작성자 : Techopedia Staff, 2017 년 11 월 8 일
테이크 아웃 : 호스트 Eric Kavanagh는 Impact Analytix의 Jen Underwood 및 IDERA의 Ron Huizenga와 데이터 성숙도 및 조직 성숙도에 대해 논의합니다.
현재 로그인하지 않았습니다. 비디오를 보려면 로그인 또는 가입하십시오.
에릭 카바나 흐 : 좋아, 신사 숙녀 여러분. 다시 한번 환영합니다. 수요일 4시 (동부 표준시)에 핫 테크놀로지의 시간입니다. 네 확실합니다. 내 이름은 Eric Kavanagh입니다. 오늘 우리 쇼의 주최자가 되겠습니다.이 쇼는 실제로 정의되어 있으며 데이터 관리 세계에있는 특정 상태에서 특정 종류의 기술을 정의하도록 설계되었습니다. 그리고 오늘 우리의 주제는“데이터 성숙도 달성 : 조직 균형 조정법”입니다. 따라서 여러분의 진실에 대한 자리가 트위터 (@eric_kavanagh)에 올라옵니다. 당신이 나를 언급하면 나는 항상 리트 윗하고, 나는 또한 다시 따라하려고 노력할 것입니다. 세계에서 무슨 일이 일어나고 있는지에 대한 정보를 얻을 수있는 좋은 장소입니다. 나는 그 형식을 좋아한다. 요즘 짧은 문자, 140 자 이상. 트윗을 보내 주시면 다시 연락 드리겠습니다.
물론 올해는 덥습니다. 우리는 오늘 데이터 성숙도에 대해 이야기하고 있습니다. 오늘 새로운 분석가가 있습니다. Impact Analytix의 Jen Underwood를 갖게되어 매우 기쁩니다. 그녀는 비즈니스 인텔리전스 및 분석, 데이터 시각화 및 이러한 모든 위대한 주제의 전문가입니다. 물론 데이터 성숙도. 그리고 우리의 좋은 친구 Ron Huizenga가 IDERA에서 전화를합니다. 먼저 Jen과 론으로부터 듣겠습니다. 그리고 우리는 원탁 회의에 대해 토론 할 것입니다.
다음 슬라이드를 여기로 밀면 몇 가지 간단한 단어를 말하겠습니다. 데이터 관리 성숙도는 한동안 주제였습니다. 분명히 역사에서 당신은 성숙에 대해 생각하기 전에 특정 시점에 도달해야하며, 많은 성숙 수명주기 (또는주기)가 개발되어 곡선의 어디에 있는지 파악하려고합니다. 당신은 초기 단계입니까? 당신은 십대입니까? 당신은 성숙한가요? 기타.
그리고 많은 조직들이 10 대 후반이나 10 대 후반 또는 20 대 초반에 성숙도 측면에서 있다고 생각합니다. 그리고 그것은 낙담하는 말이 아닙니다. 데이터를 전략적 자산으로 관리 할 수있는 초기 단계에 있습니다. 그리고 상황은 빠르게 변하고 있습니다. 특히 지난 5 ~ 7 년 동안 우리는 작은 데이터에서 큰 데이터로 이동해 왔으며, 이처럼 이질적인 세상과 새로운 기술을 오래된 기술과 조화시키기 위해 노력하고 있습니다. 그래서 레거시가 있습니다. 어디에나 있습니다.
몇 년 전에 들었던 농담 중 하나는 레거시가 생산중인 시스템이라는 것입니다. 시스템이 생산에 들어가는 순간 기술적으로는 레거시입니다. 그리고 그것은 사실입니다. 그러나 결론은 우리가 오랫동안 사용했던 이러한 모든 시스템을 보유하고 있으며 자산으로서 데이터의 가치를 극대화하고 최적화 할 수 있도록 자체 성숙도 곡선의 위치를 이해하는 방법을 찾아야한다는 것입니다 . 물론 어떤 산업에 따라 준수해야 할 몇 가지 규정 준수 문제와 일부 규제가 있습니다. 물론 해킹에 대해서도 걱정해야합니다. 과거에 우리는 데이터 거버넌스와 이것이 보안에있어 실제로 중요한 부분이며 데이터를 사용하는 역할과 책임을 이해하고 데이터를 최대한 활용하는 방법에 대해 이야기했습니다.
이를 통해 Jen Underwood에게 열쇠를 넘겨 줄 것이며 데이터 성숙도에 대한 관점을 알려줄 수 있습니다. 젠, 가져가
Jen Underwood : 감사합니다. Eric, 초대해 주셔서 감사합니다. 오늘은 몇 가지 다른 주제를 다루고 론을 IDERA와 함께 소개하고이 주제의 다른 영역에 대해 더 깊이 파고들 것입니다. 에릭이 말한 것처럼 디지털 시대 나 디지털 혁신에서 중요한 역할을하고 있으며, 진화하는 시대입니다. EDM위원회의 재미있는 통계는 데이터 관리 업계 벤치 마크 보고서였습니다. 거의 2 살이되었지만 여전히 상당히 관련이 있으며이 공간에서 10 대가 된 사실에 대한 사실을 밝혀 낼 것입니다. 데이터 성숙도와 거버넌스 기둥 자체에 대해 조금 이야기하겠습니다.
어디에서나 듣고있는 디지털 시대 또는 디지털 혁신이라는 주제에 대해 지금 바로 이런 일이 일어나고 있습니다. 내가 업계를 매일 따라 가면서 수집 한 흥미로운 사실 중 하나는 Gartner의 전략 기술 트렌드 10 가지에 대한 요점이었습니다. 그리고 그들은 2020 년까지 말 했으므로 우리는 불과 몇 년 거리에 있습니다. 정보는 10 년 전의 프로세스의 80 %를 재창조, 디지털화 및 자동화하거나 제거하는 데 사용될 것입니다.
저는 이것을 한동안보고있었습니다. 여기서 여러분은 다른 유형의 사람들이“데이터는 새로운 석유입니다”라고 말하고 있습니다. 나는 지금 데이터가 디지털 금이라고 말하고 싶다. 그리고 소프트웨어 응용 프로그램과 소프트웨어 관련에 대해 생각한다면 과거에는 Microsoft의 전 세계 제품 관리자였으며 경력의 변화조차도 소프트웨어에 중점을 두어 지금은 사용자와 데이터 수집 및 데이터 수익 창출에 대한 생각.
우리는 데이터가 디지털 골드 인이 시대에 들어서고 있으며, 최고 데이터 책임자 (Chief Data Officer)가 등장하면서 두 가지 주요 미션이 있으며 그 중 몇 가지 미션이 있습니다. 데이터의 안전과 보안을 보장하고 내부 및 외부의 데이터 가치를 디지털 자산으로 극대화 할 수있는 방법을 모색합니다. 따라서 과거에는 조직에 없었거나 중요하지 않은 이러한 유형의 데이터가 마침내 CDO와 함께 C 레벨 테이블에서 자리를 차지하고 있으며 앞으로 더욱 심각해질 것입니다.
데이터 관리와 성숙도에 대해 생각한다면, 여기이 슬라이드에는 두 가지 테마가 있습니다. 첫 번째는 데이터 관리 자체입니다. 데이터 및 데이터 흐름을 개발하고 생성하는 비즈니스 기능, 일부 정책 및 관행에 대해 자세히 설명합니다. 그리고 데이터 관리 성숙도에 대해 생각할 때, 조직이 데이터 수익 창출과 같은 내부 또는 외부 목적을 위해 보유하고있는 데이터를 정확하게 정의하고 쉽게 통합 할 수있는 능력입니다. 그리고 큰 주제 중 하나 – 그리고 내 경력 초기에 재미 있었고 실제로 IDERA의 일부 도구와 데이터 아키텍처 프로젝트를 활용했습니다 – 메타 데이터의 전체 개념이었고 메타 데이터에 대해 계속 생각하고 있었지만 오랫동안, 오랫동안. 마침내 메타 데이터가 다시 멋지게 보입니다. 다른 그룹과 상호 작용하고 데이터의 위치와 데이터를 이해하는 것이 매우 중요합니다. 특히 데이터 레이크와 같은 것들에서. 드디어 흥미로워지고 있습니다.
이제 업계 벤치 마크 보고서에서 여기에 몇 가지 통계가 있다고 약속했습니다. 이것은 2015 년부터 EDM위원회에있었습니다. 데이터 품질과 거버넌스를 현대화하는 것과 관련이 있으며이 특정 사실에는 몇 가지 재미있는 사실이 있습니다. 따라서 여기에서 조직의 33 % 이상이 조직의 특정 수준에서 활동적인 공식 데이터 관리 프로그램을 보유하고 있습니다 (33 명만). 그 자체로는 매우 흥미 롭습니다. 실제로 공식화하고 데이터를 관리하고자하는 50 % 중 우리는 이것이 인력이있는 것처럼 조직에서 실제로 중요한 자산이라는 것을 알고 있습니다. 그들 중 50 %만이 1 년보다 오래된 프로그램을 가지고있었습니다. 다시 말하지만 이것은 다시 떠오르는 분야이며, 특히 산업 규제와 같은 것들이 점점 더 중요 해지고 있습니다.
따라서 그 시점에서 여러 번 – 그리고 내 경력 전반에 걸쳐 기술 영업 및 역할에있어 흥미 롭습니다. – 실제로“오, 우리는 조직에 동기를 부여하는 비용을 절약 할 수 있습니다”– 보통 두려움입니다. “오 세상에, 우리는 우리가 덮여 있는지 확인해야합니다. 우리는 일자리를 잃고 싶지 않습니다.”물론 해킹 및 데이터 위험, 데이터 유출과 같은 것들에 대해서는 정말 흥미로운 벤치 마크 연구가 있습니다. 버라이존은 매년 하나를 수행하며 아마도 내가 좋아하는 것 중 하나 일 것입니다. 거의 항상 보는 것은 부주의 한 것입니다. 데이터를 의도적으로 잘못 사용하거나 데이터를 잘못 관리하여 누출을 초래하는 것은 아닙니다. 그리고 종종 –이 특정 세션에 대해 이러한 통계를 가지고 있지 않지만, 실수로 권한 및 기타 등등의 잘못된 관리가 유출되는 것은 매우 매력적입니다. 좀 더 쉽게하기 위해 이러한 누수는 대출을받습니다. 그리고 일반적으로 사이드 노트 또는 조직 외부의 사람들에게는 이것이 원하는 것이 아닙니다.
데이터 관리 보안 및 거버넌스 프로그램에 대해 생각할 때 이러한 유형의 것들이 있습니다. 잘못된 결정과 돈 절약뿐만 아니라 개인 정보 보호 및 보안 법규를 준수하고 있는지 확인하십시오. 이 디지털 시대에 데이터를 통해 수익을 창출 할 수 있으며 물론 데이터를 효율적으로 재사용하고 데이터를 재사용하고 축복받은 사본을 갖고 싶어합니다. 사람들이 말할 때 싫어하고 분석을하고 있습니다. 진실의 한 가지 버전으로 오랫동안 분석에 종사해 왔습니다. 보통 다른 관점에서 볼 때 일반적으로 여러 버전의 진실이 있습니다. 그러나 기본적으로 의사 결정을 내릴 때 데이터를 신뢰할 수 있기를 원합니다.
내가보고있는 가장 큰 동인 중 하나는 좋은 일입니다. 다시 시원 해지는 것도 좋은 일입니다. 유럽 연합 GDPR의 전체 개념입니다. 그리고 그것에 대해 조금 이야기하겠습니다. 따라서 GDPR을 모른다면 내년에는 그에 대해 많이들을 것입니다. 5 월에 시행되는 새로운 법안입니다. 2018 년 5 월에 시행 될 예정이며 정보를 잘못 관리하는 데에는 큰 처벌이 따릅니다. GDPR이라는 용어를 사용하지 않는 다른 형태로이 이야기를 들었을 수도 있습니다. 잊어 버릴 권리로이 글을 듣거나 보았을 수도 있습니다. 다시 말하지만, 과거 데이터 아키텍트는 데이터를 제거하지 않았습니다. 데이터웨어 하우징 시나리오에서는이를 변경하고 비활성화합니다. 우리는 실제로 데이터를 삭제하지 않았습니다. 그 과정은 없었습니다. 따라서 조직의 모든 측면과 응용 프로그램 또는 데이터웨어 하우스를 구축 할 때 고려해 보지 못한 다양한 방법과 프로세스에 영향을 줄 수 있습니다. 따라서 GDPR에 대해 생각할 내용이 있다면 곧 개인 데이터 수집 및 처리를 정당화 할 법적 근거가 필요합니다.
따라서 이것은 대부분 개인 수준에 있으므로, 구체적이고, 정보가 있고, 모호하지 않은 동의가 자유롭게 주어져야합니다. 그리고 그것은 인공 지능과 데이터 과학의 많은 영역에 영향을 미칠 것입니다. 요즘 내가 다루는 영역은 데이터 과학의 영향이며 모델 자체에 투명성이 있는지, 그리고 셀프 서비스의 다른 영역에도 영향을 미칩니다. BI, 데이터웨어 하우스, 마스터 데이터 관리, 고객 360 프로젝트, 개인화 및 비즈니스 응용 프로그램까지. 이것이 조직의 모든 부분에 영향을 줄 것입니다. 다른 관할 구역의 개인 정보 보호법과 달리 GDPR은 유럽 연합 내부 또는 외부에있는 모든 조직에 적용됩니다. 또한 준수 벌금도 중요합니다. 귀하의 조직은 연간 총 총액의 최대 4 %의 벌금을 부과 할 수 있습니다.
잘만되면 나는 당신의 관심을 가지고 있으며 이것들은 당신이 주목해야 할 것들입니다. 귀사가 PCI를 통해 이러한 관행 및 산업 표준 중 일부를 이미 준수하고 있다면 ISO 일 수도 있습니다. 27001이라는 말을할지 확실치 않습니다. 이미 그 중 일부를 수행하고 있다면 너무 압도적이지만 확실히 알고 있어야합니다. 이를 위해 준비 할 때 특히 데이터 관리에 몇 가지 영역이 있으며 첫 번째 사항 중 하나는 카탈로그가 있고 데이터를 분류하는 것입니다. 데이터의 위치를 알고 있습니다. 그리고 세계 어디에서나 데이터가 존재하는 하이브리드 세계 : 클라우드에 있습니다. 이 앱에 있습니다. 영업 인력에 있습니다. 마케팅이 고객 시스템이나 재고 시스템, 이러한 모든 유형의 장소를 사용하는 다른 임의의 프로그램에 있습니다. 데이터의 위치와 수행해야 할 가장 쉬운 작업을 알 수 있습니다. 이는 데이터 관리에서 정말 재미있는 분야였습니다. 지능이있는 이러한 데이터 카탈로그의 개념은 물론 머신 러닝 분류도 일부 정보입니다.
다시 말하지만 메타 데이터 – 메타 데이터가 다시 시원해지고 있다고 언급 했으므로 실제로 메타 데이터에 대해 생각하고 데이터 레이크 및 해당 유형의 디자인을 설계하고이를 관리하고 모니터링 할 때 중요한 주제에 대해 생각하지 않습니다. 예를 들어, GDPR의 누군가가 돌아 가야 할 때 모니터링의 중요성이 훨씬 커질 것입니다. 예를 들어, 데이터가 어디로 갔는지, 누가 가지고 있는지, 누가 액세스했는지 등을 증명하도록 요청할 수 있습니다. 실제로는 당국에 이러한 유형의 물건을 보여 주어야하기 때문입니다.
데이터 관리 성숙도를 돕기 위해 실제로는 몇 가지 생각의 학교가 있다고 생각합니다. 100 % 확신 할 수는 없습니다. 저는 Ron의 갑판에서 그가이 중 몇 가지를 다루게 될 것입니다. 오늘 이야기하려고하는 것은 CMMI입니다. 그리고 이것은 사람들에게 가능합니다. 여기에는 6 가지 범주의 데이터 관리, 25 개의 프로세스 영역, 414 개의 실무 설명 및 596 개의 다른 작업 제품이 포함됩니다. 따라서 데이터 관리 및 설계, 596 개의 기능성 작업 제품과 같은 모든 일에 대해서도 생각할 때 얼마나 많은 일을했는지 몰랐습니까? 또는 당신이 정말로하지 않는 것. 그런 숫자를 볼 때, 그것은 정말로 내 마음에 붙어있는 것 중 하나입니다. 이것과 제가이 특별한 점에서 가장 좋아하는 것은 아키텍처와 기술 중립입니다. 즉, 여러분과 제가 수년 동안 협의했거나 함께 일하고 구현 한 대부분의 대규모 조직에는 모든 종류의 기술이 있습니다. 따라서 DMM이 무엇을 의미하는지 특정 환경에서 사용하는 플랫폼 및 기술로 변환하고 싶을 것입니다. 또한 산업에 독립적이므로 건강 관리에만 국한되지는 않습니다. 건강 관리는 BAA이든 다른 유형의 분류이든, 조직 내에서 데이터 관리 성숙도를 향상시키기 위해 프로그램이나 계획을 구성 할 때 다양한 유형의 것을 번역하거나 검토해야합니다.
그 중 일부가 아닌 경우 이것이 무엇입니까? 본질적으로 그것은 무엇을 정의하지만 구체적으로 그렇게하는 방법을 알려주지 않습니다. 제 경력의 대부분을 A 형 성격으로 지냈기 때문에 사람들이 저에게 목표를 주었을 때 나는 그 목표를 달성하는 방법을 알아낼 수 있었고, 내 시간을 미세하게 관리하는 방법, 거기에가는 방법이 없었습니다. 이것이 바로 데이터 관리 성숙도 및 CMMI를 통한 이러한 프로세스의 목표이며, 이러한 목표를 달성하고 이러한 여러 영역에서 자신을 측정하는 방법을 제공합니다. 그리고 그들은 당신에게 수준을 줄 것입니다. 레벨 1부터 레벨 5까지 자신을 채점하고 측정 할 수있는 여러 가지 방법이 있습니다. 즉, 최적화했으며 실제로 강력한 프로그램을 보유하고 있음을 의미합니다.
그 의미에 대한 느낌을주기 위해 여기에 그 의미가 무엇인지 간략히 설명되어 있습니다. 여기에서 데이터 관리 성숙 프로세서 수명주기를 고려할 때 요구 사항, 위험 관리, 프로세스 지원, 데이터 거버넌스 및 모든 종류의 지원 프로세스가 마련되어 있습니다. 데이터 거버넌스는 그 자체로 전체 프로그램입니다. 비즈니스 용어집을 가지고 비즈니스 용어집 및 데이터 아키텍트에 대해 영원히 이야기했습니다. 이것은 조직 내에 있어야합니다. 이러한 카탈로그 유형의 기술 중 일부는 정보를 크라우드 소싱하고 가져 오는 것 등을 사용하여 비즈니스 용어집을 개발하고 있으며, 동일한 데이터의 다른 관점에 대한 문서의 링크를 데이터 필드에 배치하여 비즈니스 용어집을 개발하고 있습니다. 값의 수명주기 동안 데이터가 변경 될 때
이것들은 제가 경력을 시작한 이후로 훨씬 더 좋아진 것들입니다. 과거에는 이러한 유형의 작업을 수행하기 위해 자체 개발 시스템을 개발해야했습니다. 우리는 전체와 큰 그림을보고 있습니다. 전략과 관리에서 거버넌스의 질에 이르기까지 모든 다른 부분입니다. 데이터 품질에 관한 한 가지는 산업이 더욱 자동화되고 자동화 된 의사 결정을 통해 이러한 디지털 프로세스를 갖게됨에 따라 흥미 롭습니다. 저는 데이터 과학 분야에서 많은 작업을하고 있으며, 이러한 도구 중 일부는 의사 결정을 자동화하고 예측 모델을 즉시 업데이트합니다. 이러한 많은 도구와 알고리즘은 데이터가 필요하고 좋다고 가정합니다. 올바른 자동 결정을 내리려면 데이터가 유효해야합니다. 아마도 데이터 품질은 보통 사람들이 칫솔질하는 것 중 하나이며 심각하게 다루지 않는 것들 중 하나 일 것입니다. 그러나 예측 모델링 및 기계 학습을위한 모델에서 의사 결정 자동화를 시작하면 데이터 품질이 매우 중요해집니다.
여기서 진행 상황을 측정 할 수있는 몇 가지 방법은 다음과 같습니다. 그리고 Ron이 이것에 대해 이야기하도록하겠습니다. 그는 세션에서 이것에 대해 멋진 슬라이드를 가지고 있습니다. – 나는 단지 당신에게 빠른 몰래 피크를 줄 것입니다. 이것들의 다른 수준. 본질적으로 그것은 자기 평가입니다. 따라서 데이터 거버넌스와 어떤 것이 있다고 생각하는 것을 살펴볼 것입니다. 당신이하지 않으면 당황하지 마십시오. 내가 말했듯이, 실제로 이러한 유형의 일을 시작한 조직은 33 %에 불과합니다. 비록 이러한 유형의 프로그램은 적어도 함께 왔습니다. 저는 20 년 넘게 업계에 종사해 왔으며 확실히 몇 년 전에 이러한 유형의 일을하고있었습니다. CMMI에는 스스로 평가할 수있는 연습이 있으며, 이 경우 이러한 종류의 레이더 차트를 통해 자신이 직접보고 살펴보고 자신의 각도를 평가할 수 있습니다. 제가 다르게 수행 한 각 조직은 이러한 프로젝트를 컨설팅하고 구현할 때 각 조직이 고유하다는 것을 알고 있습니다. 그것들은 그들에게 정말로 중요한 영역이 될 것입니다. 프로세스 관리 또는 품질 관리 또는 위험이 무엇인지에 따라 결정될 수 있지만 벤치 마크 또는 기준을보고 생성 한 다음 성공을 정의하는 요소에 대해서도 생각할 수 있습니다.
그런 점에서 이러한 유형의 것들을 측정하고 관리하려는 경우 먼저 이와 같은 프로그램에 대한 임원 후원을 확보하고 싶을 것입니다. 이것은 조직 전체에서 교차 기능을 수행하는 것이므로 Susie Q와 John Smith가 "그렇습니다. 이렇게하겠습니다.이를 수행해야합니다."라는 사일로에서는 그렇게 할 수 없습니다. 그들의 조직이거나 IT 인 경우에도 마찬가지입니다. 비즈니스 및 데이터 주제 전문가로부터 바이 인을 구매해야합니다. 그들은 시간이 필요합니다. 그들은 단지 추가 작업이되기를 원하지 않습니다. 당신이 일한 적이 있다면 – 나는 몇 가지 마스터 데이터 관리 작업, 이전의 프로젝트 및 데이터 품질을 수행 한 것으로 생각합니다. 일반적으로 비즈니스에 도달하면“아, 데이터 관리”라고 생각합니다. 그들이 흥분되는 것. 그리고 그들은“아, 아니요. 이를 위해 시간이 필요합니다.”라고 말합니다. 그래서 당신은 약간의 시간 헌신을 원할 것입니다. 그 축복을 맨 처음부터 받아야합니다. 교차 기능을 원할 것입니다.
다시 말하지만, 이것은 조직의 많은 영역에 실제로 영향을 미치는 것입니다. GDPR을 사용하면 GDPR의 법률과 개인 데이터가 고객에게 사용되고 조직 전체에서 사용되는 위치가 조금 더 쉬워집니다. GDPR을 준수합니다. 여기에 혀 묶기. 그렇게하기가 더 쉬워야합니다. 당신은 약간의 책임을 부여하기를 원할 것입니다. 그리고 당신은 이것들을 커스터마이징 할 것입니다. 따라서 항상 이러한 조직이 제공하는 이러한 유형의 지침을 살펴보십시오. 일반적으로 이러한 지침은 다음과 같습니다. 지침은 지침이며 조직의 문화에 맞게 구현할 것입니다.
거버넌스에서 일한 것은 정말 중요했습니다. Microsoft에서 전 세계 제품 관리를 할 때 개발 한 일부 제품은 셀프 서비스 BI였으며 비즈니스 사용자와 비 기술적 데이터 사용자가 데이터를 가지고 놀고 자체 보고서를 작성하며 IT 부서는 많은 시간을 투자합니다. 따라서이 거버넌스에 많은 시간을 보냈으며 제품에 올바른 기능과 감사 및 로깅 기능이 있으며 데이터베이스 자체가 다운되지 않도록 만들었습니다. 그러나 데이터 관리와 실제로 유사한 이러한 유형의 항목에 대한이 특정 주제에 대해 수년 동안 작업 한 프레임 워크가 있습니다. 이를 위해 경영진 후원으로 설립 된 기반을 확보하고 비즈니스와 IT 간의 헌신을 원할 것입니다.
우리는 다시 예산 / 시간 할당과 새로운 프로세스 개발에 대해 이야기했습니다. 이러한 것들 중 일부를 수행하면 데이터를 살펴볼 때 문화 수준의 변화가 될 것입니다. 그러나 다시 전략적 관점에서 매우 중요합니다. 그리고 여러분에게 느낌을주기 위해, 여기에 예가 있습니다. 그리고 저는 몇 년 전에 이런 종류의 것들에 관한 오래된 프로젝트 중 하나에서 그것을 정리했습니다. 다시 말하지만 이것은 일반적인 거버넌스 관점에서 비롯된 것이지만 데이터 관리 프로세스를 관리 및 발전시키고 관리함으로써 이러한 유형의 프로젝트에 재사용 할 수 있습니다. 비즈니스 주제 전문가, 여기에는 데이터 관리자가 있으며 IT 주제 전문가는 다양한 비즈니스 라인에 대해 알고 있습니다. 규모가 큰 많은 회사에는 엔터프라이즈 표준 보드와 엔터프라이즈 설계자 및 데이터 설계자 및 모델러가 있습니다. 따라서 다른 수준의 여러 주제 전문가가 있습니다. 그리고 다시 한번, 예를 들어보고 싶지 않은 많은 것들이 조직과 문화에 맞게 사용자 정의됩니다.
이 프로젝트로 작업 할 때의 것 중 하나는 사람들이 원하는 것처럼 시각적이지 않은 조직에서 가장 흥미로운 프로젝트가 아닐 수도 있습니다. 재밌는 것은 컨설팅 회사가 IT 그룹에 들어 오거나 심지어 IT 센터에 들어 오거나 BI 우수 그룹이 들어 오거나 분석 우수 센터가 들어 와서 데이터를 처리하는 것 중 하나입니다. 품질 및 데이터 관리 성숙도를 고려하면 놀라 울 정도로 흥분되지 않을 수 있습니다. 그러나 동기를 부여하고 측정에 포함시키는 방법을 찾아야합니다. 앞으로 무엇이 될지 생각할 때, 이 운동을 한 번만하면 사람들이 탑승하게됩니다. 또한 데이터 카탈로그를 좋아했거나 삶의 편의성을 높이고 데이터의 의미를 이해하거나 이해할 수 있고 자신의 관점을 추가 할 수 있기 때문에 이러한 것들 중 일부를 좋아한다는 것을 알게되었습니다. 그리고 데이터 카탈로그는 아마도 사람들이 실제로 이것을 좋아하도록 돕는 가장 큰 프로젝트 중 하나 일 것입니다.
다음은 참여를 유지하는 것입니다. 누군가가 이것에 대해 신경 쓰지 않겠다고 어떻게 참여하게합니까? 그것은 몇 가지 메트릭스를 정의하고, 그에 대한 측정 값을 포함시키고, 위반이있을 때에 대한 학습을 제공하고, “우리는 한동안 정말 좋은 일을했지만 잠시 후에는 좋지 않은 일을했습니다.” 계속 진행하려고 생각해야 할 것들입니다. 그런 다음 점수를 생각할 때 이것이 CMMI의 예입니다. 이것이 점수를 매기는 방식입니다. 다시 말하지만 여러분은 자신의 대시 보드, KPI, 조직에서 사람들을 측정하는 다양한 방법을 갖게 될 것입니다. 그러나 자신의 성공을 평가하고 측정하는 다른 방법이 있습니다. 당신이 이것에서 빼앗아 가야 할 나의 요점 또는 이것을 빼앗아 갈 고리는 당신이 성공을 측정하는 방법을 가지고 있고 당신의 성공을 축하 할 수 있는지 확인하는 것입니다.
그와 함께, 여러분이이 흥미 진진한 주제에 매달렸다는 것에 감사 드리며, Ron에게 돌아가서 조금 더 깊이 파고들 것입니다.
Ron Huizenga : Jen 감사합니다. 오늘 우리와 함께 해주셔서 감사합니다. 이제 Jen이 말한 내용에 대해 몇 가지 측면을 살펴보고 특정 영역에 대해 조금 더 깊이 살펴 보겠습니다. 그러나 제가하려고하는 것은 최소한 이러한 영역들에 대한 높은 수준의 자체 평가를 할 수있는 방법에 대한 요약을 제공하는 것입니다. CMMI 모델과 그 유형으로 보았 듯이 다양한 지표로 매우 빠르게 갈 수 있습니다. 따라서 우리가 실제로 얻고 싶은 것은 조직이 상당히 높은 수준의 위치에 대해 좋은 느낌을 얻은 다음 다른 조직으로 드릴 시작하기위한 것입니다. 이를 통해 조직의 효율성에 대해 이야기하겠습니다. 그리고 저는 CMMI와 그로부터 몇 년 동안 나왔던 다른 표준이나 지식 체계를 기반으로하겠습니다. 그리고 데이터 성숙도와 프로세스 성숙도에 대한 성숙도 지표 중 일부에 대해 이야기하겠습니다. 왜냐하면 우리가이 과정을 진행하면서 그것들이 서로 밀접한 관계가 있음을 알 수 있기 때문입니다. Jen은 한 관점에서 거버넌스에 대해 이야기했습니다. 또한 엔터프라이즈 아키텍처에 대해서도 조금 이야기하겠습니다. 그리고 우리는 그것을 요약하고 원탁 회의 자체에 도달 할 것입니다.
우리가 살펴보면, 수년간 출판 된 많은 표준과 BOK (물론 지식 기관)가 있습니다. 이들 중 다수는 실제로 성숙 모델의 기능에서 비롯되었습니다. 그리고 이것은 Jen이 말한 CMMI가 시작된 곳입니다. CMM 모델 자체는 실제로 1998 년에 시작되었습니다. 실제로 IBM과 함께 일할 때 Watts Humphrey라는 신사가 시작했습니다. 그는 27 년 동안 IBM에서 경력을 쌓았습니다. 그러나 카네기 멜론에있을 때이 특정 모델을 실제로 적극적으로 개발하기 시작했으며 미 국방부에서 의뢰했습니다. 이것을 이끌어 내기 위해 다른 많은 표준들이 사용되었습니다. 그리고 우리가 다른 표준 중 일부에 대해 이야기 할 때 업계에 대해 알고있는 것이 매우 좋습니다.이 시점을 볼 때 업계에서 일반적으로보고있는 것들을 배경으로합니다. 이것은 특히 제조업에서 품질 운동이 실제로 시작되기 시작했고 다른 지역으로 확산되었습니다. 전체 품질 관리, 적시 제조 및 기타 작업을 수행하여 제조 프로세스를 개선 할 수있는 방법을 찾고있었습니다. 그리고 그로부터 나온 많은 철학은 전체 작업의 질에 들어 왔습니다.
그리고 그것은 실제로 많은 것들이 시작된 일종의 점프 지점입니다. 일반 산업에서 시작하여 IT 및 데이터, 프로세스 및 정보 시스템으로 발전했습니다. 우리가 이야기하고있는 것들 중 일부와 더 밀접한 관련이 있거나 더 구체적인 다른 표준은 Jen이 조금 이야기 한 데이터 성숙도 모델입니다. 개체 관리 그룹의 비즈니스 프로세스 성숙도 모델도 있습니다. 또한 귀사가 다른 비즈니스 영역, 특히 정보 및 기술에 대한 제어 목표 인 COBIT (일반적으로 인프라 인 ITIL)와 같은 IT 중심의 비즈니스 영역에 대해 파악하거나 활용하고 있음을 알 수있는 다른 여러 표준 많은 사람들이 다룰 수도 있습니다. 다시, 전체 품질 관리. 특히 메트릭 및 기타 모든 항목에 들어가면 통계적 프로세스 제어와 같은 기능도 작동하는 것을 볼 수 있습니다. 물론 우리가 다루는 지식의 일부는 정보 또는 IT 전문가입니다. 의 데이터 관리기구.
비즈니스 분석 지식과도 동일합니다. 그리고 프로젝트 관리 지식 기관. 조직의 여러 이해 관계자가 동시에 여러 가지 이상의 기능을 사용하고있을 수 있습니다. 그러나 BOK를 통해 걸러 내고 다시 돌아가서 성숙이란 무엇입니까? 성숙도 란 무엇인지 물어 보면, 사전에서 찾을 때 실제로는“성숙했습니다”라는 말이 있기 때문에 성숙의 정의를 나열합니다. 따라서“성숙한”이라는 단어를 사용한다는 것은 실제로 상급자에 도달했음을 의미합니다. 개발 단계 – 물론 매우 일반적입니다. 그러나 우리가 실제로보고있는 것은 우리가하는 일을 더 높은 수준의 성취로 발전시키는 것입니다. 보시다시피, 많은 표준을 살펴보면 특히 CMMI와 기능 성숙도 모델은 실제로 5 점 척도를 기준으로하기 때문에 점진적으로보고 말할 수있는 방법을 제공합니다. 우리는 실제로이 규모를 따라 성장하는 방식으로 진화하고 있습니까?
하지만 성숙도를 살펴 보려면 관심있는 분야에서 조직 성숙도를 달성한다는 측면에서 균형을 유지해야합니다. 데이터 성숙도를 달성해야하며 여기에서 수행해야하는 몇 가지 기준에 대해 이야기하지만 동시에 프로세스 성숙도를 달성해야합니다. 그들은 같은 동전의 양면이며 서로 손을 잡고 가야합니다. 프로세스 성숙도를 높이 지 않고 데이터 성숙도 규모에서 0-5로 갈 수 없으며 프로세스 성숙도 마찬가지입니다. 두 단계가 함께 연결되어 있으며 실제로 다른 단계를 통해 진화함에 따라 서로 타기 위해 서로를 끌어 당깁니다. 그리고 앞으로의 슬라이드에서 조금 더 이야기하겠습니다. 우리가 알아야 할 또 다른 사항은 데이터와 프로세스 성숙도를 달성하는 것이 엔터프라이즈 아키텍처의 기본이자 Jen이 이야기 한 일부 거버넌스의 기본입니다. 우리는 우리가하려고하는 이들 중 일부에서 성숙을 달성함으로써 사람들을 가능하게합니다.
이제 Jen이 슬라이드에 대해 좀 더 자세히 이야기하겠다고 말했습니다. 나는 몇 가지 범주를 취했으며 여기에 CMM 스케일을 사용하고 실제로 내 자신이 있습니다. 실제로 만들지 않은 특정 인스턴스가있을 수 있기 때문에 실제로 스케일 위에 0을 추가합니다 이 경우에 모든 견인력. 따라서 이들은 발생한 인식 방법입니다. 따라서 데이터 거버넌스를 살펴보면 데이터 거버넌스 프로그램이 없기 때문에 0부터 시작할 수 있습니다. 그리고 다른 영역을 통해 성숙하기 시작하면 프로젝트 수준, 프로그램 수준, 부서 및 궁극적으로 전사적 차원에서 도입하기 시작하면 거버넌스 관점에서 실제로 성숙하고 성장하는 방식입니다. 이렇게하는 조직.
마스터 데이터 관리와 같은 다른 측면은 공식적인 데이터 분류없이 0에서 시작할 수 있습니다. 그런 다음 마스터 데이터가 있고 분류를 시작하고 있지만 통합되지 않았다는 점을 알게됩니다. 그런 다음 통합 및 공유 리포지토리로 작업하기 시작합니다. 그런 다음 표준화 된 환경에 들어가면 데이터 관리 서비스를 제공 할 때입니다. 더 나아가서, 여러분은 마스터 데이터 관리자와 궁극적으로 이것을 항상 진지하게 바라 보는 데이터 관리자 협의회를 설립 할 것입니다. 데이터 통합 관점에서 기술 환경과 응용 프로그램 및 데이터베이스를 살펴보면 미성숙 한 환경에서 여러 가지 임시 지점 간 인터페이스와 해당 유형의 인터페이스를 갖게됩니다. 의회. 그리고 성장함에 따라 몇 가지 일반적인 도구와 표준을 도입하기 시작합니다. 그런 다음 일반적인 통합 플랫폼을 살펴보면서 시작합니다. 그리고 표준화됨에 따라 표준화 된 미들웨어 및 엔터프라이즈 서비스 버스, 표준 모델, 조직의 모든 데이터를 분류하고 저장소의 비즈니스 규칙과 같은 것들을 분류하는 것과 같은 쉬운 작업을 수행하게됩니다. 물건. 그런 다음 조직 문화에 완전히 포함되는 곳으로 나아가십시오. 물론 품질이 가장 중요합니다. Jen이 이야기 한 것처럼 많은 의사 결정과 많은 도구가 작업중인 고품질 데이터를 가지고 있다고 가정합니다. 따라서 데이터 품질은 데이터 성숙도 달성의 근본적인 토대입니다.
다시 한 번, 데이터를 살펴보면 미성숙 한 환경에 많은 사일로와 분산 된 데이터가있을 수 있습니다. 승인 된 불일치가있을 수 있습니다. 그런 다음 일관되지 않은 것을 인식하고 계획을 세우기 시작합니다. 여기에서 관리되는 환경을 살펴보면 의사 결정에 데이터를 사용하기 위해 소비시 데이터 정리가 중요합니다. 우리가 실제로 이야기하고있는 것은 데이터 정리와 데이터웨어 하우스 및 기타 의사 결정 지원 도구에로드 할 데이터 정리입니다. 그리고 이것은 사람들이 제품을 생산하는 데이터 제조 산업에서 보았던 것과 유사합니다. 그들은 조립 라인을 따라 내려 가고 끝에서 제품을 검사하고“오, 다시 말하지만, 절대로 할 수없는 한 가지는 제품의 품질을 최종적으로 검사하여 개선 할 수 없다는 것입니다. 당신은 그것으로 문제를 볼 수 있습니다 그리고 당신은 그 다음 줄을 내려 오는 다음 것들과 다른 것들을 개선하기위한 조치를 취할 수 있지만, 당신은 결국 그것을 검사하여 그것을 개선하지 않을 것입니다. 따라서, 특히 데이터에서 앞으로 나아갈수록 소비 지점에서 검사 및 정화 관점에서 더 많은 부분을 이동합니다. 데이터, 데이터에 작용하는 프로세스를 통해 데이터가 정확하고 모든 프로세스에서 소비에 적합하도록 보장합니다. 더 발전함에 따라 양질의 KPI를 개발하고 얻기 시작하고 앞으로 나아가면서 데이터 품질에 대한 예방 방법을 개발하기 시작합니다.
조직의 행동이나 당신이 보는 것의 관점에서, 당신이 문제가 있다고 생각하지 않거나 당신이 모르는 경우, 당신의 조직에 거부 단계가 있다면, 당신이 레벨 0 또는 잠재적으로 하나로 이동합니다. 데이터에 혼란이 많고 이러한 불일치를 해결하려는 경우 아마도 한 단계 일 것입니다. 여전히 반응 형 모드에있을 때는 관리 모드로 전환하고 있지만 거버넌스, 품질, 마스터 데이터 관리 및 데이터를 모두 수용하는 매우 안정적인 데이터 환경이 될 때까지 표준화되지 않습니다. 통합, 몇 가지 요점을 말하십시오. 그리고 다시 한 번 지나면 실제로 능동적 인 관리 스타일을 시작하게됩니다. 매우 예측적인 동작이있는 부분과이를 백업하는 분석 및 조직에서 KPI를 백업하는 부분에 도달하면이를보고 몇 가지 사항을 오버레이 할 때 우리가 할 수있는 몇 가지가 있습니다. 조직과 위치에 대해 알아보십시오. 조직의 주요 IT 초점을 살펴 보겠습니다. IT의 주된 관심사가 여전히 기술과 인프라에 초점을 둔다면 규모가 덜 성숙 된 것으로 판단 할 수 있습니다. 그러나 실제로 정보 및 정보 구현 전략적 비즈니스 지원에 초점을 맞추면 규모의 성숙에 가까워지고 있습니다. 또한 데이터 관점에서 볼 때, 낮은 수준에 있으면 높은 데이터 위험이 있으며 높은 수준에 있으면 데이터와 관련된 위험이 줄어 듭니다. 그리고 그 반대 측면은 조직의 가치 창출입니다. 낮은 데이터 성숙도는 특히 조직에있는 데이터 측면에서 볼 때 상당히 낮은 수준의 가치 생성을 의미합니다. 규모가 커질수록 가치가 높아집니다.
데이터 모델링 자체에서이를 살펴 보겠습니다. 때때로 데이터 모델링은 빨간 머리 의붓 자식이되었습니다. 그리고 데이터 모델링은 데이터 성숙도를 달성하기위한 기본 요소입니다. 데이터 모델링이 어떻게 연결되는지에 대한 몇 가지 정보에 대해 이야기하고 싶습니다. 작은 응용 프로그램과 그 유형의 물건에 대한 문서화 또는 간단한 물리적 데이터베이스 생성에 사용되는 경우 데이터 성숙도 측면에서 1 단계가 될 수 있습니다. 개념, 논리 모델 및 실제 모델링을 포함하여 다양한 유형의 모델을 수용하고 인식하기 시작하면 기본적으로 설계를 추진하는 것입니다. 실제로 디자인 관점으로 사용하고 있으며 한 단계 높은 수준입니다.
엔터프라이즈 또는 표준 모델 구축, 개념 소개 및 여러 모델에서의 연계, 데이터 계보 및 거버넌스 메타 데이터를 모델에 직접 포함하는 등보다 엔터프라이즈 수준에서 살펴보기 시작하면 3 단계를 거쳐 전체 거버넌스 메타 데이터, 비즈니스 용어집 통합 등으로 나아가십시오. 수명주기와 데이터의 가치 사슬을 살펴보면 실제로 레벨 4에 도달 할 수 있습니다. 또한 비즈니스 용어집, 메타 데이터와 완전히 통합 된 모델링을 통해 셀프 서비스 분석과 같은 작업을 수행 할 수 있습니다. 이는 상당히 성숙한 상태에 도달했을 때입니다.
이것에 대한 부분과 소포로서, 나는 데이터 라이프 사이클에 대해 매우 간단히 이야기하고 싶다. 그리고 내가 이야기하고 싶은 이유는 불행히도 데이터 수명주기이기 때문에 종종 무시됩니다. 또한 데이터 요소를 생성, 읽기, 업데이트 또는 삭제하는 방법과 조직 전체에 적용되는 프로세스에 대해 설명했습니다. 그래서 오랫동안 업계에 종사해온 사람들은 이것을 CRUD라고합니다. 그것이 생성, 읽기, 업데이트 및 삭제이기 때문입니다. 그러나 조직의 데이터를 처리 할 때이를 기본적으로 이해해야합니다. 많은 요인들이 작용합니다. 이에 적용되는 비즈니스 규칙은 무엇입니까? 데이터를 소비, 생산 또는 변경하는 비즈니스 프로세스는 무엇입니까? 실제로 이러한 비즈니스 프로세스를 구현하는 응용 프로그램은 무엇입니까? 모든 데이터 수명주기 측면에서 중요한 역할을합니다.
그리고 다시, Jen은 이것에 대해 앞서 언급 했었습니다. 반드시 하나의 진실의 근원이있을 수는 없습니다. 그리고 특정 데이터 요소가 생성되는 여러 가지 방법이있을 수 있습니다. 그리고 실제로 여러 시스템 또는 여러 섭취를 통해 다른 것들이 들어와야 할 수도 있습니다.이 시점에서 특정 결정에 대한 적절한 데이터 소스가 무엇인지 파악하기 위해 조정하고 해결해야합니다. 조직의 목적에 따라 여러 가지 데이터 변형이있을 수 있습니다. 이를 달성하려면 비즈니스 프로세스, 데이터 흐름을 포함하는 데이터 계보, 통합 및 ETL과 같은 것을 포함하는 데이터 계보를 모델링 할 수 있어야하므로 데이터웨어 하우스, 데이터 마트 및 준비 영역에 대한 추출, 변환 및로드 물론 빅 데이터 측면의 데이터 링크도 작동합니다. 이 정보를 데이터 레이크에서 가져 오면 정보 소비 방식과 사용 방식을 알아야합니다. 수명주기 자체의 관점에서 볼 때, 실제로 새로운 데이터를 생성 또는 수집하는 방법, 데이터를 분류하는 방법 – 데이터를 효과적으로 이해하고 사용하기 위해 분류해야하기 때문에 데이터를 저장하는 방법, 방법 '사용, 조직에서 공유하는 비즈니스 프로세스에 맞게 수정하는 방법, 보존 및 보관 등 매우 중요합니다. 데이터를 얼마나 오래 유지합니까? 언제 보관합니까? 언제 그 데이터를 파기합니까? 데이터 수명주기에서 이러한 모든 사항을 고려해야하며 조직에서 높은 수준의 데이터 성숙도를 달성하려면 이러한 모든 작업을 수행해야합니다.
다시 말하지만, 저는 데이터 성숙도와 함께 프로세스 성숙도에 대해 이야기해야하는 쌍둥이와 비슷하다고 말했습니다. 다시 말하지만, 여기 몇 가지 다른 점이 있습니다.이 모든 내용을 읽지는 않겠지 만 걱정할 필요는 없지만 점검 목록 만 있으면 조직의 관점에서 자기 평가를 시작할 수 있습니다. 공정 성숙도. 처음부터 최적화 된 페이지까지 다시 살펴 보겠습니다. 다시 한 번, 기능 성숙도 모델에서 파생 된 것과 동일한 5 점 척도를 사용하고 있습니다. 초점과 같은 것을 살펴보면 프로세스 성숙도가 낮은 수준이나 낮은 수준에 도달하면 조직에서 사람들이 자신의 작업을 수행하는 데 실제로 자신의 방법에 의존하고 있음을 알 수 있습니다. 그리고 당신은 일을 할 수있는 일부 영웅과 그 유형의 일을 볼 수 있습니다. 그런 다음 경영진이 작업 단위 및 성능을 책임지는 지점에 대해보다 능동적 인 지점에 도달합니다. 그런 다음 표준 통합 프로세스를 발전시키기 시작합니다. 그런 다음 공정 안정성과 재사용. 그런 다음 해당 프로세스와 관련된 메트릭과 KPI를 계산하고 최종적으로 전체 수준의 최적화를 수행하는 멘토링 및 통계 관리 문화를 더 많이 살펴보기 시작합니다.
작업 관리를 살펴보면 일관성이없는 작업 관리 영역에서 관리 수준이 높은 영역으로 이동하여 자원에 대한 최소한의 노력을 균형 잡게됩니다. 그런 다음보다 적응력이 뛰어나고 민첩한 조직을 구축하여 프로세스를 표준화 할 수 있지만 조직의 다양한 상황에 가장 적합한 프로세스를 조정할 수 있습니다. 고급에 도달하면 역량 강화가 매우 중요합니다. 즉, 진행중인 작업과 직원이 프로세스 데이터를 가지고 모든 사람이 직관적으로 이해하는 것을 의미하므로 직원은 자신의 작업을 평가하고 관리 할 수 있습니다.
다시 한 번, 제조 비유로 돌아가서 – 조립 라인과 업계의 모든 것을 현대화하기 시작했을 때, 우리는 조립 라인에서도 작업자의 총 품질과 역량 강화에 대해 이야기하기 시작했습니다. 특정 생산 단계에서 문제가 발생하면 사람들은 큰 빨간 버튼을 누르고 문제가 해결 될 때까지 전체 조립 라인을 종료 할 수 있다는 권한을 받았습니다. 또한 조직에서 데이터와 프로세스를 실제로 최적화하기 위해 프로세스에서 데이터를 찾고자하는 것은 그런 유형의 사고 방식과 문화입니다.
귀하의 문화에 대한 다른 지표 – 귀하의 비즈니스 프로세스 개선에 대한 실질적인 약속을위한 식별 가능한 기초가 없다는 점에서 귀하의 문화가 정체되어 있습니까? 책임의 위임이 있습니까? 우리가 더 큰 규모로보고 있습니까? 더 나아가면서 여전히 사일로가있을 수 있지만 비즈니스 프로세스에서 수행하는 문화와 사물 측면에서 움직이기 시작하면서 다양한 비즈니스 사일로를 분해하고 활용하게됩니다. 조직 전체의 프로세스. 이벤트 단계에 도달하면 실제로 느끼는 것이 아니라 실제로 품질 메트릭을 수집하고 비즈니스 성과에 대한 역량을 예측할 수있는 메트릭스를 갖추는 것이 매우 중요합니다. 운영이 매우 중요합니다.
아키텍처 측면에서 많은 사람들이 IT에 있거나 항상 IT를 바라보고 있기 때문에 이에 대해 이야기 해 봅시다. 다시, 우리가 데이터에서 본 것과 같은 유형의 것들. 프로세스 성숙의 초기 단계에 실제로 빠져 있다면 IT 시스템이 절실합니다. 프로세스 관리를 시작하면 더 많은 서비스 기반 접근 방식을 채택하는 일부 서비스가 설정되는 것을 볼 수 있습니다. 그런 다음 표준화되면 데이터 및 서비스, 프로세스 서비스 및 이러한 유형의 측면에서 전체 서비스 또는 새로운 아키텍처에 이르기까지 전체 서비스 채택을 더 많이 보게 될 것입니다. 그런 다음 궁극적으로 데이터를 활용하는 전체 프로세스 중심 기업에 적용됩니다.
우리가 이것을 볼 때에도 같은 유형의 비늘이 있습니다. 생산성 측면에서 낮은 수준의 프로세스 성숙도에서는 낮은 수준의 생산성과 높은 프로세스 성숙도를 보게되며 훨씬 높은 생산성을 보게됩니다. 그리고 품질도 그와 밀접한 관련이 있습니다. 데이터와 동일 – 성숙도가 낮 으면 높은 수준의 위험과 높은 수준의 폐기물을 보게됩니다. 그러나 성숙도가 높을수록 위험을 줄이고 위험을 줄이고 폐기물을 크게 줄일 수 있습니다. 조직에서 일종의 증상 또는 지표로 볼 수있는 몇 가지 측면에서 기본 철학이 비용 절감에 기반을 둔 경우 프로세스 성숙도가 낮을 수 있습니다. 그런 다음 졸업하고 조직의 효율성을보다 면밀히 검토하는 방향으로 나아가고, 매우 성숙한 수준에 도달하면 가치 창출에 다시 초점을 맞출 것입니다.
혼돈이 다스리면 조직 관리 측면에서 볼 때 이는 일반적으로 프로세스가 덜 성숙한 조직의 증상입니다. 그러나 당신은 내가 경영진 정신이라고 부르는 것에 중점을두기 시작합니다. 그리고 법령에 따라 일부 관리가 있거나 부과하는 것들이있을 수 있습니다. 실제로 당신이 더 성숙한 수준에 도달하면 경영진은 더 많은 리더십. 다시 말해, 개선의 철학은 문화에 포함되어 있으며 CEO의 입장에서 프로세스 개선과 조직 전체의 지속적이고 지속적인 개선이라는 전체 철학을 추진하고 있습니다.
프로세스 모델 측면에서 – 그리고 여기서는 이러한 것들을 상당히 빨리 살펴볼 것입니다 – 프로세스 성숙도 자체에 묶여있는 프로세스 모델을 다시 살펴 보겠습니다. 다시 말하지만, 데이터 성숙도에서 보았던 것과 매우 유사합니다. 낮은 수준이나 수준 1에서 프로세스 또는 현재 상태 프로세스를 문서화하고 있지만 실제로는 데이터를 발전시키는 데 사용하지는 않습니다. 비즈니스 프로세스가 성숙해지면서 비즈니스 프로세스 모델링을 사용하여 조직에서 실제 비즈니스 프로세스 관리를 강화한 다음 사용중인 위치를 더욱 발전시키고 해당 모델을 지속적으로 업데이트하여 프로세스 개선을 궁극적 인 위치로 진행합니다. 디자인 프로세스를 시작하십시오. 그리고 완전히 성숙해 지거나 시그마와 같은 고급 프로그램을 채택한 조직이나 조직에서 일반적으로 볼 수있는 것은 다시 한 번 개선 정신이 있으며 모델링에 깊이 뿌리 박혀 있습니다. 당신의 조직. 비행기 나 건물, 초고층 빌딩 및 그와 같은 유형의 엔지니어링 청사진을 사용하여 제품을 제작하는 것처럼 실제로 비즈니스를 추진하기 위해 모델에 의존하고 있습니다. 이것이 실제로 조직 요소를 추진하는 디자인 요소이기 때문입니다. .
다시, 나는 이것과 모든 단어를 자세히 다루지 않을 것입니다. 내가 한 것은 두 가지 간단한 그리드 슬라이드를 가져 왔으며 데이터 성숙도와 프로세스 성숙도에 대한 다른 설명자 중 일부에서 사용되는 많은 단어를 선택했습니다. 사실을보고이 사실을 살펴보면 자신의 내부 문화에서 나오는 말 중 일부에 대해 생각할 수 있습니다. 그리고 그것은 전체 조직으로서 우리가이 성숙도 척도에 전체적으로 부합하기 시작하는 위치를 분류하는 데 도움이됩니다. 따라서 불일치 나 정체 또는 비 효율성이 매우 자주 발생하거나 혼란을 겪는 경우 일반적으로 규모의 가장 낮은 단계에있게됩니다. 지속적인 개선, 전략적 조정, 결함 및 품질에 대한 예방 적 접근 방식 및 해당 유형의 유형, 완전한 통합과 같은 것을 생각하기 시작하면 경쟁 우위에서 모범 사례에 대해 이야기 할 수 있습니다. 옵티 마이저, 스케일의 더 높은 쪽에서.
다시 말하지만, 데이터 거버넌스를 살펴볼 때, 특히 규모의 맨 아래를 볼 때 초기 단계에있을 때 데이터 거버넌스는 개별 프로젝트 수준에서만 도입 될 수 있습니다. 데이터 거버넌스와 특정 목표가 프로젝트 데이터 거버넌스에서 나오고 프로그램 및 부서별 데이터 거버넌스를 통해 진화 한 지점으로 진화해야합니다. 여기서는 전사적 차원에서 조직 전체에 포함됩니다.
나는 이것이 실제로 데이터 성숙도와 프로세스 성숙도 측면에서 함께 작동하는 쌍둥이라는 사실에 대해 이야기했습니다. 그 성숙도를 달성하는 데있어 규모의 어느 쪽이든 여정이며 걸음 수는 없습니다. 당신이 0에 있다면, 당신은 1, 2, 3, 4 단계를 거쳐 진화하고 궁극적으로 5에 도달해야합니다. 그리고 실제로 5 명에 불과한 조직은 거의 없습니다. 따라서 많은 조직이 3 명에 도달 한 후 앞으로이를 스프링 보드로 사용할 수 있으면 더 행복 할 것입니다. 다시 말하지만, 데이터 성숙도에서 4 명, 프로세스 성숙도에서 4 명이 될 수는 없습니다. 서로 얽혀있어 데이터와 프로세스를 서로 이해하고 잘 처리해야하기 때문에 작동하지 않습니다.
조직 성숙도를 향한 여정에서 이것을 그대로 생각하는 것이 좋은 비유입니다. 팀이 두 사람으로 구성되어 있다고 가정 해 봅시다. 하나는 프로세스 성숙도이고 다른 하나는 데이터 성숙도입니다. 당신은 장애물 코스를 운영하고 있으며 짧은 밧줄로 묶여 있습니다. 그리고 그 과정이 끝날 때까지, 그것은 여러분 모두가 모든 장애물을 통과해야하는 것이 아니라, 거의 동시에 또는 서로 매우 가까워 모든 장애물을 통과해야 함을 의미합니다. 계속해서 다음 장애물에 도달 할 수 있습니다. 프로세스 성숙도와 데이터 성숙도의 균형에 대해 생각할 수있는 좋은 방법입니다. 다시 말해, 프로세스 중심적 일 수 있고 다소 데이터 중심적 일 수는 있지만, 주요 지표가 될 것이며 실제로 레벨을 향상시키는 데 많은 차이가있을 수는 없습니다.
그리고 데이터 거버넌스에서 다시 살펴보면, 내가 알지 못했을 때 지적하고 싶었던 것 중 하나는 DAMA가 실제로 올해 초 지식 볼륨 2의 데이터 관리기구를 발표 한 것입니다. 실제 DAMA 휠이 변경되었습니다. 그리고 실제로 데이터 거버넌스가 중심에 있고 다른 휠 주위에 10 가지 범주가있는 곳에서 조금 다르게 표현했습니다. 여기서 볼 수있는 매우 중요한 것은 데이터 모델링과 디자인이 실제로 휠에 고유 한 영역을 가지고 있다는 점입니다. 이전에는 다른 영역과 혼합되어있었습니다. 여기서 가장 근본적인 포인트 중 하나는 특히 데이터 모델링이 데이터베이스의 데이터 모델링을 수행하든 또는 처리중인 메타 데이터를 수행하든 데이터 모델링이 중요한 역할을하기 때문에 이러한 모든 다른 측면의 기본입니다. 우리가 이야기하는 다른 모든 조각들에서 연주하십시오. 또한 프로세스 모델링은 데이터 자체를 이해하는 것 외에도 데이터의 사용 방식을 이해해야하기 때문에 프로세스 모델링이이를 수행하는 데 실제로 도움이되기 때문에 이러한 많은 것들에서 중요한 역할을합니다.
이제 기어를 조금 바꾸고 엔터프라이즈 아키텍처에 대해 이야기합시다. 또한 모델은 엔터프라이즈 아키텍처에도 중요합니다. 그리고 나는 이것을 예를 기반으로하고 있으며 이것은 매우 빨리 여기에 보여주는 Zachman 프레임 워크입니다. 이걸 보면 여기 몇 가지가 있습니다. 무엇을, 어떻게, 어디서, 누가, 언제, 왜 규모가 맨 위에 있는지 볼 수 있습니다. 그런 다음 모델링 유형 또는 엔터프라이즈 아키텍처 측면에서 정교하게 작성하는 대상 유형과 관련하여 매우 세부적인 수준의 세부 수준까지 세부 수준까지 자세히 설명합니다. 물리적 구현 포함 첫 번째 열을 보면 데이터 집약적이며 관련된 데이터가 무엇입니까? 프로세스가 어떻게 진행 되는가. 다른 측면을 살펴보면 나머지 정보를 향상시키는 관점에서 프로세스와 데이터 모델링의 조합을 사용하게 될 것입니다. 당신은이 모든 다른 것들에 대한 데이터를 가질 것입니다. 그리고 당신의 프로세스 모델은 또한 일이 일어나는 곳, 책임과 같은 것들을 묶을 것입니다. 또한 도구에서 수행하는 프로세스 모델링 측면에서이를 수행하고있는 다양한 작업을 수행하는 목표, 관계 및 비즈니스 규칙과 연계 할 수 있습니다.
Zachman 프레임 워크의 전반적인 관점에서, 이것에 대해 생각하는 좋은 방법 중 하나는 모델 중심이며 실제로 다른 수준을 거치고 있다는 것입니다. 따라서 높은 수준의 범위와 상황에서 시작합니다. 그런 다음 비즈니스 모델, 시스템 모델, 기술 모델 및 기술 모델에 대한 매우 상세한 표현으로 발전하고 있습니다. 다시 말하지만, 데이터는 무엇을 의미하며, 프로세스는 방법이며 실제로 다른 모든 특성을 이끌어내는 데이터와 프로세스 상호 작용의 조합입니다.
이를 바탕으로 엔터프라이즈 아키텍처 아이디어를 보는 방식이 다른 아키텍처와 약간 다르게 기반을 둔 것은 우연이 아닙니다. 데이터, 수집, 비즈니스 및 기술 아키텍처라는 엔터프라이즈 아키텍처의 네 가지 기둥에 대해 자주 듣게됩니다. 우리는 그것을 그것과 조금 다르게 봅니다. 데이터 아키텍처는 두 가지 이유로 모든 엔터프라이즈 아키텍처를 주도하는 기본 기반으로 간주합니다. 하나, 그것이 시작된 곳입니다. Zachman 프레임 워크와 같은 것조차도 주로 데이터 아키텍처에서 성장한 후 아키텍처의 다른 측면도 수용하도록 성장했습니다. 두 번째는 프로세스와 데이터의 근본적인 연계 때문입니다. 이것이 우리가 비즈니스 아키텍처를 엔터프라이즈 아키텍처의 중심 기둥으로 보는 이유입니다. 물론, 진정한 엔터프라이즈 인 에이블먼트를 구현하기 위해 절대적으로 필요한 인 에이 블러 인 애플리케이션 아키텍처 및 기술 아키텍처가이를 보완합니다. 이제 통합 모델링 플랫폼 인 ER Studio Enterprise Team Edition의 관점에서이를 살펴 보았습니다. 그리고 이것은 우리가 수행하는 일부 모델링과 그 뒤에 숨겨진 기본 사항에 대한 고급 컨텍스트 다이어그램입니다. 그리고 이것은 실제로 추진됩니다. 이것은 실제로 프로세스 다이어그램에 그려져 있습니다. 따라서 데이터 아키텍처 부분과 비즈니스 아키텍처를 아래에서 살펴보면 역할 기반 도구를 제공합니다.
왼쪽 하단에서 비즈니스 아키텍트 도구를 살펴보면 일반적으로 비즈니스 분석가와 비즈니스 아키텍트가 작업하는 곳입니다. 그리고 일반적으로 일부 비즈니스 프로세스에 중점을두고이를 처리하기 시작합니다. 그러나 그들은 또한 무엇에 초점을 맞추고 있습니다. 그런 다음 개념적 데이터 모델링과 그 유형의 작업을 시작합니다. 이러한 개념적 모델링 구성 요소를 활용하여 데이터 모델링 도구와 데이터 아키텍트로 가져 와서 논리적 데이터 모델과 궁극적으로 물리적 모델로 구체화하여 물리적 데이터베이스를 생성 할 수 있습니다. 또한 비즈니스 아키텍처 공간에서도 개념 모델이 업그레이드되도록 되돌릴 수 있습니다. 여기서 중요한 것은 다양한 유형의 모델링을 지원한다는 것입니다. 다시 말하지만 BI는 매우 중요하고 데이터 레이크 및 이러한 유형의 것들이므로 실제로 모델링도 수행하고 그 일부로 데이터 계보 모델링도 수행합니다. 따라서 실제 모델에서 데이터웨어 하우스에 대한 차원 모델로의 매핑을 수행하거나 데이터 레이크에서 항목을 가져오고 매핑하는 방법을 볼 때 ETL뿐만 아니라 이러한 모든 것을 함께 묶을 수 있습니다. 빅 데이터 플랫폼의 다른 모델링 플랫폼에서 리버스 엔지니어링을 전달할뿐 아니라
그런 다음 ETL 도구와 같은 것들도 있으므로 실제 환경에있을 수있는 ETL 사양에서 바로 데이터 연계 다이어그램을 도출 할 수 있습니다. 또한 관계형 모델링을 넘어 확장해야한다는 것을 아는 것도 매우 중요합니다. 우리는 Hive와 같은 특정 플랫폼과 특히 MongoDB를 보유하고 있으며, 이제는 내장 객체 및 배열과 같은 개념을 가진 문서 저장소에 대해 이야기하기 시작했습니다. 우리는 실제로 비 관계형 개념이기 때문에 이러한 유형의 모델을 수용 할 수 있도록 표기법을 확장했습니다. 데이터 아티팩트와 관련하여 데이터 아티팩트 도구에서 논리 엔티티 또는 물리적 테이블 및 해당 속성과 관련하여 작성한 모든 것을 비즈니스 처리 모델링으로 다시 푸시 할 수 있습니다. 따라서 비즈니스 프로세스 모델을 높은 수준에서 정교화하고 낮은 수준으로 낮추면서 실제 데이터 요소를 실제로 연결할 수 있습니다. 따라서 실제로 발생할 수있는 CRUD 매트릭스를 지정할 수 있습니다. 따라서 프로세스 수준에서 작성, 읽기, 업데이트 및 삭제에 대해 이야기 한 데이터 수명주기를 제공합니다. 또한 자체 오버레이 세트로 전체 BPM 프로세스 모델링을 수행하므로 비즈니스 전략, 비즈니스 목표를 연계 할 수 있습니다. 또한 모델 중심의 관점에서 이러한 비즈니스 프로세스를 구현하는 응용 프로그램을 연결할 수도 있습니다.
다른 중요한 것은 데이터 모델에도 있습니다. 데이터 거버넌스 특성 또는 데이터 품질 특성을 마스터하고 관리합니다. 추적하려는 특성에 따라 고유 한 메타 데이터를 정의하고 빌드 할 수 있으며, 이제 모델을 청사진으로 사용하여 조직 전체를 통해 메타 데이터 저장소 및 기타 모든 것에 적용 할 수 있습니다. 물론, 몇 년 전에 많은 사람들이 산업계에서 이것을 시작했을 때 모델링의 한계 중 하나는 이러한 모델을 생산한다는 것입니다. 우리는 무엇을 할 것인가? 우리는 그것들을 인쇄하고, 벽에 올려 놓았으며, 아마도 팀원들이 공유 할 수 있고 그런 종류의 것을 공유 할 수있었습니다. 이것의 진정한 가치는 조직 내에서 공유하고 협업 할 수 있다는 것입니다. 따라서 모델과 작업 공간을 체크인 및 체크 아웃하는 저장소 중심 접근 방식이 있습니다. 또한 다른 기술적 이해 관계자, 비즈니스 사용자 및 해당 유형의 조직이든 관계없이 조직의 구성원과 공유합니다. 또한이를 Team Server라는 협업 플랫폼에 연결하십시오.
그래서 우리는 초기 비즈니스 용어 및 용어와 그 중요성에 대해 이야기하고 비즈니스를 위해 그 단어를 개발했습니다. 그것은 모두 사용자, 비즈니스 사용자가 해당 용어에 대해 협업 할 수있는 Team Server에있었습니다. 그것들은 데이터 아키텍쳐에서 볼 수 있고, 예를 들어 데이터 모델 근처에서 볼 수 있으며 물론 이러한 비즈니스 용어집은 종종 데이터 모델에서 만든 일부 데이터 사전에서 비롯됩니다. 데이터 아키텍트 툴에서 출발점은 비즈니스 용어집으로, 더 세분화 될 수있는 변경 사항이 포함 된 비즈니스 용어집입니다.
그것은 많았다. 요약하자면, 우리가 논의한 몇 가지 사항은 진정한 조직의 성숙도를 시험하는 것이며 데이터 성숙도와 프로세스 성숙도로 구성된 균형 잡힌 접근 방식이 필요합니다. 다른 하나 없이는 달성 할 수 없습니다. 다시 말하지만 기본적으로 기업 아키텍처와 데이터 거버넌스 및 프로세스 거버넌스 모두에 대한 데이터 모델링 및 프로세스 모델링, 특히이 둘을 모두 필요로하고이를 사용해야합니다. 엔터프라이즈 아키텍처는 이러한 다양한 측면과 관점을 고려할 때 실제로이를 연계시킵니다. 이를 위해서는 견고한 데이터 아키텍처 기반이 필요하며 해당 비즈니스 컨텍스트를 제공하고 비즈니스 프로세스와 데이터 소비를 앞당길 수있는 통합 프로세스 모델링이 필요합니다. 다시, 그 어느 때보 다 더 중요합니다. 나는 오래된 것이 다시 새로운 것이라고 말할 수 있습니다. 따라서 데이터 모델링, 프로세스 모델링, 계보, 메타 데이터 및 용어집이이를 달성하는 데 필수적이며 ER / Studio Enterprise Team Edition은이 모든 기능을 통합하는 협업 플랫폼입니다.
그리고 그것으로 우리는 질문으로 넘어갈 수 있습니다.
에릭 카바나 흐 : 좋습니다.
Ron Huizenga : 우리는 Eric에게 갈 것이다.
Eric Kavanagh : Ron, 나는 당신이이 다른 프로세스들과 프레임 워크들을 문서화하는데 노력한 모든 노력에 대해 당신에게 모자를 기울여야합니다. 그것은 당신이 가지고있는 많은 자료입니다. 내가 가진 가장 큰 문제는 조직에서 누가이 일을 감독해야 하는가하는 것입니다. 왜냐하면 당신은 많은 다른 것들을 만지기 때문입니다. 프로세스를 파악하면 최고 운영 책임자 또는 일부 운영 담당자가됩니다. 데이터 라이프 사이클, 아마도 이것이 최고 데이터 책임자가 될 것이라고 생각합니다. 비즈니스에는 다양한 부품과 다양한 구성 요소를 접하고 있습니다. 올바른 사람이나 그룹을 어떻게 찾습니까? 운영위원회입니까? 무엇입니까? 조직에서 누가이 작업을 수행해야하는지에 대해 무엇을 알려줄 수 있습니까?
Ron Huizenga : 알다시피, 흥미로운 질문입니다. 실제로 다양한 접근 방식의 장점을 논의하면서 하루를 보낼 수 있습니다. 그러나 제가 제품 관리 역할을 시작하기 전에 컨설팅을 할 때 분명히 보았던 것은 조직을 살펴볼 때 문제의 일부로 소유권을 얻고 사람들이 소유권을 갖도록하는 것입니다. 또한 데이터 모델링 및 비즈니스 프로세스 모델링과 같은 분야를 살펴 보거나 심지어 초기에는 데이터 흐름 다이어그램 및 이러한 유형의 IT와 같은 유형의 분야를 살펴볼 수 있습니다. 그러나 우리가 발전함에 따라 이제는 이것이 정말로 비즈니스 중심이어야 함을 점점 더 인식하고 있다고 생각합니다. 따라서 비즈니스에 대한 소유권을 정말로 원합니다.
저는 여기에 일부 IT 직원을 화나게 할 것입니다. 그러나 우리가 최고 데이터 책임자 역할의 진화를 본 이유는 대부분의 조직에서 CIO 역할이 실패했다고 확신합니다. 이는 많은 CIO가 데이터와 프로세스에 중점을두기보다는 기술에 중점을두기 때문입니다. 그래서 저는 당신이 정말로 그것을 필요로한다고 생각합니다. 아마도 당신은 아마도 더 큰 조직에서 일종의 운영위원회가 필요할 것입니다. 그러나 이것은 실제로 비즈니스가 소유해야합니다. 저는 비즈니스, 프로세스 모델링, 데이터 모델링이 모두 비즈니스에 속해 있어야한다고 주장합니다. 데이터의 관리자 인 IT가 데이터를 통해 프로세스를 구현할 수있는 기능을 제공 할 수 있기 때문입니다. '만들기, 실제로 비즈니스가 소유하고 있다면 망치가 있는지 확인하십시오.
에릭 카바나 흐 : 네, 나는 그것에 동의 할 것 같습니다. 하지만 젠, 어떻게 생각해?
Jen Underwood : 정말 흥미 롭습니다. 그것이 사람들을 돌보고 대화하는 것이 중요하다고 생각할 때 내가 암시했던 것입니다. 어느 시점에서 나는 백서 (white paper)를 썼는데, 이것과 매우 유사한 셀프 서비스 BI 거버넌스였습니다. 사람들의 동기를 부여하고 비즈니스 가치 측면에서 동기를 부여하는 방법을 찾는 것이 중요합니다. 그리고 데이터 카탈로그인지 또는 어떤 각도를 보든 찾을 때 찾을 수 있습니다. 어쩌면 그것은 선적 비용을 줄이고 조직에서 누군가가 책임을지는 것을 넣어서 관리 할 수있는 방법 일 것입니다. 그리고 그렇습니다. 비즈니스 주제 전문가가 만들거나 깰 것입니다.
에릭 카바나 흐 : 어렵습니다. 나는 당신이 항상 조직 주변 의이 이해 관계자 컨소시엄을 원한다고 생각합니다. 물론, 당신은 분석 마비를 원하지 않습니다. 관료주의를 위해 관료주의를 원하지 않습니다. 당신이 원하는 것은 조직이 행동 계획을 세우고 이런 것들을 문서화하는 것입니다. 비즈니스 프로세스 모델링에 대해 이야기하기 시작했을 때 25 년 전에는 뜨거웠지만 대부분 실제 비즈니스와는 분리되어있었습니다. 적어도 일부 산업에서는 실제로 프로세스를 실행하는 실제 소프트웨어에서 많은 프로세스를 가져올 수 있다고 생각합니다. 하지만 요즘 우리는이 두 세계의 균형을 잡는 방법을 찾아야한다고 생각합니다, 론? 최신 상태이며 실제로 발생하는 상황을 반영하는 프로세스 모델을 원합니다. 따라서 별도의 운동을하고 싶지 않고 선반 어딘가에 있습니다. 그러나 그것은 약간 도전적입니다. 모든 운영 체제가 그러한 종류의 실행 코드와 일치하는 것은 아닙니다. 하지만 어떻게 생각하세요?
Ron Huizenga : 물론입니다. 제가 보는 것 중 하나는 사람들이 우리가 즉시 만족하는 사회가되었을 때입니다. 사람들은“아, 그냥 나가서 몇 가지 도구를 사서 우리를 위해이 일을 할 것입니다.”라고 생각합니다. 프로세스 성숙도를 구매하지 않을 것입니다. 데이터 성숙도를 구매하지 않을 것입니다. 힘든 일입니다. 소매를 감아 서 그렇게해야합니다. 이를 가능하게하는 메커니즘은 모델링입니다. 작업중인 현재 상태를 시각적으로 표현할뿐만 아니라 다양한 비즈니스 프로세스를 개선 할 방법을 설계하기에는 너무 복잡합니다. 이러한 변화가 어떤 영향을 미칠지 이해하려면 시각적 프레임 워크가 필요합니다.
에릭 카바나 흐 : 정말 그렇습니다. “지금은 프로세스 성숙도를 구매하지 않고 데이터 성숙도를 구매하지 않을 것”이라고 트윗하고 있습니다. 두 가지 모두에 완전히 동의 할 수 있습니다. 그리고 젠, 나는 당신의 생각을 위해 당신을 데려 올 것입니다. 그리고 그 위에 또 다른 질문을 던질 것입니다. 참석자 중 한 명이 묻습니다. 프로세스 중심 엔터프라이즈 또는 프로세스 성숙도 란 무엇입니까? 젠, 얘기 좀 할래?
Jen Underwood : 실제로 이전 질문에 대해 조금 더 잘 말할 수 있습니다. 내가 생각할 때 진실은 도구를 구입하는 첫 번째 사실입니다. 그것은 너무나 사실이기 때문에 그것은 위대하고 훌륭한 의견이었습니다. 그러나 내가 말할 것은 훨씬 나아졌습니다. 그래서 많은 솔루션을 검토하고 다른 공간을보고 테스트합니다. 더 나아진 것은 데이터를 발견하고, 태그를 지정하고, 최소한의 러닝 스타트를 제공하며, 고통스럽지 않을 때 거의 재미 있다는 것입니다. 따라서 데이터 카탈로그 나 MDM 프로젝트가 재미 있다고 상상해보십시오. 보고하고 있거나 다른 유형의 정보를보고 있는지 여부에 관계없이이 데이터를 사용하는 조직의 직원이 있으며, 심지어는 심지어 온라인상의 누군가가 말한 것처럼 생각합니다. 개별 개발 계획에 관심이있는 사람들을 확보하는 것입니다. 그래도 한 단계 더 올라가 이 문제를 해결하고 이제 잘못 배송 된 배송 물을 30 % 줄였으며 이는 비용이 얼마나 절약되는지를 말해줍니다. 데이터를 더 잘 관리하는 것입니다. 그것은 그런 유형의 것들이며 당신은 그 주위에 돈을 넣고 재미있게 만듭니다. 또는 그들이하고있는 일에 흥미롭고 관련이있게 만듭니다. 그것은 사람들이 조직에서 이것을 시도하는 많은 참여에서 빠진 마술이라고 생각합니다.
에릭 카바나 : 네, 좋은 지적입니다. 그리고 Ron, 잠시 전에 시각적 프레임 워크를 갖는 것의 중요성에 대한 귀하의 의견으로 돌아가서, 사람들이 무언가를 볼 수 없다면, 그것이 무엇인지 알 수 없기 때문에 그것은 정말 사실이라고 생각합니다. 상호 의존성 및 제어 지점과 이러한 모든 것들이 포함 된 복잡한 프로세스에 대해 이야기하기 시작할 때, 어느 시점에서 어딘가에 매핑해야하며 이상적으로는 카탈로그에 기능이 내장 된 소프트웨어를 사용하는 것이 좋습니다. 예를 들어, 이 시점에서 그 시점까지 다른 선을 사용하여 발생한 변환 또는이 제어점에서 사용 가능한 것. 그리고 저는 리스크 관리의 역사를 참조하고 있습니다. 제어 포인트는 프로세스의 어떤 지점이든, 실제로 무언가를 바꿀 수있는 옵션이나 개인 또는 소프트웨어 응용 프로그램의 어느 지점입니까? 그것이 그들이 제어점이라고하는 것입니다. 그리고 나에게, 당신이 그 시각적 프레임 워크를 얻는 것이 정말 가치가 있습니다. 그럼 당신은 볼 수 있고 걷는 종류와 시간이 걸립니다. 그 물건을 관리하고 그것을 실제로 이해하고 최적화하는 데 인간의 두뇌 시간이 필요합니까?
Ron Huizenga : 물론입니다. 그리고 제가 생각하기에 다른 비유를 원근법으로 생각하면 : 나는 약간의 항공 견과이기 때문에, 이것을 병렬로 생각하려고한다면, 747을 만드는 것에 대해 생각하십시오. – 또는 Airbus 380이므로 다른 공급 업체를 선택하지 않습니다. – 청사진과 3D CAD 도면이 아닌 텍스트로만 구성된 문서 및 모든 방법을 기반으로하는 것이 얼마나 어려운지 생각해보십시오. 그것은 실제로 함께 모여 있습니다.
에릭 카바나 흐 : 응. 그리고 Jen도 말해야합니다.
Ron Huizenga : 비즈니스도 마찬가지입니다.
에릭 카바나 흐 : 예, 그렇습니다. Jen은 공부하고 싶은 핫한 지역 중 하나 인 시각화에 대해 이야기했습니다. 당신은 그것을 완전히 이해하기 위해 무언가를 시각화 할 수 있어야합니다.
젠 언더우드 : 많은 사람이 그렇습니다. 심지어 시각화만으로도 말하는 것은 수천 단어 나 그와 비슷한 것입니다. 그들이 볼 때 믿을 수 있습니다. 그리고 그들은 그것을 얻습니다.
에릭 카바나 : 동의합니다. 그리고 난 사랑해, 론, 네가이 모든 것을한데 모은 방식. 나는 다시 나 자신에게 묻는 것 같아, 당신은 조직 내부에 챔피언이 필요하고 누가 거기에있을 것이며, 다른 그룹의 연락 원 역할을합니다. 데이터 관리자는 우리가 자주 이야기하는 것입니다. 저는 그것이 정말로 중요한 역할에 있다고 생각합니다. 저는 데이터의 가치를 높이 평가하면서 지난 3 년에서 4 년 동안 더 많은 관심을 얻은 것으로 생각합니다. 거버넌스 맞지? 그 데이터 관리자는 비즈니스와 대화 할 수 있지만 시스템을 이해하고 데이터 수명주기를 이해하고 전체 그림을 이해할 수있는 사람입니다. 그리고 아마도 그 사람은 아마도 CEO의 지배를받을 수 있고 또 있어야한다고 생각합니다.
Ron Huizenga : 네, 다기능 팀이 필요할까요? 따라서이를 수행하는 팀을 구성하거나 기술적 인 측면을 나타내는 다른 영역, 다른 비즈니스 영역을 가진 사람들이 필요합니다. 또한 조직 유형에 따라 프로젝트 관리 사무소가 있고 PMO가 주도하는 많은 이니셔티브가 있다면 PMO가 있는지 확인하고 싶을 것입니다. 모든 사람을 조화롭게 유지하고 그들이 일하는 방식을 동기화하기 위해서입니다.
에릭 카바나 흐 : 예, 마지막으로 거버넌스 프레임 워크를 소개하겠습니다. 참석자에게 질문했습니다. 해당 슬라이드에서 데이터가 누락되지 않았습니까? 슬라이드에 데이터가 포함되어 있습니까, 아니면 슬라이드에서 누락 된 데이터에 대한 의견에 대해 어떻게 생각하십니까?
Jen Underwood : 아니요. 이는 일반적인 관리 프레임 워크입니다. 기본적으로 이것은 셀프 서비스 BI 공간에서 비롯된 것이므로 많은 부분에서 데이터가 암시됩니다. 그것은 내 각도와 관점에서 왔으며 이것을 결합하는 데 데이터 측면에 초점을 두지 않았습니다. 그러나 데이터는 이러한 모든 부분에 대해 생각할 때 데이터가있을 것입니다. 데이터 기반이든, 전체 프로세스 및 전체 프레임 워크에 걸쳐 데이터를 사용하는 책임입니다.
에릭 카바나 : 네, 전혀 이해가되지 않습니다. 그리고 우리가 여기서 마무리 할 때 마지막 질문 하나만 던질 것 같아, 론 요즘 우리가 얼마나 많은 정보와 더 많은 데이터를 사용하고 있는지, 그리고 멀리 떨어져있는 조직이 얼마나 많은지에 대해 생각한다면, 채널 파트너들 사이에서 요즘 생태계의 중요성은 무엇입니까? 이것에 대한 블록 체인에 대한 약간의 빠른 참조 – 너무 복잡하지 않습니다. 결론은 비즈니스 관점과 일상 생활 모두에서 점점 더 데이터 중심의 연결된 세상에 있다는 것입니다. 그리고 그것은 조직이 당신이 여기서 제안하고있는 것, 즉 그들의 성숙도, 서있는 곳과 곡선의 측면에서 얼마나 멀리 떨어져 있는지에 대해 열심히 살펴 보도록함으로써 더 많은 이해 관계를 제기 할 것입니다. 정말 그것에 대해 정직한가? 당신이 더 잘 모른다면 더 잘할 수없고, 사물에 반영하지 않으면 더 잘 알지 못하기 때문입니다.
Ron Huizenga : 맞습니다. 그리고 내가 사용할 문구는 아마도 당신이 생각하는 것만 큼 좋지 않을 것입니다. 그것은 가혹한 것처럼 들릴 수 있지만 사람들은 이것에 대해 매우 낙관적 일 수 있지만, 당신이 그것을 열심히 열심히 살펴보고 정말로 중요하고 자기 평가를 잘한다면, 나는 어떤 조직이라도 그들이 발견 한 중대한 격차를 발견 할 것이라고 생각합니다 해결해야합니다.
Eric Kavanagh : 동의해야합니다. 그리고 동료 중 한 명이 메타 데이터의 중요성, 즉 데이터에 관한 데이터에 대해 언급했습니다. 의심의 여지가 없습니다. 메타 데이터는 이러한 모든 시스템을 하나로 묶는 접착제이며 메타 데이터가 변경되어 솔직히 말해서 그 코드를 완전히 해독 한 적이 없습니다. 시스템마다 다릅니다. 데이터를 정규화하려고하면 정확도가 떨어집니다.
그래서 우리는 지금이 이상한 세상에 있습니다. 아마도 데이터 카탈로그를 몇 번 언급했기 때문에 Jen에게 한 가지 더 질문 할 것 같습니다. 정보 시스템을 자동으로 검색하고 메타 데이터 열 이름 등을 확인하는 등의 새로운 데이터 카탈로그 기술 움직임이 정말 마음에 듭니다. 시스템에서 데이터와 메타 데이터의 전략적 뷰를 점진적으로 구축하는 데 도움이됩니다. 나에게, 수동으로 그 일을하기 위해서는 너무 많은 것이 있습니다. 그리고 당신은 눈사태가 닥 치기 전에 그 언덕의 꼭대기에 올라가지 않을 것입니다. 그리고 당신은 아시다시피, 반죽 반죽 회색 점으로 정규화되었거나 당신이 실제로하지 않는 곳으로 충분히 정규화되지 않았습니다 무슨 일인지 모르겠어요 나에게, 우리가 계속 이야기하고있는 기계 학습을 사용하는 것은 미래에 무엇이 중요한지에 대한 충분한 이해를 가질 수있는 충분한 데이터를 확보하는 데 도움이 될 미래의 열쇠가 될 것입니다. ?
젠 언더우드 : 네. 나는이 기술을 좋아합니다. 그들은 매우 시원합니다. 그리고 당신은 그것에 대해 생각합니다, 그것은 당신에게 엄청난 달리기를 시작합니다. 그리고 크라우드 소싱을 할 수 있습니다. 데이터 관리자가 자신의 문서를 추가하고 있는지, 아니면 관점인지, 변경 사항인지에 관계없이 데이터 관리자가 있습니다. 보고에 사용할 인증 된 데이터 소스라고합니다. 사람들은 올바른 데이터를 검색하고 찾을 수 있습니다. 정말 정말 좋습니다. 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.
에릭 카바나 흐 : 재미 있네요 . 우리는 청중 구성원으로부터 또 다른 마지막 의견을 받았으며, 아마도 블록 체인이 메타 데이터에 인증 스탬프를 넣는 것이 가장 중요 할 것이라고 말했습니다. 그것은 좋은 지적이며, 블록 체인은 정말 놀라운 기술입니다. 시스템과 응용 프로그램 사이에 많은 점을 연결하는 일종의 응집력있는 기초라고 생각합니다. 아시다시피, 우리는 블록 체인 개발의 초기 단계에 있지만, 지금 당장은 원래부터 시작된 시점부터 분리되어 IBM이 매우 열심히 일하고 있음을 알았습니다. 블록 체인 기술. SAP는이 모든 것을 도입했습니다. 그리고 그것은 실제로 모든 시스템과 모든 점들을 연결할 수있는 더 깊은 토대와 프레임 워크를위한 기회를 제공합니다.
그래서 여러분, 한 시간 동안 잘 태워졌습니다. 오늘 우리와 함께 해 주셔서 감사합니다, 그러나 우리는 항상 귀하의 질문에 답변하고 모든 논평을 얻는 것을 좋아합니다. 나중에 볼 수 있도록 이러한 웹 캐스트를 모두 보관하므로 insideanalysis.com으로 온라인으로 이동하면 해당 링크를 찾을 수 있습니다. 일반적으로 이벤트 후 몇 시간 내에 가동되어야합니다. 그리고 우리는 다음에 당신을 따라 잡을 것입니다. 우리는 다음 주에 더 많은 이벤트가 올 것입니다 – 많은 일들이 벌어지고 있습니다. 그러나 그것은 당신에게 작별 인사를 할 것입니다. 시간 내 줘서 고마워. 조심해 부 바이
