Med all informasjonen der ute - 2,5 kvm byte om dagen, med ett antall - er det ingen overraskelse at dagens virksomheter sliter med å klassifisere, organisere og styre data. Enten de trenger dataene eller bare ender med det (digital eksos), må de ha det hendig. Skarp dataadministrasjon er grunnlaget for å gjøre informasjon om til inntekter.
Nylig har bedrifter omstudert sin datastyringsstrategi ved å fokusere på den større arkitekturen i datahub. Datahubben kobler alle data i en bedrift, og til slutt gir alle forretningsbrukere 360-graders oversikt over dataene de trenger for å gjøre jobben sin. Ideelt sett ville dette skje i sammenheng med forretningsapplikasjonene de allerede bruker; gjør dette gjennomsiktig og effektivt, samtidig som det muliggjør datastyring på samarbeidsbasis på tvers av virksomheten.
I min siste kolonne skrev jeg om å ta datahubben et skritt videre for å gjøre det intelligent. Denne gangen vil jeg gjøre et dypere dykk på en kritisk komponent i datahubben: Application Data Management (ADM).
Definere og mestre programadministrasjon
Som analytiker og forskning VP Andrew White hos Gartner har påpekt, er ADM et slags nytt underfelt som eksisterer både ved siden av og innenfor master data management (MDM). Application Data Management (ADM) mestrer data som deles (vanlig) mellom flere applikasjoner, men ikke nødvendigvis hele virksomheten.
For eksempel kan en typisk virksomhet i dag ha supply chain management, et CRM-system (Customer Relationship Management) og faktureringsprogramvare. Hvert system driver en annen del av virksomheten. Likevel har alle disse systemene data som er vanlige på tvers av dem, for eksempel kundenavn, adresser, fakturerings- og leveringsadresser og fakturaer.
Hvert system har også andre data. I forsyningskjedesystemet er det logistikkinformasjon, fraktinformasjon, avgifter og avgifter. CRM har potensielle kunder og muligheter, tilleggskontakter, tidligere bestillinger og forhandlinger, mens regnskapsprogramvare inneholder bankkonto- og rutingnumre - informasjon som trenger høy sikkerhet, og som bare blir sett av få ansatte i hele organisasjonen.
De vanlige dataene er forskjellige. Det er det som ofte blir referert til som "sakte skiftende dimensjoner." I løpet av livet endres adresse, telefon og e-post veldig sakte, men du er fortsatt den samme personen. Det samme gjelder hvis du jobber for ett selskap, men blir forfremmet eller overfører kontorer; noen tall og bokstaver som tilskrives deg vil endres, men andre vil ikke.
Informasjon som sakte endrer dimensjoner regnes som stamdata og oppbevares i en egen database med informasjon om disse små, langsomme endringene over tid. De raskere endrede applikasjonsdataene er transaksjonelle - informasjon som en persons inntekt eller en virksomhets inntekter. Det endres hele tiden (som hvert kvartal) og holdes ved siden av kundeinformasjon. Selv om det ikke er stamdata, vil en bedrift fremdeles mestre dem.
Applikasjonsadministrasjon i praksis
Gjennom en virkedag vil forskjellige personer i en organisasjon oppdatere disse informasjonsgruppene. Avhengig av rolle og tillatelser, kan de oppdatere, eller godkjenne eller sende inn til godkjenning til en datastyrer bit av applikasjonsdata. De oppdateres med forskjellige hastigheter, med forskjellige nivåer av spesifisitet og nøyaktighet. Når endringene er vedtatt, gjenspeiles de delte dataene umiddelbart i alle applikasjoner. Så ADM gjør alt MDM gjør, men tjener til slutt en annen sak: delt på tvers av flere applikasjoner.
Hva forbinder alt sammen? Det er datahubben. Datahubben inkluderer datastyring, datakvalitet og berikelse, samt arbeidsflyter (som godkjenninger og iterative prosesser) De gjenspeiler hvordan data endres over tid og gir krystallklarhet for sporbarhet, avstamning og hørbarhet.
Kunstig intelligens: nøkkelkomponenten
Inntil nylig har evnen til å bruke en datahubstrategi blitt hindret av det vanskelige behovet for integrering og kravet om å koble sammen flere programvareplattformer og tjenester til et funksjonelt system. Kunstig intelligens og maskinlæringsteknologi gir den siste milen for automatisering og korrelasjon for å gjøre datahubben mulig.
Dette siste laget er det "intelligente" datahubben - som vurderer de ovennevnte datafunksjonene, inkludert AI og maskinlæring som fører til et intuitivt, brukervennlig forretningsgrensesnitt som gjør dataprosesser lett forbrukbare for enhver medarbeider i organisasjonen.
Bedrifts sluttbrukere er de som til slutt må være bemyndiget til å bygge kundelojalitet og utforske muligheter for kryssalg og oppsalg. Data kan hjelpe dem, men bare hvis de lagres på rett sted og blir styrt fra riktig program til riktig person til rett tid.
Å bringe det sammen
Dataindustrien har gjort seg selv en bjørnetjeneste ved å ha mange komponentbiter av programvare for segmenterte deler av det større kravet. Dette ble født ut fra et ønske om å eie en nisje i et overfylt marked. I økende grad er måten å levere verdien så sårt behov for, å bringe den sammen i en enkelt plattform og effektivisere kompleksiteten med et intuitivt design. Se på dette rommet.
