से यह एक स्व-मूल्यांकन है, है ना? तो आप अपने डेटा गवर्नेंस पर ध्यान देंगे और आपको लगता है कि आपके पास कुछ भी है। और अगर आप नहीं करते तो शर्मिंदा मत होना। जैसा मैंने कहा, वास्तव में केवल 33 प्रतिशत संगठन हैं जो इस प्रकार की चीजें करना शुरू कर चुके हैं। हालांकि, आप जानते हैं, इस प्रकार के कार्यक्रम कम से कम साथ-साथ हुए हैं - मैं इस उद्योग में 20 वर्षों से अधिक समय से हूं और निश्चित रूप से मैं इस प्रकार की चीजें वर्षों पहले कर रहा था, हो सकता है कि हम इसे सिर्फ इसलिए नहीं कहते। सीएमएमआई, उनके पास एक ऐसा व्यायाम है जिसे आप आत्म-मूल्यांकन कर सकते हैं और आप जिस तरह से देख सकते हैं और अपना खुद का बना सकते हैं - इस मामले में इस तरह के रडार चार्ट - इन सभी अलग-अलग कोणों या चीजों को रेट किया गया है। और प्रत्येक संगठन, जैसा कि मैंने अलग-अलग किया है, आप जानते हैं, जब मैं इन परियोजनाओं के परामर्श और कार्यान्वयन करता था, तो आप जानते हैं, प्रत्येक संगठन अद्वितीय है। वे ऐसे क्षेत्र होंगे जो उनके लिए वास्तव में महत्वपूर्ण होंगे। हो सकता है, आप जानते हैं, यह प्रक्रिया प्रबंधन है या यह गुणवत्ता प्रबंधन है या यह जोखिम है - यह निर्भर करता है कि यह क्या है, लेकिन आप एक बेंचमार्क या आधार रेखा देखना और बनाना चाहते हैं, और फिर यह भी सोचें कि इसकी सफलता क्या है।

उस पर, जब आप इस प्रकार की चीजों को मापने और नियंत्रित करने के बारे में सोच रहे हैं, तो आप इस तरह के कार्यक्रम के लिए पहले कुछ कार्यकारी प्रायोजन सुरक्षित करना चाहेंगे। यह कुछ ऐसा है जो पूरे संगठन में क्रॉस-फंक्शनल होने वाला है, भले ही सूसी क्यू और जॉन स्मिथ, वे तय करते हैं, "हाँ, चलो यह करते हैं। हमें यह करने की ज़रूरत है, " वे ऐसा नहीं कर सकते कि एक साइलो में उनका संगठन, या भले ही वह आईटी हो। आपको वास्तव में व्यवसाय और डेटा विषय विशेषज्ञों से उस खरीद की आवश्यकता है। उन्हें कुछ समय चाहिए। वे नहीं चाहते कि यह केवल एक अतिरिक्त कार्य हो। यदि आपने कभी काम किया है - मुझे लगता है कि मैंने कुछ मास्टर डेटा प्रबंधन कार्य, परियोजनाएं पहले की हैं, और डेटा गुणवत्ता - और आमतौर पर, आप जानते हैं, आप व्यवसाय के लिए मिलते हैं और वे, "ओह, डेटा स्टीवर्डशिप।" यह नहीं है। कुछ वे उत्साहित हैं। और वे जैसे हैं, "ओह, नहीं। हमें इसके लिए समय चाहिए, ”और वे करते हैं। इसलिए आप कुछ समय की प्रतिबद्धता चाहते हैं। आपको ऊपर से आशीर्वाद देने की आवश्यकता होगी। आप इसे क्रॉस-फंक्शनल होना चाहेंगे।

फिर, यह कुछ ऐसा है जो वास्तव में संगठन के कई क्षेत्रों को छूता है। और जीडीपीआर के साथ, इसे थोड़ा आसान बनाना चाहिए क्योंकि, फिर से, जीडीपीआर से कानून और जहां उस व्यक्तिगत डेटा का उपयोग आपके ग्राहकों के लिए किया जाता है और आपके पूरे संगठन में उपयोग किया जाता है, यदि आप इसे लागू करते हैं, तो थोड़ा आसान होना चाहिए जीडीपीआर का पालन करना। यहां जुबान मिल रही है। ऐसा करना आपके लिए आसान होना चाहिए। आप कुछ ज़िम्मेदारी सौंपना चाहेंगे और फिर देखेंगे, आप जानते हैं, आप इन्हें अनुकूलित करने जा रहे हैं। इसलिए आप हमेशा इस प्रकार के मार्गदर्शन को देखते हैं जो ये संगठन प्रदान करते हैं, और आमतौर पर यही वे हैं: वे आपके लिए दिशानिर्देश हैं और आप अपने संगठन में अपनी संस्कृति के लिए लागू करने जा रहे हैं।

शासन में काम करने के बाद वास्तव में एक महत्वपूर्ण बात हो गई है, उन चीजों में से एक जो मैंने Microsoft में दुनिया भर के उत्पाद प्रबंधन में विकसित किए थे, जिनमें से कुछ स्वयं सेवा बीआई थे और व्यवसाय उपयोगकर्ता और गैर-तकनीकी डेटा उपयोगकर्ता को सक्षम कर रहे थे। डेटा के साथ खेलते हैं और अपनी रिपोर्ट बनाते हैं, और कई बार आईटी पीछे हट जाएगा। इसलिए मैंने इस शासन पर बहुत समय बिताया है और यह सुनिश्चित करने के लिए कि उत्पादों में सही विशेषताएं और ऑडिटिंग और लॉगिंग होगी और, आप जानते हैं, जिससे वे डेटाबेस को प्रति से नीचे नहीं लाएंगे। लेकिन एक ऐसा ढांचा है, जिसे आप जानते हैं, इस प्रकार के विशेष विषयों पर वर्षों से काम करना जो डेटा प्रबंधन के साथ-साथ वास्तविक है। आप इसके लिए कार्यकारी प्रायोजन के साथ स्थापित किया गया है कि नींव रखना चाहते हैं, और आप व्यापार और आईटी के बीच कि प्रतिबद्धता चाहते हैं।

तो यह, फिर से, हमने बजट / समय आवंटन और नई प्रक्रियाओं को विकसित करने के बारे में बात की। जब आप इनमें से कुछ काम करते हैं, तो यह एक सांस्कृतिक-स्तर का बदलाव होने वाला है, आप जानते हैं, डेटा को देखना शुरू करते हैं। लेकिन आप जानते हैं, यह रणनीतिक दृष्टिकोण से बहुत महत्वपूर्ण है, फिर से। और आपको एक एहसास देने के लिए, यहाँ एक उदाहरण है, और मैंने इसे अपनी पुरानी परियोजनाओं में से एक साल पहले इस प्रकार की चीजों से साफ किया था। और फिर, यह संभवतः जेनेरिक गवर्नेंस के दृष्टिकोण से अधिक है, लेकिन निश्चित रूप से आपके डेटा प्रबंधन प्रक्रियाओं को प्रबंधित करने और विकसित करने और उन्हें नियंत्रित करने के साथ इन प्रकार की परियोजनाओं के लिए पुन: उपयोग किया जा सकता है। आपके पास व्यावसायिक विषय विशेषज्ञ हैं, हमारे यहां डेटा स्टूअर्ड हैं, आईटी विषय विशेषज्ञ हैं, आप जानते हैं, व्यापार की विभिन्न लाइनों के लिए। बहुत सी कंपनियां जो बड़ी हैं, आपके उद्यम मानक बोर्ड और आपके उद्यम आर्किटेक्ट और डेटा आर्किटेक्ट और मॉडलर होंगे। इसलिए विभिन्न स्तरों के कुछ अलग विषय विशेषज्ञ होंगे। और फिर, इनमें से बहुत से - मुझे यह एक उदाहरण के रूप में नफरत है - वे आपके संगठन और आपकी संस्कृति के लिए अनुकूलित होंगे।

जब आप इन परियोजनाओं के साथ काम कर रहे होते हैं, तब से एक बार फिर यह बहुत बार संभवत: संगठनों में सबसे रोमांचक परियोजना नहीं है, जैसा कि दृश्य लोग नहीं चाहते हैं। यह मज़ेदार है, यह उन चीजों में से एक है, जब परामर्श फर्म आपके स्वयं के आईटी समूह में या आपके बीआई सेंटर ऑफ एक्सीलेंस ग्रुप में आती है या आपके एनालिटिक्स सेंटर ऑफ एक्सीलेंस में आती है और हम डेटा पर काम करने जा रहे हैं गुणवत्ता और डेटा प्रबंधन परिपक्वता, वे इसे करने के लिए अविश्वसनीय रूप से उत्साहित नहीं हो सकते हैं। लेकिन आपको उन्हें प्रेरित करने के तरीके खोजने हैं, और इसे अपने माप में शामिल करना है। इसलिए जब आप सोचते हैं कि यह क्या होने जा रहा है, तो यह एक बार इस अभ्यास को करने के लिए एक चीज है और आपको बोर्ड पर लोग मिलते हैं। और आपको पता चलता है कि वे डेटा कैटलॉग से प्यार करते थे या वे इनमें से कुछ चीजों से प्यार करते हैं क्योंकि यह उनके जीवन को आसान बनाता है और वे यह पा सकते हैं कि डेटा का क्या अर्थ है या इसे समझ सकते हैं, और वे इसमें अपना दृष्टिकोण जोड़ सकते हैं। और बात, डेटा कैटलॉग शायद लोगों को वास्तव में इस के साथ प्यार में पड़ने में मदद करने के लिए सबसे बड़ी परियोजनाओं में से एक है।

तो अगली बात उन्हें व्यस्त रखने की है। आप किसी को कैसे व्यस्त रखते हैं कि शायद वे इस बारे में परवाह नहीं करते हैं? यह कुछ मेट्रिक्स को परिभाषित करने और इसे शामिल करने, इसमें उनके माप और फिर उल्लंघन और कुछ जागरूकता होने पर कुछ सीखने के लिए प्रदान करता है कि, "अरे हम कुछ समय के लिए वास्तव में अच्छा कर रहे थे और फिर थोड़ी देर बाद इतने अच्छे नहीं थे।" इसे जारी रखने के बारे में सोचने के लिए चीजों के प्रकार हैं। और फिर जब आप स्कोरिंग के बारे में सोचते हैं, और यह सीएमएमआई से एक उदाहरण है, तो यह है कि वे इसे कैसे स्कोर करते हैं। फिर से आप अपने खुद के डैशबोर्ड, अपने खुद के KPI करने जा रहे हैं, आप जानते हैं, विभिन्न तरीकों से लोगों को एक संगठन में मापा जाता है। लेकिन आपके पास अपनी सफलता को मापने और मापने के अलग-अलग तरीके होंगे। मेरा मुख्य बिंदु जो आपको इससे दूर रखना चाहिए, या इससे दूर रहने के लिए एक हुक सुनिश्चित करना है कि आपके पास सफलता को मापने का एक तरीका है और आप अपनी सफलताओं का जश्न भी मना सकते हैं।

तो इसके साथ, मैं इस बात की सराहना करता हूं कि आपने इस रोमांचक विषय के लिए वहां लटकाया है, और मैं रॉन को बदलने जा रहा हूं, यह थोड़ा गहरा खोदने वाला है।

रॉन Huizenga: अच्छी तरह से धन्यवाद, जेन। और शुक्रिया, सब लोग, आज हमसे जुड़ने के लिए। मैं अब कुछ पहलुओं के बारे में बात करने जा रहा हूं जिसमें जेन ने कुछ क्षेत्रों पर बात की और थोड़ा गहराई से जाना। लेकिन मैं जो करने जा रहा हूं, वह इस तरह का सारांश प्रदान करता है कि कैसे आप कम से कम इन क्षेत्रों में से कुछ के उच्च-स्तरीय आत्म-मूल्यांकन के साथ-साथ एक तरह का आत्म-मूल्यांकन कर सकते हैं। क्योंकि जैसा कि आपने सीएमएमआई मॉडल और उस प्रकार की चीजों के साथ देखा था, आप बहुत अधिक संकेतक के साथ बहुत जल्दी जा सकते हैं। इसलिए जो हम वास्तव में प्राप्त करना चाहते हैं वह कुछ ऐसा है जिससे आप एक अच्छा अनुभव प्राप्त कर सकते हैं जहां आपका संगठन काफी उच्च स्तर पर है और फिर अन्य लोगों में ड्रिल करना शुरू करते हैं। इसलिए इसके साथ मैं संगठनात्मक प्रभावशीलता के बारे में बात करने जा रहा हूं। और मैं आधार पर जा रहा हूँ कि सीएमएमआई और ज्ञान के कुछ अन्य मानक या निकाय जो वर्षों से उस तरह के हैं। और फिर मैं डेटा परिपक्वता और प्रक्रिया परिपक्वता के लिए कुछ परिपक्वता संकेतकों के बारे में बात करने जा रहा हूं, क्योंकि जैसा कि हम इसके माध्यम से जाते हैं, आप देखेंगे कि वे हाथ से जाते हैं। और दृष्टिकोण का समर्थन करते हुए, जेन ने एक क्षेत्र में शासन के बारे में बात की। और मैं एंटरप्राइज आर्किटेक्चर के बारे में भी बात करने जा रहा हूं। और फिर हम इसे संक्षेप में प्रस्तुत करेंगे और इसे राउंडटेबल पर ले जाएँगे।

अगर हम इसे देखें, तो बहुत सारे मानक और BOK हैं - जो निश्चित रूप से ज्ञान के अंग हैं - जो कि वर्षों से प्रकाशित हुए हैं। इनमें से बहुत से वास्तव में परिपक्वता मॉडल की क्षमता से उत्पन्न हुए हैं। और यह वह जगह है जहां सीएमएमआई जिस जेन के बारे में बात कर रहा था वह आया था। सीएमएम मॉडल वास्तव में 1998 में था। यह वास्तव में वाट्स हम्फ्रे नामक एक सज्जन द्वारा शुरू किया गया था जब वह आईबीएम के साथ थे। उनका आईबीएम में 27 साल का करियर था। लेकिन उस विशेष मॉडल का उनका वास्तविक सक्रिय विकास तब शुरू हुआ जब वह कार्नेगी मेलन में थे और यह अमेरिकी रक्षा विभाग द्वारा कमीशन किया गया था। इसे प्राप्त करने के लिए कई अन्य मानकों का उपयोग किया गया है। और कुछ ऐसा है जो उद्योग के बारे में जानने के लिए बहुत अच्छा है जब हम इस बारे में कुछ अन्य मानकों में बात करते हैं, जब हम इस के समय को देखते हैं, यह उन चीजों की पृष्ठभूमि के खिलाफ भी है जो हम सामान्य रूप से उद्योग में देख रहे थे। यह तब था जब गुणवत्ता आंदोलन वास्तव में पकड़ना शुरू कर रहा था, विशेष रूप से विनिर्माण क्षेत्र में, और वह अन्य क्षेत्रों से दूर था। जहां हम विनिर्माण प्रक्रियाओं को बेहतर बनाने के तरीके देख रहे थे, कुल गुणवत्ता प्रबंधन, बस-समय निर्माण और अन्य चीजों की तरह काम कर रहे थे। और इससे निकलने वाले बहुत से दर्शन काम की पूरी गुणवत्ता वाले शरीर में आ गए।

और यह वास्तव में एक तरह से जंपिंग स्पॉट है जहां से इन चीजों की बहुत शुरुआत हुई। यह सामान्य उद्योग में शुरू हुआ और आईटी और डेटा और प्रक्रिया और सूचना प्रणालियों में भी अपना रास्ता बना लिया। अन्य मानक जो हम देखते हैं कि कुछ चीजों के बारे में अधिक बारीकी से संबंधित या अधिक विशिष्ट हैं, जिनके बारे में हम बात कर रहे हैं, निश्चित रूप से डेटा परिपक्वता मॉडल है, जो जेन ने थोड़ी बात की थी। ऑब्जेक्ट मैनेजमेंट ग्रुप द्वारा व्यावसायिक प्रक्रिया परिपक्वता मॉडल भी है। और कई अन्य मानक जो आपने देखे होंगे कि आपका संगठन व्यवसाय के विभिन्न क्षेत्रों, विशेष रूप से आईटी संचालित, जैसे कि COBIT, जो सूचना और प्रौद्योगिकी के लिए नियंत्रण उद्देश्य है, के लिए जूझ रहा हो सकता है, ITIL, जो आमतौर पर बुनियादी ढाँचा है -फोकस किया है, जो आप में से बहुत से निपटा सकता है। फिर, कुल गुणवत्ता प्रबंधन। और खासतौर पर जब आप मेट्रिक्स और बाकी सब चीजों में शामिल हो जाते हैं, तो आपने देखा होगा कि सांख्यिकीय प्रक्रिया नियंत्रण जैसी चीजें भी खेल में आती हैं। और फिर निश्चित रूप से, ज्ञान के कुछ निकायों के साथ जो हम व्यवहार करते हैं वह जानकारी या आईटी पेशेवर हैं। द्वारा ज्ञान का डेटा प्रबंधन निकाय।

ज्ञान के व्यापार विश्लेषण निकाय के बराबर भी है। और ज्ञान का परियोजना प्रबंधन निकाय। आपके पास एक ही समय में आपके संगठन में विभिन्न हितधारकों द्वारा उपयोग किए जा रहे खेल में इनमें से कई या अधिक चीजें हो सकती हैं। लेकिन बीओके के माध्यम से फिल्टर को छोड़ दें और वापस जाएं और कहें कि परिपक्वता क्या है? और हम परिपक्व की परिभाषा को सूचीबद्ध करते हैं, क्योंकि जब आप पूछते हैं कि परिपक्वता क्या है, जब आप इसे शब्दकोश में देखते हैं, तो यह वास्तव में "" आप परिपक्व हैं। "तो" परिपक्व "शब्द का उपयोग करते हुए, इसका वास्तव में मतलब है कि एक उन्नत तक पहुंचना। विकास का चरण - बेशक, बहुत सामान्य। लेकिन जो हम यहां देख रहे हैं, वह यह है कि हम जिस उच्च और उच्च स्तर की उपलब्धि हासिल कर रहे हैं, उसे आगे बढ़ा रहे हैं। और जब आप बहुत सारे मानकों को देखते हैं, जैसा कि आप देखेंगे, विशेष रूप से सीएमएमआई और क्षमता परिपक्वता मॉडल वास्तव में चीजों को पांच-बिंदु पैमाने पर आधारित करते हैं, इसलिए यह हमें देखने और कहने का एक क्रमिक तरीका देता है, कैसे हैं हम वास्तव में इस पैमाने के साथ विकसित हो रहे हैं कि हम कैसे बढ़ रहे हैं?

जब हम परिपक्वता को देख रहे होते हैं, लेकिन जिन चीजों में हम रुचि रखते हैं, उनमें संगठनात्मक परिपक्वता प्राप्त करने के मामले में, हमें संतुलन में रहने की आवश्यकता है। आपको डेटा परिपक्वता प्राप्त करने की आवश्यकता है, और हम कुछ मानदंडों के बारे में बात करेंगे जो आपको वहां करना है, लेकिन आपको उसी समय प्रक्रिया परिपक्वता प्राप्त करने की आवश्यकता है। वे एक ही सिक्के के दो पहलू हैं और उन्हें हाथ से जाना होगा। आप अपनी प्रक्रिया परिपक्वता को बढ़ाए बिना डेटा परिपक्वता के पैमाने पर शून्य से पांच तक जा सकते हैं, और यही प्रक्रिया परिपक्वता के बारे में भी सच है। वे दोनों एक साथ शामिल हो गए हैं और वे सवारी के लिए एक दूसरे को खींचते हैं क्योंकि आप वास्तव में विभिन्न चरणों के माध्यम से विकसित हो रहे हैं। और मैं इस बारे में बात करूंगा कि भविष्य की स्लाइड में यहां थोड़ा अधिक है। जिन दूसरी चीजों के बारे में हमें महसूस करना है, वे दोनों डेटा प्राप्त कर रहे हैं और प्रक्रिया की परिपक्वता उद्यम वास्तुकला के लिए मौलिक है और कुछ शासन की जिन चीजों के बारे में बात कर रहे थे, उनके लिए मौलिक है। हम इनमें से कुछ चीजों में परिपक्वता हासिल करने में सक्षम हैं जो हम करने की कोशिश कर रहे हैं।

अब स्लाइड पर जो जेन ने कहा कि मैं थोड़ा और विस्तार से बात करने जा रहा हूं। मैंने सीएमएम पैमाने का उपयोग करते हुए कुछ श्रेणियां और ली हैं, और मेरे पास वास्तव में मेरा अपना है, मैं वास्तव में स्केल के शीर्ष पर एक शून्य जोड़ देता हूं, क्योंकि कुछ ऐसे उदाहरण हो सकते हैं जहां आपने वास्तव में नहीं बनाया है इन उदाहरणों में कोई भी कर्षण। तो ये सिर्फ पहचान के तरीके हैं जो घटित हुए हैं। इसलिए यदि हम विशेष रूप से डेटा गवर्नेंस को देखते हैं, तो आप शून्य पर शुरू कर सकते हैं क्योंकि आपके पास कोई डेटा गवर्नेंस प्रोग्राम नहीं है। और जैसा कि आप विभिन्न क्षेत्रों के माध्यम से परिपक्व होना शुरू करते हैं, एक बार जब आप इसे परियोजना स्तर पर शुरू करना शुरू करते हैं, तो एक कार्यक्रम स्तर, डिवीजनों के माध्यम से और अंत में उद्यम-व्यापी, यही कारण है कि, शासन के दृष्टिकोण से, आप वास्तव में परिपक्व हो रहे हैं और बढ़ रहे हैं एक संगठन जैसा कि आप ऐसा करते हैं।

उस के अन्य पहलुओं, जैसे कि मास्टर डेटा प्रबंधन, आप एक शून्य पर शुरू कर सकते हैं जिसमें कोई औपचारिक मामला डेटा वर्गीकरण नहीं है। फिर आप प्राप्त करते हैं, आप एक ऐसे बिंदु तक बढ़ते हैं जहां आप पहचानते हैं कि आपके पास मास्टर डेटा है और आप वर्गीकृत करना शुरू कर रहे हैं, लेकिन यह एकीकृत नहीं है। फिर आप एकीकृत और साझा किए गए भंडार की ओर काम करना शुरू करते हैं। फिर जैसा कि आप एक मानकीकृत वातावरण में आते हैं, जब आप डेटा प्रबंधन सेवाएं प्रदान करना चाहते हैं। और जैसा कि आप आगे बढ़ाते हैं, आप मास्टर डेटा स्टैवर्ड स्थापित करने जा रहे हैं और अंततः एक डेटा स्टैडशिप काउंसिल है जो वास्तव में हर समय इसे गंभीरता से देखता है। जब आप अपने तकनीकी वातावरण और एप्लिकेशन और डेटाबेस को डेटा इंटीग्रेशन के नजरिए से देखते हैं, फिर से, एक अपरिपक्व वातावरण में, आप कई तदर्थ, पॉइंट-टू-पॉइंट इंटरफेस और उस प्रकार के एक नंबर पर जा रहे हैं चीज़। और जैसे-जैसे आप बढ़ते हैं, आप कुछ सामान्य टूल और मानकों को पेश करना शुरू करेंगे। फिर जैसे-जैसे आप बड़े होते जाएंगे, आप सामान्य एकीकरण प्लेटफार्मों को देखना शुरू करेंगे। और जैसा कि आप मानकीकृत हो जाते हैं, आप मानकीकृत मिडलवेयर और संभव आसान चीजों पर काम कर रहे होंगे जैसे एंटरप्राइज सर्विस बसें, कैनोनिकल मॉडल, आपके संगठन के सभी डेटा को श्रेणीबद्ध करते हैं, और आपकी रिपॉजिटरी में व्यावसायिक नियमों जैसी चीजों में भी बांधते हैं। बात की। और फिर आगे जाकर जहां आप इसे पूरी तरह से संगठनात्मक संस्कृति में शामिल करते हैं। और हां, गुणवत्ता सर्वोपरि है। जैसा कि जेन ने बात की, बहुत सारे निर्णय और बहुत सारे उपकरण जो वहां हैं, मान लें कि आपके पास उच्च गुणवत्ता वाले डेटा हैं जिनके साथ आप काम कर रहे हैं। इसलिए डेटा गुणवत्ता एक ऐसी चीज़ है जो डेटा परिपक्वता प्राप्त करने का एक बुनियादी आधार है।

फिर, जब आप डेटा को देखते हैं, तो आपके पास अपरिपक्व वातावरण में बहुत सारे सिलोस और बिखरे हुए डेटा हो सकते हैं। आपके पास असंगतताएं हो सकती हैं जिन्हें स्वीकार किया जाता है। और फिर आप उस पर काम करना शुरू करते हैं, असंगत को पहचानते हैं और फिर योजना को देखना शुरू करते हैं। और अगर आप यहां प्रबंधित वातावरण को देखें, तो निर्णय लेने में डेटा का उपयोग करने के लिए उपभोग में डेटा की सफाई बहुत महत्वपूर्ण है। तो क्या हम वास्तव में डेटा क्लींजिंग के बारे में बात कर रहे हैं, जहां हम इसे डेटा वेयरहाउस और अन्य निर्णय-समर्थन टूल में लोड करने जा रहे हैं। और यह उस चीज़ के अनुरूप है जो हम डेटा निर्माण उद्योग के प्रकार में देखते थे, जहाँ लोग उत्पादों का निर्माण करेंगे, वे असेंबली लाइन के नीचे अपना रास्ता बनाएंगे और इसके अंत में, आप उत्पाद का निरीक्षण करेंगे और जाएंगे, "ओह, हमारे यहां दोष हैं। "फिर, एक चीज जो आप कभी नहीं कर सकते हैं वह यह है कि आप किसी उत्पाद की गुणवत्ता को अंत में निरीक्षण करके कभी नहीं सुधार सकते हैं। आप इसके साथ समस्याओं को देख सकते हैं और फिर आप अगले और अन्य लोगों को सुधारने के लिए उपाय कर सकते हैं जो इसके बाद की रेखा से नीचे आते हैं, लेकिन आप इसे अंत में निरीक्षण करके इसे सुधारने के लिए कभी नहीं जा रहे हैं। तो यह वह जगह है, जहां आप आगे बढ़ते हैं, विशेष रूप से डेटा में, आप उपभोग के स्थान पर एक निरीक्षण और सफाई के दृष्टिकोण से अधिक स्थानांतरित करते हैं, जहां आप स्रोत पर उस निर्माण का प्रयास करना शुरू करते हैं, जहां से आप पकड़ते हैं डेटा, प्रक्रियाएँ जो उस डेटा पर कार्य करती हैं, यह सुनिश्चित करती हैं कि डेटा सटीक है और पूरे रास्ते में हर प्रक्रिया में खपत के लिए फिट है। जैसा कि आप आगे विकसित होते हैं, आप एक गुणवत्ता KPI विकसित करना और प्राप्त करना शुरू करते हैं और वास्तव में डेटा गुणवत्ता के लिए उस रोकथाम दृष्टिकोण को विकसित करना शुरू करते हैं जैसे आप आगे बढ़ते हैं।

संगठनात्मक व्यवहार या आपके द्वारा देखी जाने वाली चीजों के संदर्भ में, यदि आपको नहीं लगता कि आपको कोई समस्या है या आप अनजान हैं, तो आप हो सकते हैं, यदि आपके संगठन में कोई इनकार का चरण है, तो मुझे बताता है कि आप नीचे हैं एक स्तर शून्य या संभावित एक में बढ़ रहा है। यदि आपके डेटा के आसपास बहुत अराजकता है और इन विसंगतियों को हल करने की कोशिश कर रहे हैं, तो आप शायद एक स्तर पर हैं। जब आप अभी भी प्रतिक्रियाशील मोड में हैं, तो आप प्रबंधित कर रहे हैं, लेकिन आप तब तक मानकीकृत नहीं होंगे, जब तक आपके पास वास्तव में एक बहुत स्थिर डेटा वातावरण न हो, जो शासन, गुणवत्ता, मास्टर डेटा प्रबंधन और डेटा दोनों को गले लगाता हो एकीकरण, सिर्फ कुछ बिंदुओं के नाम के लिए। और फिर, एक बार जब आप अतीत से जुड़ जाते हैं, तो यह तब होता है जब आप वास्तव में सक्रिय प्रबंधन शैलियों में शामिल होने लगते हैं। यदि आप उस हिस्से में पहुंच जाते हैं, जहां आपके पास बहुत भविष्य कहनेवाला व्यवहार है और इसे वापस करने के लिए एनालिटिक्स और आपके संगठन में इसे वापस करने के लिए KPIs, तो जब हम इसे देखते हैं और कुछ चीजों को ओवरले करते हैं, तो कुछ अन्य चीजें हैं जो हम कर सकते हैं संगठनों के बारे में देखें और वे कहाँ हैं। आइए किसी संगठन में प्राथमिक आईटी फोकस को देखें। यदि आपका आईटी में प्राथमिक ध्यान अभी भी प्रौद्योगिकी और बुनियादी ढांचे पर है, तो आप शायद पैमाने के कम परिपक्व अंत की ओर हैं। लेकिन जब आप वास्तव में सूचना और सूचना-सक्षम रणनीतिक व्यापार सक्षम करने पर ध्यान केंद्रित कर रहे हैं, तो आप पैमाने के परिपक्व अंत के करीब पहुंच रहे हैं। इसके अलावा जब आप इसे डेटा के नजरिए से देखते हैं, यदि आप कम अंत में हैं, तो आपके पास उच्च डेटा जोखिम है, और यदि आप उच्च अंत पर हैं, तो आपने डेटा से संबंधित जोखिम कम कर दिया है। और इसका दूसरा पहलू संगठन का मूल्य सृजन है। कम डेटा परिपक्वता का अर्थ है कि आपके पास संभवतः मूल्य सृजन का काफी निम्न स्तर है, विशेष रूप से आपके संगठन में मौजूद डेटा के संदर्भ में। और जैसे-जैसे आप बड़े होते जाते हैं, आपको एक उच्च मूल्य प्राप्त होता जा रहा है।

आइए इसे डेटा मॉडलिंग के संदर्भ में देखें। कभी-कभी डेटा मॉडलिंग लाल सिर वाले सौतेले बच्चे बन गए हैं। और डेटा परिपक्वता प्राप्त करने के लिए डेटा मॉडलिंग मौलिक है। इसलिए मैं बस कुछ गप्पी संकेतों के बारे में बात करना चाहता हूं कि डेटा मॉडलिंग इस संबंध में कैसे जुड़ा हुआ है। यदि यह छोटे दस्तावेज़ों के लिए दस्तावेज़ या सरल, भौतिक डेटाबेस पीढ़ी के लिए उपयोग किया जा रहा है और उस प्रकार की चीज़ है, तो संभवतः आप डेटा परिपक्वता के मामले में एक स्तर पर नीचे हैं। जैसा कि आप विभिन्न प्रकार के मॉडल को गले लगाना और पहचानना शुरू करते हैं, जिसमें वैचारिक, तार्किक मॉडल और भौतिक मॉडलिंग शामिल है, जहां यह भी है, आप जानते हैं, मूल रूप से आप डिजाइन को चला रहे हैं। आप वास्तव में इसे एक डिज़ाइन के दृष्टिकोण के रूप में उपयोग कर रहे हैं, फिर आप एक स्तर पर हैं।

जब आप एंटरप्राइज़ या विहित मॉडल बनाना, कई अवधारणाओं से परिचय करना और कई मॉडल, डेटा वंश में बांधना और सीधे अपने मॉडल में शासन मेटाडेटा का निर्माण करना शामिल करने लगते हैं, तो आप इसे प्राप्त करना शुरू कर सकते हैं स्तर तीन, और फिर पूर्ण-शासन मेटाडेटा, व्यावसायिक शब्दावली एकीकरण, वगैरह के लिए आगे बढ़ रहा है। जीवन चक्र और डेटा की मूल्य श्रृंखला को देखना तब है जब आप वास्तव में एक स्तर चार पर पहुंचते हैं। और फिर, पूरी तरह से व्यापार शब्दावली, मेटाडेटा के साथ एकीकृत मॉडलिंग, सेल्फ-सर्विस एनालिटिक्स जैसी चीजों को चलाने में सक्षम होने के नाते, यह वास्तव में है जब आपने एक काफी परिपक्व राज्य प्राप्त किया है।

उस भाग और पार्सल के रूप में, मैं डेटा जीवन चक्र के बारे में बहुत संक्षेप में बात करना चाहता हूं। और जिस कारण मैं उस बारे में बात करना चाहता हूं वह है डेटा लाइफ साइकल दुर्भाग्य से काफी बार नजरअंदाज कर दिया जाता है। और इसके बारे में क्या है, यह वास्तव में वर्णन करता है कि एक डेटा तत्व कैसे बनाया जाता है, पढ़ा जाता है, अपडेट किया जाता है या हटा दिया जाता है, और आपके संगठन में उस पर कार्य करने वाली प्रक्रियाएं। इसलिए हममें से जो लंबे समय से उद्योग में हैं, वे इसे सीआरयूडी के रूप में संदर्भित करते हैं क्योंकि यह क्रिएट, रीड, अपडेट और डिलीट है। जब हम अपने संगठन में डेटा के साथ काम कर रहे होते हैं, तो हमें इसे एक मौलिक स्तर पर समझने की आवश्यकता होती है। बहुत सारे कारक खेल में आते हैं। व्यावसायिक नियम क्या हैं जो इस पर कार्य करते हैं? डेटा का उपभोग, उत्पादन या परिवर्तन करने वाली व्यावसायिक प्रक्रियाएँ क्या हैं? वास्तव में उन व्यावसायिक प्रक्रियाओं को लागू करने वाले आवेदन क्या हैं जो आपको ऐसा करने की अनुमति देते हैं? वह सब जो डेटा जीवन चक्र के संदर्भ में आता है।

और फिर, जेन ने इस पर पहले ही विचार कर लिया - जरूरी नहीं कि सत्य का एक स्रोत हो। और कई तरीके हो सकते हैं जो एक विशेष डेटा तत्व बनाया जाता है। और आपको वास्तव में अंदर आना पड़ सकता है, अलग-अलग चीजें कई प्रणालियों या कई इंटेक के माध्यम से आती हैं जिन्हें आपको सामंजस्य करना होगा और उस समय उस विशेष निर्णय के लिए डेटा के उचित स्रोत के साथ आने का संकल्प करना होगा। किसी संगठन में विभिन्न उद्देश्यों के लिए डेटा के कई प्रकार हो सकते हैं। इसे प्राप्त करने में सक्षम होने के लिए, आपको व्यवसाय प्रक्रिया, डेटा वंश को मॉडल करने में सक्षम होना चाहिए जिसमें डेटा प्रवाह, एकीकरण शामिल है और जिसमें ETL जैसी चीजें शामिल हैं, इसलिए अपने डेटा वेयरहाउस, डेटा मार्ट और स्टेजिंग क्षेत्रों के लिए अर्क, परिवर्तन और लोड करें। और निश्चित रूप से बड़े डेटा पक्ष पर डेटा लिंक के रूप में अच्छी तरह से खेलने में आते हैं। जैसा कि आप डेटा झील से इस जानकारी को निकाल रहे हैं, आपको यह जानना होगा कि आप इसका उपभोग कैसे कर रहे हैं और आप इसका उपयोग कैसे कर रहे हैं। जीवन चक्र के संदर्भ में, यह वास्तव में है कि हम नया डेटा कैसे बना रहे हैं या एकत्रित कर रहे हैं, हम इसे कैसे वर्गीकृत कर रहे हैं - क्योंकि आपको इसे समझने और प्रभावी ढंग से काम करने के लिए इसे वर्गीकृत करना है - आप इसे कैसे संग्रहीत कर रहे हैं, आप कैसे इसका उपयोग कर रहे हैं, आप इसे उन व्यावसायिक प्रक्रिया में कैसे संशोधित कर रहे हैं, जहां यह संगठन में साझा किया जा रहा है - और बहुत महत्वपूर्ण: प्रतिधारण और अभिलेखीय। आप कब तक डेटा को बनाए रखते हैं? आप इसे कब संग्रहित करते हैं? आप अंततः उस डेटा को कब नष्ट करते हैं? आपके डेटा जीवन चक्र में उन सभी चीजों पर विचार किया जाना है और आपको अपने संगठन में उच्च स्तर की डेटा परिपक्वता प्राप्त करने के लिए ये सब करना होगा।

अब फ्लिप पक्ष, फिर से, मैंने कहा कि वे जुड़वा बच्चों की तरह हैं जहां आपको डेटा परिपक्वता के साथ प्रक्रिया परिपक्वता के बारे में बात करने की ज़रूरत है - वे हाथ से चलते हैं। फिर, मुझे यहाँ कुछ अलग चीजें मिली हैं और - चिंता न करें कि मैं इन सभी के माध्यम से पढ़ने नहीं जा रहा हूं, लेकिन सिर्फ एक चेकलिस्ट की तरह - फिर से आप आत्म-मूल्यांकन करना शुरू कर सकते हैं कि आपके संगठन के संदर्भ में कहां है प्रक्रिया परिपक्वता की। चलो फिर से अनुकूलित पृष्ठों के माध्यम से प्रारंभिक दाईं ओर की चीजों को देखें। फिर से, हम उसी पांच-बिंदु पैमाने का उपयोग कर रहे हैं जो क्षमता परिपक्वता मॉडल से प्राप्त किया गया था। यदि आप फ़ोकस जैसी चीज़ों को देखते हैं, यदि आप निचले स्तर पर हैं या प्रक्रिया की प्रारंभिक स्तर की परिपक्वता है, तो आप अपने संगठन में पा सकते हैं कि लोग अपने काम को पूरा करने के लिए अपने स्वयं के तरीकों पर भरोसा कर रहे हैं। और आप कुछ नायकों और चीजों को प्राप्त करने में सक्षम होने के लिए इस प्रकार की चीज़ देख सकते हैं। फिर आप उस बिंदु पर जाना शुरू करते हैं जहां आप इसके बारे में अधिक सक्रिय हैं, जहां आपका प्रबंधन कार्य इकाइयों और प्रदर्शन के लिए जिम्मेदारी ले रहा है। फिर आप मानक एकीकृत प्रक्रियाओं को विकसित करना शुरू करते हैं। फिर प्रक्रिया स्थिरता और पुन: उपयोग। फिर आप उन प्रक्रियाओं के बारे में मीट्रिक और KPI की गणना करने के लिए और अंत में अनुकूलन के पूर्ण स्तर तक गणना करने के लिए मेंटरिंग और सांख्यिकीय प्रबंधन की संस्कृति का अधिक देखना शुरू करते हैं।

जब आप कार्य प्रबंधन को देखते हैं, तो आप जा सकते हैं, आप एक ऐसे क्षेत्र से जा रहे हैं जहाँ आपके पास कार्य प्रबंधन के असंगत स्तर अधिक प्रबंधित हैं, जहाँ आप कम से कम उच्च स्तर पर संसाधनों के प्रति अपनी प्रतिबद्धता को संतुलित कर रहे हैं। फिर एक ऐसे बिंदु पर जहां आप एक अधिक अनुकूलनीय या चुस्त संगठन हैं, ताकि आप अपनी प्रक्रियाओं को मानकीकृत कर सकें, लेकिन अपने संगठन में विभिन्न परिस्थितियों में उपयोग किए जाने वाले सर्वोत्तम के लिए उन्हें दर्जी बना सकते हैं। और जब आप उन्नत हो जाते हैं, तो यह सशक्तिकरण बहुत महत्वपूर्ण है, और इसका मतलब है कि हर कोई सहजता से समझता है कि क्या चल रहा है और कर्मचारियों के पास प्रक्रिया डेटा है, इसलिए वे अपने स्वयं के काम का मूल्यांकन और प्रबंधन कर सकते हैं।

फिर से, विनिर्माण सादृश्य पर वापस जा रहे हैं - जब हमने देखा कि, जैसा कि हमने अपनी विधानसभा लाइनों और उद्योग में सब कुछ को आधुनिक बनाना शुरू कर दिया है, हमने विधानसभा लाइन पर भी कुल गुणवत्ता और श्रमिकों के सशक्तिकरण के बारे में बात करना शुरू कर दिया है, जहां अगर किसी ने देखा उत्पादन के किसी भी विशेष चरण में कुछ गलत होने पर, लोगों को अधिकार दिया गया कि वे बड़े लाल बटन को मार सकते हैं और पूरी विधानसभा लाइन को बंद कर सकते हैं जब तक कि समस्याओं को आगे बढ़ने से पहले हल नहीं किया जाता। और यह उस प्रकार की मानसिकता और एक प्रकार की संस्कृति है जिसे हम अपनी प्रक्रियाओं में डेटा के लिए देख रहे हैं ताकि यह सुनिश्चित हो सके कि हम वास्तव में हमारे संगठन में हमारे डेटा और हमारी प्रक्रियाओं का अनुकूलन कर रहे हैं।

आपकी संस्कृति के अन्य संकेतक - क्या आपकी व्यावसायिक प्रक्रियाओं में सुधार के लिए वास्तविक प्रतिबद्धता के लिए कोई पहचान योग्य आधार नहीं है? क्या जिम्मेदारी का एक प्रतिनिधिमंडल है, जिसे हम आगे देख रहे हैं? और जैसा कि आप आगे बढ़ रहे हैं, आपके पास अभी भी सिलोस हो सकता है, लेकिन जैसा कि आप संस्कृति और उन चीजों के बारे में बात करना शुरू करते हैं जो आप अपनी व्यावसायिक प्रक्रिया पर कर रहे हैं, आप उन अलग-अलग व्यवसाय साइलो और लीवरेजिंग को भी तोड़ रहे हैं। आपके संगठन में प्रक्रियाएँ। यह बहुत महत्वपूर्ण है कि, जैसा कि आप ईवेंट स्टेज पर पहुंचते हैं, आप वास्तव में क्या आधार दे रहे हैं, बल्कि यह महसूस करते हैं कि आप वास्तव में क्वालिटी मेट्रिक्स एकत्र कर रहे हैं, और आपके पास अपने व्यवसाय के प्रदर्शन में अपनी क्षमता का अनुमान लगाने के लिए मेट्रिक्स हैं। संचालन, और यह अत्यंत महत्वपूर्ण है।

वास्तुकला के संदर्भ में, इस बारे में बात करते हैं क्योंकि हम में से बहुत से लोग आईटी में हैं या हमेशा आईटी में देख रहे हैं। फिर से, उसी प्रकार की चीजें जो हमने डेटा में देखीं। यदि आपके पास प्रक्रिया की परिपक्वता के प्रारंभिक चरणों में नीचे हैं, तो हमारे पास हताश आईटी सिस्टम हैं। एक बार जब आप अपनी प्रक्रियाओं का प्रबंधन करना शुरू कर देते हैं, तो आप कुछ सेवाओं को स्थापित करने जा रहे हैं, जहाँ आप वास्तव में सेवाओं-आधारित दृष्टिकोण को अपना रहे हैं। यदि आप मानकीकृत हो जाते हैं, तो आप डेटा और सेवाओं और प्रक्रिया सेवाओं और उस प्रकार की चीज़ों के संदर्भ में पूर्ण-सेवा को अपनाने वाले हैं, जहाँ आपको पूर्ण सेवा या नई वास्तुकला मिलती है। और फिर अंततः एक पूर्ण प्रक्रिया-संचालित उद्यम जो आपके डेटा का उपयोग कर रहा है।

फिर से, इस प्रकार के तराजू जब हम इसे देखते हैं। उत्पादकता के मामले में, प्रक्रिया परिपक्वता के निम्न स्तर पर, आप उत्पादकता के निम्न स्तर और उच्च प्रक्रिया परिपक्वता देखने जा रहे हैं, आप बहुत अधिक उत्पादकता देखने जा रहे हैं। और गुणवत्ता भी उसी के साथ हाथ से जाती है। डेटा के समान ही - यदि आप परिपक्वता के निम्न स्तर पर हैं तो आपको उच्च स्तर का जोखिम और उच्च स्तर का अपशिष्ट भी दिखाई देगा। लेकिन आपकी परिपक्वता का स्तर जितना अधिक होगा, आप उतना कम और जोखिम कम करते जा रहे हैं और अपशिष्ट को काफी कम कर रहे हैं। कुछ चीजों के संदर्भ में जिन्हें आप संगठन में लक्षण या संकेतक के रूप में देख सकते हैं, यदि प्राथमिक दर्शन लागत में कटौती के आसपास आधारित है, तो आप शायद प्रक्रिया परिपक्वता के निम्न स्तर पर हैं। यह तब स्नातक होने जा रहा है और आपके संगठन में दक्षता को अधिक बारीकी से देखने की ओर बढ़ रहा है और फिर जैसे ही आप बहुत परिपक्व स्तर पर पहुंचते हैं, आप फिर से मूल्य सृजन पर ध्यान केंद्रित करने जा रहे हैं।

एक संगठनात्मक प्रबंधन के दृष्टिकोण से, यदि अराजकता शासन करती है, तो यह आमतौर पर, फिर से, कम-प्रक्रिया-परिपक्वता संगठनों का एक लक्षण है। लेकिन आप इस बात पर ध्यान केंद्रित करना शुरू करते हैं कि मैं प्रबंधन की मानसिकता को और अधिक कैसे कहता हूं - और डिक्री द्वारा कुछ प्रबंधन हो सकता है, या चीजों को थोपना - जहां आप वास्तव में तब हैं, जब आप अधिक परिपक्व स्तरों पर पहुंचते हैं, तो आपका प्रबंधन अनुवाद करता है। नेतृत्व का अधिक। दूसरे शब्दों में, सुधार का दर्शन संस्कृति में और सीईओ नीचे से अंतर्निहित है, वे प्रक्रियाओं में सुधार और पूरे, अपने संगठन में निरंतर सुधार के पूरे दर्शन को बढ़ावा दे रहे हैं।

प्रक्रिया मॉडल के संदर्भ में - और मैं इन चीजों के माध्यम से यहां बहुत जल्दी से जाऊंगा - फिर से प्रक्रिया मॉडल पर नजर डालते हैं क्योंकि वे प्रक्रिया परिपक्वता में खुद को बांधते हैं। डेटा परिपक्वता पर देखी गई चीजों के समान ही, जहां निम्न स्तर या एक स्तर पर, आप सिर्फ प्रक्रियाओं या वर्तमान राज्य प्रक्रिया का दस्तावेजीकरण कर सकते हैं, लेकिन आप वास्तव में चीजों को आगे बढ़ाने के संदर्भ में इसका उपयोग नहीं कर रहे हैं। जैसा कि आप परिपक्व होना शुरू करते हैं, आप संगठन में वास्तविक व्यवसाय प्रक्रिया प्रबंधन को चलाने के लिए व्यवसाय प्रक्रिया मॉडलिंग का उपयोग करने जा रहे हैं, फिर आगे भी विकसित करें जहां आप इसका उपयोग कर रहे हैं और लगातार उन मॉडल को अपडेट करने के लिए प्रक्रिया में सुधार कर रहे हैं, जहां आप अंततः हैं प्रक्रिया डिजाइन के लिए मिलता है। और फिर जब आप पूर्ण परिपक्व हो जाते हैं, या, आप जानते हैं, जो आप आम तौर पर दुबले या संगठनों में देखते हैं, जिन्होंने उच्च गुणवत्ता वाले कार्यक्रमों को अपनाया है, जैसे कि सिग्मा, यही वह जगह है जहां आप निरंतर सुधार मानसिकता रखते हैं और यह मॉडलिंग के अधिकार में शामिल है आपकी संगठन। तो जैसे हम उत्पादों के निर्माण के लिए इंजीनियरिंग ब्लूप्रिंट का उपयोग करते हैं, चाहे वह हवाई जहाज हो या इमारतें और गगनचुंबी इमारतें और उस प्रकार की वस्तु, हम अपने मॉडल पर भरोसा करते हुए वास्तव में अपने व्यवसाय को आगे बढ़ाते हैं, क्योंकि यह डिजाइन तत्व है जो वास्तव में हमारे संगठनात्मक क्षेत्र को आगे बढ़ाता है। ।

अब, फिर से, मैं इस और हर एक शब्द के माध्यम से यहाँ विस्तार से नहीं जा रहा हूँ। मैंने जो किया है, मैंने उन दो सरल ग्रिड स्लाइड्स को लिया है और मैंने कई शब्दों को चुना है जो डेटा परिपक्वता और प्रक्रिया परिपक्वता दोनों के लिए उन कुछ अन्य विवरणों में उपयोग किए गए थे। इसलिए जब आप इस तथ्य के बाद इसे देखते हैं तो आप कुछ ऐसे शब्दों के बारे में सोचना शुरू कर सकते हैं जिन्हें आप अपनी आंतरिक संस्कृतियों में उन चीजों के संदर्भ में देख रहे हैं जो कहा जा रहा है। और इससे आपको वर्गीकृत करने में मदद मिलेगी, जहां एक समग्र संगठन के रूप में, क्या हम समग्र रूप से इस परिपक्वता के पैमाने पर फिट होना शुरू कर रहे हैं। इसलिए यदि आप असंगति या स्थिर या अक्षमता जैसी चीजों को देख रहे हैं, तो अक्सर या अराजकता होती है, आप आम तौर पर पैमाने के निचले छोर पर रहने वाले हैं। जब आप निरंतर सुधार, रणनीतिक संरेखण, दोषों और गुणवत्ता और उस प्रकार की पूर्णता, पूर्ण एकीकरण के लिए एक निवारक दृष्टिकोण जैसी चीजों के बारे में सोचना शुरू करते हैं और आप प्रतिस्पर्धात्मक लाभ में सर्वोत्तम प्रथाओं के बारे में बात कर रहे हैं, तो जब आप खुद को देखने जा रहे हैं। ऑप्टिमाइज़र पर, स्केल का उच्च अंत।

फिर से, कुछ ऐसा जो मैं इंगित करना चाहता हूं कि जब आप डेटा गवर्नेंस को देखना शुरू करते हैं, विशेष रूप से जब आप स्केल के निचले भाग को देखते हैं, तो प्रारंभिक अवस्था में होता है, डेटा गवर्नेंस केवल व्यक्तिगत प्रोजेक्ट स्तरों पर पेश किया जा सकता है। आपको एक ऐसे बिंदु पर विकसित होने की आवश्यकता है जहां डेटा गवर्नेंस और विशेष लक्ष्य प्रोजेक्ट डेटा गवर्नेंस से है और यह प्रोग्राम और डिविजनल डेटा गवर्नेंस के माध्यम से विकसित हुआ है, जहां फिर से यह उद्यम चौड़ा है और संगठन में समग्र रूप से एम्बेडेड है।

मैंने इस तथ्य के बारे में बात की है कि ये वास्तव में जुड़वा हैं जो डेटा परिपक्वता और प्रक्रिया परिपक्वता के संदर्भ में एक साथ काम करते हैं। उस परिपक्वता को प्राप्त करने में, पैमाने के दोनों ओर एक यात्रा है और आप कदम नहीं बढ़ा सकते। यदि आप एक शून्य में हैं, तो आप एक, दो, तीन, चार चरणों के माध्यम से विकसित होने जा रहे हैं और अंत में पांच तक पहुंचेंगे। और दुनिया में बहुत कम संगठन वास्तव में एक पाँच पर हैं। तो बहुत सारे संगठन एक बिंदु पर खुश होने से अधिक होंगे जहां वे तीन पर हैं और फिर एक स्प्रिंगबोर्ड के रूप में उपयोग करने में सक्षम होंगे। और फिर, आप नहीं जा सकते, आप डेटा परिपक्वता से चार में नहीं हो सकते हैं और एक प्रक्रिया परिपक्वता पर। यह सिर्फ इसलिए काम नहीं करता है क्योंकि वे इतने परस्पर जुड़े हुए हैं कि आपको एक दूसरे के साथ मिलकर अपने डेटा और प्रक्रियाओं को समझना और संभालना पड़ता है।

यह सोचने के लिए एक अच्छा सादृश्य है कि संगठित परिपक्वता की ओर आपकी यात्रा पर, मान लें कि आपकी टीम में दो लोग शामिल हैं: एक प्रक्रिया परिपक्वता है और दूसरा डेटा परिपक्वता है। आप एक बाधा कोर्स चला रहे हैं और आप एक छोटी रस्सी के साथ बंधे हैं। और उस पाठ्यक्रम के अंत तक पहुंचने के लिए, इसका मतलब है कि आप दोनों को न केवल बाधाओं से गुजरना होगा, बल्कि आपको सभी बाधाओं को लगभग एक ही समय में प्राप्त करना होगा या एक दूसरे के बहुत करीब होना होगा। आगे बढ़ने और अगली बाधा को प्राप्त करने में सक्षम। प्रक्रिया की परिपक्वता और डेटा परिपक्वता को संतुलित करने के बारे में सोचने का यह एक अच्छा तरीका है। इसलिए दूसरे शब्दों में, आप कुछ प्रक्रिया-केंद्रित हो सकते हैं और आप कुछ हद तक डेटा-केंद्रित हो सकते हैं, लेकिन यह एक प्रमुख संकेतक होने जा रहा है, और वास्तव में आपको स्तरों के माध्यम से ऊपर लाने के लिए बहुत अंतर नहीं हो सकता है।

और फिर जब हम इसे डेटा गवर्नेंस से फिर से देखते हैं, तो जिन चीजों के बारे में आप नहीं जानते थे, उनमें से एक बात, क्या वास्तव में DAMA ने इस साल की शुरुआत में डेटा मैनेजमेंट बॉडी ऑफ नॉलेज वॉल्यूम दो और उससे पहले जारी की थी वहाँ वास्तविक DAMA पहिया बदल गया है। और मैंने वास्तव में इसे थोड़ा अलग तरीके से दर्शाया, जहां डेटा शासन केंद्र में है और विभिन्न पहिया के चारों ओर दस अलग-अलग श्रेणियां हैं। यहाँ पर देखने के लिए कुछ बहुत महत्वपूर्ण है डेटा मॉडलिंग और डिज़ाइन वास्तव में पहिया पर अब अपने क्षेत्र हैं - यह पहले वाले अन्य लोगों की तरह मिश्रित था। उन चीजों में से एक जो एक बहुत ही मौलिक बिंदु है, विशेष रूप से डेटा मॉडलिंग इन सभी अन्य पहलुओं के लिए मौलिक है क्योंकि, चाहे हम अपने डेटाबेस के डेटा मॉडलिंग कर रहे हों या मेटाडेटा जो हम काम कर रहे हैं, डेटा मॉडलिंग की एक भूमिका है। इन सभी अन्य टुकड़ों में खेलें जिनके बारे में हम बात कर रहे हैं। और प्रक्रिया मॉडलिंग में भी इन चीजों की एक बहुत कुछ करने के लिए एक भूमिका है क्योंकि डेटा को समझने के अलावा, हमें यह समझने की आवश्यकता है कि इसका उपयोग कैसे किया जाता है और यही प्रक्रिया मॉडलिंग वास्तव में हमें ऐसा करने में मदद करती है।

अब चलो गियर को थोड़ा बदल दें और उद्यम वास्तुकला के बारे में बात करें। और मॉडल उद्यम वास्तुकला के लिए भी महत्वपूर्ण हैं। और मैं इसे उदाहरण के आधार पर बता रहा हूं और यह ज़चमान ढांचा है जो मैं यहां बहुत जल्दी दिखा रहा हूं। और जब आप इसे देखते हैं, तो आप यहां कई चीजें देखते हैं। आप शीर्ष पर पैमाने की तरह क्या, कैसे, कहाँ, कौन, कब और क्यों देखते हैं। और फिर आप विस्तार के अधिक विस्तृत स्तरों से गुजरते हैं, यदि आप मॉडलिंग के प्रकार या उन चीजों के प्रकार के बारे में हैं, जो आप उद्यम वास्तुकला के संदर्भ में एक बहुत ही उच्च स्तर से नीचे विस्तृत स्तर तक ले जा रहे हैं, शारीरिक कार्यान्वयन भी शामिल है। यदि आप पहले कॉलम को देखते हैं, तो डेटा गहन और डेटा क्या शामिल है। कैसे बहुत प्रक्रिया संचालित है। और यदि आप अन्य पहलुओं को देखते हैं, तो आप बाकी जानकारी को चलाने के संदर्भ में प्रक्रिया और डेटा मॉडलिंग के संयोजन का उपयोग करने जा रहे हैं। आप इन सभी अलग-अलग चीजों के बारे में डेटा रखने जा रहे हैं और आपके प्रक्रिया मॉडल भी चीजों को टाई करने जा रहे हैं, जैसे कि जहां चीजें होती हैं, जिम्मेदारी। और यह भी प्रक्रिया मॉडलिंग के संदर्भ में कि हम अपने उपकरणों में भी करते हैं, आप इसे लक्ष्य और रिश्तों और व्यावसायिक नियमों में बाँधना शुरू कर सकते हैं और साथ ही इन विभिन्न चीजों को चला रहे हैं जो आप कर रहे हैं।

ज़चमन ढांचे के समग्र दृष्टिकोण से, इस बारे में सोचने के अच्छे तरीकों में से एक आप मॉडल चालित हैं और आप वास्तव में विभिन्न स्तरों से गुजर रहे हैं। तो आप एक उच्च-स्तरीय गुंजाइश और प्रासंगिक के साथ शुरू कर रहे हैं। फिर आप व्यवसाय मॉडल की ओर विकसित हो रहे हैं, सिस्टम मॉडल में, फिर प्रौद्योगिकी मॉडल, और फिर तकनीकी मॉडलों के साथ-साथ आपके बहुत विस्तृत प्रतिनिधित्व के लिए। और फिर, डेटा क्या दर्शाता है, प्रक्रिया कैसे है और यह वास्तव में डेटा और प्रक्रिया का एक संयोजन है जो यहां अन्य सभी विशेषताओं को ड्राइव करता है।

उसके आधार पर, यह कोई संयोग नहीं है कि जिस तरह से हम उद्यम वास्तुकला विचार देखते हैं, वह कुछ अन्य लोगों की तुलना में थोड़ा अलग है। काफी बार, आप उद्यम वास्तुकला के चार स्तंभों के बारे में सुनेंगे जो डेटा, अधिग्रहण, व्यापार और तकनीकी वास्तुकला है। हम इसे थोड़ा अलग तरीके से देखते हैं। हम डेटा आर्किटेक्चर को मूलभूत नींव के रूप में देखते हैं जो सभी एंटरप्राइज़ आर्किटेक्चर को दो कारणों से संचालित करता है। एक, यह वह जगह है जहां यह शुरू हुआ। यहां तक ​​कि ज़चमान ढांचे जैसी चीजें मुख्य रूप से डेटा आर्किटेक्चर से बढ़ीं, और फिर वास्तुकला के अन्य पहलुओं को भी गले लगाने के लिए बढ़ीं। और दो, क्योंकि प्रक्रिया और डेटा के बीच मौलिक टाई। इसलिए हम व्यावसायिक वास्तुकला को उद्यम वास्तुकला के केंद्रीय स्तंभ के रूप में देखते हैं। और फिर, निश्चित रूप से, यह एप्लिकेशन आर्किटेक्चर और तकनीकी आर्किटेक्चर द्वारा सराहना की जाती है, जो हमें सही उद्यम सक्षमता प्रदान करने की अनुमति देने के लिए पूर्ण आवश्यकता एनबलर हैं। अब, जब हम ईआर स्टूडियो एंटरप्राइज टीम संस्करण, हमारे एकीकृत मॉडलिंग प्लेटफॉर्म के संदर्भ में देखते हैं, तो यह इस तरह से चलता है। और यह कुछ मॉडलिंग का एक उच्च-स्तरीय संदर्भ आरेख है जो हम करते हैं और इसके पीछे कुछ बुनियादी बातें हैं। और यह वास्तव में संचालित है, यह वास्तव में एक प्रक्रिया आरेख में आरेखित है। इसलिए जब हम अपने डेटा आर्किटेक्चर के टुकड़े को विशेष रूप से देखते हैं और नीचे हमारे बिजनेस आर्किटेक्चर को देखते हैं, तो हम रोल-आधारित टूल की आपूर्ति करते हैं।

और जब आप नीचे बायें कोने में हमारे बिज़नेस आर्किटेक्ट टूल को देखते हैं, तो यही वह जगह है जहाँ आमतौर पर बिजनेस एनालिस्ट और बिजनेस आर्किटेक्ट काम करते हैं। और वे आम तौर पर कुछ व्यावसायिक प्रक्रियाओं पर ध्यान केंद्रित कर रहे हैं और उन्हें बाहर निकालना शुरू कर रहे हैं। लेकिन वे भी किस पर केंद्रित हैं। तो फिर हम कुछ वैचारिक डेटा मॉडलिंग और उस प्रकार का काम करना शुरू करते हैं। हम अपने डेटा मॉडलिंग टूल और डेटा आर्किटेक्ट में उन वैचारिक मॉडलिंग घटकों का लाभ उठा सकते हैं, जहां वे तार्किक डेटा मॉडल में और फिर निश्चित रूप से भौतिक मॉडल के बारे में विस्तार से बताएंगे ताकि हम भौतिक डेटाबेस उत्पन्न कर सकें। और हम पीछे भी धकेल सकते हैं ताकि वैचारिक मॉडल व्यावसायिक वास्तुकला के क्षेत्र में उन्नत हो। यहां एक बहुत महत्वपूर्ण बात यह है कि हम विभिन्न प्रकार के मॉडलिंग का समर्थन करते हैं। तो, फिर से, बीआई बहुत महत्वपूर्ण है और डेटा झीलों और उन प्रकार की चीजें हैं, इसलिए हम वास्तव में कुछ मॉडलिंग भी करते हैं और उसी के हिस्से के रूप में, हम डेटा वंश मॉडलिंग करते हैं। तो न केवल ETL के संदर्भ में कि कैसे आप अपने भौतिक मॉडल से डेटा वेयरहाउस के लिए अपने डायनेमिक मॉडल में मैपिंग करते हैं या अपने डेटा झीलों से चीजों को लाते हैं और यह देखते हैं कि उन नक्शे को कैसे बनाते हैं, हम उन सभी चीजों को एक साथ जोड़ सकते हैं। बड़े डेटा प्लेटफ़ॉर्म से अन्य मॉडलिंग प्लेटफार्मों से रिवर्स इंजीनियरिंग को अग्रेषित करने के साथ-साथ।

और फिर ईटीएल उपकरण जैसी चीजें भी हैं, इसलिए हम वास्तव में ईटीएल विनिर्देशों से सीधे डेटा वंश आरेख प्राप्त करना शुरू कर सकते हैं जो आपके अपने वातावरण में हो सकते हैं। यह जानना भी बहुत ज़रूरी है कि हमें रिलेशनल मॉडलिंग से परे विस्तार करना होगा। हमारे पास Hive और विशेष रूप से MongoDB जैसे कुछ प्लेटफ़ॉर्म हैं, अब हम दस्तावेज़ स्टोर के बारे में बात करना शुरू कर रहे हैं, जहां हमारे पास एम्बेडेड ऑब्जेक्ट्स और सरणियों जैसी अवधारणाएं हैं। हमने वास्तव में इस प्रकार के मॉडलों को समायोजित करने में सक्षम होने के लिए इस धारणा का विस्तार किया है क्योंकि यह एक गैर-संबंधपरक अवधारणा है। डेटा आर्किटेक्चर के संदर्भ में हमने डेटा आर्किटेक्ट टूल में जो कुछ भी बनाया है, चाहे वह तार्किक इकाइयाँ हों या भौतिक तालिकाएँ और उनकी विशेषताएँ हों, फिर उन्हें बिजनेस प्रोसेसिंग मॉडलिंग में भी वापस धकेला जा सकता है। इसलिए जैसा कि आप अपने व्यवसाय प्रक्रिया मॉडल को उच्च स्तर से विस्तृत कर रहे हैं और निम्न स्तर पर ले जा रहे हैं, आप वास्तव में वास्तविक डेटा तत्वों में लिंक कर सकते हैं। तो आप अभिनय कर सकते हैं, हम वास्तव में क्या हो रहा है की CRUD मैट्रिसेस निर्दिष्ट कर सकते हैं। इसलिए आपको वह डेटा जीवन चक्र दिया जा रहा है, जिसके बारे में मैंने प्रक्रिया स्तर पर बनाने, पढ़ने, अपडेट करने और हटाने के बारे में बात की थी। और हम पूर्ण बीपीएम प्रक्रिया मॉडलिंग करते हैं, साथ ही साथ ओवरले के अपने सेट के साथ मॉडलिंग करते हैं, इसलिए आप व्यापार रणनीतियों, व्यवसाय लक्ष्यों में टाई करना शुरू कर सकते हैं। इसके अलावा, हम उन अनुप्रयोगों में भी टाई कर सकते हैं जो इन व्यावसायिक प्रक्रियाओं को लागू कर रहे हैं, सभी एक मॉडल-संचालित दृष्टिकोण से।

हमारे डेटा मॉडल में अन्य चीजें बेहद महत्वपूर्ण हैं। डेटा शासन विशेषताओं या डेटा गुणवत्ता विशेषताओं में महारत हासिल है और प्रबंधन। जिन विशेषताओं को आप ट्रैक करना चाहते हैं, उनके लिए आप अपने स्वयं के मेटाडेटा को परिभाषित और निर्मित कर सकते हैं, और इसका मतलब है कि अब आप अपने मॉडल का उपयोग ब्लूप्रिंट के रूप में करने के लिए कर रहे हैं जो कि आपके संपूर्ण संगठन के माध्यम से, आपके मेटाडेटा रिपॉजिटरी और अन्य सभी चीजों में। और निश्चित रूप से, मॉडलिंग की सीमाओं में से एक, कई साल पहले जब उद्योग में हम में से बहुत कुछ ऐसा करने लगे, तो क्या हम इन मॉडलों का उत्पादन करेंगे। हम क्या करेंगे? हम उन्हें प्रिंट कर लेंगे, हम उन्हें एक दीवार पर रख देंगे, संभवतः टीम के सदस्यों को साझा करने के लिए और उस प्रकार की चीज के लिए। इसका सही मूल्य हमारे संगठनों के भीतर साझा करने और सहयोग करने में सक्षम है। इसलिए हमारे पास अपने मॉडल और कार्य स्थान की जांच करने और उसे देखने के लिए एक रिपॉजिटरी-संचालित दृष्टिकोण है। और हम उन्हें अपने घटकों के साथ साझा करते हैं जो संगठन हैं, चाहे वे अन्य तकनीकी हितधारक हों, व्यवसाय उपयोगकर्ता और उस प्रकार की चीज। और टीम सर्वर नामक हमारे सहयोग मंच में भी टाई।

इसलिए हमने पहले के व्यापार शब्दावली और शर्तों और उस के महत्व और व्यवसाय के लिए उस शब्दावली को विकसित करने के बारे में बात की। यह सब टीम सर्वर में है, जहां उपयोगकर्ता, व्यावसायिक उपयोगकर्ता उन शर्तों पर सहयोग कर सकते हैं। वे दृश्यमान हैं, डेटा आर्किटेक्ट में प्रयोग करने योग्य हैं, उदाहरण के लिए, डेटा मॉडल के पास और निश्चित रूप से इनमें से कई व्यावसायिक शब्दकोष अक्सर कुछ डेटा शब्दकोशों से उत्पन्न होते हैं जो हमने अपने डेटा मॉडल में बनाए हैं। हम उन लोगों को बाहर धकेल सकते हैं- इसके अलावा डेटा आर्किटेक्ट टूल्स से, एक शुरुआती बिंदु व्यवसाय शब्दावली है, जहां उन्हें आगे परिष्कृत किया जा सकता है, और सभी इसके साथ-साथ परिवर्तन प्रबंधन के साथ।

वह बहुत कुछ था। बस संक्षेप में, जिन चीजों के बारे में हमने बात की, उनमें से एक सही संगठनात्मक परिपक्वता की कोशिश करना है, आपको एक संतुलित दृष्टिकोण की आवश्यकता है जिसमें डेटा परिपक्वता और प्रक्रिया परिपक्वता शामिल है। आप एक के बिना दूसरे को हासिल नहीं कर सकते। फिर, मौलिक, आपको दोनों की आवश्यकता है और इस पर भरोसा करने की आवश्यकता है, विशेष रूप से, डेटा मॉडलिंग और एंटरप्राइज़ आर्किटेक्चर और डेटा गवर्नेंस और प्रोसेस गवर्नेंस दोनों के लिए मॉडलिंग के साथ-साथ आपके संगठनों में भी। एंटरप्राइज़ आर्किटेक्चर वास्तव में इन विभिन्न पहलुओं और दृष्टिकोणों को देखने के मामले में इसे एक साथ जोड़ता है। आपको ऐसा करने के लिए एक ठोस डेटा आर्किटेक्चर फाउंडेशन की आवश्यकता है और आपको उस व्यावसायिक संदर्भ को प्रदान करने के लिए एकीकृत प्रक्रिया मॉडलिंग की आवश्यकता होती है और आपको अपनी व्यवसाय प्रक्रिया और अपने डेटा की खपत को आगे बढ़ाने की अनुमति मिलती है। फिर से, पहले से कहीं ज्यादा महत्वपूर्ण। मैं कह सकता हूं, जो पुराना है वह फिर से नया है। इसलिए डेटा मॉडलिंग, प्रोसेस मॉडलिंग, वंश, मेटाडेटा और शब्दकोष इसे प्राप्त करने में सक्षम हैं और ईआर / स्टूडियो एंटरप्राइज टीम संस्करण एक सहयोगी मंच है जो इस सब को एक साथ लाता है।

और इसके साथ, हम प्रश्नों पर आगे बढ़ सकते हैं।

एरिक कवनघ: ठीक है।

रॉन Huizenga: हम आप के लिए, एरिक जाना होगा।

एरिक कवनघ: रॉन, मुझे इन विभिन्न प्रक्रियाओं और रूपरेखाओं के दस्तावेजीकरण में लगाए गए सभी प्रयासों के लिए अपनी टोपी की टिप आपको देनी होगी। यह बहुत सी सामग्री है जो आपको वहां मिली है। मुझे लगता है कि मेरे पास जो बड़ा सवाल है, वह यह है कि किसी संगठन में इस सामान की देखरेख किस तरह की जानी चाहिए, क्योंकि आप इतने अलग-अलग चीजों को छूते हैं। आप प्रक्रियाओं का आंकलन करते हैं, यह एक मुख्य परिचालन अधिकारी या कुछ संचालन व्यक्ति होने जा रहा है। डेटा जीवन चक्र, आपको लगता है कि शायद एक मुख्य डेटा अधिकारी होने जा रहा है। आप व्यापार के लिए कई अलग-अलग हिस्सों और इतने सारे अलग-अलग घटकों को छू रहे हैं। आप कैसे सही व्यक्ति या लोगों का समूह पाते हैं, और क्या यह एक संचालन समिति है? यह क्या है? आप हमें इस बारे में क्या बता सकते हैं कि किसी संगठन में ऐसा कौन करना चाहिए?

रॉन Huizenga: तुम्हें पता है, यह एक दिलचस्प सवाल है। हम वास्तव में एक दिन बिता सकते हैं जिसमें विभिन्न विभिन्न दृष्टिकोणों के गुणों पर चर्चा की जा सकती है। लेकिन कुछ ऐसा है जो मैंने निश्चित रूप से देखा था, आप जानते हैं, जैसा कि मैं उत्पाद प्रबंधन की भूमिका में आने से पहले परामर्श कर रहा था, जब मैंने संगठन को देखा है, तो यह समस्या का हिस्सा हो गया है और स्वामित्व प्राप्त करने के लिए लोगों को मिल रहा है। और जब हम अपने डेटा मॉडलिंग और यहां तक ​​कि हमारी व्यवसाय प्रक्रिया मॉडलिंग, या शुरुआती दिनों में भी डेटा प्रवाह आरेख और उन प्रकार की चीजों को देखते हैं, तो आईटी से इस तरह का विकास होता है। लेकिन जैसा कि हम आगे बढ़ चुके हैं, और मुझे लगता है कि अब हम अधिक से अधिक पहचान रहे हैं कि यह वास्तव में व्यवसाय संचालित होना है। तो आप वास्तव में इस व्यवसाय में होने के लिए स्वामित्व चाहते हैं।

और मैं यहां कुछ आईटी लोगों को बंद करने जा रहा हूं, लेकिन मेरा दृढ़ विश्वास है कि जिस कारण से हमने मुख्य डेटा अधिकारी की भूमिका का विकास देखा है वह यह है कि ज्यादातर संगठनों में सीआईओ की भूमिका इस पर विफल रही है। और ऐसा इसलिए है क्योंकि बहुत सारे सीआईओ डेटा और प्रक्रिया केंद्रित होने के बजाय तकनीकी रूप से केंद्रित हैं। इसलिए मुझे लगता है कि आपको वास्तव में ऐसा करने की आवश्यकता है, आपको शायद बड़े संगठनों में किसी प्रकार की संचालन समिति की आवश्यकता होगी। लेकिन यह वास्तव में व्यवसाय के स्वामित्व की आवश्यकता है। मैं तर्क देता हूं कि आपका व्यवसाय, आपकी प्रक्रिया मॉडलिंग, आपका डेटा मॉडलिंग, सभी को व्यवसाय में होने की आवश्यकता है, क्योंकि इससे आपको यह सुनिश्चित करने की क्षमता मिलती है कि आईटी, जो डेटा का संरक्षक है और उन प्रक्रियाओं को लागू करता है जिसके माध्यम से वे 'फिर से बना रहे हैं, आपके पास यह सुनिश्चित करने के लिए कि यह वास्तव में व्यवसाय के स्वामित्व में है, तो यह हथौड़ा है।

एरिक Kavanagh: हाँ, मुझे लगता है कि मैं इससे सहमत हूँ। लेकिन जेन, उस पर आपका क्या विचार है?

जेन अंडरवुड: तो यह वास्तव में दिलचस्प है। यही कारण है कि जब मैं लोगों को देखभाल करने और संवादात्मक होने के लिए कह रहा था, तो शायद मैं महत्वपूर्ण चीजों में से एक था। एक बिंदु पर, मैंने एक श्वेत पत्र के बारे में लिखा था, यह स्व-सेवा बीआई गवर्नेंस था जो इसके समान है। यह एक ऐसा मामला है, जो लोगों को प्रेरित करने का एक तरीका खोज रहा है, इसका व्यवसाय मूल्य पक्ष, उन्हें इसके बारे में देखभाल करने के लिए प्राप्त करना। और फिर जब वे देखते हैं, या वे पाते हैं, चाहे वह डेटा कैटलॉगिंग हो या जो भी कोण लेता है। हो सकता है कि यह शिपमेंट की लागत को कम कर रहा है, जो कि संगठन में किसी के लिए जवाबदेह है, इसे डालते हुए, यह है कि आप इसे कैसे देखभाल कर सकते हैं। और हाँ, व्यापार बिल्कुल। व्यावसायिक विषय वस्तु विशेषज्ञ इसे बनाने या तोड़ने जा रहे हैं।

एरिक Kavanagh: यह मुश्किल है। मुझे लगता है कि आप हमेशा संगठन के चारों ओर हितधारकों के इस संघ को रखना चाहते हैं। बेशक, आप विश्लेषण पक्षाघात नहीं चाहते हैं। आप नौकरशाही के लिए नौकरशाही नहीं चाहते। आप जो चाहते हैं, वह संगठन के लिए एक कार्य योजना है और इन चीजों को प्रलेखित करना है। तुम्हें पता है, मुझे लगता है कि जब आप व्यवसाय प्रक्रिया मॉडलिंग के बारे में बात करना शुरू करते हैं, तो यह 25 साल पहले गर्म था, लेकिन यह ज्यादातर वास्तविक व्यवसाय से अलग हो गया था। मुझे लगता है कि कम से कम कुछ उद्योगों में, आप वास्तविक सॉफ़्टवेयर से बहुत सी प्रक्रिया को खींच सकते हैं जो चीजों को चलाता है। लेकिन मुझे लगता है, इन दिनों, हमें उन दो दुनियाओं में संतुलन बनाने का एक तरीका खोजना है, ठीक है, रॉन? आप ऐसे प्रक्रिया मॉडल रखना चाहते हैं जो वर्तमान और अप-टू-डेट हैं और वास्तव में क्या हो रहा है, इसे प्रतिबिंबित करता है। इसलिए आप यह नहीं चाहते हैं कि यह एक अलग अभ्यास हो जहां यह एक शेल्फ पर कहीं बैठता है। लेकिन यह है, यह थोड़ा चुनौतीपूर्ण हो जाता है, है ना? क्योंकि सभी परिचालन प्रणालियाँ उस तरह के निष्पादन योग्य कोड के साथ संरेखित नहीं हैं। लेकिन आप क्या सोचते हैं?

रॉन Huizenga: बिल्कुल और यह दिलचस्प है क्योंकि एक चीज जो मैं देख रहा हूं वह है जब लोग, आप जानते हैं, तो हम एक त्वरित संतुष्टि समाज बन गए हैं। लोग सोचते हैं, "ओह, हम अभी बाहर जाएंगे और कुछ उपकरण खरीदेंगे और हमारे लिए यह काम करेंगे।" ऐसा है, आप परिपक्वता खरीदने नहीं जा रहे हैं। आप डेटा परिपक्वता खरीदने नहीं जा रहे हैं। यह कठिन काम है। आप आस्तीन ऊपर रोल करने के लिए मिल गया है और आप इसे बनाने के लिए मिल गया है। और ऐसा करने का तंत्र मॉडलिंग है। न केवल वर्तमान स्थिति, जिस पर आप काम कर रहे हैं, बल्कि एक दृश्य प्रतिनिधित्व नहीं करना बहुत जटिल है, लेकिन यह डिज़ाइन करने में सक्षम होना कि आप उन विभिन्न व्यावसायिक प्रक्रियाओं को कैसे सुधारने जा रहे हैं। आपको यह समझने की आवश्यकता है कि उन परिवर्तनों को समझने में सक्षम होने के लिए दृश्य संरचना क्या है।

एरिक कवनघ: यह वास्तव में है - मैं सिर्फ ट्वीट कर रहा हूं; मैं अभी यह ट्वीट कर रहा हूं - "आप प्रक्रिया परिपक्वता नहीं खरीदने जा रहे हैं, आप डेटा परिपक्वता खरीदने नहीं जा रहे हैं।" मैं बस उन दोनों चीजों से पूरी तरह सहमत हो सकता हूं। और जेन, मैं आपको अपने विचारों के लिए लाऊंगा। और मैं उसके ऊपर एक और सवाल फेंकूंगा। उपस्थित लोगों में से एक पूछ रहा है: प्रक्रिया-संचालित उद्यम या प्रक्रिया परिपक्वता से क्या मतलब है? जेन, क्या आप उस तरह की बात कर सकते हैं?

जेन अंडरवुड: मैं वास्तव में पिछले प्रश्न से थोड़ा बेहतर बोल सकता हूं। जब मैं सोचता हूं, तो सच कहा जाए, यह पहला है, आप जानते हैं, उपकरण खरीदना। यह इतनी बढ़िया, शानदार टिप्पणी थी क्योंकि यह बहुत सच है। लेकिन मैं जो कहूंगा वह काफी बेहतर है। इसलिए मैं बहुत सारे समाधानों की समीक्षा करता हूं और मैं विभिन्न रिक्त स्थान देखता हूं और उनका परीक्षण करता हूं। जो कुछ बेहतर हो रहा है वह है डेटा की खोज करना, टैग करना और कम से कम आपको एक बड़े पैमाने पर चालू शुरुआत देना और इसे बनाना भी, जब मैं कहता हूं कि कम दर्दनाक है, तो यह लगभग मजेदार है। तो एक डेटा कैटलॉग या एक एमडीएम परियोजना की कल्पना करें जो मज़ेदार हो। यह है, और आपके पास एक संगठन में लोग हैं जो इस डेटा का उपयोग कर रहे हैं, चाहे वह रिपोर्टिंग या अन्य प्रकार की चीजें हों और मुझे लगता है कि किसी व्यक्ति ने रेखा पर भी कहा था, हे लोगों को उनकी व्यक्तिगत विकास योजना की परवाह है। हाँ, यह भी एक और ऊपर ले लो। यह इन चीजों को ले रहा है और कह रहा है कि हमने गलत तरीके से शिपमेंट को 30 प्रतिशत तक कम कर दिया है और इससे कितने पैसे बच गए हैं। यह सिर्फ हमारे डेटा को बेहतर तरीके से प्रबंधित कर रहा है। यह उन प्रकार की चीजें हैं और आप इसके चारों ओर पैसा लगाते हैं और आप इसे मज़ेदार बनाते हैं। या आप इसे दिलचस्प और प्रासंगिक बनाते हैं कि वे क्या कर रहे हैं। यह एक तरह का जादू है, मुझे लगता है, कि ये बहुत सारी व्यस्तताओं में गायब है जो लोग एक संगठन में ऐसा करने की कोशिश करते हैं, और यह अटक गया है।

एरिक Kavanagh: हाँ, यह एक अच्छी बात है। और, रॉन, आपकी टिप्पणी पर कुछ समय पहले एक दृश्य ढांचे के महत्व के आसपास, मुझे लगता है कि यह बिल्कुल सच है क्योंकि बहुत बार, अगर लोग कुछ नहीं देख सकते हैं, तो वास्तव में अपने सिर को चारों ओर लपेटना बहुत मुश्किल है। इसका मतलब है, और निश्चित रूप से जब आप अन्योन्याश्रितियों और नियंत्रण बिंदुओं और इन सभी चीजों के साथ जटिल प्रक्रियाओं के बारे में बात करना शुरू करते हैं, तो आपको इसे किसी बिंदु पर कहीं बाहर मैप करना होगा और आदर्श रूप से, आप ऐसा सॉफ्टवेयर के साथ कर रहे हैं जिसमें कार्यक्षमता को कैटलॉग में एम्बेड किया गया है, उदाहरण, इस बिंदु से उस बिंदु तक विभिन्न लाइनों का उपयोग करके क्या परिवर्तन हुए हैं। या इस नियंत्रण बिंदु पर क्या उपलब्ध है। और मैं वहां जोखिम प्रबंधन में अपने इतिहास को संदर्भित करने की तरह हूं, जहां एक नियंत्रण बिंदु किसी प्रक्रिया या किसी भी विकल्प या व्यक्तिगत या सॉफ्टवेयर एप्लिकेशन में कोई बिंदु है जहां आप वास्तव में कुछ बदल सकते हैं, है ना? यही वे एक नियंत्रण बिंदु कहते हैं। और, मेरे लिए, यह वास्तव में मूल्यवान है कि आप उस दृश्य ढांचे को प्राप्त करें। कारण तब आप देख सकते हैं और इसके माध्यम से चलते हैं और बस समय लगता है। मानव मस्तिष्क को उस सामान को प्रबंधित करने और वास्तव में इसे समझने के लिए समय लगता है और इसलिए इसे अनुकूलित करें, है ना?

रॉन Huizenga: बिल्कुल और एक अलग सादृश्य का उपयोग करने के लिए, जो मुझे लगता है कि इसे परिप्रेक्ष्य में रखता है: मैं एक विमानन अखरोट का एक सा हूं, इसलिए मैं कहूंगा, अगर आप एक समानांतर फैशन में इस बारे में सोचने की कोशिश कर रहे हैं, तो 747 बनाने के बारे में सोचें - या एक एयरबस 380, इसलिए मैं एक विक्रेता को दूसरे पर नहीं उठाता - सोचता हूं कि ऐसा करना कितना कठिन होगा, क्योंकि केवल ब्लूप्रिंट और 3-डी सीएडी चित्र के बजाय केवल पाठ से बने दस्तावेजों के आधार पर और कैसे सब कुछ यह वास्तव में एक साथ इकट्ठा किया गया है।

एरिक Kavanagh: हाँ कि किसी न किसी तरह होगा। और जेन को बोलने के लिए भी मिला है।

रॉन Huizenga: व्यापार ही है, है ना?

एरिक Kavanagh: हाँ, यह सही नहीं है। जेन को आपके उन गर्म क्षेत्रों में से एक से बात करने के लिए मिला है जिसे आप अध्ययन करना चाहते हैं, जो दृश्य है। आपको इसे पूरी तरह से समझने के लिए किसी चीज़ की कल्पना करने में सक्षम होना चाहिए, यह मुझे लगता है।

जेन अंडरवुड: बहुत सारे मनुष्य करते हैं, हाँ। और यहां तक ​​कि सिर्फ एक दृश्य बोलता है, क्या कह रहा है, हजारों शब्द या ऐसा कुछ। जब वे इसे देखते हैं, तो वे इस पर विश्वास कर सकते हैं। और वे इसे प्राप्त करते हैं।

एरिक कवनघ: मैं सहमत हूं। और मैं प्यार करता हूँ, रॉन, जिस तरह से आपने यह सब एक साथ खींचा है। मुझे लगता है कि मैं खुद को फिर से पूछ रहा हूं, आपको संगठन के अंदर एक चैंपियन की जरूरत है और जो वहां से बाहर होगा, विभिन्न समूहों के लिए संपर्क के रूप में काम करेगा। डेटा स्टीवर्ड एक ऐसी चीज़ है जिसके बारे में हम अक्सर बात करते हैं - मुझे लगता है कि यह वास्तव में महत्वपूर्ण भूमिका है और मुझे ऐसा लगता है कि यह भूमिका पिछले तीन या चार वर्षों में बहुत अधिक ध्यान देने वाली है क्योंकि हमने डेटा के मूल्य की सराहना की है शासन, सही? वह डेटा स्टीवर्ड वह है जो व्यवसाय से बात कर सकता है, लेकिन सिस्टम को भी समझ सकता है, डेटा जीवन चक्र को समझ सकता है, वह पूरी तस्वीर। और मुझे लगता है कि वह व्यक्ति शायद सीईओ के शासन में हो सकता है, है ना?

रॉन Huizenga: हाँ, और आप एक बहुआयामी टीम की जरूरत है, है ना? तो आप लोगों को ऐसा करने की एक टीम की आवश्यकता होगी जिसमें तकनीकी पक्ष का प्रतिनिधित्व करने वाले विभिन्न क्षेत्रों से हैं, आप जानते हैं, विभिन्न व्यावसायिक क्षेत्र। और, आप जानते हैं कि आप किस प्रकार के संगठन पर निर्भर हैं, यदि आपको एक परियोजना प्रबंधन कार्यालय और आपके द्वारा की गई बहुत सारी पहलें पीएमओ द्वारा संचालित हैं, तो आप यह सुनिश्चित करना चाहते हैं कि आपके पास पीएमओ है। भागीदारी के साथ-साथ हर तरह के सामंजस्य को बनाए रखने के लिए और चीजों पर काम करने के तरीके को सिंक्रनाइज़ करने के लिए।

एरिक कवनघ: हाँ, और आप जानते हैं, एक आखिरी बात, मैं इसे अंतिम स्लाइड, शासन ढांचे में रखूँगा। हमारे पास एक सहभागी ने पूछा, क्या डेटा उस स्लाइड से गायब नहीं है? क्या वह डेटा स्लाइड में निहित है या आप स्लाइड से डेटा गायब होने के बारे में टिप्पणी के बारे में क्या सोचते हैं?

जेन अंडरवुड: नहीं, और यह सिर्फ एक सामान्य प्रशासन ढांचा है। अनिवार्य रूप से, यह स्व-सेवा बीआई स्थान से है, इसलिए इसमें डेटा बहुत सारे निहित है। यह सिर्फ मेरे कोण और मेरे दृष्टिकोण से आ रहा था और इसे एक साथ रखने में डेटा पक्ष पर केंद्रित नहीं था। लेकिन डेटा निश्चित रूप से होगा, जब आप इन सभी टुकड़ों के बारे में सोचते हैं, तो डेटा होगा। क्या यह संपूर्ण प्रक्रिया के दौरान और संपूर्ण ढांचे में डेटा का उपयोग करके डेटा के लिए नींव है।

एरिक Kavanagh: हाँ, नहीं, जो पूरी तरह से समझ में आता है। और मुझे लगता है कि मैं आपके ऊपर सिर्फ एक आखिरी सवाल फेंकूंगा क्योंकि हम यहाँ पर लपेटते हैं, रॉन। अगर मुझे लगता है कि इन दिनों हम कितना अधिक जानकारी और कितने अधिक डेटा का उपयोग कर रहे हैं और कितने दूर-दराज के संगठन हैं, तो चैनल साझेदारों के बीच इन दिनों पारिस्थितिक तंत्र का क्या महत्व है और हम उन साझेदारियों में जानकारी कैसे साझा कर सकते हैं इसके लिए ब्लॉकचेन का थोड़ा त्वरित संदर्भ - चीजों को बहुत अधिक जटिल नहीं करना। लब्बोलुआब यह है कि हम तेजी से डेटा-संचालित कनेक्टेड दुनिया में हैं, दोनों व्यापारिक दृष्टिकोण से और सिर्फ हमारे दैनिक जीवन से। और मेरे लिए, यह सिर्फ इतना है कि संगठनों को वास्तव में एक सख्त नज़र रखने के लिए जा रहे हैं कि आप यहां क्या सुझाव दे रहे हैं, जो कि उनकी परिपक्वता है, जहां वे खड़े हैं और वक्र के संदर्भ में कितनी दूर हैं और वास्तव में खुद के बारे में ईमानदार होना सही है? क्योंकि यदि आप बेहतर नहीं जानते हैं, तो आप बेहतर नहीं कर सकते हैं, और यदि आप चीजों को प्रतिबिंबित नहीं करते हैं, तो आप बेहतर नहीं जानते हैं, है ना?

रॉन Huizenga: बिल्कुल और मुझे लगता है कि एक वाक्यांश है जिसका मैं उपयोग करूंगा, आप शायद उतने अच्छे नहीं हैं जितना आपको लगता है कि आप हैं। यह कठोर लग सकता है, लेकिन लोग इस बारे में काफी आशान्वित हो सकते हैं, लेकिन यदि आप इस पर वास्तव में कठोर नज़र डालें और वास्तव में अच्छा, महत्वपूर्ण आत्म-मूल्यांकन है, तो मुझे लगता है कि कोई भी संगठन मिल जाएगा, आपको पता है, महत्वपूर्ण अंतराल पता करने की जरूरत है।

एरिक कवनघ: मुझे सहमत होना होगा। और हमारे एक साथी ने मेटाडेटा के महत्व, डेटा के बारे में टिप्पणी की। इसमें कोई शक नहीं है। मेटाडेटा वह गोंद है जो इन सभी प्रणालियों को एक साथ रखता है और हमने अभी भी कभी भी पूरी तरह से उस कोड को और अच्छे कारण के लिए, पूरी तरह से फटा नहीं है, क्योंकि मेटाडेटा बदलता है। यह सिस्टम से सिस्टम से अलग है। आप जानते हैं, जितना अधिक आप अपने डेटा को सामान्य करने की कोशिश करते हैं, उतना कम सटीक मुझे लगता है कि यह बन जाता है।

तो हम अभी इस अजीब दुनिया में हैं और शायद मुझे लगता है कि मैं आपके लिए एक और सवाल का विस्तार करूंगा, जेन, क्योंकि आपने डेटा कैटलॉग का एक दो बार उल्लेख किया है। I really love this new movement of data catalog technology that automatically scans your information systems, ascertains metadata column names, so on and so forth, and helps you to incrementally build up the strategic view of your data and your metadata in your systems. Because to me, to manually do that stuff, it's just, there's just too much. And you're never going to get to the top of that hill before the avalanche comes down on you and, you know, you either have normalized to the point of play-dough gray or you haven't normalized enough to where you really don't know what's going on. To me, using the machines, the machine learning that we keep talking about, that's going to be the key in the future to help us at least get a rope around enough of the data to have a good understanding of what's out there, right Jen?

Jen Underwood: Yeah, I do. I love these technologies. They're very, very cool. And then you think about it, it gives you that massive running start. And then you can crowdsource. You have your data stewards, you know, pulling ahead, whether they're adding their own documentation or this is the perspective out there, these are the changes. You know, saying these are the certified data sources to use for reporting. People can search and find the right data. It's really, really quite nice. And also helps to – when I think about business and how cryptic enterprise data management was when I was when I was doing DBA stuff – we used extended properties and SQL Server and scan with tools like IDERA's, right? To try to create a data catalog. But in DBA or data architects' version of, you know, whatever that value was or that column or field was, it certainly probably didn't match what the business was. So now having the business be able to really easily, you know, go in and find and manage and have everything be goal-based, it's really, I wish we would've had this a long time ago, quite frankly. So it's getting a lot better.

एरिक कवनघ: यह मजेदार है। We've got another final comment from an audience member, saying perhaps blockchain will be the most valuable to put a stamp of authentication to metadata. That's a good point and, you know, blockchain really is amazing technology. I kind of view it as a sort of cohesive foundation for connecting a lot of the dots between systems and applications and so forth. And, you know, we're in the early stages of blockchain development, but we now see that it is spun off, of course, from this point originally where it came to the fore, and now you've got IBM working very hard on blockchain technologies. SAP has bought into all that. And really it's, it presents an opportunity for a deeper foundation and framework to connect all these systems and all these dots.

So, folks, have burned well over an hour. Thanks for staying along with us today, but we always like to answer your questions and get to all the commentary. We do archive all these webcasts for later viewing, so hop online to insideanalysis.com, where you can find the link to that. It should be up within a few hours, typically after the event. And we'll catch up to you next time. We got a couple more events coming up next week – lots of stuff going on. But that will bid you farewell, folks. Thanks for your time. ख्याल रखना। टाटा।