流程 + 主数据和数字化转型，第二部分

流程 + 数据对于创新和转型都至关重要。数据洞察的潜力和力量在数字化和自动化流程中得以体现。

这是关于流程 + 数据的两部分文章的第二部分。第一部分描述了智能 DBMS 的演变 和智能 BPMS 。 人工智能以及各种数字技术对这两种趋势都产生了巨大影响。iBPMS 还支持流程和工作自动化——尤其是通过机器人流程自动化。

第一部分强调 DBMS（尤其是高级 NoSQL 数据库）和企业架构中的 BPMS 之间缺乏平衡。通过人工智能和其他数字技术，它们都变得智能了。 此外，我们现在在这两个领域都看到了大量的无代码/低代码开发方法。现在有CitizenDevelopers 和 公民数据科学家。

然而，具有多个关系和 NoSQL 数据库的 DBMS 层在 IT 基础设施和企业架构中无处不在。数据是新的原油！

BPMS 层？没那么多。

为了充分利用流程和数据之间的协同作用，动态企业需要专注于显而易见的事情：推动业务价值的核心业务应用程序和解决方案 .重申一个显而易见的事实：这与技术无关！

价值流（又名价值链）

数据方法的核心是自下而上的方法，专注于持久数据。重要和关键。但是，自下而上的技术驱动。在这里，我们将阐明三个强大的用例，它们采用更支持 AutonomicEnterprise-In-Motion 的不同方法。

流程驱动的应用程序方法非常不同。流程驱动方法的一个基本假设是，企业是价值流的集合 .企业考虑目标和里程碑或阶段以实现这些目标在价值流的背景下 .大多数组织仍然是垂直组织的，每个业务部门都专注于其可衡量的目标。

业务部门的孤岛，各种应用程序， 贸易伙伴无处不在

价值流横向跨越业务部门、不同的遗留应用程序和试图优化客户体验的贸易合作伙伴 - 以实现和实施价值 . Enterprise-In-Motion 中的文化变革需要捕获、数字化和自动化价值流，以优化可见性和控制。

Valuestream 数字化和自动化是 DigitalTransformation 的核心支柱

在组织上，文化需要鼓励对价值流的授权所有权——跨越孤岛。 DigitalProcess Automation 通过 DynamicCase Management (DCM) 实现价值流的数字化和自动化。

通常，这些是孤立的，通信是通过手动切换完成的。有趣的是，数字技术甚至数字转型实践对垂直组织的孤立组织几乎没有影响。组织层次结构一直存在。价值流通常与授权所有者横向发展，因为其卓越的运营。如果不通过 DPA 对价值流进行优化，将会产生相当大的浪费和低效。

数字化和自动化价值流的力量是这三个用例的核心推动力

流程 + 主数据

根据 MDM 研究所：主数据管理 (MDM) 是跨许多应用程序和选区使用的数据的权威、可靠的基础，目的是提供对真相的单一视图，无论它位于何处。

上面提到的孤岛——组织、业务单位和他们拥有的应用程序——是关于同一实体的信息不一致的主要原因：客户、供应商、产品或其他。主数据解决了几个痛点。举几个例子：

• 不一致和糟糕的数据质量会导致做出错误、错误甚至有风险的决策。自动化的动态案例执行与数据的一致性一样好。
• 对于跨应用共享的客户、产品、定价、合作伙伴、供应商、服务和其他主数据，不同的孤立系统通常包含关于同一实体的相互矛盾的信息（例如，错误的婚姻状况）。试图保持异构数据的一致性和高质量存在很多浪费。
• 兼并和收购也会带来数据一致性挑战——在整个组织中拥有有关客户或产品的单一版本的真实情况

以下是一些典型的例子：

• 客户地址 不会在存储地址的所有数据库或应用程序中一致更新。
• 产品的价格 不一致，取决于渠道（零售、网络、移动应用等）
• 供应商 各种 ERP 系统的清单、可用性和零件清单不一致

还有很多。

需要 MasterData 来解决数据质量、数据一致性、数据来源、数据准确性、数据完整性、数据复制和数据完整性。

如上所述，企业是其价值流的集合体。这些价值流的执行只与数据的一致性一样好。计算机科学表达式“GarbageIn – Garbage Out”（GIGO）在这里非常适用。事实上，数据不一致迟早会影响客户体验，导致客户不满意：净推荐值 (NPS) 越低，批评者比例越高！

自下而上的 MDM 方法

通常，组织试图通过主数据管理工具和系统来解决主数据的挑战。这最终可能会成为“大爆炸”的主数据项目，使用昂贵的工具。一些组织已经建立了 MDM 管理卓越中心。技术和数据一致性是强大且重要的，包括数据清理、解决缺失数据、数据一致性、ETL 和数据集成。危险在于在没有优先考虑业务目标的情况下规范化主数据所需的巨大努力。一个常见的问题是，试图解决主数据挑战的计划通常是在孤岛中进行的。 MDM 本身成为需要管理的另一层软件。如果使用数据复制和复制，这也会产生额外的开销和潜在的不一致。

然而，更严重的问题是在特定主数据的创建和管理中缺乏重点和准确的理由。例如，来自各种记录系统的有关客户的字段或属性的总数可能在数百个。最关键的客户价值流通常需要非常小的可用字段或属性子集。其余的将很少——如果有的话——被使用。虽然 MDM 系统的推理可能有意义，但这种自下而上的方法可能不是最理想的。

自上而下的价值流方法

一种更优化的方法是将 MDM 挑战作为整体持续改进计划的一部分，特别是通过连接接触和操作主数据的筒仓的端到端动态案例管理解决方案。 Enterprise-In-Motion 是价值流的集合。 MDM 是关于使价值流尽可能地运行。这些价值流中的每一个都有特定的业务目标——例如，降低成本、提高 NPS 或产生收入。这种方法的核心是一个支持动态案例管理 (DCM) 的层，它可以封装旧系统并使之现代化。如第一部分所述，除了机器人自动化、人工智能和其他数字技术之外，DCM 是 DPA 中的一项关键功能。

自上而下的方法只关注那些通过 DPA 优化、数字化和自动化的特定价值流所需的字段或属性。

这种“自上而下”的方法优先考虑具有 MDM 改进的转型项目，并平衡风险与业务价值。必须解决这些技术数据库问题，但要改进优先级方法。

从大处着眼，从小处着手

在 Enterprise-In-Motion 中，主数据问题的解决方案由“Think Big...But Start Small”治理驱动。该方法是实现速赢，构建或实现所需的主数据严谨性，然后通过包括主数据在内的其他转型解决方案进行扩展。换句话说，通过迭代方法，聚合主数据是零碎构建的，而不是大爆炸综合 MasterData 和 then 实现数字化转型解决方案的项目。主数据治理和实施可以嵌入流程自动化方法的 DNA 中，并导致数据源的优先级和在 DPA 层内管理数据所需的优化。目标是平衡主数据的易用性与特定优先项目的业务价值。

在 DesignThinking Methodology 中，优先化 对于 Valuestream 项目的积压至关重要。这些优先级系统地对项目进行排名，以平衡实施的便利性和业务价值。以下是一些可能影响优先级的潜在可衡量维度：

• 整合项目主数据字段的复杂性
• 主数据质量不佳对项目端到端案例的影响
• 主数据字段在高业务影响项目中的应用
• 访问项目主数据字段值的 API 的可用性

反映主数据支持的优先条被馈送到敏捷方法。 该方法应帮助您持续监控和衡量业务目标。主数据在整个条子中迭代优化。由设计思维优先级提供的创新项目会被持续测量和监控。自上而下的方法有三种类型的迭代：

• 项目积压中的迭代 - 按业务价值和主数据可用性维度划分优先级
• 在利用主数据构建 DPA 解决方案时进行迭代
• 后期制作，比较目标与实现的目标以进一步改进也很重要。

因此，Top-Down 方法以增量方式构建主数据，同时不断交付和改进具有高业务价值的项目。

数字化转型：物联网和区块链

价值流流程驱动的自上而下方法是数字化转型技术价值主张的推动力。其中两项对 Enterprise-In-Motion 至关重要的技术是物联网和区块链。

物联网成功之路

物联网是关于通过传感器和执行器连接越来越智能的设备。当然，连接性、平衡范围和电源考虑的基础至关重要。物联网的整体堆栈和多层架构中有几个组件。最低级别包括物理 设备和系统。正是这个cyber-physical 连接是物联网时代的基础。其他层包括数据积累和分析层。物联网连接的设备会产生大量数据：大数据正在变成事物数据！其中一些数据（通常是其中的大部分）正在边缘处理。

物联网有多种参考架构和参考模型。 IoT WorldForum 的参考模型将协作和业务流程置于物联网多层次架构的顶端。

这很重要而且很准确。从一开始就可以通过具体的业务目标自上而下地实现成功。自上而下的业务解决方案涉及人员、连接设备（又名物联网）、贸易伙伴和企业应用程序（又名记录系统）：所有这些都针对具体和可衡量的关键绩效指标 (KPI) 协作和协调他们的活动。合作是在端到端价值的背景下进行的s treams（操作词是 Value ), 被建模的，自动化的 ，并通过 DPA 进行监控以进行持续改进。 DPA 方法，能力最佳实践 , 和 技术是推动物联网成功的引擎。

物联网的许多应用都是由 DPAValuestreams 驱动的。 DigitalPrescriptive Maintenance 是物联网的杀手级应用。如此处所示，它涉及任务的编排，参与者包括人员（例如，客户服务和现场服务）企业应用程序、用于分类最佳操作的人工智能、保修链管理，当然还有连接的设备和物联网。通过DPA实现端到端的编排和自动化。

区块链到价值链

区块链在很大程度上是一场革命。它是推动价值互联网 (IoV) 出现的引擎。车联网是互联网发展的重要阶段。在 1990 年代，我们从信息互联网开始 ： 传统的互联网——我们每天都用它来搜索信息。接下来是物联网 或在消费者（例如，互联家庭）、公共部门（例如，智能城市）和工业应用（例如，SmartManufacturing）中变得普遍的连接设备。物联网成功之路贯穿数字过程自动化。作为加密货币基础技术的区块链正在实现价值互联网。 价值可以是数字货币。更重要的是，“价值”也可以是支持组织间和组织内交换支持业务目标的数据。

区块链作为去中心化和分布式数据库

区块链将各方之间的交易账本存储在参与验证区块链的节点中。分类帐是分布式和复制的。在 B2B 交易中合作的企业现在可以通过区块链共享交易信息。一种潜在的扩展应用（即涉及不同的贸易伙伴） Enterprises-In-Motion 将区块链视为其贸易交易的共享数据库，并根据需要从其企业应用程序中访问数据。因此，区块链可以作为企业间交易的主数据，而不是贸易伙伴复制其内部 ERP 或数据库系统中的数据！区块链技术仍处于起步阶段。在强大的车联网解决方案普及之前，我们将经历几个“幻灭低谷”的炒作周期阶段。

区块链技术的讨论也往往是非常“自下而上”的——一种寻找解决问题的有趣创新。与通过 DPA 运行的物联网的成功一样，区块链需要演变为一个价值链（ 又名 Valuestream）方法——通过 DPA 提供支持！

• 价值链编排层 ：在顶部，您拥有端到端的价值链，可以编排和排序涉及人员、自动化设备、企业应用程序（又名记录系统）和贸易伙伴的任务。该层通过 DPA 实现数字化和自动化。
  
• 区块链层： 去中心化的分布式账本在中间区块链层进行管理。区块链将执行智能合约规则、交换加密货币或两者兼而有之。端到端价值链的任务或里程碑将在特定步骤中利用区块链。
  
• IoT/IIoT 连接设备层： 最低层将是 IoT/IIoT 连接层。借助区块链以及 IoT/IIoT 边缘计算，另一个优势是将执行和交易推向边缘。整个价值链处于顶端，物联网/工业物联网边缘计算可以根据需要利用区块链。

流程 + 数据结论

处理和 数据对于动态企业来说都是至关重要的。然而，自动化价值流的流程层——具有强大的 DPA（BPM 演进中的当前化身）——在 IT 基础设施和企业架构中经常缺失。 Process+Data 的第二部分涵盖了三个引人注目的用例，它们清楚地说明了自上而下的业务驱动的流程方法的力量。甚至掌握数据 ——这是数据库挑战的核心——可以通过优先考虑价值流和在 DPA 迭代的上下文中建立主数据来进行转换和优化。另外两个用例与最引人注目的数字化转型技术有关：物联网和区块链。无论是哪一种，成功之路都贯穿于 DPA！

流程 + 数据是两者 对创新和转型至关重要。数据洞察的潜力和力量在数字化和自动化流程中得以体现。

Enterprise-In-Motion IT 基础设施和企业架构，以及伴随的以业务价值为中心的方法，需要 DPA。