टेकवे: हॉट टेक्नॉलॉजीजच्या या भागामध्ये होस्ट एरिक कवानाग आयडीआरएच्या किम ब्रुशबर आणि थर्ड नेचरचे मार्क मॅडसेन यांच्यासह प्रक्रिया मॉडेल आणि डेटा मॉडेलिंगबद्दल चर्चा करतात.
आपण सध्या लॉग इन केलेले नाही. कृपया व्हिडिओ पाहण्यासाठी लॉग-इन किंवा साइन-अप करा.
एरिक कवानाग: ठीक आहे स्त्रिया आणि सज्जन. हे पूर्वीचे चार वाजले आहेत, पुन्हा एकदा, बुधवारी, हॉट टेक्नॉलॉजीची वेळ आली आहे. होय खरंच, माझे नाव एरिक कवानाग आहे. आजच्या वेब सेमिनारसाठी मी आपल्या यजमान होईन ज्यामध्ये व्यवसायात आमचे दोन आवडते लोक आहेत: आयडीईआरएचा किम ब्रशॅबर आणि थर्ड नेचरचा मार्क मॅडसेन. “व्यवसाय लक्ष्ये साध्य करण्यासाठी प्रक्रिया मॉडेल वापरणे.” आम्ही व्यवसायाचे अनुकूलन करण्याबद्दल बोलत आहोत आणि आपण काय करीत आहोत हे समजण्यासाठी प्रथम या तंत्रज्ञानाचा खरोखर वापर कसा करता येईल आणि नंतर आपण काय करीत आहात हे पुन्हा तयार करा आणि अनावश्यक गोष्टी टाळा, टाळा संघर्ष यासारख्या गोष्टी, कदाचित आपल्या पुरवठा साखळीत किंवा आपल्या व्यवसाय प्रक्रियेत, जिथे जिथे असतील तिथेच, आम्ही आज त्याबद्दल बोलत आहोत. तर प्रथम, आम्ही किम ब्रुशाबर कडून ऐकत आहोत आणि मग आम्ही मार्क मॅडसेन कडून ऐकत आहोत. मग आमच्याकडे मागे व पुढे काही चांगले असेल आणि आपल्या प्रश्नांसाठी मोकळेपणाने वाटेल. लाजाळू नका. आपल्या वेबकास्ट कन्सोलच्या प्रश्नोत्तर घटकांद्वारे किंवा चॅट विंडोद्वारे प्रश्न.
त्यासह मी किमसाठी प्रथम स्लाइड येथे आणणार आहे आणि मी ती बंद करीन. किम, घेऊन जा.
किम ब्रुशबर: नमस्कार. तर मी आपले उद्दीष्ट साध्य करण्यासाठी आपल्या व्यवसायातील काही प्रक्रिया कशा वापरू शकाल याबद्दल बोलून मी सुरूवात करणार आहे. मला वाटले की मी स्लाइड प्रगत केली आहे - तिथे आपण जात आहोत, हे कदाचित थोडेसे धीमे झाले असेल. व्यवसाय यशस्वी होण्यासाठी, कंपनी पैसे कसे मिळवते यावर लक्ष केंद्रित केले आहे, ग्राहकांना ठेवत आहे आणि बाजार आनंदी आहे, कमीतकमी खर्च कमी ठेवतो आणि नंतर दर्जेदार उत्पादने वितरीत करतात आणि आपण एकत्रित केलेली माहिती विश्वसनीय आहे हे सुनिश्चित करणे. आम्ही येथे आमचे buzzWords वापरले आहेतः कमाईची वाढ, ग्राहकांचे समाधान, कार्यक्षम ऑपरेशन्स, उत्पादन आणि डेटा गुणवत्ता. आणि आज ज्या व्यवसायाबद्दल आपण चर्चा करणार आहोत त्यातील काही प्रमुख आव्हाने आपल्या संस्थेतील सिलो समाविष्ट करतात; त्यांच्याबद्दल काय चांगले आहे, त्यांच्याबद्दल काय वाईट आहे कारण सर्व सिलो खराब नाहीत. आपण आपल्या प्रक्रियेपासून अनावश्यक गोष्टी कशा दूर ठेवता? आपल्या संप्रेषणामधील तफावत आपण कसे कमी करू आणि दूर करू शकता आणि आपल्या ऑपरेशनमधील अकार्यक्षमता आपण कशी कमी करू शकता.
तर, सिलोसचा पहिला प्रकार म्हणजे विभाग सिलोस. जेव्हा विभागांना कंपनीमधील इतर विभागांसह माहिती सामायिक करण्याची इच्छा नसते तेव्हा सायलो मानसिकता तयार केली जाते. आणि संवेदनशील माहितीच्या बाबतीत हे चांगले असू शकते ज्याबद्दल थोड्या लोकांना माहित असावे - म्हणून संवेदनशील विलीनीकरण माहिती किंवा संपादन माहिती किंवा कदाचित विक्री टीम त्यासह काहीतरी करण्यास सक्षम नसलेली माहिती - अशा प्रकरणांमध्ये सिलोस असू शकतात खुपच छान. परंतु हे देखील वाईट असू शकते कारण संस्थेतील गटांमधील माहितीचा प्रवाह अडथळा आणत आहे आणि यामुळे आम्ही येथे क्षणभर चर्चा करणार आहोत अशा बर्‍याच मुद्द्यांना कारणीभूत ठरू शकते. आपल्याकडे असे सिलो देखील असू शकतात जे व्यवसायाच्या उद्दीष्टे आणि तंत्रज्ञानाच्या उद्देशाने विभागलेले आहेत. म्हणून घराच्या व्यवसायाची बाजू आरओआय आणि केपीआय आणि खरोखरच व्यवसायावर लक्ष केंद्रित करणार्या गोष्टींकडे पाहण्यात बराच वेळ घालवते, तंत्रज्ञानावर, मी खरोखर माझी उत्पादने कशी काम करणार आहे किंवा कसे आहे याकडे त्यांचे लक्ष आहे. मी माझ्या सेवा बाजारात आणणार आहे? आणि म्हणूनच दोन भिन्न गटांमधील भिन्न लक्ष्ये असल्यामुळे आपणास नैसर्गिक सायलो बनू शकतो जो त्या दोन दरम्यान तयार होतो. आणि मग बर्‍याच वेळा सिलोस जार्गॉनने विभागले जाऊ शकतात. म्हणून आपण आपल्या दैनंदिन भाषेत वापरत असलेले शब्द खरोखरच एका गटासाठी किंवा दुसर्‍या गोंधळात टाकणारे असू शकतात आणि मी येथे फक्त एक गंमत ठेवली आहे थोडीशी मजा लिहिली आहे जी एका बाजूला किंवा भिंतीच्या दुसर्‍या बाजूला संबंधित आहे. आणि नक्कीच हे स्पेक्ट्रम कव्हर करण्यास देखील सुरूवात करत नाही, परंतु बर्‍याच वेळा, या शब्दांमुळे सिलो तयार होऊ शकते आणि लोकांचे दोन भिन्न गट विभागले जाऊ शकतात कारण माहिती भाषांतरात हरवते. तर आपल्या व्यवसायासाठी चांगले सिलो आहेत आणि मी सिलोस संस्थेमध्ये आणू शकणार्‍या काही मूल्यांचा समावेश करणार आहे.
म्हणून ते एक अशी रचना प्रदान करू शकतात ज्यामुळे कर्मचार्‍यांना कोणतीही भीती किंवा भोक न घालता त्यांचे कार्य करण्याची परवानगी मिळते. म्हणून जर आपल्याकडे असे लोक आहेत जे आपल्या सायलोमध्ये आहेत ज्यांशी दररोज आपण बोलणे आणि संबोधित करणे आवश्यक आहे, जे आपल्याला आपले कार्य अधिक व्यत्यय आणी अधिक कार्यक्षमतेने आणि अधिक प्रभावीपणे सक्षम करण्यास सक्षम करू शकते. हे व्यवसायाच्या विशिष्ट क्षेत्रात तज्ञांना देखील सुविधा देते. तर जर आपण खरोखर वित्तपुरवठ्यावर बारीक लक्ष केंद्रित करत असाल आणि आपण वित्तपुरवठा करणार्या इतर लोकांशी बोलत असाल आणि दिवसभर आपण सर्व वित्त विषयी बोलत असाल तर खरोखरच एक चांगला सायलो तयार होतो कारण तो गट त्यातील कौशल्य शिकतो क्षेत्र आहे आणि विक्रीमध्ये काय चालले आहे किंवा विपणनात काय चालले आहे किंवा ऑपरेशन्समध्ये काय चालले आहे हे जाणून घेण्यासाठी त्यांना जबाबदार राहण्याची गरज नाही. हे लोकांना समान भाषा बोलण्याची परवानगी देऊन संप्रेषणास गती देखील देते. म्हणून त्या जर्गॉनकडे परत जाणे, बराच वेळा त्या गोष्टी खरोखर चांगल्या गोष्टी होऊ शकतात कारण यामुळे लोक अधिक जलद आणि प्रभावीपणे संवाद साधू शकतात. हे सायलोमध्ये जबाबदारी आणि जबाबदारी देखील ठेवते. तर आपल्या ग्रुपमध्ये आपण काय जबाबदार आहात याची आपल्याला माहिती आहे आणि आपल्याला ज्या व्यक्तीला वितरित करण्याची आवश्यकता आहे आणि ज्यास आपण अहवाल देण्याची आवश्यकता आहे आणि त्याऐवजी आपल्याला जास्त जबाबदारी आणि जास्त जबाबदारी मिळण्याची परवानगी मिळते - आणि निश्चितच सिलोसची एक फ्लिप साइड आहे जिथे जबाबदारी गोंधळलेली होऊ शकते. परंतु सायलोमध्येच ही अधिक जबाबदारी आणि जबाबदारी निर्माण करू शकते. आणि मग ती अभिमान आणि मालकीची भावना देखील वाढवते. म्हणून आपण दिवसाच्या शेवटी पूर्ण केलेल्या नोकरीबद्दल आणि आपल्याला वितरित करण्याची आवश्यकता असलेल्या कार्येबद्दल खरोखर चांगले वाटू शकते आणि या सर्व गोष्टी सिलो बद्दल खरोखर चांगल्या आहेत.
परंतु सिलोसची आंबट बाजू आहे आणि सायलोज अकार्यक्षमता निर्माण करतात, ते मनोबल कमी करतात, उत्पादकता कमी करतात. आणि म्हणूनच सिलोसची ही नकारात्मक बाजू असल्याने, मी विविध व्यवसाय बुलेट पॉईंट्सवर जाण्यासाठी काही व्यवसाय प्रक्रिया मॉडेल्स वापरणार आहे आणि आयडीरा बिझिनेस आर्किटेक्ट उत्पादनाचा वापर करुन सिलोसच्या आंबट बाजूवर कसा विजय मिळवू शकतो हे स्पष्ट करेल. यापैकी काही उदाहरणे.
तर प्रथम म्हणजे ते अकार्यक्षमता आणि निरर्थक प्रक्रिया तयार करते. म्हणून या उदाहरणात, मी हे दर्शवित आहे की विपणन संस्थेत कार्येचा एक संच असू शकतो आणि विक्री संस्थेच्या कार्ये वेगळ्या प्रकारची असू शकतात. आणि या प्रकरणात, आपण त्यास नकाशा तयार केल्यास, आपल्याला कळेल की लीड पात्र ठरविणे या दोघांचेही कार्य आहे. आणि जेव्हा आपणास हे समजते, तेव्हा आपण दोन भिन्न गटांमधील क्रॉस-फंक्शनली संभाषण करू शकता जेणेकरून ते शोधू शकतील “माझी पात्रता लीड आपल्या लीड पात्रतेइतकीच आहे काय? आपण तीच पावले आणि तीच वागणूक घेत आहोत? किंवा याचा अर्थ दोन भिन्न सिलो दरम्यान काहीतरी वेगळे आहे? ”आणि आपण समान गोष्टी करत असाल तर आपण त्यास सुव्यवस्थित करणे आणि स्वतंत्रपणे स्वतंत्र गटांना जबाबदा groups्या देणे सुरू करू शकता आणि व्यवसाय प्रक्रिया आपल्याला या गोष्टींचा नकाशा लावण्यास खरोखर मदत करू शकतात आणि आपल्याला अशा प्रकारच्या समस्या कोठे आल्या आहेत ते ओळखा.
तसेच, जेव्हा आपण कंपन्या विलीन करीत असाल किंवा आपण गट विलीन करत असाल तर विलीन प्रक्रिया, आपण बरेच कार्य करू शकता आणि विविध प्रक्रिया करण्यासाठी आपली प्रक्रिया परिभाषित करू शकता. आणि या उदाहरणात, कंपनी अ ची थोडीशी वर्तन झाली आहे, कंपनी बीमध्ये काही वर्तन आहे आणि विलीनीकरण प्रक्रिया ए आणि बीचे घटक घेते, सर्वोत्तम पद्धती शोधतात आणि नंतर एक नवीन प्रक्रिया तयार करते जी दोन्ही गटांसाठी अतिशय प्रभावीपणे कार्य करणार आहे. म्हणून हे आपल्याला अधिक कार्यक्षम, अधिक उत्पादनक्षम आणि आपल्या व्यवसायासाठी चांगल्या पद्धती ओळखण्यास मदत करते.
याव्यतिरिक्त, सिलोसची आणखी एक चांगली बाब म्हणजे विभागांमधील संवादामध्ये तफावत असू शकते, ज्याबद्दल आपण फक्त बोलत होतो, जेथे सहयोग होत नाही परंतु तसे असले पाहिजे. आणि म्हणून व्यवसाय प्रक्रिया आपल्याला त्या प्रकारच्या अंतर ओळखण्यास मदत करू शकतात. तर या उदाहरणात, विक्रीची प्रक्रिया असते, एक नवीन उत्पादन प्रकाशीत होते आणि ते बाहेर जातात आणि ते विक्री करतात. परंतु फायनान्समध्ये अतिरिक्त प्रक्रिया असू शकते जिथे त्यांना उत्पादनामध्ये जाण्याची आणि उत्पादनांच्या किंमती अद्यतनित करण्याची आवश्यकता असते. जर विक्रीबद्दल त्यास माहित नसेल तर ते अद्याप जुन्या उत्पादनांच्या किंमतींचे सौदे तयार करु शकतील आणि जेव्हा वित्त सौदेचा आढावा घेण्यास सुरुवात करेल आणि करारास मान्यता देईल तेव्हा बरेच संघर्ष आणि बरेच काही होईल. बॅक-पॅनेलिंगचे कार्य ग्राहकाकडे परत जाऊन ते पुन्हा दुरुस्त करावे लागेल. आणि जर आपण जाऊन आपली प्रक्रिया डायग्राम केली असेल तर आपल्याला हे अगोदरच माहित असेल आणि त्यामध्ये ते बसू शकेल जेणेकरुन विक्रीस हे माहित असेल की "नवीन ग्राहकांशी बोलण्यापूर्वी मी त्या उत्पादनांच्या किंमती अद्ययावत होईपर्यंत मला थांबण्याची आवश्यकता आहे. उत्पादन
या उदाहरणात, बीपीएमएन 2 मध्ये एक संभाषण आकृती आहे जी आपल्याला विविध विभागांमधील विविधांमध्ये बोलण्यास सक्षम करते आणि त्या दरम्यानच्या हँडऑफ पॉईंट्स ओळखू शकते. आणि हे अनावश्यकता कमी करण्यासाठी आणि विभागांमधील अधिक जबाबदारी आणि जबाबदारीसाठी देखील उपयुक्त आहे. म्हणून आपण म्हणू शकता, “ठीक आहे, म्हणून विक्री व्यवस्थापन आणि विक्रीला करार मंजूर करण्यासाठी एकत्रितपणे कार्य करावे लागेल.” आणि ते दोघेही त्यांच्या हँडऑफचे तुकडे आणि जे अवलंबून आहे त्यावर कार्य करू शकतात. परंतु वित्त विभागास त्या मंजुरीमध्ये सामील होणे आवश्यक नसते आणि त्यांना हे माहित आहे की या आकृती आधारित आहे की असे म्हणतात की ते पूर्ण करण्यासाठी एकत्र काम करण्याची आवश्यकता असलेल्या वेगवेगळ्या विभागांमध्ये कोण जबाबदार आहे.
याव्यतिरिक्त, नकली प्रक्रिया त्यात येऊ शकतात ज्यामुळे कंपनीला फायदा होणार नाही. म्हणून जेव्हा आपण आपल्या व्यवसाय प्रक्रियेतून जात असाल तेव्हा आपण ओळखाल की कोणीतरी आपल्यासारखे काहीतरी करीत आहे, “हे खरोखर कसे प्रभावी आहे किंवा ते लक्ष्य कसे पूर्ण करीत आहे हे मला खरोखर समजत नाही.” तर मी तुम्हाला काही देईन याची उदाहरणे. तर या प्रकरणात, उत्पादन कदाचित जात आहे आणि ते एक नवीन रिलीझ करीत आहेत. ते जातात, ते आवश्यकतांचे वितरण करतात, विकास कार्यसंघ त्या आवश्यकतांवर कार्य करण्यास सुरवात करते परंतु उत्पादन कार्यसंघ ग्राहकांशी बोलू लागला की मग आम्ही परत येऊ आणि त्यामध्ये सुधारणा करण्याचा निर्णय घेतला. आणि हे त्या वस्तू तयार करण्याच्या प्रगतीपथावर प्रगतीपथावर गेल्यानंतर परत जाण्याची आणि विकासनाच्या कार्यसंघासाठी आवश्यक असलेल्या गोष्टींमध्ये सुधारणा करणे फारच अडथळा आणणारे आहे. उत्पादनासाठी, त्या अशा कशाबद्दलही विचार करू शकत नाहीत. ते अगदी अशाच आहेत, "अरे, मला काही नवीन निविष्ठा मिळाली आणि आता मला या गोष्टींची आवश्यकता आहे." आणि जर ते विकास कार्यसंघाशी बोलत नाहीत, तर त्यांना खरोखर किती परिणाम होईल हे त्यांना समजत नाही नंतर वाव किंवा उत्पादन वितरण. म्हणून या प्रकारचे तुकडे रेखाटण्यामुळे सायलो ब्रेक होण्यास मदत होते आणि आपल्या प्रक्रियेसाठी कोणते घटक उपयुक्त आहेत आणि हानिकारक प्रक्रिया कोणत्या आहेत हे समजून घेण्यास आपल्याला अनुमती देते.
मालमत्ता आणि संसाधनांची प्रत देखील असू शकते आणि जेव्हा कंपन्या सुव्यवस्थित करण्याचा प्रयत्न करीत असतात तेव्हा ही एक मोठी गोष्ट असते. म्हणून या प्रकरणात मी एक गटबद्ध आकृती बनविली आहे जिथे मी तयार केले जाणारे विविध अनुप्रयोग आणि अहवाल आणि त्यास संबंधीत भिन्न खेळाडू दर्शवितात. आणि जेव्हा आपण या सर्व गोष्टी देणे प्रारंभ करता, या उदाहरणात मी संपादन साधने आणि कॉल ट्रॅकिंग साधनांची एक प्रत दिली आहे आणि ती कोण वापरत आहे. आणि म्हणूनच आपण शोधू शकता, कारण स्वतंत्र सिलो त्यांच्या संघासाठी बर्‍याच वेळा हे निर्णय घेतील आणि संपूर्णपणे व्यापक संघदेखील त्या परवाना कराराचा वापर करू शकेल आणि त्यास बनवू शकेल या वस्तुस्थितीबद्दल ते विचार करू शकत नाहीत. संस्थेमध्ये वापरल्या जाणार्‍या सर्व साधनांसाठी स्वस्त आणि अधिक खर्चिक याव्यतिरिक्त, कोणती माहिती आणि केव्हा जबाबदार आहे हे ओळखण्यासाठी व्यवसाय प्रक्रिया आकृती खूप उपयुक्त ठरू शकते. आणि म्हणूनच या प्रकरणात, माझ्याकडे डेटा कारभारी आहेत ज्यांनी असे म्हटले आहे की, "ठीक आहे, हे सर्व लोक या सर्व डेटासाठी जबाबदार आहेत आणि येथे असलेल्या टेबलांवर ते जबाबदार आहेत." आणि ही माहिती इतरांना देऊ नका. लोकांनो, जेथे वैद्यकीय नोंदी किंवा वित्तीय डेटा सारख्या संवेदनशील माहिती किंवा त्यासारख्या घटकांना फक्त दोन लोकांना एकांत केले जाणे आवश्यक आहे अशा क्षेत्रामध्ये हे खरोखर महत्वाचे आहे. म्हणून आपण हे ओळखण्यात मदत करू शकता, जे इतर संस्थांमधील लोकांना त्या माहितीवर प्रवेश न करण्याची परवानगी देते आणि ती सुरक्षित करते आणि आपली माहिती कोठे जात आहे हे जाणून घेतात.
याव्यतिरिक्त, आम्ही डेटाबद्दल थोडेसे बोलत असल्याने, सायलोज खराब डेटा गुणवत्ता आणि डेटा विसंगती देखील तयार करू शकते. म्हणून या प्रकरणात, मी नवीन कार्यसंघ ग्राहक केव्हा असतो किंवा आपण ग्राहक अद्यतनित केव्हा करता हे समजण्यासाठी डेटा कार्यसंघाला मदत करण्यासाठी मी एक व्यवसाय प्रक्रिया वापरली आहे. तर आपण या निर्णयाचे बिंदू जाणून घेऊ शकता आणि व्यवसायाची बाजू समजून घेणार्‍या व्यवसायिक तांत्रिक बाजूने सहजपणे बोलू शकेल ज्याने हे नियम अंमलात आणले पाहिजेत आणि काही वर्तन कधी करावे लागतील हे माहित असू शकते. या उदाहरणात, ते डेटाची प्रत निश्चित करण्याबद्दल बोलत आहेत. म्हणून जर आपल्याकडे किरकोळ ग्राहक असेल आणि आपल्याकडे वेब ग्राहक असेल आणि आपण उत्पादने विकत असाल तर आपल्याकडे कदाचित अशी भिन्न माहिती असू शकेल जी समान माहिती गोळा करण्याचा प्रयत्न करीत आहेत. आणि जर आपण आपली माहिती डुप्लिकेट करण्याचा आणि आपले ग्राहक खरोखरच आहेत हे ओळखण्याचा प्रयत्न करीत असाल तर व्यवसाय प्रक्रिया डायग्राम आपल्याला त्या गोष्टीवर खिळवून ठेवण्यास खरोखर मदत करू शकतात आणि म्हणू शकतात, “अरे, या प्रकरणात आम्ही दोघेही ऑर्डरवर काम करत आहोत आणि या प्रकरणात आम्ही दोघेही आर्थिक व्यवहार करीत आहोत, ”आणि त्या माहितीचा नकाशा तयार करण्यास सक्षम होऊ जेणेकरून आपल्या डेटामध्ये अशा प्रकारचे डुप्लिकेशन आपल्याकडे नसतील आणि आपण अनावश्यकता कमी करू शकता आणि कमतरता कमी करू शकता आणि ते पुढे आणू शकता. आपल्या डेटाची गुणवत्ता.
चांगल्या व्यवसाय प्रक्रियेचा अतिरिक्त फायदा म्हणजे जेव्हा बदलांची अंमलबजावणी करणे अधिक सुलभ होते तेव्हा कर्मचारी सुरूवातीस समस्या ओळखू शकतात. हे विशेषत: जटिल डेटा प्रक्रियेसाठी खरे आहे, जर आपण डिझाइनच्या अग्रभागावर विश्लेषण करू आणि संभाषणात सर्व संघांना सामील केले तर प्रक्रिया बर्‍याच गुळगुळीत बाहेर येतील आणि लोक सुरवातीस अधिक चांगली प्रतिक्रिया देण्यास सक्षम असतील. विरूद्ध जर आपण आधीपासून प्रक्रियेत असाल तर. नवीन कर्मचारी अधिक वेगाने ऑन बोर्ड झाले आहेत कारण ते जाऊ शकतात आणि या व्यवसाय प्रक्रियेचा आढावा घेऊ शकतात आणि त्यांना साध्य करण्यासाठी आवश्यक असलेल्या कार्ये आणि हँडऑफ पॉइंट्स कोठे आहेत आणि कोणाकडे वेगवेगळ्या गोष्टींसाठी बोलण्याची आवश्यकता आहे हे समजू शकते. आणि क्रॉस-फंक्शनल कार्यसंघांमध्ये रिअल-टाइममध्ये निर्णय घेतले जाऊ शकतात. जर आपण दोघे ही व्यवसाय प्रक्रिया आकृती एकत्र काढत असाल तर आपल्याला हे मुद्दे सापडतील जिथे प्रक्रियेमध्ये काही अडचण आहे आणि त्यावर चर्चा करण्यास सक्षम आहात आणि आपल्यातील दोघांसाठी सर्वात चांगली प्रक्रिया कोणती आहे आणि सर्वोत्कृष्ट हँडऑफ कुठे आहेत हे शोधू शकता पॉइंट्स आणि जे पूर्ण करण्याची आवश्यकता असलेल्या प्रत्येक भिन्न कार्ये करण्यासाठी सर्वात चांगले लोक कोण आहेत.
तर व्यवसायाच्या यशासाठी सिलो तोडण्यासाठी आणि आपले उद्दीष्ट साधण्यात सक्षम होण्यासाठी काही टीपाः प्रथम आपल्या व्यवसायाची प्रक्रिया आपल्या ग्राहकांवर, आपली उत्पादने किंवा आपल्या सेवांवर केंद्रित करणे - स्वतंत्र विभाग नाही. म्हणून लोकांना त्यांच्या विभागांतून त्यांच्या वैयक्तिक चेकलिस्टसह ब .्याच वेळा इच्छिते. परंतु जर आपण त्याऐवजी संपूर्ण व्यवसायाकडे लक्ष दिले तर आणि व्यवसाय ज्या उद्दीष्टे साध्य करण्याचा प्रयत्न करीत आहेत त्याकडे लक्ष दिल्यास, आपण या गोष्टी कशा घसरतात हे पाहण्यास प्रारंभ करू शकता आणि म्हणाल की, "या प्रक्रिया मला माझे ध्येय गाठायला मदत करतात? किंवा ते अतिरिक्त प्रक्रिया आहेत किंवा प्रक्रियेत अडथळे आणत आहेत आणि लक्ष्य साध्य करीत आहेत? ”प्रक्रिया ज्या ठिकाणी कनेक्ट होतात त्या स्थानांवर आपण अधिक वेळ घालवला पाहिजे. तर त्या संभाषण आकृत्याप्रमाणेच जिथे तुम्हाला बरेच हँडऑफ पॉईंट्स मिळाले आहेत, त्याबद्दल बोलण्यात तुम्हाला आणि बर्‍याच वेळा वेगवेगळ्या सिलोवर माहिती योग्य प्रकारे वाहत आहे हे सुनिश्चित करण्यासाठी अधिक वेळ घालवणे आवश्यक आहे.
आपण आपल्या कर्मचार्‍यांना प्रक्रियेमध्ये, त्यांच्यासाठी जबाबदार असलेल्या गोष्टी आणि ते संपूर्णपणे कंपनीशी कसा संवाद साधतात हे दर्शवून एकीकृत करू शकता.आणि हे लोकांना भेटायला, उद्दीष्ट्याकडे वाटण्याच्या उद्देशाने पुष्कळ उद्देश देते. आपण कर्मचार्‍यांशी देखील सहकार्य करू शकता जेणेकरून त्यांच्या प्रक्रियेवर त्यांची भूमिका असेल ज्यामुळे त्यांची भूमिका व नोकरी प्रभावित होईल कारण प्रक्रिया तयार करताना सर्व काही वरच्या बाजूस घेतल्यास कार्य करत असलेल्या व्यक्ती चुकलेल्या पावले पाहतील. आणि गहाळ असलेले तुकडे आणि त्याबद्दल चर्चा करण्यात सक्षम. आणि आपण या प्रक्रिया काढत असताना आपण आपल्या सर्व कर्मचार्‍यांशी सहयोग करीत असल्यास आपण त्या बाह्यकर्त्यांना शोधू शकता आणि त्या वास्तविक गोष्टी आहेत की नाही या प्रक्रियेत आहेत किंवा नाही. आणि मग सिलोस तोडण्यासाठी आणखी एक टीप म्हणजे बदलत्या गरजा आणि संस्थेच्या उद्दीष्टे प्रतिबिंबित करण्यासाठी आपल्या प्रक्रिया नियमितपणे अद्यतनित केल्या पाहिजेत कारण उद्दिष्टे आणि प्रक्रिया खूपच द्रव आहेत आणि आपल्याला कदाचित सर्वोत्कृष्ट सर्वोत्तम पद्धती सापडतील. आपल्याला गोष्टी करायच्या आहेत असे नवीन मार्ग आपल्याला सापडतील आणि त्या माहितीस नियमितपणे अद्यतनित करण्यात सक्षम असणे संस्थेस खरोखर मदत करू शकेल. आणि त्या क्रॉस-फंक्शनल टीमसमवेत ड्रॉईंग बोर्डाकडे परत जाण्यामुळे सायलोस तोडण्यात आणि आपल्या टीममधील ते संवाद उघडण्यास खरोखर मदत होऊ शकते. म्हणूनच मी तयार केलेल्या स्लाइड्स.
एरिक कवानाग: ठीक. मला ते निंदनीय मार्क मॅडसेनच्या स्वाधीन करते. आपल्याकडे आता मजला आहे, तो घेऊन जा. आणि लोकांनो, लाजाळू नका, आपले प्रश्न विचारा. आम्हाला येथे लाइनवर तज्ञ मिळाले आहेत. चिन्हांकित करा, हे सर्व तुम्ही आहात.
मार्क मॅडसेन: ठीक आहे, धन्यवाद एरिक. तर आपण आता जे ऐकले ते प्रक्रिया आणि प्रक्रिया मॉडेलिंग आणि ते कसे लागू होते याबद्दल होते. आणि मग माझ्या दृष्टीकोनातून, घराच्या विश्लेषणाच्या बाजूने, मी व्यवसाय प्रक्रिया स्पष्ट करण्यासाठी आणि समजून घेण्याच्या पद्धती म्हणून वापरली आहे. आता, जेव्हा आपण विश्लेषकांबद्दल विचार करता आणि विशेषत: आता आम्ही बीआय व्यतिरिक्त मशीन शिक्षण आणि इतर गोष्टींबद्दल बोलतो तेव्हा तरीही हे बाजारपेठेच्या विस्तृत बाजूने पाहिले जाते, ज्याचा मी विचार करतो, चुकीचे. म्हणजेच सोन्याचे खाण कामगार जसे विश्लेषक बाहेर असतात आणि ते त्या डेटाकडे धाव घेतात आणि त्यांना वेठीस धरतात आणि त्यांना सोन्याचे काही गाळे सापडतात आणि या मौल्यवान वस्तू परत संस्थेत आणतात आणि मग प्रत्येकजण नंतर आनंदाने जगतो. किंवा कमीतकमी विश्लेषक असे करतात कारण त्यांच्याकडे सहा आकडी पगार आहे कारण तेच सिद्धांतानुसार डेटा वैज्ञानिक बनवित आहेत.
पण वास्तव खूप वेगळे आहे. वास्तविकता अशी आहे की ती पायाभूत सुविधा घेते आणि ती कार्य घेते आणि ती लक्ष्य आणि व्यवसायाची दिशा आणि समज घेते. आणि त्या गोष्टी, त्यांना समस्यांकडे कसे जायचे, समस्यांचे मॉडेल कसे तयार करावे आणि त्या समस्या कशा सोडवायच्या हे खरोखर समजून घेणे आवश्यक आहे. आणि म्हणूनच ही कल्पना आपण काही डेटा आणि काही तंत्रज्ञान आणि काही हुशार लोक फेकून देऊ शकता समस्या न समजता, विशेषतः ज्या प्रक्रिया कॉनमध्ये आपण ती लागू करणार आहोत, बहुधा त्याच प्रकारे एक मिथक आहे गोल्ड रश ही एक मिथक होती आणि खरतर त्यातील बहुतेक लोक दिवाळखोर झाले होते.
व्यवसायाच्या विश्लेषणाच्या या अनुप्रयोगाचा आणखी एक पैलू देखील आहे, ही कल्पना आहे की काच अंतर्गत सर्व डेटा आहे, बरोबर? की असं असलं तरी विश्लेषक किंवा अल्गोरिदम डेटा पृष्ठभागावर आणतील आणि ते एखाद्याच्या स्क्रीनवर टाकतील. परंतु समस्या अशी आहे की आम्हाला इतका डेटा मिळाला आहे आणि आपण विश्लेषणासह बर्‍याच वेगवेगळ्या गोष्टी करू शकता जेणेकरून लोकांचे मन भारावणे सोपे आहे. आणि मग आपणास आता दुय्यम समस्या आहे जी आहे “माझ्याकडे खूप डेटा आहे आणि माझ्याकडे बर्‍याच गोष्टी आहेत, मी कोणत्या गोष्टीकडे लक्ष देतो? आणि या गोष्टींकडे मी कशा आणि का लक्ष द्यायचे? ”आणि हे खरोखरच वातावरणातील बर्‍याच समस्यांचा मुद्दा आहे की आपण कोणाकडे आणि इतकेपर्यंत काय माहिती दर्शविली जाते यावर अचूक तज्ञांची आवश्यकता आहे. सेल्फ-सर्व्हिस डेटा एक्सेस आणि सेल्फ-सर्व्हिस डॅशबोर्ड्स असण्यापासून, आपण वाईट गोष्टींमध्ये काय आहे हे ठरविण्यात मदत करण्यासाठी भिन्न तज्ञांवर अवलंबून रहाल.
आणि जर आपण भविष्यात कोठे जात आहोत याबद्दल, विशेषत: बर्‍याच प्रगत विश्लेषणे परंतु मशीन शिकण्याच्या पद्धतीकडे, व्यवसायात एआय, या सर्व गोष्टींबद्दल जर आपण बोलत राहिलो तर त्याभोवती बरेच काही आहे. त्यात बरेच वास्तव आहे आणि त्यातील एक मोठा भाग एम्बेड केलेला आहे. खरं तर, यामध्ये आधुनिक पुनर्जागरण प्रक्रियेत अंतःस्थापित करण्याद्वारे झाले. म्हणून स्वयंचलित किंवा स्वयंचलित करण्याच्या प्रक्रिया घेणे, उदाहरणार्थ ई-कॉमर्स साइटवर किंवा न्यूज साइट्सवर किंवा म्युझिक साइट्सवरील रिटेलमधील शिफारस इंजिनची मूलभूत कल्पना ही एक मानवी-अभिमुख कार्य म्हणून वापरल्या जाणार्‍या कार्यासाठी एक साधा अनुप्रयोग किंवा अल्गोरिदम आहे . आपणास असे वाटते की लोक या प्रश्नावर काय पसंत करतील आणि व्यापारी योजना किंवा क्रॉस-विक्री काय असावी किंवा एखादी विक्री पूर्वीच्या डेटावर आधारित असावी याची आकृती शोधत असेल तर ते त्या पृष्ठभागावर पडतील आणि मग त्यास ठोसा मारतील सिस्टीममध्ये प्रवेश केला जाईल आणि मग एकतर मार्केटींग किंवा मर्चेंडायझिंग किंवा काही ऑनलाइन अनुप्रयोग त्याच्याशी व्यवहार करेल. आणि मग ते एम्बेड केले. आपण गोष्टी करता तेव्हा मशीन आपण काय करीत आहात हे परिष्कृत करीत आहे आणि परिष्कृत करीत आहे आणि सतत नवीन सादर करीत आहे आणि ते अंतःस्थापित विश्लेषक आहे. ते तिथे प्रक्रियेच्या आत बसते. आणि या कामाचे भवितव्य बरेच कोठे जाते हे आपण खरोखर जाणून घेऊ इच्छित असाल तर ते तेथे आहे. हे अधिक अत्याधुनिक विश्लेषण करून लोकांना मदत करत नाही. व्यवसायाच्या व्यापक व्याप्तीवर कार्यक्षमता मिळवून हे आहे.
आणि म्हणून जेव्हा आपण व्यवसायातील बुद्धिमत्ता यासारख्या गोष्टींकडे पाहता तेव्हाच बरेच डेटा आणि विश्लेषण बाजार आले तेव्हा सांख्यिकीशास्त्रज्ञ होते त्यापूर्वी बीआयने लोकांना आकडेवारीशिवाय, इतर काहीही न करता बर्‍याच गोष्टी करण्यास सक्षम केले. पूर्णपणे डेटावर लक्ष केंद्रित करणे. समस्या अशी होती की डेटावर पूर्णपणे लक्ष केंद्रित करून, त्याने बर्‍याच गोष्टी सोडल्या. आणि म्हणूनच आपण काय गमावले ते म्हणजे हा सर्व डेटा कसा असतो, या सर्व मेट्रिक्सचा कसा संबंध आहे. जर आपण डॅशबोर्डवर काय चालले आहे याबद्दल विचार करत असाल तर आपल्याकडे काही बार चार्ट असतील, कदाचित एक आलेख असेल, संख्यांचा एक टेबल असेल. आपल्याला एकतर वैयक्तिकरित्या किंवा एकत्रितपणे मेट्रिक्सचा एक समूह दिसेल आणि ते कसे संबंधित आहेत हे आपल्याला खरोखर दिसत नाही. तर कल्पना करा की आपण कशासाठीतरी नवीन आहात आणि आपण आत जाल, आपण डॅशबोर्डकडे पाहू शकता आणि आपण कोणत्याही क्रमांकापासून डोके किंवा पुच्छ बनवणार नाही कारण क्रमांक स्वत: आपल्याला काही सांगत नाहीत कारण ते तसे करत नाहीत फसवणे तर कदाचित ते लाल रंगात एक नंबर दर्शवेल परंतु इतर लीव्हर खेचून ही इतर संख्या बदलल्यास हे अधिक चांगले किंवा वाईट होईल. या गोष्टी कशा संबंधित? व्यवसायातील बुद्धिमत्ता आणि डेटा वेअरहाउसिंग आणि डॅशबोर्ड डिझाइनमध्ये तेच हरवले आहे कारण आपण प्रक्रिया करीत नाही, तर डेटा मॉडेल करता. आणि मूलभूत बाब म्हणजे आपण डेटाभोवती पुनरावृत्तीची क्षमता निर्माण करणे आणि कच्च्या डेटाच्या व्युत्पन्न केलेल्या मेट्रिक्सवर लक्ष केंद्रित करून बहुतेक प्रक्रिया पिळून हे करणे तुम्ही करता.
म्हणून ही स्क्रीन प्रयोगशाळेच्या चाचणी प्रक्रियेविषयी डॅशबोर्ड काय आहे हे दर्शविते. Altosoft नावाचा एक अनुप्रयोग आहे जो या मार्गाने बीआय करतो. आणि म्हणूनच आपण पहात असलेली प्रक्रिया आणि डेटा विभक्त नसलेला आपण पाहत आहात परंतु पुन्हा एकत्र ठेवला आहे. हे वेगळे करणे कृत्रिम होते आणि तसे केले गेले कारण आम्ही डेटा गोषवलो, डेटाबेसमध्ये बदलला आणि त्यावरील इंटरफेस तयार केले. तर आपल्याकडे सहसा दोन मेट्रिक असतात; आपल्याकडे ऑर्डर केलेल्या चाचण्यांच्या संख्येसारख्या गोष्टी आहेत, जो या प्रवाहावरील पहिला बॉक्स आहे आणि शेवटचा बॉक्स पूर्ण आणि दाखल केलेल्या चाचण्यांची संख्या आहे. आणि म्हणून आपल्याकडे ही दोन मेट्रिक्स आहेत; आपण त्यांना डॅशबोर्डवर ठेवता आणि लक्षात येईल की एखादा दुसरा लक्षणीयरीत्या मागे पडला आहे. किंवा कदाचित आपल्याकडे तिसरे मेट्रिक आहे जे पुन्हा प्रक्रिया केलेले आहे.
म्हणून जर आपण एखाद्या रुग्णालयात लॅब चाचण्या करत असाल तर बर्‍याच चाचण्या केल्या जातील. त्यापैकी बर्‍याच जणांना तातडीची आवश्यकता आहे कारण ते शस्त्रक्रिया करण्यापूर्वी येत आहेत किंवा ते काळजीवाहक घटकांमधून किंवा इतर कोणत्याही गोष्टीस येत आहेत. तर आपल्याकडे प्रक्रिया असलेल्या ठिकाणी आहेत जेथे डॉक्टर त्यांना आदेश देतात, ते प्रयोगशाळेत जातात, प्रयोगशाळेमध्ये ते प्राप्त झाले असल्याचे चिन्हांकित करण्याची प्रक्रिया असते, ते नियोजित केले जातात, ते पूर्ण करणार आहेत, त्या माध्यमातून जातील. उपकरणे. कधीकधी जर ते खूप लांब बसले, कारण प्रयोगशाळेचा बॅक अप आहे, सर्व उपकरणे व्यापली आहेत, त्यांना पुन्हा प्रक्रिया करावी लागेल. कधीकधी निकाल वैध नसतात. कधीकधी रक्ताच्या नमुन्यांसारख्या गोष्टी, ते minutes० मिनिटांपेक्षा जास्त वेळ बसू शकत नाहीत किंवा नमुन्यांमध्ये काही बिघाड झाल्या आहेत आणि त्यानंतर पुन्हा एकदा रक्त घ्यावे लागेल, जे तुम्हाला खरोखरच लोकांना करायला नकोच आहे. . तर याचा अर्थ असा आहे की त्यांच्या क्षमतेच्या जोरावर इतरांपेक्षा काही प्रयोगशाळांच्या चाचण्यांवर खरोखर प्राधान्य आहे. म्हणून आपल्याकडे प्रयोगशाळेत इतर गोष्टी चालू आहेत आणि शक्य असल्यास त्या पुन्हा द्यायच्या अडचणी टाळायच्या आहेत. परंतु आपण खरोखर भिन्न गोष्टींद्वारे चाचण्यांचा प्रवाह पाहू शकत नाही कारण बीआय स्वतः सामान्यत: केवळ एकूण मेट्रिक अर्थाने प्रवाहाबद्दल असतो. आणि म्हणून हा इंटरफेस आपल्याला प्रक्रियेस संलग्न केलेला डेटा दर्शवित आहे जेणेकरुन आपण पाहू शकता की किती जण आले, किती प्राप्त झाले, किती एकाच वेळी चालू आहे. माझा अंदाज आहे की तो लाइव्ह डेमो नाही म्हणून आपण प्रक्रियेचा तपशील आणि आत असलेल्या मेट्रिकचे तपशील पाहू शकत नाही, बॅचिंग किंवा रीप्रोसेसिंगचे काय होत आहे. परंतु हेच आपल्याला अधिक चांगले दृश्य देते आणि म्हणूनच ज्याला एखाद्या प्रयोगशाळेत किमान समजले असेल त्याने एकाच स्क्रीनवर आलेख आणि मेट्रिक्सच्या गुच्छेच्या विरूद्ध हे पहावे आणि काय चालले आहे ते पाहू शकेल. आणि म्हणून प्रक्रिया इंटरफेस डिझाइनच्या बाजूने बर्‍याचस मदत करते, ती शंकू लपवित नाही.
प्रक्रिया इतर भागात देखील येते. खरोखर, जेव्हा आपण बीआय आणि डेटा वेअरहाऊसिंगबद्दल बोलता तेव्हा आम्ही अधिक प्रगत विश्लेषणे घेण्यापूर्वी आपण दोन गोष्टींपैकी एक करण्याबद्दल बोलत असतोः आपण एकतर प्रक्रियेमध्ये काय घडत आहे हे विश्लेषित करण्याबद्दल बोलत आहात आणि मग त्यावर कार्य करणे किंवा आपण प्रक्रियेचे विश्लेषण करीत आहात आणि नंतर त्यास बदलत आहात. म्हणून माहितीचा मानक वापर म्हणजे परिस्थितीचे परीक्षण करणे - जे आपले डॅशबोर्ड काय करतात आणि आपले शीर्ष 10 व तळाचे 20 अहवाल. ते पाहणे आणि विचलन शोधणे आवश्यक आहे हे पाहण्याची अनुमती देण्यासाठी ही सर्व देखरेखीची साधने आहेत. डॅशबोर्डवर ट्रॅफिक लाइटिंग असू शकते, तळाचा 20 अहवाल असू शकेल जो सर्वात महत्वाची कामगिरी दर्शवित असलेला एखादा विचलन अहवाल आहे. आणि मग आपण त्या गोष्टींचे विश्लेषण करता जेणेकरुन आपण इतर डेटाकडे पाहता, आपण इतर गोष्टींकडे पाहता. कदाचित आपण विश्लेषणाच्या सभोवताल बर्‍याच तपशीलात गेलात आणि मग आपण त्यामागील कारणांकडे पहात आहात. आपणास कदाचित यासाठी आधीच आतडे वाटले असेल आणि प्रत्यक्ष कृतीमध्ये जा. बर्‍याच वेळा सोपी आणि अधिक समजल्या जाणार्‍या प्रक्रियेसह जे घडते तेच होते. आपण एक समस्या पाहता, काय चालले आहे हे आपल्याला माहिती आहे, आपण निर्णय घेता आणि आपण कृती करता. सहसा ते तळाशी असलेल्या प्रक्रियेच्या पळवाटांत असते, आपल्याकडे एसएपी असते, त्यात या गोष्टी असतात, आपण स्टोअरमध्ये साठा बाहेर पाहू शकता जेणेकरून आपण पुन्हा भरपाईच्या पुढील फेरीसाठी खरेदी ऑर्डर वाढवाल आणि आपण पूर्ण केले.
असे काहीही घडले नाही, परंतु इतर वेळी आपणास यापूर्वी समस्या दिसली नाही म्हणून कारणास्तव विश्लेषण करावे लागेल जेणेकरून आपल्याला खरोखर काय घडत आहे ते शोधावे लागेल. सामान्यत: त्या क्षणी जेव्हा आपल्याला कारणाचे विश्लेषण करणे प्रारंभ होते, तेव्हा आपल्याला प्रक्रिया समजून घेणे आवश्यक आहे कारण ही एक समस्या आहे जी आपण यापूर्वी पाहिली नाही, म्हणूनच ही सामान्य प्रक्रियेच्या मर्यादेबाहेरील आहे, दिवस-दिवस ज्यात एम्बेड केलेले आहे. आमच्या ओएलटीपी सिस्टम आणि आता आपल्याकडे असे काहीतरी आहे ज्यासाठी काही गंभीर विचारांची आवश्यकता आहे. यास अधिक फसवणे आवश्यक आहे कारण आपणास अडचणी येत आहेत आणि संभाव्य कारणांचा संच आहे ज्यामुळे आपणास निराश करावे लागेल. आपणास याबद्दल तर्क करणे आवश्यक आहे, नवीन माहितीचे विश्लेषण करणे आणि गोळा करणे आणि नंतर प्रक्रिया बदलणे. हे घडत आहे कारण आपण काहीतरी केले. कदाचित आम्ही आमच्या विपणन मोहीम आमच्या पुन्हा भरण्याच्या प्रक्रियेसह समक्रमित केले नाही म्हणून आम्ही संपत आहोत. आशा आहे की रिटेलमध्ये असे होत नाही, परंतु आम्ही प्रथम बीआय आणि डेटा वेअरहाऊसिंग सुरू केल्यावर बर्‍याच किरकोळ विक्रेत्यांना ही समस्या होती.
आता बर्‍याचदा कारणांच्या विश्लेषणामध्ये काही संख्या डोळ्यांसमोर ठेवण्यापेक्षा आकडेवारी आणि इतर अवघड विश्लेषण समाविष्ट केले जाते, परंतु नंतर आपण दुसर्‍या भागामध्ये प्रवेश करता, म्हणजे आपण प्रक्रिया बदलत आहात. आपण योग्य ठिकाणी बदल करत आहात? ते प्रक्रिया कोठे बदल करायच्या हे आपल्याला समजले आहे? त्या बदलानंतर काय घडणार आहे याविषयी आपल्या अंतर्ज्ञान किंवा विश्लेषणाचा डेटा डेटा पुरवितो? इतर कोणत्या प्रक्रियेवर परिणाम होतो? आपण ज्या डॅशबोर्डवर लक्ष देत आहात त्या इतर कोणत्या नंबरवर याचा परिणाम होईल? आणि आपण कदाचित नवीन डेटा संकलित करत आहात ज्यास आपण मॉनिटरींग चक्रात फीड करायला जात आहात. म्हणून आपण कृती करता आणि कार्य करता तेव्हा प्रक्रिया खरोखर मोठ्या स्तरावर समजून घेण्यामध्ये मूळतः अंतर्भूत असते. आणि द्विपक्षीय जग बहुतेक वेळेस कारणीभूत असते. खरं तर, बर्‍याच व्यवस्थापन शाळा व्यवसायाभोवती कार्यप्रदर्शन व्यवस्थापन आणि कार्यप्रदर्शन मेट्रिक्स कसे तयार करावे हे शिकविण्यास खरोखरच वाईट असतात कारण ते सरळ रेषेत दृश्ये गृहित धरतात. आणि सरळ रेष दृश्ये याऐवजी अधिक साध्या बीआय अहवाल आणि एकल मेट्रिक प्रकारच्या आपण आपल्यास खेचत असलेल्या रिपोर्टिंगद्वारे अधिक मजबूत केली जातात कारण गोष्टी इतर गोष्टींवर कसा प्रभाव पाडतात या प्रक्रियेस हे समजत नाही.
म्हणून आपण प्रक्रिया मॉडेल पूर्णपणे व्यवसाय प्रक्रिया मॉडेल म्हणून वापरू शकत नाही, परंतु आपण सिस्टम गतिशीलता देखील लागू करू शकता. आपण प्रक्रिया मॉडेल्स लागू करू शकता आणि मेट्रिक्स एकमेकांशी कसे संबंधित असतात हे समजण्यासाठी त्याच प्रकारे त्यांचा वापर करू शकता. तर या आकृत्यासारख्या सरळ रेषेत - मी दिलगीर आहे, हा कागदाचा संदर्भ देणे विसरलो, हा 80० च्या दशकाचा जुना आहे, हे फक्त सिस्टम डायनॅमिक्स आणि गोष्टी कशा मानल्या जातात आणि कसे याबद्दल आहे ते खरोखर आहेत. म्हणून नफा नेहमीच असे गृहीत धरतात की जर आपण नफ्यापेक्षा गुणवत्ता अधिक चांगली केली तर आपण कसेतरी चांगले होऊ. किंवा कदाचित हे आणखी खराब होईल कारण गुणवत्ता अधिक चांगली करण्यासाठी आपल्याला अधिक पैसे खर्च करावे लागतील आणि यामुळे नफा कमी होईल. तर त्या बाणावर नकारात्मक असू शकते. किंवा संघटना किंवा प्रक्रियेत विविध सिलोचे संरेखन कसे नेतृत्व किंवा कसे चांगले नफा मिळवून किंवा कमी किंमत ठरवते. नेहमी कारक असतात आणि अशी कल्पना आहे की डावीकडील मेट्रिक्सपैकी कोणतेही एक त्या मेट्रिकला उजवीकडे प्रभावित करेल आणि हे सर्व रेषात्मक आहे.
उजवीकडील आकृती एक बरेच चांगले उदाहरण दर्शविते. हे येथे खरोखर काय घडत आहे हे दर्शविते आणि खरोखर जे घडत आहे ते म्हणजे आपण कदाचित उत्पादनाची गुणवत्ता बदलू शकता, परंतु उत्पादन गुणवत्ता आणि किंमतीची रचना ज्यामुळे नफा कमी होते, अगदी त्याच वेळी ते देखील सांगू शकता वॉरंटिटी दुरुस्तीचा खर्च देखील कमी करते. आणि म्हणून यामागील गणित थोडे अस्पष्ट होते कारण आपण खर्च कमी करून काहीतरी निराकरण करू शकता परंतु आपण उत्पादनाची गुणवत्ता कमी करता ज्यामुळे समाधान कमी होते ज्यामुळे विक्री कमी होते आणि यामुळे वॉरंटिटी खर्च वाढतो.
किंवा आपण व्यस्त करू शकाल. आणि म्हणून आपण यापैकी एखादी गोष्ट बदलल्यास आपल्याला काय घडणार आहे हे अधिक काळजीपूर्वक मॉडेल करावे लागेल. आणि म्हणून डावीकडील गोष्टींबद्दल आपली मेट्रिक्स स्वत: मध्येच एकमेकांवर प्रभाव पाडत आहेत आणि आपण त्या गोष्टी कशा बदलता, आपण व्यवसायात खेचत असलेले लीव्हर किंवा व्यवसाय प्रक्रियेमध्ये किंवा सरावासाठी आपले समायोजन या गोष्टींवर परिणाम करणार आहेत. आणि म्हणून प्रक्रिया ही एक मध्यवर्ती भूमिका मानते जिथे आम्ही बर्‍याच काळासाठी अगदी साध्या गोष्टी बनवतो.
आणि म्हणून पुढील गोष्ट म्हणजे प्रक्रिया स्वत: कसे संवाद साधतात हे पाहणे. माझ्याकडे असलेले आधीचे आकृती आपण आणि आपण घेतल्यास, काहीतरी बदल सांगा, आपल्याला खरोखर प्रक्रिया कशा प्रकारे संवाद घडवितात हे पाहण्याची आवश्यकता आहे कारण येथे बदल केल्याने तेथे काहीतरी घडून येते आणि म्हणूनच आरेख मार्केटिंगमधील बदल आणि बदल याबद्दलच्या आधीच्या सादरीकरणातून त्या विपणनातील डेटाकडे, विक्रीमध्ये काय चालले आहे ते म्हणजे मागे पडणे, म्हणजे आपली कृती काही चांगले करण्यास खूप लवकर किंवा उशीर होऊ शकते आणि म्हणूनच एका प्रक्रियेतील परिणाम दुसर्‍या प्रक्रियेत कसे प्रकट होतात हे समजून घेण्यास पैसे देतात कारण सर्व काही आहे नेहमी प्रक्रिया माध्यमातून नक्कल.
आणि म्हणून आपल्याकडे जे आहे ते म्हणजे व्यवसायात फक्त खूप गुंतागुंत आहे आणि बर्‍याचदा आम्ही ते हस्तगत केले नाही. आम्ही असे मानले नाही की जेव्हा आम्ही आकडेवारी प्रकल्प, मशीन शिक्षण प्रकल्प, बीआय प्रकल्पांवर काम करत होतो आणि म्हणून आता आपण इंजेक्शन देण्याबद्दल बोलता, म्हणा, मशीन लर्निंग मार्केटिंग आणि विक्रीसाठी लीड स्कोअरिंग प्रक्रियेमध्ये कार्य करते जिथे आपल्याला लीड पात्र करण्यास मदत करते. , ज्याचा परिणाम या दोन पिवळ्या बॉक्सवर पडतो. पण त्या लीड स्कोअरिंग प्रक्रियेचा परिणाम या दोन्ही गोष्टींवर होणार आहे. आणि म्हणून या दोन्हीं प्रक्रियांमध्ये पुनर्प्राप्ती किंवा बदल घडणार आहे. जर आपण या लीड स्कोअरिंग ही एक विपणन समस्या आहे या कल्पनेने गेला असेल आणि आम्ही एखादा डेटा वैज्ञानिक ठेवणार आहोत आणि ते आमच्यासाठी ही लीड स्कोअरिंग अल्गोरिदम तयार करणार आहेत, तर या गोष्टी करणार आहेत, हे होणार आहे आमच्या लीडला अधिक चांगले बनवा आणि गोष्टींना प्राधान्य द्या. त्याचा विक्रीवर कसा परिणाम होतो? ते योग्य ठिकाणी लागू केले आहे? कदाचित आपल्याला त्या प्रक्रियांवर काय चालले आहे ते पाहण्याची आवश्यकता आहे कारण त्या दोघांनाही बदलले पाहिजे. हा पूर्णपणे विपणन प्रकल्प नाही. आणि बर्‍याच विश्लेषणाचा मुद्दा असा आहे की खरं तर फसवणे आणि त्याचे परिणाम खूपच उजळ असतात आणि त्याची व्याप्ती वाढत जाते, ती खूपच मोठी आणि केसाळ होते.
आणि आपण बर्‍याच स्तरांवर समस्या पाहू शकता. तर आधी तुम्ही मार्केटींगच्या समस्येकडे पाहता आणि मग तुम्ही म्हणता, “अरे, याचा विपणन आणि विक्रीवर परिणाम होतो. परंतु या प्रकल्पाचा स्वतःच आयटी प्रभाव आहे, म्हणूनच याला एक आयटी कोन आहे ज्याचा अर्थ असा आहे की आम्हाला इतर गोष्टी करायच्या आहेत आणि या मार्गाने हे एसएपी सुधारित करणार आहे ज्याचा अर्थ असा आहे की आम्हाला या इतर प्रक्रियेचा परिणाम झाला. "आणि म्हणून गुंतागुंत भिन्नता आणि विश्लेषणाची पातळी देखील बदलू शकते कारण प्रक्रिया पूर्णपणे न्याय्य नाही, "या प्रक्रियेकडे पहा" किंवा "त्या दोन प्रक्रिया कशा संवाद साधतात ते पहा." आपण कार्यकारी आहात आणि आपण बरेच उच्च कार्यनीतिक किंवा रणनीतिकखेळ निर्णय घेत असाल तर आपल्याला हे पहाण्याची आवश्यकता आहे आणखी मोठी चित्रे. तर हे व्हॅल्यू चेन डायग्राम आहे, ते माझं आवडते आहे, पण ते फार्म-टू-रिटेल चीज बनविण्याच्या प्रक्रियेसाठी आहे. तर तुम्हाला माहिती आहे अगदी डाव्या बाजूला शेतात तुम्हाला दिसेल आणि उजव्या बाजूला तुम्हाला किरकोळ विक्रेते दिसतात आणि त्या दरम्यान भौतिक वस्तू, मुळात दूध आणि लोणी हलविणारी वाहतूक, दुग्धजन्य पदार्थ वेगवेगळ्या कारखान्यांकडे फिरवते जे वितरक आणि पोस्ट-प्रोसेसिंग आणि पॅकेजिंग वनस्पती आणि या सर्व भिन्न गोष्टींमध्ये हलणार्‍या प्रोसेसिंग वनस्पतीकडे जातात. आणि मूलत: पुरवठा साखळी जो उत्पादनापासून ते उपभोगापर्यंत जातो.
आणि आपण वर लाल आणि हिरव्या रंगात काय पाहत आहात ते म्हणजे प्रत्यक्षात कंपन्यांमधील प्रक्रियेच्या डेटाची बाजू आहे, कारण ही एक कंपनीची नसून उद्योगासाठी ही मूल्य शृंखला आहे, जरी ती प्रत्यक्षात एखाद्या कंपनीची होती. आपण स्वत: ला यासारखे काहीतरी तयार कराल आणि याचा नकाशा तयार कराल आणि तेथे बर्‍याच भिन्न मूल्य शृंखला आणि मूल्य प्रणाली असतील, व्हॅल्यू मॅपिंगच्या गोष्टी ज्या पोर्टरला परत जातात, मला वाटते, सत्तरच्या दशकाच्या उत्तरार्ध / उत्तरार्धाच्या उत्तरार्धात. परंतु अशी कल्पना आहे की येथे प्रक्रिया आहे आणि त्या लाल गोष्टी म्हणजे कंपनीकडून किंवा पुरवठा साखळीत दुसर्‍या कंपनीकडे जाणा operations्या संचाच्या संचाची माहिती.आणि याचा अर्थ असा होतो की एका संस्थेमधील एक प्रक्रिया दुसर्‍या संस्थेमध्ये दुसर्‍या प्रक्रियेशी संवाद साधत आहे. आणि म्हणून प्रक्रिया प्रवाह आणि डेटा प्रवाह, दोघेही महत्त्वपूर्ण आहेत आणि काय घडले आहे ते दस्तऐवजीकरण आणि काय घडत आहे हे समजून घेणे आणि त्याबद्दल तर्क करणे या दृष्टिकोनातून दोन्ही दृश्यमान असले पाहिजेत कारण आपण तेथे येऊन असे म्हणू शकता की, “ठीक आहे, मी एआय लागू केले तर काय करावे? माझी प्रक्रिया येथे आहे आणि मी हे नाशवंत व्यवस्थापन कसे केले हे बदलण्यासाठी मी असे म्हटले आहे की ट्रान्झिटमध्ये किंवा वेटिंग्ज क्षेत्रात आणि वितरण सुविधांमध्ये माझी उत्पादने खराब होतात. "आणि म्हणून मी लॉजिस्टिक्स आणि सप्लाय चेन mentsडजस्टमेंट करतो पण त्याचा परिणाम फक्त मलाच होत नाही. , परंतु अपस्ट्रीम आणि डाउनस्ट्रीम पुरवठादार. हे माझ्या प्रक्रियेस प्रभावित करते आणि त्यात माहिती प्रवाह आहे ज्याचा परिणाम होणार आहे आणि म्हणून प्रक्रिया ते कसे कार्य करते आणि आपण कोणावर परिणाम करणार आहात आणि आपल्याला कोणाशी सामना करण्याची आवश्यकता आहे याचा विचार करण्यास मदत करते. आणि म्हणूनच हे खरोखर विश्लेषक किंवा द्विपक्षीय व्यक्ती किंवा डेटा वैज्ञानिकांना लागू होत नाही, परंतु ज्यांना ही सामग्री वापरावी लागेल अशा व्यवस्थापकांना देखील लागू होते.
अधिक ठोस उदाहरण म्हणून मी येथे अगदी विपणनावर अगदी सोप्या गोष्टी टाकत आहे कारण मला असे वाटते की बर्‍याच लोकांना ऑनलाइन मार्केटींगच्या मूलभूत गोष्टींबद्दल माहिती आहे. मला वाटते की प्रत्येकाने कधी ना कधीतरी एक अनिवार्य फनेल आकृती पाहिली असेल जिथे तेथील प्रेक्षक तेथे असतील. विपणन पूर्णपणे जाहिरातींविषयी नसते. हे बर्‍याच गोष्टींबद्दल आहे, परंतु त्याच्या अगदी सुरुवातीलाच शब्द बाहेर पडतो. लोकांना आपले उत्पादन किंवा सेवांविषयी जागरूक करा. संभाव्यता निर्माण करण्यासाठी त्या प्रेक्षकांना जाहिरात द्या आणि म्हणून प्रेक्षकांच्या प्रकारच्या संभाव्यता कमी करा, ज्यांना आपल्या उत्पादनाची आवड असू शकते. आणि जेव्हा उत्पादनांचे चष्मे पुरेसे पात्र असतात, तेव्हा त्या संधी बनतात. ते विक्रीच्या संधी बनतात. तर या वेबकास्टवरील आपल्यातील प्रत्येकजण या वेबकास्टसाठी पैसे देणार्‍या लोकांसाठी एक संभाव्य विपणन संधी आहे कारण खरं तर ते पात्र अशा लीड्स शोधत असलेल्या लोकांना शोधण्याचा प्रयत्न करीत आहेत. म्हणूनच त्यांना आशा आहे की या विक्रीच्या संधी अग्रगण्य ठरतात - ज्या लोकांना उत्पादनामध्ये किंवा सेवेची आवड आहे अशा लोकांना, ज्यांना ते पाहिजे आहे आणि जे काही आपण विकत घेतले किंवा देणगी दिली किंवा जे काही आहे ते केले तर नक्कीच आपण करीत आहात - हे नाफा न कमावण्याकरिता समान प्रमाणात लागू होते. मी एक ग्राहक, दाता होऊ शकतो. आणि मग, तुम्हाला माहिती आहे, आशेने, विपणनाची आशा ही आहे की तुम्ही समर्थक आहात, बरोबर? म्हणून नेहमी प्रमोटर स्कोअर मेट्रिक्स सारख्या गोष्टी असतात ज्या आपण शब्द-ऑफ-तोंड विपणनाबद्दल तयार करू शकता आणि इतर लोकांना याबद्दल सांगण्यासाठी ग्राहक किती आनंदी असतात ते औपचारिक विपणन माध्यमांद्वारे प्रेक्षकांपर्यंत पोहोचते आणि अधिक तयार करते संभावना, संधी, ग्राहक आघाडी घेतात आणि त्यामुळे चक्र जाते.
एक मूलभूत फनेल आहे, प्रत्येकजण हे पाहतो की आपण कोणत्याही प्रकारचे करत असल्यास, आपल्याला माहित आहे, वेब analyनालिटिक्स काम करतात की आपण रूपांतरण चार्ट सारख्या गोष्टी पाहता, बरोबर? ही एक क्लासिक बीआय ची गोष्ट आहे, आपणास रूपांतरण दर दिसतो जो एका टप्प्यातून दुसर्‍या टप्प्यात थेट संक्रमण आहे. म्हणून ज्यांना आपण खरोखरच ओळखत नाही अशा मोठ्या प्रमाणात प्रेक्षकांना आपण केवळ जाहिरात केलेल्या संभाव्य गोष्टींचा आच्छादन कराल, अशी आशा आहे की कदाचित आपणास माहित असलेल्या लोकांना कदाचित दोन संधींचे काहीतरी माहित असेल ज्यांना ओळखले जाते, संभाव्य लोक, ज्या कंपन्या आपल्याला माहित आहेत ज्या नंतर दुसरी सीमा ओलांडतात. आणि म्हणून आपल्याकडे वेगवेगळ्या मोहिम आहेत. बॅनर जाहिरातींवर क्लिक करण्यासाठी लोकांना मिळवा आणि लोकांना या वेबकास्टमध्ये हजेरी लावा. लोकांना काहीतरी करा आणि त्या प्रत्येकाचे रूपांतरण दर मिळवा - जेणेकरून आपण पोहोचता त्या लोकांची संख्या आणि आपल्यास पाहिजे असलेल्या कृती प्रत्यक्षात घेणा people्यांची संख्या. तर सामान्यत: ऑनलाईन रूपांतरण बरेच दर उद्योग आणि आपण करत असलेल्या गोष्टींवर अवलंबून एक आणि पाच टक्के दरम्यान संतुलन राखतील. तर आपल्याकडे मेट्रिक्सचा एक समूह असेल.
या प्रकरणात मी नमुनेदार प्रकारची विश्लेषणे दर्शवित आहे, जिथे ते पृष्ठास भेट देत असत किंवा बाउन्स रेट काय होते. परंतु एकल मेट्रिक मिळते आणि लोक त्याकडे पाहतात आणि त्यातील गोष्टी मोजतात, परंतु ते खरोखरच उपयोगी नाहीत. काय होते ते एक ते पाच टक्के - आणि बर्‍याच ऑनलाइन जाहिरातींच्या दृष्टीने - ते भाग्यवान असल्यास ते सुमारे एक ते दोन टक्के असते. ही खरी फसवणूक आहे, बरोबर? हे इतर प्रत्येकाचे आहे ज्याने त्या वेळी त्या गोष्टीचे रुपांतर केले नाही आणि तळाशी असलेली एक छोटीशी रेखा जी आपल्याला या चार्टपेक्षा अधिक वास्तववादी चित्र देईल. पण, त्या फनेल आकृत्यासह मी तुम्हाला यापूर्वी जे काही दर्शविले ते यासारखे काहीतरी दिसले पाहिजे, बरोबर? शिल्लक दर, जे लोक विक्री वेबसाइटवर किंवा मोबाइल साइटवर दर्शवितात आणि त्वरित सोडतात, बरोबर? त्यांना खरोखरच रस नव्हता. मग असे लोक आहेत ज्यांना थोडासा त्रास झाला आणि मग असे लोक आहेत ज्यांना आणखी थोडा वेळ अडकले, कदाचित क्लिक केले असेल, कदाचित नोंदणीकृत असेल, काहीतरी केले असेल. हे प्रत्यक्षात किरकोळ विश्लेषणाचे आहे; आपल्याकडे शॉपिंग कार्ट्सचे दर आहेत तेथे मी करीत होतो, म्हणून सोडून दिलेला दर, एक फॉर्म भरुन डावीकडे, दान करण्यास सुरवात केली आणि डावीकडे, एका याचिकेवर स्वाक्षरी करण्यास सुरवात केली आणि डावीकडे, शॉपिंग कार्टमध्ये काहीतरी ठेवले आणि डावीकडे. आपण खरोखर या सर्व गोष्टींचा आलेख बनविला पाहिजे परंतु आपण येथे काय पहात आहात हे आपल्याला माहित आहे, आपण या प्रत्येक गोष्टीसाठी एक मेट्रिक पहात आहात. आणि त्यापैकी प्रत्येक मेट्रिक्स, जर मी पुन्हा फनेलवर गेलो, तर एका बिंदूपासून दुसर्‍या ठिकाणी संक्रमण होते.
हे प्रत्यक्षात प्रक्रिया-संरेखित मेट्रिक्स आहेत. आणि जर तुम्हाला नक्कीच गोष्टी जरा जटिल करायच्या असतील तर तुम्हाला आढळेल की तेथे बर्‍याच चॅनेल आहेत, बरोबर? कारण विपणन हे एक अतिशय जटिल प्रकारचे संप्रेषण चॅनेल आहे. जुनी सामग्री, रेडिओ, टीव्ही, द थेरेस आणि केवळ मासिके आणि वर्तमानपत्रच नाहीत, ती आपल्या मेलबॉक्समध्ये मिळविलेली परिपत्रके आहेत, ती तीच छळ करणारी कार्डे आहेत जी मासिकेमध्ये जातात किंवा ती आपल्या मेलवर चिकटतात. ते कार्ड आणि फ्लायर्स आणि सामग्री आहेत ज्याने त्यांनी तुम्हाला रस्त्यावर दिली. आणि नंतर तेथे मोबाइल चॅनेल आहे जे मूलत: दुसरे ऑनलाइन चॅनेल आहे, परंतु ते अगदी भिन्न आहे. खेळ प्रत्यक्षात विपणन चॅनेल असतात. चित्रपट, माध्यम खरोखर विपणन चॅनेल आहेत. जेव्हा आपण एखाद्या चित्रपटाच्या आतील भागाचे नाव पाहता तेव्हा त्यासाठी कोणालातरी पैसे दिले जातात. आणि मग मी आत्ताच येथे ऑनलाईन मोडतोड केली, आपल्याकडे आपल्याकडे वेबसाइट आहे, विपणन जे अजूनही खूप लोकप्रिय आहे, परस्परसंवादी व्हॉईस रिस्पॉन्स सिस्टम - जेव्हा आपण ग्राहक समर्थनाला कॉल करता तेव्हा त्रासदायक टचटोन सिस्टीम आणि त्याद्वारे प्रवेश प्राप्त करू शकत नाही. अनेक भिन्न सामाजिक नेटवर्क.
तर यापैकी प्रत्येकाने सामाजिक गोष्टींसारख्या बर्‍याच गोष्टींचा नाश केला. आपल्याकडे आणि इंस्टाग्राम आणि पिन्टेरेस्ट आणि इतर 100 गोष्टी आहेत. आणि म्हणून या प्रत्येकाची स्वतःची विपणन प्रक्रिया आहे, कसे गुंतवायचे ते कसे वापरायचे, कसे खर्च करायचे, आपण काय खर्च करीत आहात, आपण काय करणार आहात आणि आपण कसे मोजायचे आहात ते निवडण्याची स्वतःची पद्धत. प्रत्येकाची एक प्रक्रिया असते. विपणन विपणनापेक्षा भिन्न आहे, इन्स्टाग्राम विपणन पिंटरेस्ट विपणनापेक्षा वेगळे आहे. ज्याचा अर्थ असा आहे की त्या प्रत्येकाचे सारखेच असेल - कदाचित सारखे परंतु थोडेसे भिन्न - गोष्टी आणि कदाचित त्यांच्याशी व्यवहार करणारे भिन्न लोक. प्रत्येकजण एक प्रक्रिया आहे. तर या मेट्रिक्सच्या खाली असलेल्या प्रक्रियेचे प्रमाण खरोखर खूप खोल असते आणि ते एकमेकांवर प्रभाव पाडतात. एखादी गोष्ट केल्याने आपण इतर गोष्टींवर परिणाम करता आणि ही संवाद प्रक्रिया खूप उपयुक्त आणि छान आहे.
फनेल कॉन्सेप्टची इतर स्वत: खूपच अरुंद आहेत कारण जेव्हा लोक ग्राहक बनतात तेव्हा सामान्यत: ते त्या ठिकाणाहून चपखल जातात. सामान्यत: विपणन असे म्हणतात की “आमची नोकरी संपेल.” असे म्हणतात की बाजारात खरी विक्री म्हणजे ग्राहकांना विक्रीसाठी उत्पन्न करणे हे फारच कमी लोकांना समजते. आणि म्हणून हे अंती बिंदूमधून संपूर्णपणे मोजले पाहिजे. आणि एकदा ग्राहकांचे अधिग्रहण झाल्यावर, विपणनाचा दुसरा भाग ज्यास विपणन बाहेरील लोकांना सहसा माहित नसते, ते म्हणजे ते फक्त संपादन नव्हे तर ग्राहक जीवन चक्रचे व्यवस्थापन होय. पण सामान्यत: वेगळा साइलो असतो. किम पूर्वी बद्दल बोलत असताना, आमच्याकडे सिलोस आणि ग्राहक सेवा आणि वॉरंटी समर्थन आहे आणि या सर्व गोष्टी सामान्यत: वेगवेगळ्या विभागांमध्ये किंवा वेगवेगळ्या विभागांमध्ये त्यांच्या स्वतःच्या सिलोमध्ये विपणनामध्ये चालतात. परंतु आपल्याला त्या पलीकडे पाहण्याची आवश्यकता आहे. आपल्याला त्या प्रक्रियेस पाहण्याची आवश्यकता आहे जी यामधून आणि बाहेर गोष्टींना खाद्य देते. आणि चर्चेचा विषय - म्हणा, बरं पाच ते 10 वर्षांपूर्वीची पण ती आजही आहे - हे सर्व ग्राहक 360 आणि वापरकर्ता अनुभव आणि ग्राहक अनुभव व्यवस्थापनाबद्दल आहे. तसेच ग्राहक समर्थनाद्वारे अधिग्रहण करण्यापासून टचपॉइंट्सद्वारे संस्थेचा अनुभव घेतात आणि म्हणूनच आपल्याला विपणन बाजू आणि विक्रीच्या बाजूने चांगले अनुभव येऊ शकतात आणि भयानक सेवा मिळेल आणि कधीही परत येऊ शकत नाहीत. किंवा आपल्याकडे विक्रीचा भयंकर अनुभव असू शकतो, उत्पादन विकत घेऊ नका परंतु निर्णय घ्या की सेवा कितीही चांगली असो तरीही त्याचा शेवट होईल. आणि म्हणूनच आपण मेट्रिक्सकडे पहात असलेल्या कॉनमधील प्रक्रियेचे दृश्य वाढवते.
आणि म्हणून आडव्या ओलांडून, विभागांमधून, व्यवसायाच्या दृश्याच्या ओळी ओलांडून समजून घेण्याची प्रक्रिया ही एक महत्वाची गोष्ट आहे जी पूर्णपणे त्या आत नाही. आणि अर्थातच एक आव्हान म्हणजे बीआय किंवा डेटा वेअरहाउसिंग किंवा डेटा सायन्स प्रॅक्टिशनर्स म्हणजे त्या सायलोमुळे डेटा सर्व चिरलेला आहे. विपणन ऑटोमेशन सिस्टम फ्रंट एंड हाताळतात; तेथे ऑनलाइन विपणन प्रणाली आहेत; एकदा ते एसएपी किंवा ओरॅकल ओएलटीपी सिस्टमच्या आतड्यांमध्ये अनुवादित झाल्यावर विक्री ऑटोमेशन सिस्टम मधल्या भागाशी संबंधित असतात. मग त्या वेगवेगळ्या गोष्टी आहेत आणि अर्थातच कॉल सेंटर बिझ या ब pieces्याचदा या इतर तुकड्यांपासून विलग केला जातो आणि नंतर आपणास हे सर्व एकत्र जोडणे आवश्यक आहे, आणि म्हणून प्रक्रिया आकृती आपल्याला सर्व सिस्टीम एकमेकांशी कशा प्रकारे संबंधित आहेत हे समजण्यास मदत करते ज्यामुळे मदत होते. आपण द्वितीय डेटा किंवा गृहनिर्माण डेटा शास्त्रज्ञ म्हणून कोणता डेटा कोठे जातो आणि कसा आणि का होतो हे शोधून काढतो. म्हणून मी या विश्लेषक प्रकल्पांच्या अंतर्गत वेगवेगळ्या ठिकाणी प्रक्रिया आकृत्या वापरतो कारण ते आपल्याला डेटाची आवश्यकता काढण्यासाठी आणि समजून घेणे तसेच नोकरी करण्यात मदत करतात. आम्ही आधी पाहिल्याप्रमाणे अशी काही ठिकाणे आहेत जिथे प्रक्रिया मॉडेल डेटाचा वापर दृश्यमान करतात. ते विक्री आणि विपणन डेटाचा वापर करतात आणि कोणता डेटा कोठे आहे आणि कोणता डेटा दृश्यमान आहे आणि कोठे ते आच्छादित आहेत. ते प्रक्रिया आकृतीत लोक आणि विभागांचे स्थान समजून घेण्यास मदत करतात कारण कोण काय कार्य करीत आहे आणि म्हणून त्या डेटाचे वास्तविक प्रक्रिया मालक कोण आहे. म्हणून आपण पाहू शकता की आर्थिक डेटा कोणाचा आहे, आरोग्य डेटा कोणाचा आहे, या गोष्टींसाठी कोण जबाबदार आहे. आणि कधीकधी ते उपयुक्त ठरते जेव्हा आपण मेट्रिक्स पाहता आणि दोन प्रक्रियांमध्ये अंतर आढळते आणि त्या दोन्ही प्रक्रियांमध्ये डेटा ट्रान्सफर असतो आणि प्रत्येक बाजूला एक व्यक्ती असतो जो बहुधा अपस्ट्रीम किंवा डाउनस्ट्रीम डेटासाठी जबाबदार असतो आणि आपल्याला शोधण्याची आवश्यकता असते त्यांना. किंवा आपण प्रक्रियेच्या नकाशे वर जाऊन या गोष्टी पाहू शकता.
तर प्रक्रिया मॉडेल हे दृश्यमान करण्यात मदत करू शकते आणि म्हणून आपण आपल्या प्रकल्पांमध्ये या गोष्टींचा फायदा घेऊ शकता. आणि आपल्याला माहिती आहे, जसे आपण पुढे पाहत आहोत, मी BI आणि विश्लेषणे आणि अगदी काही डेटा विज्ञान, वरवरच्या स्तरावरील गोष्टींचे पैलू याबद्दल अगदी सुरुवातीस जे काही बोललो त्याबद्दल, ते सर्व मूलभूत प्रक्रिया आणि मेट्रिक्सचे विश्लेषण करण्याबद्दल आहेत . परंतु आपण करू शकता ती दुसरी गोष्ट म्हणजे विश्लेषणे प्रक्रियेत एम्बेड करणे किंवा प्रक्रियेचे विश्लेषण करणे आणि त्या बदलणे याशिवाय सिम्युलेशन तयार करणे होय. सिम्युलेटर बनवण्याचा जुना मार्ग, आपण ज्या पद्धतीने बर्‍याच दिवसांपूर्वी हे करीत होतो ते म्हणजे आपण स्मार्ट, गणित-वाय, लोक, त्यांनी असे मॉडेल तयार केले आहेत जे प्रणालीची नक्कल करतात, विशेषत: त्या सिस्टममधील प्रक्रिया समजून घेत. परंतु त्या करण्याचा आणखी एक मार्ग आहे, म्हणजे त्यातील काही समजून घेणे आणि नंतर त्यामध्ये डेटा फीड करणे. आपण सिम्युलेटर तयार केले आहे, असे म्हणतात की हे असे कार्य करते, आपल्याकडे हा सर्व डेटा आहे. आपण त्या सिम्युलेशनमध्ये त्या डेटाचा नकाशा तयार करण्यास सक्षम असाल आणि आपले सिम्युलेशन कुरकुर आहे की नाही ते पहा. आणि म्हणूनच आपण प्रक्रिया किंवा संवाद प्रक्रियेची नक्कल तयार करण्यास प्रारंभ करू शकता, जी करणे खूप कठीण आहे.
ब्लॅक बॉक्सच्या क्रमवारीत डेटाचे विश्लेषण आणि फीड करून - तेथे आपण तयार करू शकता असे ब्लॅक बॉक्स आणि व्हाइट बॉक्स सिम्युलेशन मॉडेल आहेत आणि जेणेकरुन आपण सिम्युलेशन सत्यापित करू शकता - आपण सिम्युलेशन तयार करण्यासाठी डेटा वापरू शकता; आपण अधिक मनोरंजक गोष्टी करू शकता आणि भविष्यात कोठे जात आहे याचा खरोखरच एक मोठा भाग आहे. ते आणि जे काही दशकांहून अधिक काळ टिकले आहे किंवा जे म्हणजे स्वयंचलितपणे निर्णय घेतले जाते - जे लोक नेहमीच्या गोष्टी करतात जे त्या रोट्या करतात, आपण फक्त वेळ घालवतात, आपल्याला माहित आहे, यासाठी बटणे दाबून - आणि सुरू करा निर्णय स्वयंचलितरित्या करा, आणि काही शाळा त्यास “जटिल इव्हेंट प्रोसेसिंग” म्हणतात. परंतु आपणास माहित आहे की आयटम घेण्याबाबत आणि विश्लेषणास इंजेक्शन देण्याचे हे आणखी एक अँगल आहेत, ज्याचा अर्थ असा आहे की त्या सराव कसा आणि कोठे लागू केला जाऊ शकतो हे पाहण्यासाठी आपल्याला त्या प्रक्रियेचे आरेखन करणे आवश्यक आहे. .
आणि शेवटी, आम्ही जवळजवळ कधीच आपल्या मॉडेलिंगच्या प्रक्रियेस जवळ जवळ कधीच बदलत नाही जे आपण करतो त्या माहितीवरुन निर्णय घेते. आणि निर्णय क्षेत्र ऑटोमेशन आणि सीईपी प्रत्यक्षात थोडे काम करतात त्यापैकी एक आहे. पण मी निर्णय घेण्याच्या सभोवतालच्या संशोधनाच्या दृष्टीने हे थोडे केले आहे आणि ते म्हणजे एखाद्या विशिष्ट गोष्टीबद्दल निर्णय घेण्यासाठी माणूस कोणती प्रक्रिया पार पाडतो? तर हे कदाचित व्यापारी असू शकेल, ते मार्केटींग असेल, लॉजिस्टिक्समध्ये काहीतरी असू शकेल, परंतु तेथे निर्णय घेताना एक मनुष्य आहे आणि आपण निर्णयांचे मॉडेल घेतल्यास आणि ते घेतल्यास आपल्याकडे आवश्यक डेटा आणि मेट्रिक्सचे अधिक चांगले ज्ञान आहे त्यांच्यासाठी. आणि म्हणून आपण त्या निर्णय प्रक्रियेच्या मॉडेलचा उपयोग चांगल्या डॅशबोर्ड तयार करण्यासाठी वास्तविक यंत्रणा म्हणून करू शकता जे विश्लेषणात्मक कार्ये वापरण्यासाठी वापरली जाऊ शकतात किंवा त्या व्यक्तीला चांगले निर्णय घेण्यास सक्षम करण्यासाठी. आणि म्हणून अशा त्या गोष्टींपैकी एक आहे जिथे अजूनही तेथे शोधण्यासारखे आहे.
आणि म्हणूनच मी येथे संपुष्टात येणार आहे जेणेकरून आपल्याकडे प्रश्नांसाठी वेळ असेल.
एरिक कवानाग: होय, ती खरोखर खूप चांगली सामग्री होती आणि किम, मला असे म्हणायचे आहे की तुमच्या आणि मार्कच्या दरम्यान, मी विचार करतो की तुम्ही दोघांनी नुकतीच परिस्थिती आणि परिस्थिती दाखविली जेथे प्रक्रिया मॉडेलिंग खरोखरच लाभांश देईल. मला वाटते कि किम, आजारी फक्त तुला हा संदेश देतो. या व्यवसायाचे कौतुक करण्यासाठी आणि आपला किती वेळ वाचू शकतो, पैसा वाचवता येतो, नफा वाढवता येतो आणि मग त्या प्रक्रिया आकृतींच्या संचावर खाली सोडण्यावर लक्ष केंद्रित करून मग त्यांचे विश्लेषण कसे करता येईल हे आपल्याला कसे समजेल?
किम ब्रुशबर: होय, मला असे वाटते की आपण करण्यापूर्वी सर्वप्रथम त्या संस्थेतील एखाद्या विजेताला ओळखले पाहिजे ज्यास त्यांची प्रक्रिया मॅप केलेले पाहू इच्छित आहेत. आणि एकदा की - आणि त्या संस्थेतील मुख्य भागीदार व्हा. आणि त्यानंतर प्रक्रिया सुरू करण्यासाठी एक लहान गट ओळखा आणि व्यवसायात काय उद्दीष्ट आहे आणि व्यवसाय काय साध्य करण्याचा प्रयत्न करीत आहे यावर लक्ष केंद्रित करीत आहे, फक्त विभागातच काय चालू आहे यावर नव्हे. आणि ते एक ध्येय घ्या आणि त्यास चॅम्पच्या बाहेर नकाशा बनवा आणि चॅम्पियन घ्या आणि नंतर आपल्याला प्रक्रियेमधून मिळालेले बक्षीस दर्शवा आणि त्यानंतर संस्थेच्या इतर भागास जाण्याची परवानगी मिळेल आणि जोपर्यंत आपण हे करू शकत नाही तोपर्यंत त्या प्रक्रिया तयार करण्यास प्रारंभ करेल. संपूर्ण संस्था तयार करा कारण बहुतेक लोक त्यांच्या सर्व प्रक्रिया एकाच वेळी आकृतीमध्ये फक्त सल्लामसलत आणू शकत नाहीत. म्हणून त्यांना ते चाव्याव्दारे आकारात करावे लागेल आणि पहाण्यासाठी सर्वात मोकळी जागा निवडावी किंवा ज्या ठिकाणी आपण बहुतेक प्रक्रियेच्या समस्या अस्तित्वात येतील अशी अपेक्षा बाळगा. आणि अशा प्रकारचे ख्रिसमस लाइट अनगॉन्टल करणे सुरू करा आणि ते एकत्र कसे येते ते पहा.
एरिक कवानाग: होय, ते खरोखर एक उत्कृष्ट रूपक आहे - ख्रिसमसच्या दिवे अनगोल करा कारण त्या खाली आपणास बर्‍याच गुंतागुंत आणि बरेच कार्य सापडतील. खरोखरच, मला असे वाटते की बर्‍याच समस्या उद्भवतात, एकतर विलीनीकरणाद्वारे - जसे आपण आधी सूचित केले आहे - किंवा वर्षानुवर्षे प्रक्रियेत बेक केले गेलेले वर्कराउंड्स, ज्यायोगे कोणीही कधी उलगडण्यासाठी वेळ घेतला नाही, बरोबर ?
किम ब्रुशबर: बरोबर, किंवा कोणीतरी नुकतेच काहीतरी करण्यास सुरवात केली आणि पहिल्यांदा याबद्दल कधीही चर्चा झाली नाही.
एरिक कवानाग: बरोबर, ते मनोरंजक आहे. येथे आहे आणि ही चांगली आहे. माझा अंदाज आहे की आपण यावर टिप्पणी देऊ इच्छित असल्यास, मार्क आणि नंतर किम, मी हे आपल्याकडे देईन. उपस्थितांपैकी एक लिहितो, “सतत बदलणारे आणि वाढणारे ओम्नी-चॅनेल वातावरण दिल्यास, एट्रिब्यूशनचे उत्तम व्यवस्थापन कसे केले जाते किंवा वाटप कसे केले जाते?” मला वाटते की हा एक सतत चालू असलेला प्रश्न आहे, परंतु मार्क, तुम्हाला काय वाटते?
मार्क मॅडसेन: हो विपणनामधील संपूर्ण विशेषता समस्या प्रचंड आहे. ऑनलाईन एट्रिब्युशन म्हणजे काय हे आपल्याला माहिती नसल्यास, फक्त काहीतरी बोलणे, म्हणणे, एखाद्याची विक्री - जसे की आपण Amazonमेझॉनला गेलात आणि आपण एखादे पुस्तक विकत घेतले तर ऑनलाइन उदाहरणाप्रमाणे. बरं, तू तिथे कसा आलास? ते शोध इंजिन ऑप्टिमायझेशन होते ज्यामुळे त्या विशिष्ट स्थानावर त्या पुस्तकाची रँकिंग मिळवून आपण त्या ठिकाणी पोहोचलो जेणेकरून ते त्या विशिष्ट ठिकाणी खरेदी करण्यासाठी गेले? ही एक ऑनलाइन जाहिरात होती, ती सोशल मीडिया मोहीम होती? आणि आपणास माहित आहे की अ‍ॅट्रिब्यूशन मॉडेलिंगची कल्पना ही अशी आहे की या प्रकारचे मुख्य कारण आहे, परंतु त्यामध्ये बहुविध गोष्टी आहेत. कदाचित आपण पुस्तक स्टँडवर पुस्तक पाहिले असेल आणि त्यासाठी बॅनरची जाहिरात पाहिली असेल आणि नंतर आपण शोधण्याचा निर्णय घेतला होता कारण आपण वाचण्यासाठी काहीतरी शोधत आहात आणि मग तो तिथे गेला.
आणि मग प्रश्न असा आहे की, "आपण विविध मोहिमांमध्ये मीडिया खर्च किंवा त्या विक्रीचे मूल्य आणि त्या ग्राहकांचे मूल्य कसे विभाजन कराल?" आणि हे एक अत्यंत जटिल कार्य आहे आणि आपण हे करणे आवश्यक आहे कारण आपण आपल्या सर्वात प्रभावी बजेटसाठी प्रयत्न करीत आहात. मोहिमा. परंतु बर्‍याच वेळा, एखादी संलग्न फी किंवा एखादी वस्तू किंवा क्लिक-थ्रू सारख्या किंमतीचा खर्च आपल्यासाठी लागतो. आणि मग आपणास ठरवायचे आहे की कोणाला पैसे दिले जातात. Google ला मोबदला मिळतो, या मुलांना मोबदला मिळतो, त्या मुलांना मोबदला मिळतो का? कारण ठराविक विशेषता योजना "पहिल्या मुलाला पैसे दिले जातात."
आणि म्हणूनच मला असे वाटते की ही एक अत्यंत जटिल समस्या आहे आणि ती मल्टिव्हिएरेट प्रकारची सांख्यिकी विश्लेषण समस्या आहे ज्याची स्पष्ट उत्तरे नाहीत. आणि याचा अर्थ असा की, आपल्याला माहिती आहे की आपल्याला मेट्रिक्सचा मागोवा ठेवणे आवश्यक आहे आणि आपण काय छेडण्याचा प्रयत्न करू शकता आणि त्या दृष्टीने विश्लेषण आणि इतर विचित्र गोष्टी देखील आहेत ज्या अशा प्रकारच्या कारणांसाठी पुन्हा लोकप्रिय होऊ शकतात. परंतु त्याऐवजी याचा अर्थ असा आहे की आपण प्रकारची प्रक्रिया मेट्रिक्स समजून घेणे आवश्यक आहे, किमान "माझ्याकडे पाच वेगवेगळ्या प्रकारच्या विपणन मोहिमे आहेत, त्या मोहिमेतील माहिती काय आहे हे मला माहित असणे आवश्यक आहे, मी किती पैसे खर्च करीत आहे हे माहित असणे आवश्यक आहे. मी किती जाहिराती किंवा किती जाहिराती दर्शविल्या, मेट्रिक्सवर प्रक्रिया करण्यासाठी? "आणि या गोष्टीवरील टाइमिंग किंवा दुवा किंवा ट्रॅकरशी संबंधित परिणाम मेट्रिक्स, हा व्यवहार झाला. जेणेकरून आपण ते चित्र तयार करण्यास सुरवात करू शकता - आणि किमान मूलभूत प्रक्रियेच्या संवादांचे मॅपिंग कोणत्या प्रकारचे केले गेले आहे त्याबद्दल आपल्याला तर्क करण्यास मदत करू शकते याचे आणखी एक चांगले उदाहरण पुन्हा सांगते. तळाशी ओळ, मला असे वाटत नाही की विशेषतेचे कोणतेही स्पष्ट उत्तर आहे.
एरिक कवानाग: होय, मला वाटते आपण अगदी बरोबर आहात. आणि तुला कधीच कळणार नाही, असं मला वाटतं. मुख्य म्हणजे आपण कमीतकमी जाणून घेऊ शकता, बहुतेक गोष्टी कोठून आल्या याची आपल्याला चांगली कल्पना असू शकते, परंतु असे मानणे की आपण हे सर्व जाणू शकता किंवा हे सर्व कधी जाणू शकाल, मला असे वाटते की अगदी सुरुवातीस ही एक चूक आहे.
मार्क मॅडसेन: मला वाटते की हेसनबर्गने आधीच याबद्दल लिहिले आहे.
एरिक कवानाग: ते काय आहे?
मार्क मॅडसेन: हेसनबर्ग अनिश्चितता तत्त्व यावर नियम आहे.
एरिक कवानाग: ते छान आहे, छान आहे. किम, मी हे तुझ्याकडे टाकत आहे कारण मी हे पहात असताना आणि मी हे सादरीकरण ऐकत असताना, आपण या भिन्न परिदृश्यांसह बरेच काय तयार केले आणि मार्कने काय केले, तुम्हाला माहिती आहे की माझ्या मनात काय आहे डिजिटल ट्रान्सफॉर्मेशनची ही संपूर्ण संकल्पना ज्याबद्दल प्रत्येकजण बोलत राहतो. आणि माझ्यासाठी, या प्रकारच्या चर्चेसाठी एक उत्तम प्रवेशद्वार आहे, कारण जर आपण नवीन विजेत्यांकडे उबेरसारख्या मोठ्या नावीन्यपूर्ण दृष्टीने पाहिले तर त्यांच्या सांस्कृतिक समस्यांकडे दुर्लक्ष करून, आणि एअरबीएनबी आणि या इतर काही कंपन्या, त्यांनी काय केले ते विदारक होते या स्तरापर्यंत, आकृत्यात्मक पातळीपर्यंत की प्रक्रिया करतात आणि बाजारपेठेत या गंभीर सेवा देण्यासाठी बुलेटप्रूफ पायाभूत सुविधा विकसित करण्यावर त्यांनी खरोखर लक्ष केंद्रित केले. आणि त्यांनी तसे केले, बरोबर? तसेच डिजिटल ट्रान्सफॉर्मेशन म्हणजे क्लाउड कंप्यूटिंग, मशीन लर्निंग, ticsनालिटिक्स, जे काही असू शकते त्या नवीन शक्तीचा फायदा घेण्यासारखे आहे. माझ्यासाठी, डिजिटल ट्रान्सफॉर्मेशनविषयी बोलणार्‍या कोणालाही प्रक्रिया मॉडेलिंग करणे आवश्यक आहे. तुला काय वाटत?
किम ब्रुशबर: होय, आणि मला असे वाटते की आत्ता वारंवार वाहणारी दुसरी टर्म म्हणजे "प्रोसेस ऑटोमेशन", ज्याची आपल्याला प्रथम आपल्या व्यवसाय प्रक्रिया तयार करणे आणि त्या स्वयंचलितरित्या सुरू करण्यापूर्वी त्या काय आहेत हे समजणे आवश्यक आहे. आणि मग आपण आपल्या योजना चालू करू शकता. परंतु जेव्हा आपण डिजिटल रूपांतरणाच्या युगाचा सामना करीत असता तेव्हा आपल्याला माहित आहे की मी काय माहिती गोळा करीत आहे आणि त्या माहितीच्या बाबतीत आपल्या संस्थेमध्ये खरोखर करार होणे महत्वाचे आहे काय. कारण आपणास माहित आहेच की मार्कने ज्या स्लाइडवर सामायिक केले त्या सारख्या सर्व भिन्न माहितीसह आपल्याला सर्व भिन्न टीव्ही स्क्रीन सापडले आहेत, आपल्याकडे आता इतका डेटा एकत्रित करण्याची क्षमता आहे की आपल्याला खरोखर एक संस्था म्हणून परिभाषित करण्याची आणि त्यासह बोर्डात जाण्याची आवश्यकता आहे. प्रत्येकजण, सर्व मुख्य भागधारक आणि व्यवसाय प्रक्रियेद्वारे सांगतात, “ही एक महत्वपूर्ण माहिती आहे आणि ही गंभीर पाय steps्या आहेत,” आणि आपले मुख्य बिंदू कोठे आहेत हे देखील समजू शकले. तर, तुम्हाला माहिती आहे, “ही एक अशी प्रक्रिया आहे जी खरोखरच आपल्यासाठी चांगल्या प्रकारे कार्य करीत नाही. बारीक-बारीक तपशिलात जाऊया आणि आम्ही ते वेगळे कसे करू शकतो हे शोधून काढू या. ”आणि भिन्न टच पॉईंट्सवर बोलू आणि संभाषणात त्यांचे आदानप्रदर्शनही पाहू.
एरिक कवानाग: होय हे खरोखर एक चांगले मुद्दे आहे आणि मला वाटले की या स्लाइडनेही अवलंबित्वाचे महत्त्व सांगण्याचे चांगले काम केले आहे. आपणास माहित आहे की यापैकी एखादा घटक बदलता तुम्ही ते सर्व बदलता आणि व्यवसायाच्या प्रक्रियेवर याचा कसा परिणाम होऊ शकतो यावर आपले डोके लपेटण्याचा प्रयत्न करण्यासाठी थोडा वेळ आणि मेहनत घेते. परंतु पुन्हा, हे असे प्रकार आहे जेथे आपण कोणत्याही प्रकारच्या डिजिटल रूपांतरणात गुंतल्याबद्दल बोलत असाल तर आपल्याला हे समजणे आवश्यक आहे की प्रक्रिया कोठे कोसळल्या जाऊ शकतात आणि त्या नष्ट केल्या जाऊ शकतात. मला वाटते की संपूर्ण अंमलबजावणीसाठी आपण यापुढे एक्स, वाई किंवा झेड प्रक्रियेची आवश्यकता नसल्यास यशस्वी अंमलबजावणीच्या असंघटित नायकापैकी एक म्हणजे जेव्हा आपल्याला हे लक्षात येते की.
किम, मला वाटते की मी ते परत तुझ्याकडे फेकत आहे. जेव्हा हे सामान अगदी चांगले चालू होते तेव्हा यशस्वी होण्याचे काही प्रमुख घटक आपणास काय आढळतात? त्या यशोगाथाची वैशिष्ट्ये कोणती?
किम ब्रुशबर: मला असे वाटते की, सहकार्याने सहकार्य करणे आवश्यक आहे आणि मी सिलोसवर असलेल्या स्लाइड डेकवर लक्ष केंद्रित का केले याचा विचार केला, कारण वेगवेगळ्या संघटनांमध्ये सहयोग करणे आणि त्या अनावश्यक गोष्टी कोठे आहेत हे शोधून काढणे आणि प्रवाहित करण्याचा एक विशाल मार्ग आहे आपली प्रक्रिया अधिक पातळ आहे आणि विलीनीकरण स्लाइडसह, जसे की आपण एकाधिक भिन्न विभागांशी बोलत असता किंवा आपण एकत्र येत असलेल्या कंपन्यांशी बोलत असता आणि "यासारखे कार्य करीत आहे," या मार्गाविषयी ही संभाषणे आहेत. खरोखर सर्वोत्तम पद्धती शोधून काढत आहोत. आणि कोणती पावले उचलण्याची सर्वोत्तम पायरी आहेत याची आखणी करणे आणि या चरणांसह प्रत्येकास संरेखित करणे निश्चितपणे ती सर्व माहिती संपूर्ण नितळ बनवते.
एरिक कवानाग: होय आणि मला आनंद आहे की आपण "सहयोग" हा शब्द देखील वापरला आहे. चिन्हांकित करा, मी फक्त टिप्पणीसाठी आपल्यावर टाकत आहे. Google डॉक्स सारख्या सोप्या सामग्रीसह देखील सहयोग हा व्यवसायातील नवीन जगाचा खेळ बदलणारा घटक आहे. पाच वेगवेगळ्या लोकांद्वारे एक दस्तऐवज पास करण्याऐवजी, आपल्याकडे हे पाचही लोक कागदजत्र रिअल टाइममध्ये पहात आहेत आणि समायोजित करू शकतात आणि एकमेकांबद्दल काय टिप्पणी देतात हे पाहू शकतात. तो एक मोठा करार आहे; प्रक्रियेत हा एक मोठा बदल आहे. आणि तोच घटक व्यावसायीक बुद्धिमत्तेवर, मॉडेलिंगवर प्रक्रिया करण्यासाठी, व्यावसायासाठी अनुकूलित करण्यासाठी वापरल्या जाणार्‍या खरोखर अशा कोणत्याही शाखेत लागू केला जाऊ शकतो. सहयोग प्रथम आणि महत्त्वाचे कधीही असावे जेव्हाही ते अर्थ प्राप्त होते, बरोबर?
मार्क मॅडसेन: हो मला पण तसेच वाटते. म्हणजे, एकट्या निर्णय घेणार्‍याची ही कल्पना अशी आहे की, तुम्हाला माहिती आहे की, एकमेव विश्लेषक जादूने त्यांचे विश्लेषण करण्यासाठी तेथे जात आहे आणि त्या नकारात्मक सोन्याला वळण देईल. आणि त्यांच्या डेस्कवर बसलेला एकटा निर्णय घेणारा हा एक जुना-शाळेचा प्रकार आहे, लोक आणि संघटना निर्णय कसे घेतात याविषयी 1990 च्या काळातील मत, तुम्हाला माहिती आहे? आपण एका डेस्कच्या मागे बसता आणि आपण या गोष्टीकडे लक्ष देता आणि नंतर आपण निर्णय घेता, परंतु आता सर्व प्रक्रिया आणि अनुप्रयोगात पकडले गेले. वास्तविक निर्णय सामान्यत: विभागांमध्ये किंवा इतर लोकांद्वारे घेतले जातात आणि त्यासाठी काय होत आहे याविषयी विस्तृत ज्ञान आणि संप्रेषण आवश्यक आहे. अन्यथा, आपण फक्त आपल्या टाचांमध्ये खोदून घ्याल आणि प्रत्येकजण लढाई करतो आणि कोणालाही काही मालक घ्यायचे नसते, म्हणूनच आता मी बर्‍याच कंपन्यांमध्ये काम करत नाही.
एरिक कवानाग: बरं, तुम्हाला माहिती आहे की हा एक चांगला मुद्दा आहे आणि किम, मला आनंद झाला आहे की आपण भाषांतरात हरवलेल्या गोष्टींची ही संकल्पना आणली आहे. मला बर्‍याचदा असे वाटते की लोक कुठल्याही चर्चेत कोन म्हणूनही महत्त्व देत नाहीत. कॉन लोकांना हे समजून घेण्यात मदत करण्याच्या दृष्टीने खूप महत्वाचे आहे की चर्चा होत असलेल्या मुद्द्यांची श्रेणी आणि जे काही निर्णय बिंदू आहेत. आणि जर आपण प्रक्रिया मॉडेलिंगचा वापर यंत्रणा म्हणून करू शकत असाल तर पुन्हा केसांची गुंतागुंत असलेल्या जीवनाचे तुकडे करणे अगदी तुलनेने सोपे आहे - आणि जर सरसकट - आकृती नसेल तर माझ्यासाठी हे खूप उपयुक्त आहेः अ) आवश्यक ते संप्रेषण करणे, परंतु बी. ) गंभीर असलेल्या गोष्टींकडे दुर्लक्ष करू नका परंतु संभाषणात गमावू शकता आणि सी) शेवटी स्पष्टपणे सांगायचे तर संवादातील शब्द खाली खिळण्यात अडचण होते. तुला काय वाटत?
किम ब्रुशबर: हे खरोखर मनोरंजक आहे की आपण हा शब्द "संभाषण" पुढे आणत आहात. आणि मी संभाषण आकृतीवर असलेली स्लाइड समाविष्ट केली होती जिथे एकमेकांशी बोलत होते आणि एकमेकांशी संवाद साधत असे अनेक भिन्न तलाव होते. बीपीएमएन संस्थेने हा आकृती तयार करण्याचा निर्णय का घेतला, हे त्यांना ठाऊक होते कारण वेगवेगळ्या विभागांमधील संभाषण गुंतागुंतीचे आहे आणि प्रक्रियेत सामील असलेले सर्व तुकडे दर्शविण्याचा एक मार्ग असणे आवश्यक आहे. वेगवेगळे खेळाडू आणि सर्व भिन्न पैलू जेणेकरून कोणतेही बॉल सोडले जात नाहीत आणि जिथे जबाबदा out्या बाह्य रेखांकित केल्या आहेत त्या प्रत्येकाला माहित आहे. म्हणून जेव्हा आपण व्यवसाय प्रक्रियेत बोलत असता तेव्हा आपल्याला माहित होते, योग्य मत आहे, व्यवसाय प्रक्रिया आकृती खरोखरच छान आहेत कारण ती दृश्यमान आहेत आणि चित्रांची किंमत 1000 शब्दांची आहे आणि जेव्हा आपण या गोष्टी अगदी दृश्यास्पद मध्ये पाहू शकता, हे लोकांच्या तुलनेत बरेच चांगले समजू शकतील, असे म्हणा, जर तुम्ही तुमची प्रक्रिया एखाद्या परिच्छेद स्वरुपात लिहली असती आणि तुम्ही त्यांना लिहिले असेल, तर तुम्हाला माहिती आहे की शारीरिकरित्या किंवा जरी तुम्ही त्यांची बुलेटसह संख्या केली असेल. सचित्र प्रतिनिधित्व आपल्याला तो कोन गोळा करण्यास सक्षम करण्यास आणि हे समजून घेण्यास सक्षम आहे की आपण हे वाचण्याचा प्रयत्न करीत आहात किंवा समजून घेत आहात हे समजत नाही.
एरिक कवानाग: ठीक आहे, आपण गोष्टी अगदी क्षतिकडे विकृत करू शकता, बरोबर? जेथे लोक गोष्टी इतक्या वैयक्तिकरित्या घेणार नाहीत आणि व्यवसाय खरोखर काय करत आहे त्याबद्दल आणि त्यापेक्षाही अधिक जटिल प्रक्रियेसाठी आपल्याकडे अधिक वस्तुनिष्ठ दृष्टिकोन असेल, मला असे वाटते की मोठे चित्र काय आहे हे व्यवसाय आणि आयटी प्रेक्षकांना अधिक चांगल्या प्रकारे समजण्यास मदत करेल. , कारण दिवसाच्या शेवटी मोठे चित्र हा व्यवसाय आहे आणि व्यवसाय यशस्वी व्हावा अशी इच्छा आहे, चला त्यास सामोरे जाऊ, बर्‍यापैकी त्रासदायक वेळा. मला वाटते की वेळ योग्य आहे का, आणि ती नेहमीच राहिली आहे परंतु काही दिवसांपेक्षा काही विशिष्ट प्रक्रिया ऑप्टिमाइझ केलेली किंवा अगदी मिटलेली दिसल्यामुळे हे अजून अधिक दिसते. उदाहरणार्थ, ढगात जाणे, आपल्या सेवेच्या ऑफरचा संपूर्ण घटक केवळ मेघला किंवा काही जोडीदारास किंवा जे काही प्रकरण असू शकते ते ऑफलोड करीत आहे. परंतु व्यवसायाचे हे विकृत, स्पष्ट आकृतीचित्रण मॉडेल असणे ही पुन्हा डिझाइन करण्यासाठी आणि सर्वात वरच्या गोष्टींवर राहण्यासाठी एक अतिशय उपयुक्त गोष्ट आहे, बरोबर?
किम ब्रुशबर: होय आणि ईआर स्टुडिओ उत्पादने, आमच्याकडे बर्‍याच शोध आणि फिल्टरिंग क्षमता देखील आहेत. म्हणून आपण जाण्याऐवजी काहीतरी ढगांचे वर्तन असल्याचे ठरवू इच्छित असल्यास, आपण जाऊन त्यास बारीक सुसंगत ठेवू शकता आणि एकदा आपली सर्व प्रक्रिया आराखड केल्यावर ढगात काय संवाद साधत आहेत त्याचे तुकडे शोधण्यासाठी प्रयत्न करू शकता. किंवा, उदाहरणार्थ, आपण विपणनाकडे पहात आहात असे म्हणू द्या आणि आपल्याला फक्त विपणनाची बारीक ट्यून करायची इच्छा आहे - आणि मला नक्कीच मार्केटींगचा अर्थ घ्यायचा नाही - बहुतेक संस्था ज्याच्या लक्षात आल्या आहेत. पण, तुम्हाला माहिती आहे, जा आणि असे म्हणण्यास सक्षम व्हा, “ठीक आहे, म्हणून मी माझा विपणन विभाग बदलण्याचा विचार करीत आहे. हे सर्व आचरण आहेत, आणि म्हणून तुम्ही सर्व प्रक्रिया पाहू आणि म्हणू शकता, “ठीक आहे, मी या युक्त्या ढगात टाकत आहोत आणि हे करणार आहे आणि यामुळे त्याचा परिणाम होईल. तुकडे आणि याचा परिणाम या लोकांवर होणार आहे. ”आणि जर तुमची प्रक्रिया आकृत्याने तयार केली असेल तर तुम्ही अगदी नेत्रदीपक पाहू शकता - हे एक विशाल कोडे पाहण्यासारखे आहे, बरोबर? आपल्याकडे हे सर्व वेगवेगळे कोडे आहेत जे सर्व एकत्र खेळतात आणि आपण शोधू शकता की “ठीक आहे, सर्व काही एका तुकड्यात बसण्यासाठी मला या कोडेचे पुनर्गठन करण्याची आवश्यकता आहे का?”
एरिक कवानाग: होय आणि तुम्हाला माहिती आहे की मी तुम्हाला शेवटचा प्रश्न दर्शवितो. आणि लोकांनो, मी आजच्या सादरीकरणातील स्लाइडचा दुवा पोस्ट करणार आहे; ते पाहण्यासाठी आपल्या गप्पा विंडोकडे पहा. परंतु, अर्थातच सिस्टमद्वारे जाणा data्या डेटा माहितीसाठी प्रक्रिया मॉडेलिंग आणि डेटा मॉडेलिंग अटी गंभीरपणे महत्त्वपूर्ण आहेत कारण सिस्टम एकतर काम करतात किंवा ते करत नाहीत, जिथे व्यवसाय थोडासा सैल होऊ शकतो. आपल्याकडे कार्यक्षमता असू शकते - जुन्या दिवसांच्या प्रक्रियेच्या शेवटी किंवा प्रक्रियेच्या सुरूवातीस किंवा कोठेही कोठेही सांगू द्या - आपल्याकडे असे कार्य असू शकते की ज्याला एखाद्याला काहीतरी कळले तेव्हा एखाद्याला नुकतेच कळले की कोणालाही माहित नव्हते. डेटासह, आपल्याला निश्चितपणे माहित असेल कारण डेटा ज्या क्षेत्रात आवश्यक आहे त्या ठिकाणी दर्शविला जात नाही आणि व्यवहार पूर्ण होत नाही. परंतु आता आपण पाहत आहात की अ) अधिक डिजिटल अर्थव्यवस्थेकडे जात आहे परंतु बी) आपल्याकडे ही सर्व भिन्न विलीनीकरण आणि गोष्टी घडत आहेत. आपणास असे दिसते आहे की कंपन्या व्यवसाय प्रक्रिया मॉडेलिंग तसेच डेटा मॉडेलिंगच्या मूल्यांचे अधिक कौतुक करू लागले आहेत? हा प्रकार संपला आहे का? मी डेटा मॉडेलिंगसाठी निश्चितपणे जाणत असल्यामुळे डेटा मॉडेलर त्याबद्दल वर्षानुवर्षे खूप उत्कट होते. आजकाल व्यवसाय मिळतो का? आम्ही जे करत आहोत त्या ठिकाणी आवश्यक कौतुक होत असताना आपण जवळ जात आहोत का?
किम ब्रुशबर: बरं, मी म्हणालो, आयडीआरएमध्ये आम्ही जे साध्य करण्याचा प्रयत्न करीत आहोत ते तेच करतो. आमच्याकडे ईआर स्टुडिओ सूटमध्ये डेटा मॉडेलिंग स्विट आणि व्यवसाय आर्किटेक्ट स्वीट दोन्हीचा समावेश आहे, म्हणून मला इतके छान रांगा लावण्यासाठी धन्यवाद.
एरिक कवानाग: तिथे तुम्ही जा.
किम ब्रुशबर: परंतु आम्ही असे करतो - माहिती आर्किटेक्चर, सोल्यूशन्स आर्किटेक्चर, ज्या कोणालाही संस्थेमधील डेटा जबाबदार धरतो अशा कोणालाही डेटा मॉडेलिंगचा तुकडा पूर्णपणे आवश्यक असतो. आणि आम्ही आमचे उत्पादन ज्या प्रकारे तयार केले आहे त्यायोगे आमचा एंटरप्राइझ टीम अ‍ॅडिशन्स सूट वापरुन व्यवसायाला आणि डेटासाठी कार्य करण्याच्या प्रकारची अनुमती मिळते जेणेकरून आपण व्यवसाय प्रक्रियेस उपलब्ध असलेल्या सर्व वस्तू ढकलू शकता आणि डेटा प्रक्रिया एकत्र करते आणि त्या दोन जगांना एकत्र आणण्यास सक्षम असेल. आणि त्यावरील तपशीलांमध्ये जाण्यासाठी माझ्याकडे पुरेसा वेळ नाही, परंतु IDEA कडे जाऊन आम्ही ते कसे करतो हे पाहण्यासाठी कोणालाही स्वागत आहे.
परंतु प्रश्न असा आहे की, डेटाचे जग जटिल होत जाईल. स्टोरेज स्वस्त आणि स्वस्त आणि स्वस्त झाले आहे आणि याचा अर्थ असा आहे की आम्ही मार्क सारख्या आयटमवर ज्या ठिकाणी चर्चा होत आहे तेथे जास्तीत जास्त डेटा आणि गोष्टी मिळवणार आहोत, “ठीक आहे, तर आता माझ्याकडे डेटा आहे, मी त्याचे विश्लेषण कसे करावे ते? मला ते कसे समजेल? मी ते कसे बाहेर काढावे आणि ते माझ्या व्यवसायासाठी कसे वापरावे? ”आणि म्हणून ती माहिती व्यवसायाच्या प्रक्रियेत आच्छादित करण्यात आणि म्हणायला, सक्षम आहे की,“ मला उत्पादन निर्णयावर निर्णय घेण्याची गरज आहे आणि मला ते माहित असणे आवश्यक आहे हिवाळ्यातील बर्फामुळे माझे ट्रक्स किती वेळा उशीर करत आहेत? उत्तरेकडून शिपिंग करण्याऐवजी तेथून वस्तू पाठविण्यास सक्षम होण्यासाठी मला कोस्टा रिकामध्ये एखादा व्यवसाय उघडण्याची आवश्यकता आहे का? ”आणि त्या सर्व बाबींकडे पाहण्यास सक्षम असलो, परंतु आपल्याला त्या गोष्टीकडे पाहण्याची गरज आहे हेदेखील माहित नाही आपण त्या प्रक्रियेचा नकाशा बनविण्यासाठी काही सुरू करू शकत नाही तोपर्यंत या पैशाची आणि या परिस्थितीत ही एक परिवहन प्रक्रिया आहे परंतु प्रत्येक व्यवसायाच्या प्रक्रियेत अशी गुंतागुंत असते की ते व्यवसाय प्रक्रियेच्या मॉडेलमध्ये खाली पडू शकतात आणि ते तुकडे कोठे हलू शकतात हे समजण्यास सुरवात करतात.
एरिक कवानाग: मला ते आवडते. मला विशेषतः कोस्टा रिकामध्ये व्यवसाय सुरू करण्याबद्दलचा भाग आवडतो.
किम ब्रुशबर: का नाही?
एरिक कवानाग: जर आपल्याला तेथे पीआर माणूस किंवा नियामकाची आवश्यकता असेल तर मला कळवा. मी गप्पा विंडोमध्ये स्लाइडचा दुवा पोस्ट केला, म्हणून त्या गप्पा विंडो तपासा. नक्कीच, जर आपण ते पाहिले नाही किंवा आपण आपल्या सहकार्यांसह हे सामायिक करू इच्छित असाल तर आम्ही नंतर हे पाहण्यासाठी या सर्व वेबकास्टचे संग्रहण करतो. आणि आपण तिथेच किम करू शकता, तिला स्क्रीनवर तिचा पत्ता मिळाला. तिला थेट मोकळ्या मनाने.
आणि त्यासह आपण निरोप घेणार आहात. विलक्षण सादरीकरणासाठी धन्यवाद; हे छान झाले आहे. लोकांनो, पुढच्या वेळी आम्ही आपल्यास भेटू. काळजी घ्या. बाय-बाय.