Piloter l'innovation : Processus, Données de référence, et Transformation numérique – Partie II

Processus + Données sont tous deux critiques pour l'innovation et la transformation. Le potentiel et la puissance des insights Data sont réalisés dans les processus numérisés et automatisés.

Ceci est la Partie II d'un article en 2 parties sur Processus + Données. La Partie I décrivait l'évolution des SGBD intelligents et des BPMS intelligents. L'Intelligence Artificielle, ainsi que diverses technologies numériques, ont eu un impact tremendous sur les deux tendances. Les iBPMS supportent aussi l'automatisation de processus et travail – surtout via l'Automatisation des Processus Robotiques (RPA).

La Partie I soulignait le manque d'équilibre entre SGBD – surtout bases de données NoSQL avancées – et BPMS dans les architectures d'entreprise. Grâce à l'IA et autres technologies numériques, les deux sont devenus intelligents. De plus, nous assistons maintenant à une pléthore d'approches pour le développement No Code/Low Code dans les deux domaines. Il y a maintenant des Citizen Developers et Citizen Data Scientists.

Cependant, la couche SGBD avec multiples bases de données relationnelles et NoSQL est omniprésente dans les infrastructures IT et architectures d'entreprise. La Data est le nouveau pétrole brut !

La couche BPMS ? Pas tant que ça.

Pour tirer le meilleur de la synergie entre Processus et Données, l'entreprise en mouvement doit se concentrer sur l'évident : les applications et solutions métier core qui pilotent la valeur business. Pour réitérer l'évident : ce n'est pas une question de technologie !

Flux de valeur (Value Streams / Value Chains)

L'approche données est à son cœur une approche bottom-up se concentrant sur les données persistantes. Importante et critique. Mais toujours bottom-up, pilotée par la technologie. Ici, nous éluciderons trois cas d'usage robustes qui adoptent une approche différente, beaucoup plus supportive de l'Entreprise Autonome En Mouvement.

L'approche pilotée par les processus est très différente. Une hypothèse fondamentale dans l'approche pilotée par les processus est qu'une entreprise est une collection de Flux de Valeur. Les entreprises pensent en termes d'objectifs et jalons ou étapes pour atteindre ces objectifs dans le contexte des Flux de Valeur. La plupart des organisations sont encore organisées verticalement, et chaque unité métier se concentre sur ses objectifs mesurables.

Silos dans les unités métier, diverses applications, et partenaires commerciaux sont omniprésents

Les Flux de Valeur vont horizontalement à travers les unités métier, différentes applications legacy, et partenaires commerciaux tentant d'optimiser les expériences clients – pour réaliser et opérationnaliser la valeur. Le changement culturel dans l'Entreprise En Mouvement doit capturer, numériser et automatiser le flux de valeur pour une visibilité et un contrôle optimisés.

La Numérisation et l'Automatisation des Flux de Valeur sont les piliers centraux de la Transformation Numérique

Organisationnellement, la culture doit encourager la propriété responsabilisée du flux de valeur – à travers les silos. L'Automatisation des Processus Numériques (DPA) réalise la numérisation et l'automatisation des flux de valeur via la Gestion Dynamique de Cas (DCM).

Typiquement, ceux-ci sont en silos, et la communication se fait par transferts manuels. Il est intéressant de noter que les technologies numériques et même les pratiques de transformation numérique ont eu peu d'impact sur les organisations verticales en silos. La hiérarchie organisationnelle a persisté. Les flux de valeur vont horizontalement souvent avec un propriétaire responsabilisé pour son excellence opérationnelle. Si les flux de valeur ne sont pas optimisés via DPA, il y aura gaspillage et inefficacités considérables.

La puissance des flux de valeur numérisés & automatisés est le levier central des trois cas d'usage

Processus + Données de Référence (Master Data)

Selon l'Institut MDM : La Gestion des Données de Référence (MDM) est la fondation autoritaire et fiable pour les données utilisées à travers de nombreuses applications et parties prenantes avec l'objectif de fournir une vue unique de la vérité peu importe où elle se trouve.

Les silos mentionnés ci-dessus – dans les organisations, unités métier, et applications qui en sont propriétaires – sont la raison principale des incohérences dans l'information sur la même entité : client, fournisseur, produit, ou autre. Les Données de Référence adressent plusieurs points de douleur. Voici quelques exemples :

• Incohérences et mauvaise qualité de données résultent en décisions pauvres, erronées, et même risquées. Les exécutions de cas dynamiques automatisés sont aussi bonnes que la cohérence des données.
• Pour Clients, Produits, Tarification, Partenaires, Fournisseurs, Services, et autres Données de Référence partagées à travers applications, souvent différents systèmes en silos contiennent des informations contradictoires sur la même entité (ex: mauvais statut marital). Il y a beaucoup de gaspillage à tenter de garder des données hétérogènes cohérentes et de haute qualité.
• Fusions et Acquisitions créent aussi des défis de cohérence de données – pour avoir une version unique de la vérité sur un client ou une offre à travers l'organisation

Voici quelques exemples typiques :

• Adresse client n'est pas mise à jour cohéremment à travers toutes les bases de données ou applications qui stockent l'adresse.
• Le prix d'un produit n'est pas cohérent et dépend du canal (retail, Web, app mobile, etc.)
• La liste fournisseurs, disponibilité, et liste de pièces est incohérente à travers divers systèmes ERP

Il y en a bien d'autres.

Les Données de Référence sont nécessaires pour adresser qualité données, cohérence données, sourcing données, exactitude données, intégrité données, réplication données, et complétude données.

Comme noté plus haut, une entreprise est l'agrégat de ses Flux de Valeur. Ces exécutions de flux de valeur ne sont aussi bonnes que la cohérence des données. L'expression informatique « Garbage In – Garbage Out » (GIGO) s'applique très bien ici. En fait, les incohérences de données impacteront plus tôt ou plus tard l'expérience client résultant en insatisfaction client : Net Promoter Scores (NPS) plus bas, ratio de détracteurs plus élevé !

L'approche MDM Bottom-Up

Souvent les organisations tentent d'adresser les défis des Données de Référence via des outils et systèmes MDM. Cela pourrait finir en projets MDM « big bang », avec outils coûteux. Certaines organisations ont établi des centres d'excellence MDM pour la gouvernance. La technologie et les cohérences de données sont formidables et importantes à adresser, incluant nettoyage données, adressage données manquantes, cohérence données, ETL, et intégration données. Le danger est l'effort énorme requis pour normaliser les données de référence sans prioriser à travers les objectifs business. Un problème commun est que les initiatives tentant de résoudre les défis données de référence le font souvent en silo. Le MDM devient encore une autre couche logicielle qui doit être gérée. Si la copie et réplication de données est utilisée, cela crée aussi un overhead additionnel et incohérences potentielles.

Cependant, le problème plus sérieux est le manque de focus et justification précise dans la création et gestion de données de référence spécifiques. Par exemple, le nombre agrégé de champs ou attributs sur un Client depuis divers systèmes d'enregistrement pourrait être dans les 100s. Les flux de valeur clients les plus critiques auront typiquement besoin d'un tout petit sous-ensemble des champs ou attributs disponibles. Le reste sera rarement – si jamais – utilisé. Bien que le raisonnement du système MDM puisse avoir du sens, cette approche bottom-up pourrait être sous-optimale.

Approche Top-Down par Flux de Valeur

Une approche plus optimale est de traiter les défis MDM comme partie des initiatives d'amélioration continue globales, surtout via des solutions de gestion dynamique de cas bout-en-bout qui connectent les silos qui touchent et manipulent les données de référence. L'Entreprise En Mouvement est un agrégat de Flux de Valeur. Le MDM est à propos de faire tourner les Flux de Valeur aussi bien qu'ils le peuvent. Chacun de ces Flux de Valeur a des objectifs business spécifiques – par exemple, réduire les coûts, améliorer le NPS, ou générer du revenu. Le cœur de cette approche est une couche activée par la Gestion Dynamique de Cas (DCM) qui enveloppe et modernise les systèmes legacy. Comme noté en Partie I, DCM est une capacité clé dans DPA – en plus de l'Automatisation Robotique, IA, et autres Technologies Numériques.

L'approche top-down se concentre seulement sur ces champs ou attributs nécessaires pour des Flux de Valeur spécifiques qui sont optimisés, numérisés, et automatisés via DPA.

Cette approche « top-down » priorise les projets transformationnels avec améliorations MDM et équilibre risque avec valeur business. Ces problèmes techniques de base de données doivent être adressés, mais avec une approche revue des priorités.

Voir Grand mais Commencer Petit

Dans l'Entreprise En Mouvement, les solutions aux problèmes de données de référence sont pilotées par une gouvernance « Voir Grand… Mais Commencer Petit ». L'approche est de réaliser des quick wins, construire ou atteindre la rigueur de données de référence nécessaire, et puis étendre avec des solutions transformationnelles additionnelles qui incluent les Données de Référence. En d'autres termes, avec l'approche itérative, les données de référence agrégées sont construites par morceaux au lieu d'un Big Bang complet de Données de Référence puis réalisation de projets pour solutions de transformation numérique. La gouvernance et l'implémentation des Données de Référence peuvent être embarquées dans l'ADN des méthodologies d'automatisation de processus et mener à la priorisation des sources de données et l'optimisation nécessaire pour gérer les données dans la couche DPA. L'objectif est d'équilibrer facilité des Données de Référence avec valeur business pour projets spécifiques priorisés.

Dans la Méthodologie Design Thinking, la priorisation est critique pour le backlog de projets de Flux de Valeur. Ces priorisations classent systématiquement les projets équilibrant facilité d'implémentation avec valeur business. Voici quelques dimensions potentiellement mesurables qui pourraient impacter la priorisation :

• Complexité de consolidation des champs de données de référence pour le projet
• Impact de la mauvaise qualité données de référence sur les cas bout-en-bout pour le projet
• L'application des champs de données de référence dans le projet à fort impact business
• Disponibilité d'APIs pour accéder aux valeurs des champs de données de référence pour le projet

Les tranches priorisées reflétant le support Données de Référence sont données à la méthodologie agile. La méthodologie devrait aider à surveiller et mesurer continuellement les objectifs business. Les Données de Référence s'optimisent itérativement à travers les tranches. Les projets innovants nourris par les priorisations Design Thinking sont continuellement mesurés et monitorés. Il y a trois types d'itérations dans l'approche Top-Down :

• Itérations dans le backlog des projets – priorisés par valeur business aussi bien que dimensions disponibilité Données de Référence
• Itérations pendant la construction de la solution DPA en tirant parti des Données de Référence
• Post-production, il est aussi important de comparer objectifs ciblés vs atteints pour améliorations futures.

Ainsi, l'approche Top-Down construit incrémentalement les Données de Référence, tout en délivrant continuellement des projets à haute valeur business et en les améliorant.

Transformation Numérique : IoT & Blockchain

L'approche top-down pilotée par les processus de flux de valeur est un levier pour les propositions de valeur technologiques de transformation numérique. Deux de ces technologies qui sont les plus critiques pour l'Entreprise En Mouvement sont l'IoT et la Blockchain.

La route vers le succès IoT

L'IoT est à propos de la connectivité de dispositifs de plus en plus intelligents via capteurs et actionneurs. La fondation pour la connectivité, équilibrant portée et considérations d'alimentation, est bien sûr critique. Il y a plusieurs composants dans la pile globale et architectures multi-niveaux de l'IoT. Les niveaux les plus bas incluent les dispositifs et systèmes physiques. C'est précisément cette connectivité cyber-physique qui pose les fondations de l'ère IoT. D'autres couches incluent les couches d'accumulation et d'analyse de données. Les dispositifs connectés IoT génèrent une quantité énorme de données : Big Data devient Thing Data ! Une partie de ces données – souvent la majeure partie – est traitée aux edges.

Il y a plusieurs architectures de référence et modèles de référence pour l'IoT. Le Modèle de Référence du IoT World Forum met la collaboration et les Processus Métier au sommet de l'architecture multi-niveaux pour l'IoT.

C'est significatif et juste. Le succès peut être atteint top-down avec des objectifs business concrets dès le départ. Les solutions business top-down impliquent Personnes, Dispositifs Connectés (aka IoT), Partenaires commerciaux, et Applications Entreprise (aka Systems of Record) : tous collaborant et orchestrant leurs activités vers des KPIs concrets et mesurables. Les collaborations sont dans le contexte de Flux de Valeur bout-en-bout (le mot clé étant Valeur), qui sont modélisés, automatisés, et monitorés via DPA pour amélioration continue. La méthodologie DPA, meilleures pratiques compétences, et technologie sont le moteur qui pilote le succès IoT.

Il y a de nombreuses applications de l'IoT qui sont pilotées par les Flux de Valeur DPA. La Maintenance Prescriptive Digitale est l'application tueuse pour l'IoT. Comme illustré ici, elle implique l'orchestration de tâches dont les participants incluent des personnes – par exemple, Service Client et Service Terrain – applications entreprise, IA pour trier les meilleures actions, gestion chaîne garantie, et bien sûr dispositifs connectés et IoT. L'orchestration et l'automatisation bout-en-bout sont atteintes via DPA.

De la Blockchain à la Value Chain

La Blockchain est très beaucoup une révolution. C'est le moteur qui permet l'émergence de l'Internet of Value (IoV). L'IoV est une phase importante dans l'évolution de l'Internet. Dans les années 1990 nous avons commencé avec l'Internet of Information : l'Internet traditionnel – celui qu'on utilise chaque jour pour chercher de l'information. Ensuite est venu l'Internet of Things ou dispositifs connectés qui deviennent pervasifs dans le grand public (ex: Maisons Connectées), secteur public (ex: Villes Intelligentes), et applications industrielles (ex: Fabrication Intelligente). La route vers le succès IoT passe par l'Automatisation des Processus Numériques. La Blockchain qui est la technologie sous-jacente aux cryptomonnaies permet l'Internet of Value.  La valeur peut être monnaie digitale. Plus important, la « valeur » peut aussi être des données qui supportent des échanges inter- et intra-organisationnels supportant les objectifs business.

Blockchain comme Base de Données Décentralisée & Distribuée

La Blockchain stocke le ledger de transactions entre diverses parties – dans des nœuds qui participent à valider la Blockchain. Le ledger est distribué et répliqué. Les entreprises collaborant dans des transactions B2B peuvent maintenant partager l'information de transaction via Blockchain. Une application potentielle pour les Entreprises En Mouvement étendues (i.e., impliquant différents partenaires commerciaux) est de traiter la Blockchain comme une base de données partagée pour leurs transactions commerciales et d'accéder aux données selon besoin depuis leurs applications entreprise. Ainsi, au lieu que les partenaires commerciaux répliquent les données dans leurs systèmes ERP ou bases de données internes, la Blockchain peut servir de Données de Référence pour les transactions inter-entreprises ! La technologie Blockchain est encore très beaucoup dans sa petite enfance. Nous passerons à travers plusieurs phases « Troughs of Disillusionment » du cycle hype avant que des solutions IoV robustes ne deviennent pervasives.

Les discussions technologie Blockchain tendent aussi à être très « bottom-up » – une innovation intéressante cherchant des problèmes à résoudre. Comme le succès de l'IoT passe par DPA, la Blockchain a besoin d'évoluer vers une approche Value Chain (aka Flux de Valeur) – propulsée par DPA !

• Couche Orchestration Value Chain : Au sommet, vous avez la Value Chain bout-en-bout qui orchestre et séquence les tâches impliquant personnes, dispositifs automatisés, applications entreprise (aka systems of record) et partenaires commerciaux. Cette couche est numérisée et automatisée via DPA.
• Couche Blockchain : Les ledgers décentralisés distribués sont gérés au niveau middle Blockchain. Les Blockchains exécuteront soit des règles de smart contracts, échangeront des cryptomonnaies, ou les deux. Les tâches ou jalons de la Value Chain bout-en-bout tireront parti de la Blockchain à des étapes spécifiques.
• Couche Dispositifs Connectés IoT/IIoT : La couche la plus basse sera la couche connectivité IoT/IIoT. Avec Blockchain aussi bien que edge computing IoT/IIoT, un avantage additionnel est de pousser l'exécution et les transactions vers les edges. La Value Chain globale est au sommet, avec edge computing IoT/IIoT qui peut tirer parti de la Blockchain selon besoin.

Conclusions Processus + Données

Processus et Données sont tous deux critiques pour l'Entreprise En Mouvement. Cependant, la couche Processus pour flux de valeur automatisés – avec DPA robuste (incarnation actuelle dans l'évolution du BPM) – est souvent manquante dans les infrastructures IT et architectures d'entreprise. La Partie II de Processus+Données a couvert trois cas d'usage convaincants qui illustrent clairement la puissance d'une approche top-down business-driven Processus. Même les Données de Référence – qui est au cœur un défi base de données – peut être transformée et optimisée via la priorisation des Flux de Valeur et la construction des Données de Référence dans le contexte d'itérations DPA. Les deux autres cas d'usage concernent les technologies de transformation numérique les plus convaincantes : IoT et Blockchain. Pour l'une ou l'autre, la route vers le succès passe par DPA !

Processus + Données sont tous deux critiques pour l'innovation et la transformation. Le potentiel et la puissance des insights Data sont réalisés dans les processus numérisés et automatisés.

Les infrastructures IT et architectures d'entreprise de l'Entreprise En Mouvement, ainsi que les méthodologies associées focalisées valeur business, ont besoin de DPA.