డేటా మెచ్యూరిటీని సాధించడం: సంస్థాగత బ్యాలెన్సింగ్ చట్టం

టెకోపీడియా సిబ్బంది, నవంబర్ 8, 2017

టేకావే: హోస్ట్ ఎరిక్ కవనాగ్ డేటా మెచ్యూరిటీ మరియు ఆర్గనైజేషనల్ మెచ్యూరిటీ గురించి ఇంపాక్ట్ అనలిటిక్స్ యొక్క జెన్ అండర్వుడ్ మరియు ఐడిఇఆర్ఎ యొక్క రాన్ హుయిజెంగాతో చర్చిస్తారు.

మీరు ప్రస్తుతం లాగిన్ కాలేదు. దయచేసి వీడియోను చూడటానికి లాగిన్ అవ్వండి లేదా సైన్ అప్ చేయండి.

ఎరిక్ కవనాగ్: ఆల్రైట్, లేడీస్ అండ్ జెంటిల్మెన్. హలో మరియు మరోసారి స్వాగతం. ఇది బుధవారం 4 గంటలకు తూర్పు, అంటే హాట్ టెక్నాలజీస్ సమయం. అవును నిజమే. నా పేరు ఎరిక్ కవనాగ్; ఈ రోజు మా ప్రదర్శనకు నేను మీ హోస్ట్‌గా ఉంటాను, ఇది నిజంగా నిర్వచించబడింది, డేటా మేనేజ్‌మెంట్ ప్రపంచంలో ఉన్న కొన్ని రాష్ట్రాల్లో కొన్ని రకాల సాంకేతిక పరిజ్ఞానాన్ని నిర్వచించడానికి రూపొందించబడింది. ఈ రోజు మా అంశం “డేటా మెచ్యూరిటీని సాధించడం: ఆర్గనైజేషనల్ బ్యాలెన్సింగ్ యాక్ట్.” కాబట్టి మీ గురించి నిజంగా తెలుసు, ట్విట్టర్, @eric_kavanagh లో నన్ను కొట్టండి. మీరు నన్ను ప్రస్తావించినట్లయితే నేను ఎల్లప్పుడూ రీట్వీట్ చేస్తాను మరియు నేను కూడా తిరిగి అనుసరించడానికి ప్రయత్నిస్తాను. ప్రపంచంలో ఏమి జరుగుతుందో దాని గురించి సమాచారం పొందడానికి ఇది మంచి ప్రదేశం. నేను ఆ ఆకృతిని ప్రేమిస్తున్నాను. చిన్న అక్షరాలు, 140 అక్షరాలు - లేదా ఈ రోజుల్లో. కాబట్టి నాకు ట్వీట్ పంపడానికి సంకోచించకండి మరియు నేను తిరిగి అనుసరిస్తాను.

ఈ సంవత్సరం వేడిగా ఉంది. మేము ఈ రోజు డేటా మెచ్యూరిటీ గురించి మాట్లాడుతున్నాము మరియు ఇక్కడ లైనప్ ఉంది, మీది నిజంగా అగ్రస్థానంలో ఉంది. ఈ రోజు మాకు కొత్త విశ్లేషకుడు ఉన్నారు; ఇంపాక్ట్ అనలిటిక్స్ యొక్క జెన్ అండర్వుడ్ కలిగి ఉండటానికి నేను చాలా సంతోషిస్తున్నాను. బిజినెస్ ఇంటెలిజెన్స్ మరియు ఎనలిటిక్స్ మరియు డేటా విజువలైజేషన్ మరియు ఈ గొప్ప విషయాలలో ఆమె చాలా నిపుణురాలు. మరియు కోర్సు డేటా మెచ్యూరిటీ. మరియు మా మంచి స్నేహితుడు రాన్ హుయిజెంగా IDERA నుండి పిలుస్తున్నారు. కాబట్టి మొదట మేము జెన్ నుండి మరియు తరువాత రాన్ నుండి వింటాము. ఆపై మేము మంచి రౌండ్ టేబుల్ చర్చను కలిగి ఉంటాము.

నేను ఈ తదుపరి స్లైడ్‌ను ఇక్కడ పైకి నెట్టివేస్తున్నప్పుడు, నేను కొన్ని శీఘ్ర పదాలు చెబుతాను. డేటా మేనేజ్‌మెంట్ మెచ్యూరిటీ కొంతకాలంగా ఉంది. చరిత్రలో మీరు పరిపక్వత గురించి ఆలోచించడం ప్రారంభించడానికి ముందు మీరు ఒక నిర్దిష్ట స్థానానికి చేరుకోవాలి, మరియు చాలా పరిపక్వత జీవిత చక్రాలు అభివృద్ధి చేయబడ్డాయి - లేదా చక్రాలు - మీరు వక్రరేఖలో ఎక్కడ ఉన్నారో తెలుసుకోవడానికి ప్రయత్నిస్తున్నారు. మీరు ప్రారంభ దశలో ఉన్నారా? మీరు యుక్తవయసులో ఉన్నారా? మీరు పరిణతి చెందినారా? మొదలగునవి.

పరిపక్వత పరంగా చాలా సంస్థలు టీనేజ్ సంవత్సరాల్లో లేదా టీనేజ్ చివరిలో లేదా ఇరవైల ప్రారంభంలో ఉన్నాయని నేను అనుకుంటున్నాను. మరియు అది నిరుత్సాహపరిచేది ఏమీ అనడం లేదు. వ్యూహాత్మక ఆస్తిగా డేటాను నిర్వహించగలిగే ప్రారంభ రోజుల్లో మేము ఇంకా రకమైనవాళ్ళం. మరియు విషయాలు వేగంగా మారుతున్నాయి. ముఖ్యంగా గత ఐదు నుండి ఏడు సంవత్సరాలలో, మేము చిన్న డేటా నుండి పెద్ద డేటాకు తరలించాము మరియు వారు ఈ భిన్నమైన ప్రపంచాలను మరియు క్రొత్త సాంకేతిక పరిజ్ఞానాలను పాత సాంకేతిక పరిజ్ఞానాలతో పునరుద్దరించటానికి ప్రయత్నిస్తున్నారు. కాబట్టి వారసత్వం ఉంది, ఇది ప్రతిచోటా ఉంది.

సంవత్సరాల క్రితం నేను విన్న జోకులలో ఒకటి, వారసత్వం అనేది ఉత్పత్తిలో ఉన్న వ్యవస్థ. ఒక వ్యవస్థ ఉత్పత్తిలోకి వెళ్ళిన క్షణం, సాంకేతికంగా ఇది వారసత్వం. మరియు ఒక విధంగా నిజం. బాటమ్ లైన్ ఏమిటంటే, ఈ వ్యవస్థలన్నీ మనకు చాలా కాలంగా ఉన్నాయి మరియు డేటా విలువను ఒక ఆస్తిగా గరిష్టీకరించడానికి మరియు ఆప్టిమైజ్ చేయగలిగేలా మన స్వంత మెచ్యూరిటీ వక్రంలో ఎక్కడ ఉన్నామో అర్థం చేసుకోవడానికి ఒక మార్గాన్ని కనుగొనాలి. . వాస్తవానికి కొన్ని సమ్మతి సమస్యలు ఉన్నాయి, కొన్ని నిబంధనలు మనం ఏ పరిశ్రమలో ఉన్నాయో దానిపై చింతించాల్సిన అవసరం ఉంది. ఆపై మనం కూడా హ్యాకింగ్ గురించి ఆందోళన చెందాలి. గతంలో మేము డేటా గవర్నెన్స్ గురించి మాట్లాడాము మరియు అది నిజంగా భద్రతతో భాగం మరియు డేటాను ఉపయోగించడం యొక్క పాత్రలు మరియు బాధ్యతలను అర్థం చేసుకోవడం మరియు దాని నుండి ఉత్తమమైన విలువను పొందేలా చూసుకోవడం.

అందువల్ల, నేను కీలను జెన్ అండర్వుడ్కు అప్పగించబోతున్నాను మరియు డేటా పరిపక్వతపై ఆమె తన దృక్పథాన్ని మాకు తెలియజేయగలదు. జెన్, దాన్ని తీసివేయండి.

జెన్ అండర్వుడ్: ధన్యవాదాలు, ఎరిక్ మరియు నన్ను ఆహ్వానించినందుకు ధన్యవాదాలు. కాబట్టి ఈ రోజు, నేను కొన్ని విభిన్న విషయాలను కవర్ చేయబోతున్నాను, ఆపై నేను రాన్ ను IDERA తో పరిచయం చేయబోతున్నాను మరియు అతను ఈ ప్రత్యేకమైన అంశం యొక్క కొన్ని ఇతర రంగాలను లోతుగా తీయబోతున్నాడు. డిజిటల్ యుగంలో లేదా మనం ప్రస్తుతం ఉన్న డిజిటల్ పరివర్తనలో ఇది కీలక పాత్ర అని నేను చెప్తాను మరియు ఎరిక్ చెప్పినట్లుగా, ఇది అభివృద్ధి చెందుతున్న యుగం. EDM కౌన్సిల్ నుండి కొన్ని సరదా గణాంకాలు, డేటా మేనేజ్‌మెంట్ పరిశ్రమ బెంచ్‌మార్క్ నివేదిక ఉంది. ఇది దాదాపు రెండు సంవత్సరాల వయస్సు, కానీ ఇది ఇప్పటికీ చాలా సందర్భోచితమైనది మరియు ఈ స్థలంలో యుక్తవయసులో ఉన్నవారిలో కొన్నింటిని మీకు తెలుస్తుంది. డేటా మెచ్యూరిటీ మరియు పాలన యొక్క స్తంభాల గురించి నేను కొంచెం మాట్లాడతాను.

మీరు ప్రతిచోటా వింటున్న డిజిటల్ యుగం లేదా డిజిటల్ పరివర్తన యొక్క ఈ థీమ్‌పై, ఇది నిజంగా ప్రస్తుతం జరుగుతోంది. నేను ప్రతిరోజూ పరిశ్రమను అనుసరిస్తున్నప్పుడు నేను సేకరించిన ఆసక్తికరమైన విషయాలలో ఒకటి గార్ట్నర్ వారి మొదటి పది వ్యూహాత్మక సాంకేతిక పోకడలలో చేసిన అంశం. మరియు వారు 2020 నాటికి చెప్పారు - కాబట్టి మేము దాని నుండి కొన్ని సంవత్సరాల దూరంలో ఉన్నాము - ఒక దశాబ్దం ముందు నుండి మనకు ఉన్న 80 శాతం ప్రక్రియలను తిరిగి ఆవిష్కరించడానికి, డిజిటలైజ్ చేయడానికి మరియు ఆటోమేట్ చేయడానికి లేదా తొలగించడానికి సమాచారం ఉపయోగించబడుతుంది.

నేను కొంతకాలంగా దీనిని చూస్తున్నాను, ఇక్కడ మీరు వివిధ రకాలైన వారిని చూస్తున్నారని నేను అనుకుంటున్నాను, మీకు తెలుసా, “డేటా కొత్త నూనె” మరియు ఆ రకమైన విషయాలు. డేటా ఇప్పుడు డిజిటల్ బంగారం అని చెప్పాలనుకుంటున్నాను. మీరు సాఫ్ట్‌వేర్ అనువర్తనాలు మరియు సాఫ్ట్‌వేర్ ప్రమేయం గురించి ఆలోచిస్తే, నేను గతంలో మైక్రోసాఫ్ట్ కోసం ప్రపంచవ్యాప్త ఉత్పత్తి నిర్వాహకుడిని, మరియు నా కెరీర్‌లో వచ్చిన మార్పు కూడా మీకు తెలుసా, మేము నిజంగా సాఫ్ట్‌వేర్‌పై దృష్టి పెడతాము, ఇప్పుడు మేము వినియోగదారులపై దృష్టి కేంద్రీకరించాము మరియు డేటాను సేకరించడం మరియు డేటా మోనటైజేషన్ గురించి ఆలోచించడం.

డేటా డిజిటల్ బంగారం ఉన్న ఈ యుగంలో మేము ప్రవేశిస్తున్నాము మరియు మీరు చీఫ్ డేటా ఆఫీసర్ అని పిలవబడే ఆవిర్భావంతో చూడటం మొదలుపెట్టారు, మరియు అవి మీకు తెలుసు, మీకు రెండు ప్రాధమిక మిషన్లు ఉన్నాయి - మరియు ఖచ్చితంగా మరికొన్ని - డేటా సురక్షితంగా మరియు సురక్షితంగా ఉందని నిర్ధారించుకోవడం మరియు డేటా యొక్క విలువను అంతర్గతంగా - మరియు బాహ్యంగా కూడా - ఆ డిజిటల్ ఆస్తిగా పెంచే మార్గాలను కనుగొనడం. కాబట్టి ఈ రకమైన విషయాలు మీ సంస్థకు గతంలో కనిపించకపోవచ్చు, లేదా అంత ముఖ్యమైనవి కాకపోవచ్చు, డేటా చివరకు సిడిఓతో సి-లెవల్ టేబుల్ వద్ద సీటును పొందుతోంది మరియు మరింత తీవ్రంగా ముందుకు వెళుతుంది.

మీరు డేటా మేనేజ్‌మెంట్ మరియు మెచ్యూరిటీ గురించి ఆలోచిస్తే, ఈ ప్రత్యేకమైన స్లైడ్‌లో నాకు రెండు వేర్వేరు థీమ్‌లు ఉన్నాయి, మొదటిది డేటా మేనేజ్‌మెంట్‌లోనే మీకు తెలుసు. ఇది డేటా మరియు డేటా ప్రవాహాలను అభివృద్ధి చేసే మరియు సృష్టించే వ్యాపార విధులు, కొన్ని విధానాలు మరియు అక్కడ ఉన్న అభ్యాసాల గురించి ఎక్కువ. ఆపై మీరు డేటా మేనేజ్‌మెంట్ మెచ్యూరిటీ గురించి ఆలోచించినప్పుడు, డేటా మోనటైజేషన్ వంటి అంతర్గత లేదా బాహ్య ప్రయోజనాల కోసం వారు మళ్ళీ కలిగి ఉన్న డేటాను ఖచ్చితంగా నిర్వచించడం, సులభంగా సమగ్రపరచడం, మీకు తెలుసు. మరియు పెద్ద ఇతివృత్తాలలో ఒకటి - మరియు ఇది నా కెరీర్‌లో అంతకుముందు ఫన్నీగా ఉంది, మరియు నేను నిజంగా IDERA యొక్క కొన్ని సాధనాలు మరియు డేటా ఆర్కిటెక్చర్ ప్రాజెక్టులను ప్రభావితం చేసాను - ఈ మెటాడేటా యొక్క మొత్తం భావన మరియు మేము మెటాడేటా గురించి ఆలోచిస్తూనే ఉన్నాము, ఆపై అది మాట్లాడలేదు చాలా కాలం పాటు. చివరకు మెటాడేటా మళ్ళీ బాగుంది అని నేను చూస్తున్నాను. వేర్వేరు సమూహాలతో సంభాషించడంలో, మీ డేటా ఎక్కడ ఉందో, డేటా ఏమిటో అర్థం చేసుకోవడంలో ఇది చాలా ముఖ్యమైనది. ముఖ్యంగా డేటా లేక్ వంటి వాటిలో. ఇది చివరకు, చివరకు ఆసక్తికరంగా మారింది.

ఇప్పుడు, పరిశ్రమ బెంచ్మార్క్ నివేదిక నుండి నాకు ఇక్కడ కొన్ని గణాంకాలు ఉన్నాయని నేను హామీ ఇచ్చాను. ఇది 2015 నుండి EDM కౌన్సిల్ కోసం. ఇది డేటా నాణ్యత మరియు పాలనను ఆధునీకరించడం గురించి, మరియు ఈ ప్రత్యేకమైన వాటిలో కొన్ని సరదా ఫ్యాక్టాయిడ్లు ఉన్నాయి. కాబట్టి ఇక్కడ, 33 శాతం కంటే ఎక్కువ సంస్థలు చురుకైన, అధికారిక డేటా మేనేజ్‌మెంట్ ప్రోగ్రామ్‌ను సంస్థ యొక్క కొంత స్థాయిలో కలిగి ఉన్నాయి - కేవలం 33 మాత్రమే. కాబట్టి ఇది చాలా ఆసక్తికరంగా ఉంటుంది. 50 శాతం ఉన్న, నిజంగా లాంఛనప్రాయంగా, మేము డేటాను నిర్వహించాలనుకుంటున్నాము, మానవులకు మానవ వనరులు ఉన్నట్లే ఇది మా సంస్థలో నిజంగా ముఖ్యమైన ఆస్తి అని మేము గ్రహించాము. వారిలో 50 శాతం మందికి మాత్రమే ఒక సంవత్సరం కంటే పాత కార్యక్రమాలు ఉన్నాయి. కాబట్టి ఇది, మళ్ళీ, అభివృద్ధి చెందుతున్న ప్రాంతం, ఇది మనం మరింత ప్రాముఖ్యత సంతరించుకోవడంలో చాలా ఆసక్తికరంగా ఉంది, ప్రత్యేకించి కొన్ని పరిశ్రమ నిబంధనలు వంటివి బయటకు వస్తున్నాయి.

కాబట్టి ఆ సమయంలో, చాలా సార్లు - మరియు నా కెరీర్ మొత్తంలో సాంకేతిక అమ్మకాలు మరియు పాత్రలలో ఉండటం ఆసక్తికరంగా ఉంది - ఇది నిజంగా కాదు, “ఓహ్, మేము ఒక సంస్థను ప్రేరేపించే డబ్బును ఆదా చేయవచ్చు” - ఇది సాధారణంగా భయం. ఇది చాలా ఎక్కువ, “ఓహ్ గోష్, మేము కవర్ చేయబడిందని నిర్ధారించుకోవాలి. మేము మా ఉద్యోగాలను కోల్పోవాలనుకోవడం లేదు. ”మరియు ఖచ్చితంగా హ్యాకింగ్ మరియు డేటా రిస్క్‌లు మరియు డేటాను లీక్ చేయడం వంటివి, దీనిపై నిజంగా ఆసక్తికరమైన బెంచ్‌మార్క్ అధ్యయనాలు ఉన్నాయి. వెరిజోన్ ప్రతి సంవత్సరం ఒకటి చేస్తుంది మరియు ఇది సమీక్షించడానికి నాకు ఇష్టమైన వాటిలో ఒకటి. మీరు దాదాపు ఎల్లప్పుడూ చూసేది అనుకోకుండా ఉంటుంది, ఇది మీకు తెలియదు, ఉద్దేశపూర్వకంగా డేటాను దుర్వినియోగం చేయడం లేదా లీక్ ఫలితంగా డేటా యొక్క దుర్వినియోగం. మరియు తరచుగా - ఈ ప్రత్యేక సెషన్ కోసం వారికి ఈ గణాంకాలు లేవు - కాని ఈ ప్రమాదవశాత్తు అనుమతులు మరియు మొదలైన వాటి యొక్క నిర్వహణ యొక్క లీకులు కావడం మనోహరమైనది. మీకు తెలుసా, విషయాలు కొంచెం సులభతరం చేయడానికి, ఈ లీక్‌లు రుణంపైకి వెళ్తాయి. మరియు సాధారణంగా మీ సంస్థకు సైడ్ నోట్ లేదా బాహ్య వ్యక్తులకు, మరియు అది మీకు కావలసినది కాదు.

కాబట్టి మీరు డేటా మేనేజ్‌మెంట్ సెక్యూరిటీ మరియు గవర్నెన్స్ ప్రోగ్రామ్ గురించి ఆలోచించినప్పుడు ఇవి రకాలు. మీకు తెలుసా, చెడు నిర్ణయాలు మరియు డబ్బు ఆదా చేయడం మాత్రమే కాదు, మీకు తెలుసు, మీరు సురక్షితంగా ఉన్నారని, మీరు గోప్యత మరియు భద్రతా చట్టాలకు కట్టుబడి ఉన్నారని నిర్ధారించుకోండి. మీరు ఈ డిజిటల్ యుగంలో డేటాను మోనటైజ్ చేయగలుగుతారు, మరియు మీకు తెలుసా, మీరు పనులను సమర్ధవంతంగా చేయాలనుకుంటున్నారు మరియు డేటాను తిరిగి ఉపయోగించుకోవాలి మరియు దీవించిన కాపీని కలిగి ఉంటారు - ప్రజలు చెప్పినప్పుడు నేను ద్వేషిస్తాను మరియు నేను విశ్లేషణలలో ఉన్నాను మరియు నేను నేను చాలా కాలం విశ్లేషణలలో ఉన్నాను, సత్యం యొక్క ఒక వెర్షన్. విభిన్న దృక్కోణాల నుండి, సాధారణంగా సత్యం యొక్క బహుళ సంస్కరణలు ఉన్నాయి. కానీ ముఖ్యంగా, మీరు నిర్ణయాలు తీసుకుంటున్నట్లు డేటా నమ్మదగినదిగా ఉండాలని మీరు కోరుకుంటారు.

నేను చూస్తున్న అతిపెద్ద డ్రైవర్లలో ఒకటి - మరియు ఇది మంచి విషయం, ఇది మళ్లీ చల్లబడుతుండటం మంచి విషయం - యూరోపియన్ యూనియన్ యొక్క జిడిపిఆర్ యొక్క మొత్తం భావన. మరియు దాని గురించి కొంచెం మాట్లాడనివ్వండి. మీకు GDPR తెలియకపోతే, ఈ రాబోయే సంవత్సరంలో మీరు దాని గురించి చాలా వినబోతున్నారు. ఇది మేలో జరుగుతున్న కొత్త చట్టం. ఇది 2018 మేలో అమలు చేయబోతోంది మరియు సమాచారం యొక్క తప్పు నిర్వహణకు దీనికి కొన్ని పెద్ద జరిమానాలు ఉన్నాయి. ఇది ఇతర రూపాల్లో మాట్లాడటం మీరు విన్నాను - బహుశా జిడిపిఆర్ అనే పదాన్ని ఉపయోగించకపోవచ్చు - మరచిపోయే హక్కుగా మీరు వ్రాసినట్లు మీరు విన్నారు లేదా చూసారు, అంటే మీరు మీ డేటాను తొలగించమని విక్రేతలను అడగవచ్చు. మళ్ళీ, గత డేటా ఆర్కిటెక్ట్‌లు, వారు డేటాను తీసివేయరు. మేము దానిని మారుస్తాము, డేటా గిడ్డంగుల దృశ్యాలలో మేము దానిని నిష్క్రియం చేస్తాము. మేము మా డేటాను నిజంగా తొలగించలేదు. దాని కోసం మాకు ప్రక్రియలు లేవు. కనుక ఇది మీ సంస్థ యొక్క ప్రతి అంశాన్ని మరియు మీ అప్లికేషన్ లేదా డేటా గిడ్డంగిని నిర్మించడంలో మీరు ఎన్నడూ పరిగణించని వివిధ మార్గాలు మరియు ప్రక్రియలను తాకిన విషయాలు మీకు తెలుసు. కాబట్టి మీరు GDPR గురించి ఆలోచిస్తూ ఉంటే, వ్యక్తిగత డేటాను సేకరించడం మరియు ప్రాసెస్ చేయడం సమర్థించడానికి మీకు త్వరలో చట్టపరమైన ఆధారం అవసరం.

కాబట్టి ఇది ఎక్కువగా వ్యక్తిగత స్థాయిలో ఉంటుంది, కాబట్టి సమ్మతిని ఉచితంగా ఇవ్వాలి: నిర్దిష్ట, సమాచారం, నిస్సందేహంగా. మరియు ఇది కృత్రిమ మేధస్సు మరియు డేటా సైన్స్ యొక్క అనేక రంగాలను ప్రభావితం చేయబోతోంది - ఈ రోజుల్లో నేను ఎక్కువగా కవర్ చేసే ప్రాంతం డేటా సైన్స్ చిక్కులు మరియు మోడళ్లలో కొంత పారదర్శకత ఉందని నిర్ధారించుకోవడం - అలాగే మీ స్వీయ-సేవ నుండి అనేక ఇతర ప్రాంతాలు BI, మీ డేటా గిడ్డంగి, మీ మాస్టర్ డేటా నిర్వహణ, మీ కస్టమర్ 360 ప్రాజెక్టులు కూడా వ్యక్తిగతీకరణకు మరియు మీ వ్యాపార అనువర్తనాల శ్రేణికి కూడా. కాబట్టి ఇది మీ ఆర్గ్ యొక్క ప్రతి భాగాన్ని తాకబోయే విషయం. మరియు ఇతర అధికార పరిధిలోని గోప్యతా చట్టాల మాదిరిగా కాకుండా, యూరోపియన్ యూనియన్ లోపల లేదా వెలుపల ఉన్న ఏ సంస్థకైనా GDPR వర్తిస్తుంది. మరియు సమ్మతి జరిమానాలు, మళ్ళీ, ముఖ్యమైనవి. ఇది మీ సంస్థకు మీ మొత్తం స్థూల వార్షికంలో నాలుగు శాతం వరకు జరిమానా విధించవచ్చు - దీనిని టర్నోవర్ అని పిలుస్తాను - ఆదాయం.

ఆశాజనక నేను మీ దృష్టిని కలిగి ఉన్నాను మరియు ఇవి మీరు గమనించవలసిన విషయాలు. మీ కంపెనీ ఇప్పటికే పిసిఐతో ఈ పద్ధతులు మరియు పరిశ్రమ ప్రమాణాలను అనుసరిస్తే, అది ఒక ఐఎస్ఓ కావచ్చు - నేను ఈ హక్కును చెప్పబోతున్నానో లేదో నాకు తెలియదు - 27001. మీరు ఇప్పటికే కొన్నింటిని చేస్తుంటే, అది చేయకూడదు ' చాలా ఎక్కువ కాదు, కానీ ఇది ఖచ్చితంగా తెలుసుకోవలసిన విషయం. మీరు దీని కోసం సిద్ధమవుతున్నప్పుడు, ముఖ్యంగా డేటా మేనేజ్‌మెంట్‌లో రెండు ప్రాంతాలు ఉన్నాయి మరియు మొదటి విషయాలలో ఒకటి కేటలాగ్‌ను కలిగి ఉంది మరియు మీ డేటాను వర్గీకరిస్తుంది - మీ డేటా ఎక్కడ ఉందో తెలుసుకోవడం. మరియు ప్రపంచంలో, హైబ్రిడ్ ప్రపంచంలో, డేటా ప్రతిచోటా నివసిస్తుంది: ఇది మేఘంలో ఉంది; ఇది ఈ అనువర్తనాల్లో ఉంది; ఇది అమ్మకపు శక్తిలో ఉంది; మార్కెటింగ్ కూడా ఉపయోగిస్తున్న కొన్ని ఇతర యాదృచ్ఛిక ప్రోగ్రామ్‌లో, మీ కస్టమర్ సిస్టమ్స్ లేదా మీ జాబితా వ్యవస్థలు - ఈ రకమైన స్థలాలు. మీ డేటా ఎక్కడ ఉందో మరియు చేయవలసిన సులభమైన విషయం తెలుసుకోండి - మరియు ఇది డేటా మేనేజ్‌మెంట్ యొక్క నిజంగా ఆహ్లాదకరమైన ప్రాంతం, ఈ డేటా కేటలాగ్‌ల యొక్క ఈ భావనలు తెలివితేటలు కలిగి ఉంటాయి, యంత్ర అభ్యాస వర్గీకరణ కూడా కొన్ని సమాచారం.

మరలా, మెటాడేటా - మెటాడేటా మళ్లీ చల్లబడుతుందని నేను ప్రస్తావించాను, కాబట్టి నిజంగా మెటాడేటా గురించి ఆలోచిస్తున్నాను మరియు మీరు డేటా సరస్సులు మరియు ఆ రకమైన వస్తువులను రూపకల్పన చేయటం మొదలుపెట్టినప్పుడు ఆ ముఖ్యమైన అంశంపై వివరణ ఇవ్వడం లేదు, మరియు వీటిని పరిపాలించడం మరియు పర్యవేక్షించడం. కాబట్టి మీరు తిరిగి వెళ్ళవలసి వచ్చినప్పుడు పర్యవేక్షణ చాలా ముఖ్యమైనది మరియు GDPR నుండి ఎవరైనా, ఉదాహరణకు, ఆ డేటా ఎక్కడికి వెళ్ళింది, ఎవరికి ఉంది, ఎవరికి ప్రాప్యత ఉంది, మొదలైనవి నిరూపించమని మిమ్మల్ని అడగవచ్చు. ఎందుకంటే మీరు నిజంగా అధికారులకు ఆ రకమైన విషయాలను చూపించాల్సి ఉంటుంది.

డేటా మేనేజ్‌మెంట్ మెచ్యూరిటీతో మీకు సహాయం చేయడానికి, వాస్తవానికి కొన్ని ఆలోచనా విధానాలు ఉన్నాయి, మరియు నేను నమ్ముతున్నాను - నేను 100 శాతం ఖచ్చితంగా లేను - రాన్ యొక్క డెక్‌లో నేను చూశాను, అతను వీటిలో కొన్నింటిని కవర్ చేయబోతున్నాడని, అందువల్ల నేను నేను ఈ రోజు గురించి మాట్లాడబోతున్నాను CMMI నుండి. మరియు ఇది ఒకటి, ఇది ప్రజలకు అందుబాటులో ఉంది; ఇది డేటా మేనేజ్‌మెంట్ యొక్క ఆరు వేర్వేరు వర్గాలను, 25 ప్రాసెస్ ప్రాంతాలను, 414 ప్రాక్టీస్ స్టేట్‌మెంట్‌లను మరియు 596 వేర్వేరు పని ఉత్పత్తులను వర్తిస్తుంది. కాబట్టి మీరు డేటా, 596 ఫంక్షనల్ వర్క్ ప్రొడక్ట్స్ మేనేజింగ్ మరియు ఆర్కిటెక్టింగ్ వంటి మీరు చేసే అన్ని పనుల గురించి కూడా ఆలోచించినప్పుడు, మీరు ఎంత చేశారో మీరు గ్రహించలేదు, సరియైనదా? లేదా మీరు నిజంగా ఏమి చేయరు. నేను అలాంటి సంఖ్యను చూసినప్పుడు, ఇది నిజంగా నా మనస్సులో అంటుకునే విషయాలలో ఒకటి. కాబట్టి ఇందులో, మరియు ఈ ప్రత్యేకమైన దాని గురించి నాకు నచ్చినది, ఇది ఆర్కిటెక్చర్ మరియు టెక్నాలజీ న్యూట్రల్. కాబట్టి మీరు కలిగి ఉంటే, మరియు చాలా సంవత్సరాలుగా నేను సంప్రదించిన లేదా పనిచేసిన మరియు అమలు చేసిన పెద్ద సంస్థలు మీకు తెలుసు, వారికి అక్కడ అన్ని రకాల విభిన్న సాంకేతికతలు ఉన్నాయి. కాబట్టి మీరు మీ నిర్దిష్ట వాతావరణంలో ఉపయోగిస్తున్న ప్లాట్‌ఫారమ్‌లకు మరియు సాంకేతిక పరిజ్ఞానాలకు DMM అంటే ఏమిటో మీకు అనువదించాలనుకుంటున్నారు. ఇది పరిశ్రమ స్వతంత్రమైనది, కాబట్టి ఇది ఆరోగ్య సంరక్షణకు ప్రత్యేకమైనది కాదు. ఆరోగ్య సంరక్షణ ఖచ్చితంగా ఉంది - ఇది BAA లేదా వివిధ రకాల వర్గీకరణలు అయినా, మీరు మీ ప్రోగ్రామ్‌ను లేదా మీ సంస్థలో మీ డేటా మేనేజ్‌మెంట్ పరిపక్వత స్థాయిని మెరుగుపరచడానికి మీ ప్రణాళికను కలిపేటప్పుడు మీరు వివిధ రకాల విషయాలను అనువదించాలి లేదా చూడాలి.

అలాంటి వాటిలో కొన్ని కాకపోతే ఇది ఏమిటి? తప్పనిసరిగా ఇది దేనిని నిర్వచిస్తుంది, కానీ ఎలా చేయాలో ప్రత్యేకంగా మీకు చెప్పడం లేదు. నా కెరీర్‌లో చాలా టైప్ ఎ వ్యక్తిత్వం ఉన్నవారు, ప్రజలు నాకు ఒక లక్ష్యాన్ని ఇచ్చినప్పుడు నేను ఇష్టపడ్డాను మరియు ఆ లక్ష్యాన్ని ఎలా చేరుకోవాలో నేను గుర్తించగలను మరియు నా సమయాన్ని మైక్రో మేనేజింగ్ చేయడం, అక్కడికి ఎలా చేరుకోవాలో చెప్పడం లేదు. డేటా మేనేజ్‌మెంట్ మెచ్యూరిటీ, మరియు CMMI తో ఈ ప్రక్రియలు, ఇది మీకు లక్ష్యాలను ఇస్తుంది మరియు ఈ విభిన్న రంగాలలో కొన్నింటిని మీరే ఎలా కొలవాలో ఇస్తుంది. మరియు వారు మీకు ఒక స్థాయిని ఇస్తారు. మీరు స్కోర్ చేసి, మీరే కొలవటానికి వివిధ మార్గాలు ఉన్నాయి, ఇది ఐదవ స్థాయి వరకు స్థాయి ఒకటి అయినా, మీరు దీన్ని ఆప్టిమైజ్ చేసారు మరియు మీకు నిజంగా బలమైన ప్రోగ్రామ్ వచ్చింది.

మరియు నిజంగా అర్థం ఏమిటో మీకు ఒక అనుభూతిని ఇవ్వడానికి, దాని అర్థం ఏమిటో నాకు ఇక్కడ కొద్దిగా అవలోకనం ఉంది. కాబట్టి ఇక్కడ, మీరు డేటా మేనేజ్‌మెంట్ మెచ్యూరిటీ ప్రాసెసర్ జీవిత చక్రం గురించి ఆలోచించినప్పుడు, ఇది మద్దతు ప్రక్రియలను కలిగి ఉంది, అవసరాలు, రిస్క్ మేనేజ్‌మెంట్ నుండి ప్రతిదానికీ, మీరు అక్కడ ప్రక్రియలకు మద్దతు ఇవ్వాలి, డేటా గవర్నెన్స్ వరకు మరియు నేను దయతో ఉన్నాను దానిపై వివరణ ఇవ్వడం, కానీ ముఖ్యంగా డేటా గవర్నెన్స్ అనేది మొత్తం ప్రోగ్రామ్. వ్యాపార పదకోశం కలిగి, మేము వ్యాపార పదకోశాలు మరియు డేటా వాస్తుశిల్పుల గురించి ఎప్పటికీ మాట్లాడాము - ఇది మీ సంస్థలో మీకు ఉన్నది. ఈ కేటలాగ్ రకాల సాంకేతిక పరిజ్ఞానం, వారు తయారుచేస్తున్నారు, సమాచారాన్ని క్రౌడ్‌సోర్సింగ్‌తో వ్యాపార పదకోశాన్ని అభివృద్ధి చేస్తున్నారు మరియు తీసుకోవడం మరియు వాట్నోట్ మరియు మీకు తెలుసా, అదే డేటా యొక్క విభిన్న దృక్కోణాలకు, డేటా ఫీల్డ్ యొక్క పత్రాలకు లింక్‌లను ఉంచడం., లేదా డేటా యొక్క విలువ విలువ యొక్క జీవిత చక్రంలో మారుతున్నప్పుడు.

నేను నా కెరీర్‌లో ప్రారంభించినప్పటి నుండి చాలా బాగా సంపాదించిన విషయాలు ఇవి. ఈ రకమైన పనులను చేయడానికి మేము గతంలో ఇంట్లో పెరిగిన వ్యవస్థలను అభివృద్ధి చేయాల్సి ఉండేది. కాబట్టి మేము మొత్తం మరియు పెద్ద చిత్రాన్ని చూస్తున్నాము, ఇది వ్యూహం మరియు తరువాత నిర్వహణ నుండి పరిపాలనలో నాణ్యత వరకు ఇక్కడ ఉన్న అన్ని విభిన్న భాగాలు. డేటా నాణ్యతపై ఒక విషయం, పరిశ్రమ మరింత స్వయంచాలకంగా మారడం ఆసక్తికరంగా ఉంటుంది మరియు స్వయంచాలక నిర్ణయాధికారంతో ఈ డిజిటల్ ప్రక్రియలు మనకు ఉన్నాయి. నేను డేటా సైన్స్ స్థలంలో చాలా పని చేస్తున్నాను, ఇక్కడ మేము ఈ సాధనాలను కొన్నింటిని స్వయంచాలకంగా నిర్ణయాలు తీసుకుంటాము మరియు ఫ్లైలో models హాజనిత నమూనాలను నవీకరిస్తాము. ఈ సాధనాలు మరియు అల్గోరిథంలు చాలా అవసరం మరియు డేటా మంచిదని అనుకుంటాయి. మీకు మంచి స్వయంచాలక నిర్ణయం ఇవ్వడానికి డేటా చెల్లుబాటు కావాలి. కాబట్టి ఆలోచించేటప్పుడు, మీకు తెలుసా, డేటా నాణ్యత సాధారణంగా ప్రజలు బ్రష్ చేసే వాటిలో ఒకటి మరియు దానిని చాలా తీవ్రంగా తీసుకోదు. ప్రిడిక్టివ్ మోడలింగ్ మరియు మెషీన్ లెర్నింగ్ కోసం మోడళ్లలో నిర్ణయాధికారాన్ని స్వయంచాలకంగా ప్రారంభించిన తర్వాత, డేటా నాణ్యత నిజంగా ముఖ్యమైనది.

ఇక్కడ మీ పురోగతిని కొలవడానికి కొన్ని మార్గాలు - మరియు నేను రాన్‌తో దీనితో మాట్లాడటానికి అనుమతిస్తాను, అతని సెషన్‌లో కూడా దీనిపై మనోహరమైన స్లైడ్ ఉంది - నేను మీకు శీఘ్ర స్నీక్ శిఖరాన్ని ఇవ్వబోతున్నాను, మీకు తెలుసా, ఈ విభిన్న స్థాయిలు. ముఖ్యంగా ఇది స్వీయ అంచనా, సరియైనదేనా? కాబట్టి మీరు మీ డేటా పాలనను పరిశీలిస్తారు మరియు మీకు ఏమైనా ఉందని మీరు అనుకుంటున్నారు. మరియు మీరు లేకపోతే సిగ్గుపడకండి. నేను చెప్పినట్లుగా, ఈ రకమైన పనులను ప్రారంభించిన సంస్థలు కేవలం 33 శాతం మాత్రమే ఉన్నాయి. అయినప్పటికీ, మీకు తెలుసా, ఈ రకమైన కార్యక్రమాలు కనీసం ఉన్నాయి - నేను 20 ఏళ్ళకు పైగా పరిశ్రమలో ఉన్నాను మరియు ఖచ్చితంగా నేను ఈ రకమైన పనులను సంవత్సరాల క్రితం చేస్తున్నాను, మేము దీనిని ఇప్పుడే పిలవకపోవచ్చు. CMMI, వారు మీరు స్వీయ-అంచనా వేయగల ఒక వ్యాయామం కలిగి ఉంటారు మరియు మీరు మీ స్వంతంగా చూడవచ్చు మరియు సృష్టించవచ్చు - ఈ సందర్భంలో ఈ రకమైన రాడార్ చార్ట్ - ఈ విభిన్న కోణాలు లేదా విషయాలన్నింటినీ రేట్ చేసింది. మరియు ప్రతి సంస్థ, నేను భిన్నంగా చేసినట్లు, మీకు తెలుసా, నేను ఈ ప్రాజెక్టుల కన్సల్టింగ్ మరియు అమలు చేసేటప్పుడు, మీకు తెలుసా, ప్రతి సంస్థ ప్రత్యేకమైనది. అవి నిజంగా ముఖ్యమైన ప్రాంతాలు, వారికి చాలా ముఖ్యమైనవి. బహుశా, మీకు తెలుసా, ఇది ప్రాసెస్ మేనేజ్‌మెంట్ లేదా ఇది క్వాలిటీ మేనేజ్‌మెంట్ లేదా ఇది రిస్క్‌లు - ఇది ఏమిటో ఆధారపడి ఉంటుంది, కానీ మీరు ఒక బెంచ్‌మార్క్ లేదా బేస్‌లైన్‌ను చూసి సృష్టించాలనుకుంటున్నారు, ఆపై దాని విజయాన్ని నిర్వచించే దాని గురించి కూడా ఆలోచించండి.

దానిపై, మీరు ఈ రకమైన విషయాలను కొలవడం మరియు పరిపాలించడం గురించి ఆలోచిస్తున్నప్పుడు, మీరు మొదట ఇలాంటి ప్రోగ్రామ్ కోసం కొంత ఎగ్జిక్యూటివ్ స్పాన్సర్‌షిప్‌ను పొందాలనుకుంటున్నారు. ఇది సంస్థ అంతటా క్రాస్-ఫంక్షనల్‌గా ఉంటుంది, కాబట్టి సూసీ క్యూ మరియు జాన్ స్మిత్ అయినా, "అయ్యో, దీన్ని చేద్దాం. మేము దీన్ని చేయాలి" అని వారు నిర్ణయిస్తారు. వారి సంస్థ, లేదా అది ఐటి అయినా. మీరు నిజంగా వ్యాపారం మరియు డేటా విషయ నిపుణుల నుండి కొనుగోలు చేయవలసి ఉంటుంది. వారికి కొంత సమయం కావాలి. ఇది అదనపు పని అని వారు కోరుకోరు. మీరు ఎప్పుడైనా పనిచేసినట్లయితే - నేను కొన్ని మాస్టర్ డేటా మేనేజ్‌మెంట్ పనులు, ముందు ప్రాజెక్టులు మరియు డేటా నాణ్యత చేశానని అనుకుంటున్నాను - మరియు సాధారణంగా, మీకు తెలుసా, మీరు వ్యాపారానికి చేరుకుంటారు మరియు వారు “ఓహ్, డేటా స్టీవార్డ్‌షిప్.” ఇది కాదు వారు సంతోషిస్తున్నారు. మరియు వారు ఇలా ఉన్నారు, “ఓహ్, లేదు. దీనికి మాకు సమయం కావాలి, ”మరియు వారు అలా చేస్తారు. కాబట్టి మీరు కొంత సమయం నిబద్ధత కలిగి ఉండాలని కోరుకుంటారు. మీరు పై నుండి ఆ ఆశీర్వాదం కలిగి ఉండాలి. మీరు క్రాస్-ఫంక్షనల్ గా ఉండాలని కోరుకుంటారు.

మళ్ళీ, ఇది సంస్థ యొక్క అనేక ప్రాంతాలను నిజంగా తాకిన విషయం. మరియు జిడిపిఆర్ తో, అది కొంచెం సులభతరం కావాలి, ఎందుకంటే, మళ్ళీ, జిడిపిఆర్ నుండి వచ్చిన చట్టాలు మరియు ఆ వ్యక్తిగత డేటా మీ కస్టమర్ల కోసం ఉపయోగించబడుతుంది మరియు మీ మొత్తం సంస్థ అంతటా ఉపయోగించబడుతుంది, మీరు దానిని వర్తింపజేస్తే కొంచెం సులభం. GDPR కు కట్టుబడి ఉండటానికి. ఇక్కడ నాలుక కట్టడం. అది మీకు సులభంగా ఉండాలి. మీరు కొంత బాధ్యతను అప్పగించాలని కోరుకుంటారు, ఆపై మీరు వీటిని అనుకూలీకరించబోతున్నారని మీకు తెలుసు. కాబట్టి మీరు ఈ సంస్థలు అందించే ఈ రకమైన మార్గదర్శకాలను మీరు ఎల్లప్పుడూ చూస్తారు మరియు అవి సాధారణంగా అవి: అవి మీ కోసం మార్గదర్శకాలు మరియు మీరు మీ సంస్థలో మీ సంస్కృతి కోసం అమలు చేయబోతున్నారు.

పాలనలో పనిచేయడం నిజంగా చాలా ముఖ్యమైనది, నేను మైక్రోసాఫ్ట్‌లో ప్రపంచవ్యాప్త ఉత్పత్తి నిర్వహణలో ఉన్నప్పుడు నేను అభివృద్ధి చేసిన కొన్ని ఉత్పత్తులు స్వీయ-సేవ BI మరియు వ్యాపార వినియోగదారుని మరియు నాన్-టెక్నికల్ డేటా వినియోగదారుని ఎనేబుల్ చేస్తాయి డేటాతో ఆడుకోండి మరియు వారి స్వంత నివేదికలను సృష్టించండి మరియు చాలా సార్లు ఐటి వెనక్కి నెట్టబడుతుంది. కాబట్టి నేను ఈ పాలనలో చాలా సమయం గడిపాను మరియు ఉత్పత్తులకు సరైన లక్షణాలు మరియు ఆడిటింగ్ మరియు లాగింగ్ ఉండేలా చూసుకోవాలి మరియు మీకు తెలుసా, తద్వారా వారు డేటాబేస్ను తగ్గించలేరు. డేటా మేనేజ్‌మెంట్‌తో సమానమైన ఈ రకమైన విషయాల యొక్క ఈ ప్రత్యేకమైన అంశంపై సంవత్సరాలుగా పనిచేసే ఒక ఫ్రేమ్‌వర్క్ ఉంది. దీని కోసం ఎగ్జిక్యూటివ్ స్పాన్సర్‌షిప్‌తో స్థాపించబడిన ఫౌండేషన్‌ను మీరు కలిగి ఉండాలని మీరు కోరుకుంటారు మరియు వ్యాపారం మరియు ఐటి మధ్య ఆ నిబద్ధతను మీరు కోరుకుంటారు.

కనుక ఇది మళ్ళీ, మేము బడ్జెట్ / సమయ కేటాయింపు గురించి మరియు క్రొత్త ప్రక్రియలను అభివృద్ధి చేయడంలో మాట్లాడాము. మీరు వీటిలో కొన్నింటిని చేసినప్పుడు ఇది సాంస్కృతిక స్థాయి మార్పు అవుతుంది, మీకు తెలుసా, డేటాను చూడటం ప్రారంభించండి. కానీ మీకు తెలుసా, ఇది వ్యూహాత్మక కోణం నుండి మళ్ళీ చాలా ముఖ్యం. మరియు మీకు ఒక అనుభూతిని ఇవ్వడానికి, ఇక్కడ ఒక ఉదాహరణ ఉంది, మరియు ఈ రకమైన విషయాలపై సంవత్సరాల క్రితం నుండి నా పాత ప్రాజెక్టులలో ఒకదాని నుండి నేను దానిని శుభ్రపరిచాను. మరలా, ఇది జెనరిక్ గవర్నెన్స్ దృక్కోణం నుండి చాలా ఎక్కువ, కానీ ఖచ్చితంగా మీ డేటా మేనేజ్‌మెంట్ ప్రక్రియలను నిర్వహించడం మరియు అభివృద్ధి చేయడం మరియు వాటిని పరిపాలించడం ద్వారా ఈ రకమైన ప్రాజెక్టుల కోసం ఖచ్చితంగా తిరిగి ఉపయోగించవచ్చు. మీకు బిజినెస్ సబ్జెక్ట్ నిపుణుడు ఉన్నారు, మాకు ఇక్కడ డేటా స్టీవార్డులు ఉన్నారు, ఐటి సబ్జెక్ట్ నిపుణులు మీకు తెలుసు, వివిధ రకాలైన వ్యాపారాల కోసం. పెద్దదిగా ఉన్న చాలా కంపెనీలు మీ ఎంటర్ప్రైజ్ స్టాండర్డ్స్ బోర్డ్ మరియు మీ ఎంటర్ప్రైజ్ ఆర్కిటెక్ట్స్ మరియు డేటా ఆర్కిటెక్ట్స్ మరియు మోడలర్లను కలిగి ఉంటాయి. కాబట్టి వివిధ స్థాయిల నుండి కొంతమంది విభిన్న విషయ నిపుణులు ఉంటారు. మరలా, వీటిలో చాలా - నేను దానిని ఉదాహరణగా కలిగి ఉండటాన్ని ద్వేషిస్తున్నాను - అవి మీ సంస్థకు మరియు మీ సంస్కృతికి అనుకూలీకరించబడతాయి.

మీరు ఈ ప్రాజెక్ట్‌లతో పని చేస్తున్నప్పుడు వాటిలో ఒకటి, మళ్ళీ ఇది చాలా సార్లు సంస్థలలో అత్యంత ఉత్తేజకరమైన ప్రాజెక్ట్ కాదు, చేసారో కోరుకునేంత దృశ్యమానమైనది కాదు. ఇది హాస్యాస్పదంగా ఉంది, కన్సల్టింగ్ సంస్థ వచ్చినప్పుడు లేదా మీ స్వంత ఐటి గ్రూపులో లేదా మీ BI సెంటర్ ఆఫ్ ఎక్సలెన్స్ గ్రూప్ వచ్చినప్పుడు లేదా మీ ఎనలిటిక్స్ సెంటర్ ఆఫ్ ఎక్సలెన్స్ వచ్చినప్పుడు మరియు మేము డేటాపై పని చేయబోతున్నాం. నాణ్యత మరియు డేటా నిర్వహణ పరిపక్వత, వారు దీన్ని చేయడానికి చాలా ఉత్సాహంగా ఉండకపోవచ్చు. కానీ మీరు వాటిని ప్రేరేపించే మార్గాలను కనుగొనవలసి ఉంది మరియు దానిని వారి కొలతలలో చేర్చండి. కాబట్టి మీరు ఏమి చేయబోతున్నారనే దాని గురించి ఆలోచించినప్పుడు, ఈ వ్యాయామం ఒకసారి చేయడం ఒక విషయం మరియు మీరు వ్యక్తులను బోర్డులో పొందుతారు. మరియు వారు డేటా కేటలాగ్‌ను ఇష్టపడ్డారని మీరు కనుగొన్నారు లేదా వారు వీటిలో కొన్నింటిని ప్రేమిస్తారు ఎందుకంటే ఇది వారి జీవితాన్ని సులభతరం చేస్తుంది మరియు వారు డేటా అంటే ఏమిటో కనుగొనవచ్చు లేదా అర్థం చేసుకోవచ్చు మరియు వారు దానికి వారి స్వంత దృక్పథాన్ని జోడించవచ్చు. మరియు విషయం ఏమిటంటే, డేటా కేటలాగ్‌లు బహుశా ప్రజలు నిజంగా ప్రేమలో పడటానికి సహాయపడే గొప్ప ప్రాజెక్టులలో ఒకటి.

కాబట్టి తదుపరి విషయం ఏమిటంటే వారిని నిశ్చితార్థం చేసుకోవడం. వారు దీని గురించి పట్టించుకోని వారిని మీరు ఎలా నిశ్చితార్థం చేసుకుంటారు? ఇది కొన్ని కొలమానాలను నిర్వచించడం మరియు దానిని చేర్చడం, వాటి కొలత మరియు ఆపై ఉల్లంఘనలు మరియు కొంత అవగాహన ఉన్నపుడు కొంత నేర్చుకోవడం, “హే మేము కొంతకాలం మంచిగా చేస్తున్నాము మరియు కొంతకాలం తర్వాత అంత మంచిది కాదు.” కాబట్టి ఆ దానిని కొనసాగించడానికి ఆలోచిస్తూ ఉండవలసిన విషయాలు. ఆపై మీరు స్కోరింగ్ గురించి ఆలోచించినప్పుడు మరియు ఇది CMMI నుండి ఒక ఉదాహరణ, వారు దీన్ని ఎలా స్కోర్ చేస్తారు. మళ్ళీ మీరు మీ స్వంత డాష్‌బోర్డులను, మీ స్వంత KPI లను కలిగి ఉండబోతున్నారు, మీకు తెలుసా, ఒక సంస్థలో వారిని వివిధ మార్గాల్లో కొలుస్తారు. కానీ మీ స్వంత విజయాన్ని స్కోర్ చేయడానికి మరియు కొలవడానికి మీకు వివిధ మార్గాలు ఉంటాయి. మీరు దీని నుండి దూరంగా ఉండాలన్న నా ముఖ్య విషయం, లేదా దీని నుండి దూరంగా ఉండటానికి ఒక హుక్ మీకు విజయాన్ని కొలవడానికి ఒక మార్గం ఉందని నిర్ధారించుకోండి మరియు మీరు మీ విజయాలను కూడా జరుపుకోవచ్చు.

కాబట్టి దానితో, ఈ ఉత్తేజకరమైన అంశం కోసం మీరు అక్కడే ఉన్నారని నేను అభినందిస్తున్నాను మరియు నేను రాన్ వైపు తిరగబోతున్నాను, అది కొంచెం లోతుగా తీయబోతోంది.

రాన్ హుయిజెంగా: జెన్, ధన్యవాదాలు. మరియు ప్రతి ఒక్కరూ, ఈ రోజు మాతో చేరినందుకు ధన్యవాదాలు. నేను ఇప్పుడు జెన్ మాట్లాడిన కొన్ని కోణాలను తీసుకొని కొన్ని ప్రాంతాలపై కొంచెం లోతుగా వెళ్ళబోతున్నాను. కానీ నేను కూడా చేయబోయేది ఏమిటంటే, మీరు కనీసం ఈ రకమైన కొన్ని ప్రాంతాల యొక్క ఉన్నత-స్థాయి స్వీయ-అంచనాను ఎలా కలిగి ఉండవచ్చనే దాని యొక్క సారాంశాన్ని అందించడం. ఎందుకంటే మీరు CMMI మోడళ్లతో మరియు ఆ రకమైన విషయాలతో చూసినట్లుగా, మీరు చాలా వేర్వేరు సూచికలతో చాలా త్వరగా వెళ్ళవచ్చు. కాబట్టి మేము నిజంగా పొందాలనుకుంటున్నది కాబట్టి మీ సంస్థ చాలా ఉన్నత స్థాయిలో ఉన్నదానికి మీరు మంచి అనుభూతిని పొందవచ్చు మరియు తరువాత ఇతర వాటిలో రంధ్రం చేయడం ప్రారంభించండి. కాబట్టి దానితో నేను సంస్థాగత ప్రభావం గురించి మాట్లాడబోతున్నాను. మరియు నేను CMMI మరియు కొన్ని ఇతర ప్రమాణాలు లేదా జ్ఞానం యొక్క శరీరాలపై ఆధారపడబోతున్నాను. ఆపై నేను డేటా మెచ్యూరిటీ మరియు ప్రాసెస్ మెచ్యూరిటీ కోసం కొన్ని మెచ్యూరిటీ ఇండికేటర్స్ గురించి మాట్లాడబోతున్నాను ఎందుకంటే, మేము దీని గుండా వెళుతున్నప్పుడు, అవి చేతితో వెళ్తున్నట్లు మీరు చూస్తారు. మరియు దృక్పథాలకు మద్దతుగా, జెన్ ఒక ప్రాంతంలో పాలన గురించి మాట్లాడారు. నేను ఎంటర్ప్రైజ్ ఆర్కిటెక్చర్ గురించి కొంచెం కూడా మాట్లాడబోతున్నాను. ఆపై మేము దానిని సంగ్రహించి రౌండ్‌టేబుల్‌కు వెళ్తాము.

మేము దీనిని పరిశీలిస్తే, చాలా ప్రమాణాలు మరియు BOK లు ఉన్నాయి - వీటిలో ఏవి జ్ఞానం యొక్క శరీరాలు - సంవత్సరాలుగా ప్రచురించబడ్డాయి. మెచ్యూరిటీ మోడల్ యొక్క సామర్ధ్యం నుండి వీటిలో చాలా నిజంగా ఉద్భవించాయి. జెన్ మాట్లాడుతున్న CMMI ఇక్కడ నుండి వచ్చింది. CMM మోడల్ వాస్తవానికి 1998 లో ఉంది. వాస్తవానికి వాట్స్ హంఫ్రీ అనే పెద్దమనిషి అతను IBM తో ఉన్నప్పుడు ప్రారంభించాడు. ఐబిఎంలో 27 సంవత్సరాల కెరీర్ చేశాడు. అతను కార్నెగీ మెల్లన్లో ఉన్నప్పుడు ఆ ప్రత్యేకమైన మోడల్ యొక్క నిజమైన క్రియాశీల అభివృద్ధి ప్రారంభమైంది మరియు దీనిని యుఎస్ డిపార్ట్మెంట్ ఆఫ్ డిఫెన్స్ నియమించింది. దీనిని పొందటానికి అనేక ఇతర ప్రమాణాలు ఉపయోగించబడ్డాయి. మరికొన్ని ప్రమాణాలలో మనం దీని గురించి మాట్లాడేటప్పుడు పరిశ్రమ గురించి తెలుసుకోవడం చాలా మంచిది, మేము ఈ సమయాన్ని చూసినప్పుడు, ఇది సాధారణంగా పరిశ్రమలో మనం చూస్తున్న విషయాల నేపథ్యానికి వ్యతిరేకంగా ఉంటుంది. నాణ్యత ఉద్యమం నిజంగా పట్టుకోవటం ప్రారంభించినప్పుడు, ముఖ్యంగా తయారీలో, మరియు ఇది ఇతర ప్రాంతాలకు దారితీసింది. ఉత్పాదక ప్రక్రియలను మెరుగుపరిచే మార్గాలను, మొత్తం నాణ్యత నిర్వహణ, కేవలం సమయ తయారీ మరియు ఇతర పనులను మేము ఎక్కడ చూస్తున్నాము. మరియు దాని నుండి వచ్చిన చాలా తత్వాలు మొత్తం నాణ్యమైన పనిలోకి వచ్చాయి.

మరియు ఇది నిజంగా జంపింగ్ స్పాట్ నుండి ఈ విషయాలు చాలా ప్రారంభమయ్యాయి. ఇది సాధారణ పరిశ్రమలో ప్రారంభమైంది మరియు ఐటి మరియు డేటా మరియు ప్రాసెస్ మరియు ఇన్ఫర్మేషన్ సిస్టమ్స్‌లోకి ప్రవేశించింది. మనం చూసే ఇతర ప్రమాణాలు మనం మాట్లాడుతున్న కొన్ని విషయాలకు మరింత దగ్గరి సంబంధం కలిగి ఉంటాయి లేదా మరింత నిర్దిష్టంగా ఉంటాయి, వాస్తవానికి డేటా మెచ్యూరిటీ మోడల్, ఇది జెన్ కొంచెం మాట్లాడింది. ఆబ్జెక్ట్ మేనేజ్‌మెంట్ గ్రూప్ చేత బిజినెస్ ప్రాసెస్ మెచ్యూరిటీ మోడల్ కూడా ఉంది. మరియు మీ సంస్థ వ్యాపారంలోని వివిధ రంగాలతో, ముఖ్యంగా ఐటి నడిచే, COBIT వంటి సమాచార మరియు సాంకేతిక పరిజ్ఞానం, ఐటిఐఎల్, సాధారణంగా మౌలిక సదుపాయాలు -దృష్టి కేంద్రీకరించబడింది, ఇది మీలో చాలా మంది వ్యవహరించి ఉండవచ్చు. మళ్ళీ, మొత్తం నాణ్యత నిర్వహణ. మరియు ముఖ్యంగా మీరు కొలమానాలు మరియు మిగతా వాటిలోకి ప్రవేశించినప్పుడు, గణాంక ప్రక్రియ నియంత్రణ వంటి విషయాలు కూడా అమలులోకి రావడాన్ని మీరు చూడవచ్చు. ఆపై, మేము వ్యవహరించే జ్ఞానం యొక్క కొన్ని సంస్థలు సమాచారం లేదా ఐటి నిపుణులు. జ్ఞానం యొక్క డేటా మేనేజ్మెంట్ బాడీ.

జ్ఞానం యొక్క వ్యాపార విశ్లేషణ సంస్థ కూడా దీనికి సమానం. మరియు ప్రాజెక్ట్ మేనేజ్మెంట్ బాడీ ఆఫ్ నాలెడ్జ్. మీ సంస్థలోని వేర్వేరు వాటాదారులచే ఒకే సమయంలో ఉపయోగించబడుతున్న అనేక లేదా అంతకంటే ఎక్కువ విషయాలు మీకు ఉండవచ్చు. కానీ BOK ల ద్వారా ఫిల్టర్ చేద్దాం మరియు తిరిగి వెళ్లి, పరిపక్వత అంటే ఏమిటి? మరియు మేము పరిపక్వత యొక్క నిర్వచనాన్ని జాబితా చేస్తాము, ఎందుకంటే, పరిపక్వత ఏమిటని మీరు అడిగినప్పుడు, మీరు దానిని నిఘంటువులో చూసినప్పుడు, అది వాస్తవానికి “మీరు పరిణతి చెందినవారు” అని చెబుతుంది. అభివృద్ధి దశ - వాస్తవానికి, చాలా సాధారణమైనది. కానీ మనం నిజంగా ఇక్కడ చూస్తున్నది మనం చేస్తున్నప్పుడు మనం ఏమి చేస్తున్నామో అది ఉన్నత మరియు ఉన్నత స్థాయి సాధనకు చేరుకుంటుంది. మరియు మీరు చాలా ప్రమాణాలను చూసినప్పుడు, మీరు చూసేటప్పుడు, ముఖ్యంగా CMMI మరియు సామర్ధ్య పరిపక్వత మోడల్ నిజంగా ఐదు-పాయింట్ల స్కేల్‌పై ఆధారపడి ఉంటాయి, కాబట్టి ఇది చూడటానికి మరియు చెప్పడానికి క్రమంగా మాకు మార్గం ఇస్తుంది, ఎలా ఉన్నాయి మనం ఎలా పెరుగుతున్నామో ఈ స్థాయిలో అభివృద్ధి చెందుతున్నాం?

మేము పరిపక్వతను చూస్తున్నప్పుడు, మనకు ఆసక్తి ఉన్న విషయాలలో సంస్థాగత పరిపక్వతను సాధించే విషయంలో, మేము సమతుల్యతతో ఉండాలి. మీరు డేటా మెచ్యూరిటీని సాధించాలి మరియు మీరు అక్కడ చేయవలసిన కొన్ని ప్రమాణాల గురించి మేము మాట్లాడుతాము, కానీ మీరు అదే సమయంలో ప్రాసెస్ మెచ్యూరిటీని సాధించాలి. వారు ఒకే నాణెం యొక్క రెండు వైపులా ఉన్నారు మరియు వారు చేతితో వెళ్ళాలి. మీ ప్రాసెస్ మెచ్యూరిటీని పెంచకుండా మీరు డేటా మెచ్యూరిటీ స్కేల్‌లో సున్నా నుండి ఐదు వరకు వెళ్ళలేరు మరియు ప్రాసెస్ మెచ్యూరిటీ విషయంలో కూడా ఇది వర్తిస్తుంది. వారు ఇద్దరూ కలిసి ఉన్నారు మరియు మీరు వేర్వేరు దశల ద్వారా అభివృద్ధి చెందుతున్నప్పుడు వారు రైడ్ కోసం ఒకరినొకరు లాగుతారు. భవిష్యత్ స్లైడ్‌లో నేను దీని గురించి కొంచెం ఎక్కువ మాట్లాడతాను. డేటా మరియు ప్రాసెస్ మెచ్యూరిటీ రెండింటినీ సాధించడం మనం గ్రహించాల్సిన ఇతర విషయాలు ఎంటర్ప్రైజ్ ఆర్కిటెక్చర్కు ప్రాథమికమైనవి మరియు జెన్ మాట్లాడుతున్న కొన్ని పాలన విషయాలకు ప్రాథమికమైనవి. మేము చేయటానికి ప్రయత్నిస్తున్న ఈ విషయాలలో కొన్నింటిలో పరిపక్వత సాధించడం ద్వారా మేము వాటిని ప్రారంభిస్తాము.

ఇప్పుడు నేను కొంచెం వివరంగా మాట్లాడబోతున్నానని జెన్ చెప్పిన స్లైడ్‌లోకి. నేను ఇక్కడ కొన్ని వర్గాలను తీసుకున్నాను మరియు, ఇక్కడ CMM స్కేల్ ఉపయోగించి, మరియు నేను నిజంగా నా స్వంతం కలిగి ఉన్నాను, వాస్తవానికి నేను పరంగా సున్నాని జోడిస్తాను, ఎందుకంటే స్కేల్ పైన, ఎందుకంటే మీరు నిజంగా చేయని కొన్ని సందర్భాలు ఉండవచ్చు ఈ సందర్భాలలో ఏదైనా ట్రాక్షన్. కాబట్టి ఇవి సంభవించిన గుర్తింపు మార్గాలు. కాబట్టి మేము ప్రత్యేకంగా డేటా గవర్నెన్స్‌ను పరిశీలిస్తే, మీకు డేటా గవర్నెన్స్ ప్రోగ్రామ్‌లు లేనందున మీరు సున్నాతో ప్రారంభించవచ్చు. మరియు మీరు వేర్వేరు ప్రాంతాల ద్వారా పరిపక్వం చెందడం ప్రారంభించిన తర్వాత, మీరు దానిని ప్రాజెక్ట్ స్థాయిలో, తరువాత ప్రోగ్రామ్ స్థాయిలో, విభాగాల ద్వారా మరియు చివరికి ఎంటర్ప్రైజ్-వైడ్ ద్వారా ప్రవేశపెట్టడం ప్రారంభిస్తే, పాలన కోణం నుండి, మీరు నిజంగా పరిపక్వం చెందుతున్నారు మరియు పెరుగుతున్నారు మీరు దీన్ని చేస్తున్నప్పుడు ఒక సంస్థ.

మాస్టర్ డేటా మేనేజ్‌మెంట్ వంటి ఇతర అంశాలు, మీరు అధికారిక పదార్థ డేటా వర్గీకరణలు లేకుండా సున్నాతో ప్రారంభించవచ్చు. అప్పుడు మీరు చేరుకుంటారు, మీకు మాస్టర్ డేటా ఉందని మీరు గుర్తించే స్థాయికి మీరు పెరుగుతారు మరియు మీరు వర్గీకరించడం ప్రారంభిస్తున్నారు, కానీ ఇది ఏకీకృతం కాలేదు. అప్పుడు మీరు ఇంటిగ్రేటెడ్ మరియు షేర్డ్ రిపోజిటరీల వైపు పనిచేయడం ప్రారంభించండి. మీరు ప్రామాణిక వాతావరణంలోకి ప్రవేశించినప్పుడు, మీరు డేటా నిర్వహణ సేవలను అందించాలని చూస్తున్నప్పుడు. మరియు మీరు అక్కడ మరింత ముందుకు వెళ్ళేటప్పుడు, మీరు మాస్టర్ డేటా స్టీవార్డ్‌లను మరియు చివరికి డేటా స్టీవార్డ్‌షిప్ కౌన్సిల్‌ను ఏర్పాటు చేయబోతున్నారు, ఇది నిజంగా అన్ని సమయాలలో తీవ్రంగా చూస్తుంది. మీరు మీ సాంకేతిక వాతావరణం మరియు అనువర్తనాలను మరియు డేటా ఇంటిగ్రేషన్ కోణం నుండి మీ వద్ద ఉన్న డేటాబేస్‌లను చూసినప్పుడు, మళ్ళీ, అపరిపక్వ వాతావరణంలో, మీరు అనేక తాత్కాలిక, పాయింట్-టు-పాయింట్ ఇంటర్‌ఫేస్‌లు మరియు ఆ రకమైన విషయం. మరియు మీరు పెరిగేకొద్దీ, మీరు కొన్ని సాధారణ సాధనాలు మరియు ప్రమాణాలను పరిచయం చేయడం ప్రారంభిస్తారు. మీరు పెరిగేకొద్దీ మీరు సాధారణ ఇంటిగ్రేషన్ ప్లాట్‌ఫారమ్‌లను చూడటం ప్రారంభిస్తారు. మరియు మీరు ప్రామాణికమైనప్పుడు, మీరు ప్రామాణిక మిడిల్‌వేర్ మరియు ఎంటర్‌ప్రైజ్ సర్వీస్ బస్సులు, కానానికల్ మోడల్, మీ సంస్థలోని మీ మొత్తం డేటాను వర్గీకరించడం మరియు మీ రిపోజిటరీలోని వ్యాపార నియమాలు మరియు ఆ విధమైన వాటితో జతచేయడం వంటి సులభమైన విషయాలపై పని చేస్తారు. విషయం. సంస్థాగత సంస్కృతిలో మీరు పూర్తిగా పొందుపర్చిన చోటికి మరింత ముందుకు వెళతారు. వాస్తవానికి, నాణ్యత చాలా ముఖ్యమైనది. జెన్ మాట్లాడినప్పుడు, చాలా నిర్ణయాలు మరియు అక్కడ ఉన్న చాలా సాధనాలు, మీరు పనిచేస్తున్న అధిక-నాణ్యత డేటా మీకు ఉందని అనుకోండి. కాబట్టి డేటా నాణ్యత అనేది డేటా మెచ్యూరిటీని సాధించడానికి ప్రాథమిక ఆధారం.

మళ్ళీ, మీరు డేటాను చూసినప్పుడు, మీరు అపరిపక్వ వాతావరణంలో చాలా గోతులు మరియు చెల్లాచెదురైన డేటాను కలిగి ఉండవచ్చు. మీరు అంగీకరించిన అసమానతలు ఉండవచ్చు. ఆపై మీరు దానిపై పనిచేయడం ప్రారంభిస్తారు, అస్థిరతను గుర్తించి, ఆపై ప్రణాళికను చూడటం ప్రారంభించండి. మీరు ఇక్కడ నిర్వహించే వాతావరణాలను పరిశీలిస్తే, ఇక్కడ చాలా ముఖ్యమైన విషయం ఏమిటంటే, నిర్ణయాధికారంలో డేటాను ఉపయోగించడానికి వినియోగం వద్ద డేటా ప్రక్షాళన. కాబట్టి మనం నిజంగా మాట్లాడుతున్నది డేటా ప్రక్షాళన, ఇక్కడ మేము దానిని డేటా గిడ్డంగులు మరియు ఇతర నిర్ణయ-మద్దతు సాధనాలలో లోడ్ చేయబోతున్నాము. ప్రజలు ఉత్పత్తులను నిర్మించే డేటా తయారీ రకంలో మనం చూసేదానికి ఇది సమానంగా ఉంటుంది, వారు అసెంబ్లీ రేఖకు దిగుతారు మరియు దాని చివరలో, మీరు ఉత్పత్తిని పరిశీలించి, “ఓహ్, మాకు ఇక్కడ లోపాలు ఉన్నాయి. ”మళ్ళీ, మీరు ఎప్పటికీ చేయలేని ఒక విషయం ఏమిటంటే, ఉత్పత్తిని చివర్లో పరిశీలించడం ద్వారా దాన్ని ఎప్పటికీ మెరుగుపరచలేరు. మీరు దానితో సమస్యలను చూడవచ్చు, ఆపై మీరు తదుపరి వాటిని మరియు దాని తరువాత వచ్చే ఇతర వాటిని మెరుగుపరచడానికి చర్యలు తీసుకోవచ్చు, కానీ చివరిలో దాన్ని పరిశీలించడం ద్వారా మీరు దాన్ని మెరుగుపరచలేరు. అందువల్ల మీరు ముందుకు వెళ్ళేటప్పుడు, ముఖ్యంగా డేటాలో, మీరు వినియోగం జరిగే ప్రదేశంలో ఒక తనిఖీ మరియు ప్రక్షాళన దృక్కోణం నుండి ఎక్కువ కదులుతారు, ఇక్కడ మీరు దానిని మూలం వద్ద నిర్మించడానికి ప్రయత్నించడం మొదలుపెడతారు. డేటా, ఆ డేటాపై పనిచేసే ప్రక్రియలు, ఆ డేటా ఖచ్చితమైనదని మరియు ప్రతి ప్రక్రియలో వినియోగానికి సరిపోతుందని నిర్ధారిస్తుంది. మీరు మరింత అభివృద్ధి చెందుతున్నప్పుడు, మీరు నాణ్యమైన KPI లను అభివృద్ధి చేయడం మరియు పొందడం ప్రారంభిస్తారు మరియు మీరు ముందుకు వెళ్ళేటప్పుడు డేటా నాణ్యతకు ఆ నివారణ విధానాన్ని అభివృద్ధి చేయడం ప్రారంభించండి.

సంస్థాగత ప్రవర్తనలు లేదా మీరు చూసే విషయాల పరంగా, మీకు సమస్య ఉందని మీరు అనుకోకపోతే లేదా మీకు తెలియకపోతే, మీ సంస్థలో తిరస్కరణ దశ ఉంటే, మీరు దిగివచ్చారని నాకు చెబుతుంది ఒక స్థాయి సున్నా లేదా ఒకదానికి సంభావ్యంగా కదులుతుంది. మీ డేటా చుట్టూ చాలా గందరగోళం ఉంటే మరియు ఈ అసమానతలను పరిష్కరించడానికి ప్రయత్నిస్తుంటే, మీరు బహుశా ఒక స్థాయిలో ఉంటారు. మీరు ఇంకా రియాక్టివ్ మోడ్‌లో ఉన్నప్పుడు, మీరు మేనేజ్‌లోకి వెళుతున్నారు, అయితే మీరు నిజంగా పరిపాలన, నాణ్యత, మాస్టర్ డేటా మేనేజ్‌మెంట్ మరియు డేటా రెండింటినీ స్వీకరించే చాలా స్థిరమైన డేటా వాతావరణాన్ని కలిగి ఉన్నంత వరకు మీరు ప్రామాణికం కావడం లేదు. ఏకీకరణ, కొన్ని పాయింట్లకు పేరు పెట్టడానికి. మరలా, మీరు దానిని దాటిన తర్వాత, మీరు నిజంగా క్రియాశీల నిర్వహణ శైలుల్లోకి ప్రవేశించడం ప్రారంభించినప్పుడు. మీరు చాలా behavior హాజనిత ప్రవర్తన కలిగి ఉన్న భాగానికి మరియు దానిని బ్యాకప్ చేయడానికి విశ్లేషణలు మరియు మీ సంస్థలో బ్యాకప్ చేయడానికి KPI లకు వస్తే, మేము దీనిని చూసినప్పుడు మరియు రెండు విషయాలను అతివ్యాప్తి చేసినప్పుడు, మనం చేయగలిగే కొన్ని ఇతర విషయాలు ఉన్నాయి సంస్థల గురించి మరియు అవి ఎక్కడ ఉన్నాయో చూడండి. ఒక సంస్థలో ప్రాథమిక ఐటి దృష్టిని పరిశీలిద్దాం. ఐటిలో మీ ప్రాధమిక దృష్టి ఇప్పటికీ సాంకేతికత మరియు మౌలిక సదుపాయాలపై ఉంటే, మీరు బహుశా తక్కువ పరిపక్వత స్థాయికి చేరుకుంటారు. కానీ మీరు నిజంగా సమాచారం మరియు సమాచార-ఎనేబుల్ చేసే వ్యూహాత్మక వ్యాపార ఎనేబుల్మెంట్ పై దృష్టి పెడుతున్నప్పుడు, మీరు స్కేల్ యొక్క పరిపక్వ ముగింపుకు దగ్గరవుతున్నారు. మీరు డేటా కోణం నుండి చూసినప్పుడు, మీరు తక్కువ ముగింపులో ఉంటే, మీకు అధిక డేటా ప్రమాదం ఉంది మరియు మీరు అధిక ముగింపులో ఉంటే, మీరు డేటాకు సంబంధించిన ప్రమాదాన్ని తగ్గించారు. మరియు దాని యొక్క ఫ్లిప్ సైడ్ సంస్థ యొక్క విలువ ఉత్పత్తి. తక్కువ డేటా మెచ్యూరిటీ అంటే మీరు బహుశా మీ సంస్థలో ఉన్న డేటా పరంగా, చాలా తక్కువ స్థాయి ఉత్పత్తిని కలిగి ఉంటారు. మరియు మీరు స్కేల్ పైకి వెళ్ళేటప్పుడు, మీరు అధిక విలువ ఉత్పత్తిని పొందుతున్నారు.

డేటా మోడలింగ్ పరంగానే దీనిని చూద్దాం. కొన్నిసార్లు డేటా మోడలింగ్ రెడ్ హెడ్ స్టెప్‌చైల్డ్‌గా మారింది. డేటా పరిపక్వత సాధించడానికి డేటా మోడలింగ్ ప్రాథమికమైనది. కాబట్టి డేటా మోడలింగ్ దీనికి ఎలా సంబంధం కలిగిస్తుందనే దాని గురించి కొన్ని టెల్ టేల్ సంకేతాల గురించి నేను మాట్లాడాలనుకుంటున్నాను. ఇది కేవలం డాక్యుమెంటేషన్ కోసం ఉపయోగిస్తుంటే లేదా చిన్న అనువర్తనాల కోసం భౌతిక డేటాబేస్ ఉత్పత్తి మరియు ఆ రకమైన విషయం అయితే, మీరు డేటా మెచ్యూరిటీ పరంగా ఒక స్థాయిలో ఉండవచ్చు. మీరు సంభావిత, తార్కిక మోడల్ మరియు భౌతిక మోడలింగ్‌తో సహా వివిధ రకాల మోడళ్లను స్వీకరించడం మరియు గుర్తించడం ప్రారంభించినప్పుడు, మీకు తెలుసా, ప్రాథమికంగా మీరు డిజైన్‌ను పెంచుతున్నారు. మీరు దీన్ని నిజంగా డిజైన్ దృక్కోణంగా ఉపయోగిస్తున్నారు, అప్పుడు మీరు ఒక స్థాయిలో ఉన్నారు.

ఎంటర్ప్రైజ్ లేదా కానానికల్ మోడళ్లను నిర్మించడం, భావనలను పరిచయం చేయడం మరియు బహుళ మోడళ్లలో కట్టడం, డేటా వంశం మరియు గవర్నెన్స్ మెటాడేటాను మీ మోడళ్లలోకి నేరుగా నిర్మించడం వంటి మరింత సంస్థ స్థాయి నుండి మీరు చూడటం ప్రారంభించినప్పుడు, మీరు ఒక మూడవ స్థాయి, ఆపై పూర్తి-పాలన మెటాడేటా, బిజినెస్ గ్లోసరీ ఇంటిగ్రేషన్, మొదలైన వాటికి మరింత కదులుతుంది. మీరు నిజంగా నాలుగవ స్థాయికి చేరుకున్నప్పుడు జీవిత చక్రం మరియు డేటా విలువ గొలుసు చూడటం. మరలా, వ్యాపార పదకోశాలు, మెటాడేటాతో పూర్తిగా ఇంటిగ్రేటెడ్ మోడలింగ్, స్వీయ-సేవ విశ్లేషణలు వంటి వాటిని నడపగలుగుతారు, మీరు నిజంగా పరిణతి చెందిన స్థితిని సాధించినప్పుడు.

దాని గురించి భాగంగా మరియు పార్శిల్‌గా, నేను డేటా జీవిత చక్రం గురించి చాలా క్లుప్తంగా మాట్లాడాలనుకుంటున్నాను. దురదృష్టవశాత్తు డేటా జీవిత చక్రం గురించి నేను మాట్లాడటానికి కారణం చాలా తరచుగా విస్మరించబడుతుంది. మరియు దాని గురించి, ఇది నిజంగా డేటా మూలకం ఎలా సృష్టించబడుతుంది, చదవబడుతుంది, నవీకరించబడింది లేదా తొలగించబడింది మరియు మీ సంస్థ అంతటా దానిపై పనిచేసే ప్రక్రియలను వివరించింది. కాబట్టి మనలో చాలా కాలంగా పరిశ్రమలో ఉన్నవారు దీనిని CRUD అని పిలుస్తారు ఎందుకంటే ఇది సృష్టించడం, చదవడం, నవీకరించడం మరియు తొలగించడం. మేము మా సంస్థలోని డేటాతో వ్యవహరించేటప్పుడు దీన్ని ప్రాథమిక స్థాయిలో అర్థం చేసుకోవాలి. చాలా అంశాలు అమలులోకి వస్తాయి. దానిపై పనిచేసే వ్యాపార నియమాలు ఏమిటి? డేటాను వినియోగించే, ఉత్పత్తి చేసే లేదా మార్చే వ్యాపార ప్రక్రియలు ఏమిటి? మీరు దీన్ని చేయడానికి అనుమతించడానికి వాస్తవానికి ఆ వ్యాపార ప్రక్రియలను అమలు చేసే అనువర్తనాలు ఏమిటి? డేటా జీవిత చక్రం పరంగా అన్నీ అమలులోకి వస్తాయి.

మరలా, జెన్ ఇంతకు ముందే సూచించాడు - సత్యానికి ఒక మూలం ఉండకపోవచ్చు. మరియు ఒక నిర్దిష్ట డేటా మూలకం సృష్టించబడిన బహుళ మార్గాలు ఉండవచ్చు. మరియు మీరు నిజంగా లోపలికి రావలసి ఉంటుంది, విభిన్న విషయాలు బహుళ వ్యవస్థలు లేదా బహుళ తీసుకోవడం ద్వారా వస్తాయి, ఆ సమయంలో ఆ నిర్దిష్ట నిర్ణయానికి డేటా యొక్క సరైన మూలం ఏమిటో మీరు పునరుద్దరించాలి మరియు పరిష్కరించుకోవాలి. ఒక సంస్థలో వివిధ ప్రయోజనాల కోసం డేటా యొక్క బహుళ వైవిధ్యాలు ఉండవచ్చు. దీన్ని సాధించటానికి, మీరు వ్యాపార ప్రక్రియను, డేటా ప్రవాహాలను, ఇంటిగ్రేషన్‌ను కలిగి ఉన్న డేటా వంశాన్ని మరియు ETL వంటి వాటిని కలిగి ఉండాలి, కాబట్టి మీ డేటా గిడ్డంగి, డేటా మార్ట్ మరియు స్టేజింగ్ ప్రాంతాల కోసం సేకరించండి, మార్చండి మరియు లోడ్ చేయండి మరియు పెద్ద డేటా వైపు డేటా లింకులు కూడా అమలులోకి వస్తాయి. మీరు డేటా సరస్సు నుండి ఈ సమాచారాన్ని బయటకు తీస్తున్నప్పుడు, మీరు దాన్ని ఎలా వినియోగిస్తున్నారో మరియు ఎలా ఉపయోగిస్తున్నారో తెలుసుకోవాలి. జీవిత చక్రం పరంగా, ఇది నిజంగా మేము క్రొత్త డేటాను ఎలా సృష్టిస్తున్నాము లేదా సేకరిస్తున్నాము, మేము దానిని ఎలా వర్గీకరిస్తున్నాము - ఎందుకంటే మీరు దానిని అర్థం చేసుకోవడానికి మరియు దానితో సమర్థవంతంగా పని చేయడానికి వర్గీకరించాలి - మీరు దాన్ని ఎలా నిల్వ చేస్తున్నారు, ఎలా సంస్థలో భాగస్వామ్యం చేయబడుతున్న - మరియు చాలా ముఖ్యమైనవి: నిలుపుదల మరియు ఆర్కైవల్. మీరు డేటాను ఎంతకాలం నిలుపుకుంటారు? మీరు దాన్ని ఎప్పుడు ఆర్కైవ్ చేస్తారు? చివరికి మీరు ఆ డేటాను ఎప్పుడు నాశనం చేస్తారు? ఆ విషయాలన్నీ మీ డేటా జీవిత చక్రంలో పరిగణించబడాలి మరియు మీ సంస్థలో అధిక స్థాయి డేటా పరిపక్వతను సాధించడానికి మీరు ఇవన్నీ చేయాలి.

ఇప్పుడు ఫ్లిప్ సైడ్, మళ్ళీ, వారు కవలలలాంటివారని నేను చెప్పాను, అక్కడ మీరు డేటా మెచ్యూరిటీతో కలిసి ప్రాసెస్ మెచ్యూరిటీ గురించి మాట్లాడాలి - వారు చేతిలోకి వెళ్తారు. మళ్ళీ, నేను ఇక్కడ కొన్ని విభిన్న విషయాలను పొందాను మరియు - చింతించకండి నేను వీటన్నింటినీ చదవబోతున్నాను, కానీ ఒక రకమైన చెక్‌లిస్ట్ కాబట్టి - మళ్ళీ మీరు మీ సంస్థ పరంగా ఎక్కడ ఉన్నారో స్వీయ-అంచనా వేయడం ప్రారంభించవచ్చు ప్రక్రియ పరిపక్వత. ఆప్టిమైజ్ చేసిన పేజీల ద్వారా ప్రారంభ కుడి నుండి మళ్ళీ చూద్దాం. మళ్ళీ, మేము సామర్ధ్య పరిపక్వత నమూనా నుండి ఉద్భవించిన అదే ఐదు-పాయింట్ స్కేల్‌ను ఉపయోగిస్తున్నాము. మీరు ఫోకస్ వంటి విషయాలను పరిశీలిస్తే, మీరు తక్కువ స్థాయిలో లేదా ప్రాసెస్ మెచ్యూరిటీ యొక్క ప్రారంభ స్థాయిలో ఉంటే, ప్రజలు తమ పనిని నెరవేర్చడానికి వారి స్వంత పద్ధతులపై నిజంగా ఆధారపడుతున్నారని మీరు మీ సంస్థలో కనుగొనవచ్చు. మరియు మీరు కొన్ని వీరోచితాలను చూడవచ్చు మరియు ఆ రకమైన పనులను చేయగలుగుతారు. అప్పుడు మీరు దాని గురించి మరింత చురుకైన ప్రదేశానికి చేరుకోవడం ప్రారంభించండి, ఇక్కడ మీ నిర్వహణ పని యూనిట్లు మరియు పనితీరుకు బాధ్యత వహిస్తుంది. అప్పుడు మీరు ప్రామాణిక ఇంటిగ్రేటెడ్ ప్రక్రియలను రూపొందించడం ప్రారంభిస్తారు. అప్పుడు ప్రక్రియ స్థిరత్వం మరియు పునర్వినియోగం. ఆ ప్రక్రియలకు సంబంధించిన కొలమానాలు మరియు కెపిఐలను లెక్కించడానికి మరియు చివరకు పూర్తి స్థాయి ఆప్టిమైజేషన్కు లెక్కించడానికి మీరు మెంటరింగ్ మరియు స్టాటిస్టికల్ మేనేజ్‌మెంట్ సంస్కృతిని చూడటం ప్రారంభిస్తారు.

మీరు పని నిర్వహణను చూసినప్పుడు, మీరు వెళ్ళవచ్చు, మీరు పని నిర్వహణ యొక్క అస్థిరమైన స్థాయిలను కలిగి ఉన్న ప్రాంతం నుండి మరింత నిర్వహించబడతారు, ఇక్కడ మీరు వనరులపై మీ కట్టుబాట్లను కనీసం ఉన్నత స్థాయిలో సమతుల్యం చేస్తారు. అప్పుడు మీరు మరింత అనుకూలమైన లేదా చురుకైన సంస్థను కలిగి ఉన్న చోటికి మీరు మీ ప్రక్రియలను ప్రామాణీకరించవచ్చు కాని మీ సంస్థలో వివిధ పరిస్థితులలో ఉపయోగించిన వాటికి తగినట్లుగా వాటిని రూపొందించవచ్చు. మరియు మీరు అధునాతనానికి చేరుకున్నప్పుడు, అక్కడ సాధికారత చాలా ముఖ్యమైనది, మరియు దీని అర్థం ప్రతి ఒక్కరూ ఏమి జరుగుతుందో స్పష్టంగా అర్థం చేసుకుంటారు మరియు సిబ్బందికి ప్రాసెస్ డేటా ఉంటుంది, కాబట్టి వారు వారి స్వంత పనిని అంచనా వేయవచ్చు మరియు నిర్వహించవచ్చు.

మళ్ళీ, ఉత్పాదక సారూప్యతకి తిరిగి వెళ్లడం - మేము చూసినప్పుడు, మేము మా అసెంబ్లీ లైన్లను మరియు పరిశ్రమలో ఉన్న ప్రతిదానిని ఆధునీకరించడం ప్రారంభించినప్పుడు, మేము అసెంబ్లీ లైన్‌లో కూడా మొత్తం నాణ్యత మరియు కార్మికుల సాధికారత గురించి మాట్లాడటం ప్రారంభించాము, అక్కడ ఎవరైనా చూస్తే ఉత్పత్తి యొక్క ఏదైనా నిర్దిష్ట దశలో ఏదో తప్పు, ప్రజలు పెద్ద ఎరుపు బటన్‌ను నొక్కవచ్చు మరియు విషయాలు మరింత ముందుకు వెళ్ళే ముందు సమస్యలు పరిష్కరించే వరకు మొత్తం అసెంబ్లీ లైన్‌ను మూసివేయవచ్చని ప్రజలకు అధికారం ఇవ్వబడింది. మరియు ఇది మన సంస్థలోని మా డేటాను మరియు మా ప్రక్రియలను వాస్తవానికి ఆప్టిమైజ్ చేస్తున్నామని నిర్ధారించుకోవడానికి మన ప్రక్రియలలో డేటా చుట్టూ చూస్తున్న మనస్తత్వం మరియు సంస్కృతి యొక్క రకం.

మీ సంస్కృతి యొక్క ఇతర సూచికలు - మీ వ్యాపార ప్రక్రియలలో మెరుగుదలలో నిజమైన నిబద్ధతకు గుర్తించదగిన పునాది లేనందున మీ సంస్కృతి స్థిరంగా ఉందా? బాధ్యత యొక్క ప్రతినిధి బృందం ఉందా, మేము దానిని మరింతగా చూస్తున్నారా? మరియు మీరు మరింత కదులుతున్నప్పుడు, మీకు ఇంకా గోతులు ఉండవచ్చు, కానీ మీరు మీ వ్యాపార ప్రక్రియలో చేస్తున్న సంస్కృతి మరియు విషయాల పరంగా ముందుకు సాగడం ప్రారంభించినప్పుడు, మీరు కూడా ఆ విభిన్న వ్యాపార గోతులు విచ్ఛిన్నం చేస్తున్నారు మరియు పరపతి కలిగి ఉన్నారు మీ సంస్థ అంతటా ప్రక్రియలు. మీరు ఈవెంట్ దశకు చేరుకున్నప్పుడు, గట్ ఫీల్ కాకుండా, మీరు నిజంగా నాణ్యమైన కొలమానాలను సేకరిస్తున్నారు మరియు మీ వ్యాపారం యొక్క పనితీరులో మీ సామర్థ్యాన్ని అంచనా వేయడానికి మీకు కొలమానాలు ఉన్నాయి. కార్యకలాపాలు, మరియు ఇది చాలా ముఖ్యమైనది.

ఆర్కిటెక్చర్ పరంగా, దాని గురించి మాట్లాడుదాం ఎందుకంటే ఇక్కడ మనలో చాలా మంది ఐటిలో ఉన్నారు లేదా ఎల్లప్పుడూ ఐటి వైపు చూస్తున్నారు. మళ్ళీ, మేము డేటాలో చూసిన అదే రకమైన విషయాలు. ప్రాసెస్ మెచ్యూరిటీ యొక్క ప్రారంభ దశలలో మీరు నిజంగా దిగజారితే మాకు తీరని ఐటి వ్యవస్థలు ఉన్నాయి. మీరు మీ ప్రక్రియలను నిర్వహించడం ప్రారంభించిన తర్వాత, మీరు కొన్ని సేవలను సెటప్ చేయడాన్ని చూడబోతున్నారు, అక్కడ మీరు నిజంగా సేవల-ఆధారిత విధానాన్ని ఎక్కువగా అనుసరిస్తున్నారు. అప్పుడు మీరు ప్రామాణికమైతే, మీరు డేటా మరియు సేవలు మరియు ప్రాసెస్ సేవల పరంగా పూర్తి-సేవ స్వీకరణను చూడబోతున్నారు మరియు ఆ రకమైన విషయం, మీరు పూర్తి సేవ లేదా క్రొత్త నిర్మాణానికి వెళ్ళే వరకు. ఆపై చివరికి మీ డేటాను ఉపయోగించుకునే పూర్తి ప్రాసెస్-ఆధారిత సంస్థకు.

మళ్ళీ, మేము దీనిని చూసినప్పుడు అదే రకమైన ప్రమాణాలు. ఉత్పాదకత పరంగా, తక్కువ స్థాయి ప్రాసెస్ మెచ్యూరిటీలో, మీరు తక్కువ స్థాయి ఉత్పాదకత మరియు అధిక ప్రాసెస్ మెచ్యూరిటీని చూడబోతున్నారు, మీరు చాలా ఎక్కువ ఉత్పాదకతను చూడబోతున్నారు. మరియు నాణ్యత దానితో పాటుగా ఉంటుంది. డేటా మాదిరిగానే - మీరు తక్కువ స్థాయి పరిపక్వతలో ఉంటే మీరు అధిక స్థాయి ప్రమాదాన్ని మరియు అధిక స్థాయి వ్యర్థాలను చూడబోతున్నారు. కానీ మీ పరిపక్వత స్థాయి ఎక్కువ, మీరు దానిని తగ్గించి, మీ ప్రమాదాన్ని తగ్గించి, వ్యర్థాలను గణనీయంగా తగ్గిస్తారు. ఒక సంస్థలో మీరు రకమైన లక్షణాలు లేదా సూచికలుగా చూడగలిగే కొన్ని విషయాల పరంగా, ప్రాధమిక తత్వశాస్త్రం ఖర్చు తగ్గింపుపై ఆధారపడి ఉంటే, మీరు బహుశా తక్కువ స్థాయి ప్రాసెస్ పరిపక్వతలో ఉన్నారు. ఇది గ్రాడ్యుయేట్ అవ్వబోతోంది మరియు మీ సంస్థలో సామర్థ్యాన్ని మరింత దగ్గరగా చూసే దిశగా వెళుతుంది మరియు మీరు చాలా పరిణతి చెందిన స్థాయికి చేరుకున్నప్పుడు, మీరు మళ్ళీ విలువ ఉత్పత్తిపై దృష్టి పెట్టబోతున్నారు.

సంస్థాగత నిర్వహణ దృక్పథంలో, గందరగోళం పాలించినట్లయితే, ఇది సాధారణంగా తక్కువ-ప్రాసెస్-మెచ్యూరిటీ సంస్థల లక్షణం. కానీ నేను మేనేజ్మెంట్ మెంటాలిటీని ఎక్కువగా పిలిచే దానిపై మీరు దృష్టి పెట్టడం మొదలుపెడతారు - మరియు డిక్రీ ద్వారా కొంత నిర్వహణ ఉండవచ్చు, లేదా విషయాలు విధించవచ్చు - మీరు నిజంగా ఎక్కడ ఉన్నారు, మీరు మరింత పరిణతి చెందిన స్థాయికి చేరుకున్నప్పుడు, మీ నిర్వహణ అనువదిస్తుంది నాయకత్వం ఎక్కువ. మరో మాటలో చెప్పాలంటే, అభివృద్ధి యొక్క తత్వశాస్త్రం సంస్కృతిలో పొందుపరచబడింది మరియు CEO నుండి, వారు ప్రక్రియలను మెరుగుపరచడం మరియు మీ సంస్థలో నిరంతర, నిరంతర అభివృద్ధి యొక్క మొత్తం తత్వాన్ని ప్రోత్సహిస్తున్నారు.

ప్రాసెస్ మోడల్ పరంగా - మరియు నేను ఈ విషయాలను చాలా త్వరగా ఇక్కడకు వెళ్తాను - ప్రాసెస్ మెచ్యూరిటీతో ముడిపడివున్నప్పుడు ప్రాసెస్ మోడళ్లను చూద్దాం. మళ్ళీ, డేటా మెచ్యూరిటీపై మేము చూసిన విషయాలకు చాలా సారూప్యంగా ఉంటుంది, ఇక్కడ తక్కువ స్థాయిలో లేదా స్థాయి ఒకటి వద్ద, మీరు ప్రక్రియలను లేదా ప్రస్తుత రాష్ట్ర ప్రక్రియను డాక్యుమెంట్ చేయవచ్చు, కానీ మీరు నిజంగా ముందుకు సాగే పరంగా దీన్ని ఉపయోగించడం లేదు. మీరు పరిపక్వం చెందడం ప్రారంభించినప్పుడు, మీరు సంస్థలో వాస్తవ వ్యాపార ప్రక్రియ నిర్వహణను పెంచడానికి వ్యాపార ప్రాసెస్ మోడలింగ్‌ను ఉపయోగించబోతున్నారు, ఆపై మీరు దాన్ని ఎక్కడ ఉపయోగిస్తున్నారో మరింతగా అభివృద్ధి చెందుతారు మరియు మీరు చివరికి ఎక్కడ అభివృద్ధి చెందుతున్నారో ఆ మోడళ్లను నిరంతరం అప్‌డేట్ చేస్తారు. ప్రాసెస్ రూపకల్పన. ఆపై మీరు పూర్తి పరిపక్వత పొందినప్పుడు, లేదా మీకు తెలుసా, సిగ్మా వంటి అధిక నాణ్యత గల ప్రోగ్రామ్‌లను స్వీకరించిన లీన్ లేదా సంస్థలలో మీరు సాధారణంగా చూసేది, అక్కడే మీకు నిరంతర అభివృద్ధి మనస్తత్వం ఉంది మరియు ఇది మోడలింగ్‌లో బాగానే ఉంది మీ సంస్థ. ఉత్పత్తులను నిర్మించడానికి మేము ఇంజనీరింగ్ బ్లూప్రింట్లను ఉపయోగించినట్లే, అది విమానాలు లేదా భవనాలు మరియు ఆకాశహర్మ్యాలు మరియు ఆ రకమైన విషయం అయినా, మా వ్యాపారాన్ని వాస్తవంగా ముందుకు నడిపించడానికి మేము మా మోడళ్లపై ఆధారపడుతున్నాము, ఎందుకంటే ఇది మా సంస్థాగత అంశాలను ముందుకు నడిపించే డిజైన్ మూలకం .

ఇప్పుడు, మళ్ళీ, నేను ఈ మరియు ప్రతి ఒక్క పదం గురించి వివరంగా చెప్పబోతున్నాను. నేను ఏమి చేసాను, నేను ఆ రెండు సరళమైన గ్రిడ్ స్లైడ్‌లను తీసుకున్నాను మరియు డేటా మెచ్యూరిటీ మరియు ప్రాసెస్ మెచ్యూరిటీ రెండింటి కోసం కొన్ని ఇతర డిస్క్రిప్టర్లలో ఉపయోగించిన అనేక పదాలను నేను ఎంచుకున్నాను. కాబట్టి మీరు వాస్తవం తర్వాత దీనిని చూసినప్పుడు, మీ స్వంత అంతర్గత సంస్కృతులలో చెప్పబడుతున్న విషయాల పరంగా మీరు బయటకు వచ్చే కొన్ని పదాల గురించి ఆలోచించడం ప్రారంభించవచ్చు. మొత్తం సంస్థగా, మేము ఈ మెచ్యూరిటీ స్కేల్‌పై మొత్తంగా సరిపోయేటట్లు ఎక్కడ వర్గీకరించడాన్ని ప్రారంభించడంలో ఇది మీకు సహాయపడుతుంది. కాబట్టి మీరు అస్థిరత లేదా స్తబ్దత లేదా అసమర్థత వంటి వాటిని చాలా తరచుగా లేదా గందరగోళంగా చూస్తుంటే, మీరు సాధారణంగా స్కేల్ యొక్క దిగువ చివరలో ఉంటారు. మీరు నిరంతర మెరుగుదల, వ్యూహాత్మక అమరిక, లోపాలు మరియు నాణ్యతకు నివారణ విధానం మరియు ఆ రకమైన విషయం, పూర్తి ఏకీకరణ మరియు మీరు పోటీ ప్రయోజనంలో ఉత్తమ పద్ధతుల గురించి మాట్లాడుతున్నప్పుడు, మీరు మిమ్మల్ని చూడబోతున్నప్పుడు ఆప్టిమైజర్ వద్ద, స్కేల్ యొక్క అధిక ముగింపు.

మళ్ళీ, నేను ఎత్తి చూపదలిచిన విషయం ఏమిటంటే, మీరు డేటా గవర్నెన్స్ చూడటం మొదలుపెట్టినప్పుడు, ప్రత్యేకించి మీరు స్కేల్ దిగువన చూసినప్పుడు, ప్రారంభ దశలో, డేటా గవర్నెన్స్ వ్యక్తిగత ప్రాజెక్ట్ స్థాయిలలో మాత్రమే ప్రవేశపెట్టవచ్చు. మీరు డేటా గవర్నెన్స్ మరియు నిర్దిష్ట లక్ష్యం ప్రాజెక్ట్ డేటా గవర్నెన్స్ నుండి మరియు ప్రోగ్రామ్ మరియు డివిజనల్ డేటా గవర్నెన్స్ ద్వారా ఉద్భవించిన చోటికి మీరు అభివృద్ధి చెందాలి, ఇక్కడ మళ్ళీ ఎంటర్ప్రైజ్ విస్తృత మరియు మొత్తం సంస్థలో పొందుపరచబడింది.

డేటా మెచ్యూరిటీ మరియు ప్రాసెస్ మెచ్యూరిటీ పరంగా ఇవి కలిసి పనిచేసే కవలలు అనే వాస్తవం గురించి నేను మాట్లాడాను. ఆ పరిపక్వతను సాధించడంలో, స్కేల్ యొక్క ఇరువైపులా ఒక ప్రయాణం మరియు మీరు దశలను దూకలేరు. మీరు సున్నాలో ఉంటే, మీరు ఒకటి, రెండు, మూడు, నాలుగు దశల ద్వారా అభివృద్ధి చెందాలి మరియు చివరికి ఐదుకి చేరుకోవాలి. ప్రపంచంలో చాలా తక్కువ సంస్థలు ఉన్నాయి, వాస్తవానికి ఐదు వద్ద ఉన్నాయి. కాబట్టి చాలా సంస్థలు వారు మూడు వద్ద ఉన్న చోట ఉండటం కంటే ఎక్కువ సంతోషంగా ఉంటుంది మరియు తరువాత దానిని ముందుకు సాగే స్ప్రింగ్‌బోర్డ్‌గా ఉపయోగించగలుగుతారు. మరలా, మీరు వెళ్ళలేరు, మీరు డేటా మెచ్యూరిటీ నుండి నాలుగు మరియు ప్రాసెస్ మెచ్యూరిటీలో ఉండకూడదు. ఇది పనిచేయదు ఎందుకంటే అవి ఒకదానితో ఒకటి కలిసి మీ డేటా మరియు ప్రక్రియలపై మీరు అర్థం చేసుకోవాలి మరియు మంచి హ్యాండిల్ కలిగి ఉండాలి.

వ్యవస్థీకృత పరిపక్వత వైపు మీ ప్రయాణంలో, మీ బృందంలో ఇద్దరు వ్యక్తులు ఉన్నారని అనుకుందాం: ఒకటి ప్రాసెస్ మెచ్యూరిటీ మరియు మరొకటి డేటా మెచ్యూరిటీ. మీరు అడ్డంకి కోర్సు నడుపుతున్నారు మరియు మీరు చిన్న తాడుతో ముడిపడి ఉన్నారు. మరియు ఆ కోర్సు చివరికి చేరుకోవటానికి, మీరిద్దరూ అన్ని అడ్డంకులను మాత్రమే కాకుండా, అన్ని అడ్డంకులను అధిగమించవలసి ఉంటుంది, కానీ మీరు అన్ని అడ్డంకులను దాదాపు ఒకే సమయంలో లేదా ఒకదానికొకటి దగ్గరగా ఉండాలి. ముందుకు సాగవచ్చు మరియు తదుపరి అడ్డంకిని పొందగలదు. ప్రాసెస్ మెచ్యూరిటీ మరియు డేటా మెచ్యూరిటీని బ్యాలెన్స్ చేయడం గురించి ఆలోచించడం నిజంగా మంచి మార్గం. కాబట్టి మరో మాటలో చెప్పాలంటే, మీరు కొంతవరకు ప్రాసెస్-సెంట్రిక్ కావచ్చు మరియు మీరు కొంతవరకు డేటా-సెంట్రిక్ కావచ్చు, కానీ ఇది ఒక ప్రముఖ సూచికగా అవతరిస్తుంది మరియు వాస్తవానికి మిమ్మల్ని స్థాయిల ద్వారా తీసుకురావడానికి చాలా గ్యాప్ ఉండకూడదు.

ఆపై మేము డేటా గవర్నెన్స్ నుండి మళ్ళీ చూసినప్పుడు, మీకు తెలియకపోతే నేను ఎత్తి చూపించాలనుకున్నది, DAMA వాస్తవానికి ఈ సంవత్సరం ప్రారంభంలో డేటా మేనేజ్మెంట్ బాడీ ఆఫ్ నాలెడ్జ్ వాల్యూమ్ టూను విడుదల చేసింది, మరియు ఆ విషయాలు మార్చబడింది అసలు DAMA చక్రం ఉంది. వాస్తవానికి నేను దానిని కొద్దిగా భిన్నంగా ప్రాతినిధ్యం వహించాను, ఇక్కడ డేటా గవర్నెన్స్ మధ్యలో ఉంటుంది మరియు వేర్వేరు చక్రాల చుట్టూ పది వేర్వేరు వర్గాలు ఉంటాయి. ఇక్కడ చూడటానికి చాలా ముఖ్యమైనది డేటా మోడలింగ్ మరియు డిజైన్ వాస్తవానికి ఇప్పుడు చక్రంలో దాని స్వంత ప్రాంతాలను కలిగి ఉంది - ఇది ఇంతకుముందు ఇతర వాటిలో మిళితం చేయబడింది. ఇక్కడ చాలా ప్రాధమిక అంశం ఏమిటంటే, డేటా మోడలింగ్ ఈ ఇతర అంశాలకు ప్రాథమికంగా ఉంటుంది, ఎందుకంటే, మేము మా డేటాబేస్ల డేటా మోడలింగ్ చేస్తున్నా లేదా మేము వ్యవహరిస్తున్న మెటాడేటా అయినా, డేటా మోడలింగ్ పాత్ర ఉంది మేము మాట్లాడుతున్న ఈ ఇతర ముక్కలలో ఆడండి. మరియు ప్రాసెస్ మోడలింగ్ ఈ విషయాలలో చాలా పాత్ర పోషిస్తుంది ఎందుకంటే, డేటాను అర్థం చేసుకోవడంతో పాటు, అది ఎలా ఉపయోగించబడుతుందో మనం అర్థం చేసుకోవాలి మరియు ప్రాసెస్ మోడలింగ్ నిజంగా దీన్ని చేయడానికి మాకు సహాయపడుతుంది.

ఇప్పుడు గేర్‌లను కొద్దిగా మార్చండి మరియు ఎంటర్‌ప్రైజ్ ఆర్కిటెక్చర్ గురించి మాట్లాడుదాం. ఎంటర్ప్రైజ్ ఆర్కిటెక్చర్కు మోడల్స్ చాలా ముఖ్యమైనవి. నేను దీనిని ఉదాహరణగా ఉంచుతున్నాను మరియు ఇది జాచ్మన్ ఫ్రేమ్‌వర్క్, నేను ఇక్కడ చాలా త్వరగా చూపిస్తున్నాను. మరియు మీరు దీనిని చూసినప్పుడు, మీరు ఇక్కడ అనేక విషయాలు చూస్తారు. ఎగువన ఉన్న స్కేల్ ఏది, ఎలా, ఎక్కడ, ఎవరు, ఎప్పుడు మరియు ఎందుకు అని మీరు చూస్తారు. ఆపై మీరు మోడలింగ్ రకాలు లేదా ఎంటర్ప్రైజ్ ఆర్కిటెక్చర్ పరంగా మీరు విశదీకరిస్తున్న విషయాల రకాలు పరంగా, చాలా ఎక్కువ సందర్భోచిత స్థాయి నుండి వివరణాత్మక స్థాయి వరకు, భౌతిక అమలుతో సహా. మీరు మొదటి నిలువు వరుసలను పరిశీలిస్తే, చాలా డేటా ఇంటెన్సివ్ మరియు డేటా ఇందులో ఉంది. ఎలా చాలా ప్రాసెస్ నడపబడుతుంది. మరియు మీరు ఇతర అంశాలను పరిశీలిస్తే, మీరు మిగిలిన సమాచారాన్ని పెంచే విషయంలో ప్రాసెస్ మరియు డేటా మోడలింగ్ కలయికను ఉపయోగించబోతున్నారు. మీరు ఈ విభిన్న విషయాల గురించి డేటాను కలిగి ఉండబోతున్నారు మరియు మీ ప్రాసెస్ మోడల్స్ కూడా విషయాలు జరిగే చోట, బాధ్యత వంటి వాటితో ముడిపడి ఉంటాయి. మరియు మా సాధనాలలో మేము చేసే ప్రాసెస్ మోడలింగ్ పరంగా, మీరు దీన్ని లక్ష్యాలు మరియు సంబంధాలు మరియు వ్యాపార నియమాలతో ముడిపెట్టడం ప్రారంభించవచ్చు మరియు మీరు చేస్తున్న ఈ విభిన్న విషయాలను నడుపుతున్నారు.

జాచ్మన్ ఫ్రేమ్‌వర్క్ యొక్క మొత్తం కోణం నుండి, దీని గురించి ఆలోచించడానికి మంచి మార్గాలలో ఒకటి మీరు మోడల్ నడిచేది మరియు మీరు నిజంగా వివిధ స్థాయిలలో వెళుతున్నారు. కాబట్టి మీరు ఉన్నత స్థాయి స్కోప్ మరియు సందర్భోచితంతో ప్రారంభిస్తున్నారు. మీరు వ్యాపార నమూనాల వైపు, సిస్టమ్ మోడల్స్, తరువాత టెక్నాలజీ మోడల్స్, ఆపై సాంకేతిక నమూనాల యొక్క మీ వివరణాత్మక ప్రాతినిధ్యం వైపు అభివృద్ధి చెందుతున్నారు. మరలా, డేటా దేనిని సూచిస్తుంది, ప్రాసెస్ ఎలా మరియు ఇది నిజంగా డేటా మరియు ప్రాసెస్ ఇంటరాక్టింగ్ కలయిక, ఇక్కడ అన్ని ఇతర లక్షణాలను నడిపిస్తుంది.

దాని ఆధారంగా, ఎంటర్ప్రైజ్ ఆర్కిటెక్చర్ ఆలోచనను మనం చూసే విధానం కొంతమంది ఇతరులకన్నా కొద్దిగా భిన్నంగా ఉంటుంది. ఎంటర్ప్రైజ్ ఆర్కిటెక్చర్ యొక్క నాలుగు స్తంభాలు డేటా, సముపార్జన, వ్యాపారం మరియు సాంకేతిక నిర్మాణం గురించి చాలా తరచుగా మీరు వింటారు. మేము దాని కంటే కొద్దిగా భిన్నంగా చూస్తాము. డేటా ఆర్కిటెక్చర్‌ను రెండు కారణాల వల్ల ఎంటర్ప్రైజ్ ఆర్కిటెక్చర్ మొత్తాన్ని నడిపించే ప్రాథమిక పునాదిగా మేము చూస్తాము. ఒకటి, అక్కడే ప్రారంభమైంది. జాచ్మన్ ఫ్రేమ్‌వర్క్ వంటి విషయాలు కూడా ప్రధానంగా డేటా ఆర్కిటెక్చర్ నుండి పెరిగాయి, తరువాత వాస్తుశిల్పం యొక్క ఇతర అంశాలను కూడా స్వీకరించాయి. మరియు రెండు, ఎందుకంటే ప్రక్రియ మరియు డేటా మధ్య ప్రాథమిక టై. అందుకే బిజినెస్ ఆర్కిటెక్చర్‌ను ఎంటర్‌ప్రైజ్ ఆర్కిటెక్చర్ యొక్క కేంద్ర స్తంభంగా చూస్తాము. ఆపై, వాస్తవానికి, అప్లికేషన్ ఆర్కిటెక్చర్ మరియు టెక్నికల్ ఆర్కిటెక్చర్ చేత పొగడ్తలతో కూడుకున్నవి, ఇవి సంపూర్ణ అవసరాన్ని ఎనేబుల్ చేసేవి, నిజమైన సంస్థ ఎనేబుల్మెంట్‌ను నడపడానికి మాకు అనుమతిస్తాయి. ఇప్పుడు, మా ఇంటిగ్రేటెడ్ మోడలింగ్ ప్లాట్‌ఫామ్ అయిన ER స్టూడియో ఎంటర్‌ప్రైజ్ టీమ్ ఎడిషన్ పరంగా దీనిని చూసినప్పుడు, ఇది ఈ విధంగా అమలులోకి వస్తుంది. మరియు ఇది మేము చేసే కొన్ని మోడలింగ్ మరియు దాని వెనుక ఉన్న కొన్ని ప్రాథమిక విషయాల యొక్క ఉన్నత-స్థాయి సందర్భ రేఖాచిత్రం. మరియు ఇది వాస్తవానికి నడపబడుతుంది, ఇది వాస్తవానికి ప్రాసెస్ రేఖాచిత్రంలో రేఖాచిత్రం చేయబడింది. కాబట్టి మేము ప్రత్యేకంగా మా డేటా ఆర్కిటెక్చర్ భాగాన్ని మరియు మా వ్యాపార నిర్మాణాన్ని క్రింద చూసినప్పుడు, మేము పాత్ర-ఆధారిత సాధనాలను సరఫరా చేస్తాము.

దిగువ ఎడమ మూలలో మా వ్యాపార ఆర్కిటెక్ట్ సాధనాన్ని మీరు చూసినప్పుడు, అక్కడే సాధారణంగా వ్యాపార విశ్లేషకులు మరియు వ్యాపార వాస్తుశిల్పులు పనిచేస్తున్నారు. మరియు వారు సాధారణంగా కొన్ని వ్యాపార ప్రక్రియలపై దృష్టి పెడతారు మరియు వాటిని తరిమికొట్టడం ప్రారంభిస్తారు. కానీ వారు దేనిపై కూడా దృష్టి పెట్టారు. కాబట్టి మేము కొన్ని సంభావిత డేటా మోడలింగ్ మరియు ఆ రకమైన పనిని చేయడం ప్రారంభిస్తాము. మేము ఆ సంభావిత మోడలింగ్ భాగాలను మా డేటా మోడలింగ్ సాధనంలోకి మరియు డేటా ఆర్కిటెక్ట్‌కు తీసుకురావచ్చు, ఇక్కడ అవి తార్కిక డేటా మోడళ్లుగా మరింత వివరించబడతాయి మరియు చివరికి భౌతిక నమూనాలు కాబట్టి మేము భౌతిక డేటాబేస్‌లను ఉత్పత్తి చేయగలము. వ్యాపార ఆర్కిటెక్చర్ స్థలంలో కూడా సంభావిత నమూనాలు అప్‌గ్రేడ్ చేయబడతాయి కాబట్టి మనం కూడా వెనక్కి నెట్టవచ్చు. ఇక్కడ చాలా ముఖ్యమైన విషయం ఏమిటంటే, మేము వివిధ రకాల మోడలింగ్‌కు మద్దతు ఇస్తున్నాము. కాబట్టి, మళ్ళీ, BI చాలా ముఖ్యమైనది మరియు డేటా సరస్సులు మరియు ఆ రకమైన విషయాలు, కాబట్టి మేము వాస్తవానికి కొన్ని మోడలింగ్ కూడా చేస్తాము మరియు దానిలో భాగంగా, మేము డేటా వంశ మోడలింగ్ చేస్తాము. కాబట్టి డేటా గిడ్డంగుల కోసం మీ భౌతిక నమూనాల నుండి మీ డైమెన్షనల్ మోడళ్లలోకి మ్యాపింగ్ ఎలా చేయాలో లేదా మీ డేటా సరస్సుల నుండి వస్తువులను తీసుకురావడం మరియు ఆ మ్యాప్ ఎలా ఉంటుందో చూడటం వంటి వాటిలో ETL మాత్రమే కాదు, మేము ఆ విషయాలన్నింటినీ కట్టివేయగలము. పెద్ద డేటా ప్లాట్‌ఫారమ్‌ల నుండి ఇతర మోడలింగ్ ప్లాట్‌ఫారమ్‌ల నుండి రివర్స్ ఇంజనీరింగ్‌ను ఫార్వార్డ్ చేయడం.

ఆపై ETL సాధనాలు వంటివి కూడా ఉన్నాయి, కాబట్టి మేము మీ స్వంత వాతావరణంలో మీరు కలిగి ఉన్న ETL స్పెసిఫికేషన్ల నుండి నేరుగా డేటా వంశ రేఖాచిత్రాలను పొందడం ప్రారంభించవచ్చు. రిలేషనల్ మోడలింగ్‌కు మించి మనం విస్తరించాల్సి ఉందని తెలుసుకోవడం కూడా చాలా ముఖ్యం. మేము అందులో నివశించే తేనెటీగలు మరియు ముఖ్యంగా మొంగోడిబి వంటి కొన్ని ప్లాట్‌ఫారమ్‌లను కలిగి ఉన్నాము, మేము ఇప్పుడు డాక్యుమెంట్ స్టోర్స్‌ గురించి మాట్లాడటం మొదలుపెట్టాము, ఇక్కడ మనకు పొందుపరిచిన వస్తువులు మరియు శ్రేణుల వంటి అంశాలు ఉన్నాయి. మేము వాస్తవానికి ఆ రకమైన మోడళ్లకు అనుగుణంగా ఉండటానికి సంజ్ఞామానాన్ని విస్తరించాము ఎందుకంటే ఇది రిలేషనల్ కాని భావన. డేటా ఆర్టిఫ్యాక్ట్స్ పరంగా డేటా ఆర్కిటెక్ట్ సాధనంలో మనం సృష్టించిన ఏదైనా, అది తార్కిక ఎంటిటీలు లేదా భౌతిక పట్టికలు మరియు వాటి లక్షణాలైనా, అప్పుడు వ్యాపార ప్రాసెసింగ్ మోడలింగ్‌లోకి కూడా తిరిగి నెట్టబడుతుంది. కాబట్టి మీరు మీ వ్యాపార ప్రక్రియ నమూనాలను ఉన్నత స్థాయి నుండి వివరిస్తూ మరియు తక్కువ స్థాయికి చేరుకున్నప్పుడు, మీరు వాస్తవ డేటా మూలకాలతో లింక్ చేయవచ్చు. కాబట్టి మీరు పని చేయవచ్చు, వాస్తవానికి ఏమి జరుగుతుందో CRUD మాత్రికలను మేము పేర్కొనవచ్చు. కనుక ఇది ప్రాసెస్ స్థాయిలో సృష్టించడం, చదవడం, నవీకరించడం మరియు తొలగించడం గురించి నేను మాట్లాడిన డేటా జీవిత చక్రం మీకు ఇస్తుంది. మరియు మేము మా స్వంత అతివ్యాప్తి సమితితో పూర్తి BPM ప్రాసెస్ మోడలింగ్‌ను చేస్తాము, కాబట్టి మీరు వ్యాపార వ్యూహాలు, వ్యాపార లక్ష్యాలతో ముడిపడి ఉండడం ప్రారంభించవచ్చు. అలాగే, ఈ వ్యాపార ప్రక్రియలను అమలు చేస్తున్న అనువర్తనాల్లో కూడా మోడల్‌తో నడిచే దృక్కోణం నుండి మనం టై చేయవచ్చు.

ఇతర విషయాలు చాలా ముఖ్యమైనవి మా డేటా మోడళ్లలో కూడా ఉన్నాయి. డేటా పాలన లక్షణాలు లేదా డేటా నాణ్యత లక్షణాలు నైపుణ్యం మరియు నిర్వహణ. మీరు ట్రాక్ చేయదలిచిన లక్షణాల కోసం మీరు మీ స్వంత మెటాడేటాను అక్కడ నిర్వచించవచ్చు మరియు నిర్మించవచ్చు మరియు దీని అర్థం మీరు ఇప్పుడు మీ మోడల్‌ను మీ మొత్తం సంస్థ ద్వారా, మీ మెటాడేటా రిపోజిటరీలలోకి మరియు మిగతా వాటికి నడపడానికి బ్లూప్రింట్‌గా ఉపయోగిస్తున్నారు. వాస్తవానికి, మోడలింగ్ యొక్క పరిమితుల్లో ఒకటి, చాలా సంవత్సరాల క్రితం మనలో చాలా మంది పరిశ్రమలో దీన్ని ప్రారంభించినప్పుడు, మేము ఈ మోడళ్లను ఉత్పత్తి చేస్తాము. మేము ఏమి చేస్తాము? మేము వాటిని ప్రింట్ చేస్తాము, మేము వాటిని గోడపై ఉంచాము, బహుశా జట్టు సభ్యులకు భాగస్వామ్యం చేయడానికి మరియు ఆ రకమైన విషయం. దీని యొక్క నిజమైన విలువ మా సంస్థలలో భాగస్వామ్యం చేయగలదు మరియు సహకరించగలదు. అందువల్ల మేము రిపోజిటరీతో నడిచే విధానాన్ని కలిగి ఉన్నాము, అక్కడ మేము తనిఖీ చేస్తాము మరియు మా నమూనాలు మరియు పని ప్రదేశాలను తనిఖీ చేస్తాము. మరియు మేము వాటిని సంస్థ అయిన మా సభ్యులతో పంచుకుంటాము, వారు ఇతర సాంకేతిక వాటాదారులు, వ్యాపార వినియోగదారులు మరియు ఆ రకమైన విషయం. టీమ్ సర్వర్ అని పిలువబడే మా సహకార ప్లాట్‌ఫారమ్‌లో కూడా దాన్ని కట్టుకోండి.

కాబట్టి మేము మునుపటి వ్యాపార పదకోశాలు మరియు నిబంధనలు మరియు దాని యొక్క ప్రాముఖ్యత గురించి మరియు వ్యాపారం కోసం ఆ పదజాలం గురించి మాట్లాడాము. టీమ్ సర్వర్‌లో ఇవన్నీ ఉన్నాయి, ఇక్కడ వినియోగదారులు, వ్యాపార వినియోగదారులు ఆ నిబంధనలపై సహకరించగలరు. అవి డేటా ఆర్కిటెక్ట్‌లో ఉపయోగపడతాయి, ఉదాహరణకు, డేటా మోడళ్ల దగ్గర మరియు ఈ వ్యాపార పదకోశాలు చాలా తరచుగా మా డేటా మోడళ్లలో మేము సృష్టించిన కొన్ని డేటా నిఘంటువుల నుండి ఉద్భవించాయి. మేము వాటిని బయటకు నెట్టవచ్చు- డేటా ఆర్కిటెక్ట్ సాధనాల నుండి, ఒక ప్రారంభ స్థానం వ్యాపార పదకోశం, ఇక్కడ వాటిని మరింత మెరుగుపరచవచ్చు మరియు దాని చుట్టూ మార్పు నిర్వహణతో పాటు.

అది చాలా ఉంది. సంగ్రహంగా చెప్పాలంటే, మేము మాట్లాడిన కొన్ని విషయాలు నిజమైన సంస్థాగత పరిపక్వతను ప్రయత్నించడం, మీకు డేటా మెచ్యూరిటీ మరియు ప్రాసెస్ మెచ్యూరిటీతో కూడిన సమతుల్య విధానం అవసరం. మీరు మరొకటి లేకుండా సాధించలేరు. మళ్ళీ, ప్రాథమికంగా, మీరు రెండింటినీ కలిగి ఉండాలి మరియు ప్రత్యేకంగా, సంస్థ ఆర్కిటెక్చర్ మరియు డేటా గవర్నెన్స్ మరియు ప్రాసెస్ గవర్నెన్స్ మరియు మీ సంస్థలలో డేటా మోడలింగ్ మరియు ప్రాసెస్ మోడలింగ్‌పై ఆధారపడాలి. ఎంటర్‌ప్రైజ్ ఆర్కిటెక్చర్ ఈ విభిన్న కోణాలను మరియు దృక్కోణాలను చూసే విషయంలో దీన్ని నిజంగా కలుపుతుంది. అలా చేయడానికి మీకు దృ data మైన డేటా ఆర్కిటెక్చర్ ఫౌండేషన్ అవసరం మరియు ఆ వ్యాపార సందర్భాన్ని అందించడానికి మీకు సమగ్ర ప్రాసెస్ మోడలింగ్ అవసరం మరియు మీ వ్యాపార ప్రక్రియను మరియు మీ డేటా వినియోగాన్ని ముందుకు నడిపించడానికి మిమ్మల్ని అనుమతిస్తుంది. మరలా, గతంలో కంటే చాలా ముఖ్యమైనది. నేను చెప్పగలను, పాతది మళ్ళీ క్రొత్తది. కాబట్టి డేటా మోడలింగ్, ప్రాసెస్ మోడలింగ్, వంశం, మెటాడేటా మరియు పదకోశాలు దీనిని సాధించడంలో ప్రాథమికమైనవి మరియు ఇఆర్ / స్టూడియో ఎంటర్ప్రైజ్ టీం ఎడిషన్ ఇవన్నీ కలిసి తెచ్చే సహకార వేదిక.

మరియు దానితో, మేము ప్రశ్నలకు వెళ్ళవచ్చు.

ఎరిక్ కవనాగ్: ఆల్రైట్.

రాన్ హుయిజెంగా: ఎరిక్, మేము మీ వద్దకు వెళ్తాము.

ఎరిక్ కవనాగ్: రాన్, ఈ విభిన్న ప్రక్రియలు మరియు చట్రాలను డాక్యుమెంట్ చేయడానికి మీరు చేసిన అన్ని ప్రయత్నాల కోసం నేను నా టోపీని మీకు చిట్కా చేయాలి. మీరు అక్కడకు వచ్చిన చాలా విషయాలు. ఒక సంస్థలో ఈ విషయాన్ని ఎవరు పర్యవేక్షించాలో నాకు ఉన్న పెద్ద ప్రశ్న ఏమిటంటే, మీరు చాలా విభిన్న విషయాలను తాకినందున. మీరు ప్రక్రియలను గుర్తించండి, ఇది చీఫ్ ఆపరేటింగ్ ఆఫీసర్ లేదా కొంతమంది ఆపరేషన్ వ్యక్తి. డేటా జీవిత చక్రం, మీరు ఒక చీఫ్ డేటా ఆఫీసర్ అవుతారని అనుకుంటున్నారు. మీరు వ్యాపారానికి చాలా విభిన్న భాగాలను మరియు చాలా విభిన్న భాగాలను తాకుతున్నారు. మీరు సరైన వ్యక్తిని లేదా వ్యక్తుల సమూహాన్ని ఎలా కనుగొంటారు, మరియు ఇది స్టీరింగ్ కమిటీనా? అది ఏమిటి? ఒక సంస్థలో ఎవరు దీన్ని చేయాలి అనే దాని గురించి మీరు మాకు ఏమి చెప్పగలరు?

రాన్ హుయిజెంగా: మీకు తెలుసు, ఇది ఒక ఆసక్తికరమైన ప్రశ్న. అక్కడ వివిధ రకాల విధానాల యొక్క గొప్పతనం గురించి చర్చించడానికి మనం నిజంగా ఒక రోజు గడపవచ్చు. నేను ఖచ్చితంగా చూసిన ఏదో, మీకు తెలుసా, నేను ఉత్పత్తి నిర్వహణ పాత్రలోకి రాకముందు నేను సంప్రదిస్తున్నాను, నేను సంస్థను చూసినప్పుడు, ఇది సమస్యలో భాగం యాజమాన్యాన్ని పొందడం మరియు ప్రజలను దీని యాజమాన్యాన్ని పొందడం. మరియు మా డేటా మోడలింగ్ మరియు మా బిజినెస్ ప్రాసెస్ మోడలింగ్ వంటి విభాగాలను చూసినప్పుడు లేదా ప్రారంభ రోజుల్లో కూడా డేటా ఫ్లో రేఖాచిత్రం మరియు ఆ రకమైన విషయాలు చూసినప్పుడు, ఆ రకమైన ఐటి నుండి బయటపడింది. కానీ మేము ముందుకు వెళ్ళినప్పుడు, మరియు ఇప్పుడు మనం మరింత ఎక్కువగా గుర్తించాము, ఇది నిజంగా వ్యాపారాన్ని నడిపించాల్సిన అవసరం ఉంది. కాబట్టి దీని యొక్క యాజమాన్యం వ్యాపారంలో ఉండాలని మీరు నిజంగా కోరుకుంటారు.

నేను ఇక్కడ కొంతమంది ఐటి ప్రజలను కించపరచబోతున్నాను, కాని చీఫ్ డేటా ఆఫీసర్ పాత్ర యొక్క పరిణామాన్ని మనం చూసిన కారణం CIO పాత్ర చాలా సంస్థలలో విఫలమైందని నేను గట్టిగా నమ్ముతున్నాను. డేటా మరియు ప్రాసెస్ ఫోకస్ కాకుండా చాలా CIO లు సాంకేతికంగా కేంద్రీకృతమై ఉన్నాయి. కాబట్టి మీరు నిజంగా దీన్ని కలిగి ఉండాలని నేను అనుకుంటున్నాను, మీకు పెద్ద సంస్థలలో కొన్ని రకాల స్టీరింగ్ కమిటీ అవసరం కావచ్చు. కానీ ఇది నిజంగా వ్యాపారం యాజమాన్యంలో ఉండాలి. మీ వ్యాపారం, మీ ప్రాసెస్ మోడలింగ్, మీ డేటా మోడలింగ్, అన్నీ వ్యాపారంలో ఉండాల్సిన అవసరం ఉందని నేను వాదించాను, ఎందుకంటే ఇది డేటా యొక్క సంరక్షకుడు అయిన ఐటిని నిర్ధారించే సామర్థ్యాన్ని ఇస్తుంది మరియు ఆ ప్రక్రియలను వాటి ద్వారా అమలు చేస్తుంది సృష్టిస్తున్నాను, వాస్తవానికి అది వ్యాపారం యాజమాన్యంలో ఉంటే అది జరుగుతోందని నిర్ధారించుకోవడానికి మీకు ఆ సుత్తి ఉంది.

ఎరిక్ కవనాగ్: అవును, నేను అంగీకరిస్తానని అనుకుంటున్నాను. కానీ జెన్, దానిపై మీ ఆలోచన ఏమిటి?

జెన్ అండర్వుడ్: కాబట్టి ఇది నిజంగా ఆసక్తికరంగా ఉంది. ప్రజలను పట్టించుకోవడం మరియు ఇంటరాక్టివ్‌గా ఉండడం అనేది ముఖ్య విషయాలలో ఒకటి అని నేను చెప్పినప్పుడు నేను సూచిస్తున్నాను. ఒకానొక సమయంలో, నేను ఒక శ్వేతపత్రం వ్రాసాను, ఇది స్వీయ-సేవ BI పాలన. ఇది పొందే విషయం, వారిని ప్రోత్సహించడానికి ఒక మార్గాన్ని కనుగొనడం, దాని యొక్క వ్యాపార విలువ వైపు, వారు దాని గురించి పట్టించుకోవడం. ఆపై వారు చూసినప్పుడు, లేదా వారు కనుగొన్నప్పుడు, ఇది డేటా కేటలాగింగ్ లేదా ఏ కోణం అయినా. బహుశా ఇది రవాణా ఖర్చులను తగ్గిస్తుంది, సంస్థలో ఎవరో జవాబుదారీగా ఉంచే దాన్ని ఉంచవచ్చు, మీరు దానిని ఎలా చూసుకోవచ్చు. మరియు అవును, వ్యాపారం ఖచ్చితంగా. వ్యాపార విషయ నిపుణులు దీనిని తయారు చేయబోతున్నారు లేదా విచ్ఛిన్నం చేయబోతున్నారు.

ఎరిక్ కవనాగ్: అది కష్టం. సంస్థ చుట్టూ ఉన్న వాటాదారుల ఈ కన్సార్టియంను మీరు ఎల్లప్పుడూ కలిగి ఉండాలని నేను అనుకుంటున్నాను. వాస్తవానికి, మీరు విశ్లేషణ పక్షవాతం కోరుకోరు. బ్యూరోక్రసీ కోసమే మీరు బ్యూరోక్రసీని కోరుకోరు. మీకు కావలసింది సంస్థ కార్యాచరణ ప్రణాళికను కలిగి ఉండటం మరియు ఈ విషయాలను డాక్యుమెంట్ చేయడం. మీకు తెలుసా, మీరు బిజినెస్ ప్రాసెస్ మోడలింగ్ గురించి మాట్లాడటం ప్రారంభించినప్పుడు, అది 25 సంవత్సరాల క్రితం వేడిగా ఉంది, కానీ ఇది ఎక్కువగా అసలు వ్యాపారం నుండి వేరుచేయబడింది. నేను కనీసం కొన్ని పరిశ్రమలలో, మీరు ఆ ప్రక్రియను వాస్తవ సాఫ్ట్‌వేర్ నుండి బయటకు తీయగలరని అనుకుంటున్నాను. కానీ నేను అనుకుంటున్నాను, ఈ రోజుల్లో, మేము ఆ రెండు ప్రపంచాలను సమతుల్యం చేయడానికి ఒక మార్గాన్ని కనుగొనవలసి ఉంది, సరియైనది, రాన్? మీరు ప్రస్తుత మరియు తాజా మరియు వాస్తవానికి ఏమి జరుగుతుందో ప్రతిబింబించే ప్రాసెస్ మోడళ్లను కలిగి ఉండాలనుకుంటున్నారు. కనుక ఇది వేరే వ్యాయామం కావాలని మీరు కోరుకోరు, అది ఎక్కడో ఒక షెల్ఫ్ మీద కూర్చుంటుంది. కానీ అది ఒక రకమైన సవాలుగా ఉంటుంది, సరియైనదా? ఎందుకంటే అన్ని కార్యాచరణ వ్యవస్థలు ఆ రకమైన ఎక్జిక్యూటబుల్ కోడ్‌తో సమలేఖనం చేయబడవు. కానీ మీరు ఏమనుకుంటున్నారు?

రాన్ హుయిజెంగా: ఖచ్చితంగా. మరియు ఇది ఆసక్తికరంగా ఉంది ఎందుకంటే నేను చూసే విషయాలలో ఒకటి ప్రజలు, మీకు తెలుసా, మేము తక్షణ తృప్తి సమాజంగా మారిపోయాము. ప్రజలు, “ఓహ్, మేము బయటకు వెళ్లి కొన్ని సాధనాలను కొని, ఈ పనిని మా కోసం చేస్తాము.” ఇది ఇలా ఉంటుంది, మీరు ప్రాసెస్ మెచ్యూరిటీని కొనబోవడం లేదు. మీరు డేటా మెచ్యూరిటీని కొనబోరు. ఇది హార్డ్ వర్క్. మీరు స్లీవ్‌లను పైకి లేపాలి మరియు మీరు దాన్ని పూర్తి చేసుకోవాలి. మరియు అది జరిగే విధానం మోడలింగ్. మీరు పనిచేస్తున్న ప్రస్తుత స్థితికి మాత్రమే కాకుండా, మీరు ఆ విభిన్న వ్యాపార ప్రక్రియలను ఎలా మెరుగుపరచబోతున్నారో రూపొందించగలిగేలా దృశ్యమాన ప్రాతినిధ్యం కలిగి ఉండటం చాలా క్లిష్టంగా ఉంటుంది. ఆ మార్పులు ఎలాంటి ప్రభావం చూపుతాయో అర్థం చేసుకోవడానికి మీకు ఆ దృశ్య ఫ్రేమ్‌వర్క్ అవసరం.

ఎరిక్ కవనాగ్: ఇది నిజంగా - నేను ట్వీట్ చేస్తున్నాను; నేను ఇప్పుడే దీన్ని ట్వీట్ చేస్తున్నాను - “మీరు ప్రాసెస్ మెచ్యూరిటీని కొనబోరు, మీరు డేటా మెచ్యూరిటీని కొనబోరు.” నేను ఈ రెండు విషయాలతో పూర్తిగా అంగీకరిస్తాను. మరియు జెన్, నేను మీ ఆలోచనల కోసం మిమ్మల్ని తీసుకువస్తాను. నేను దాని పైన మరొక ప్రశ్న విసిరేస్తాను. హాజరైన వారిలో ఒకరు అడుగుతున్నారు: ప్రాసెస్-నడిచే ఎంటర్ప్రైజ్ లేదా ప్రాసెస్ మెచ్యూరిటీ అంటే ఏమిటి? జెన్, మీరు రకమైన మాట్లాడగలరా?

జెన్ అండర్వుడ్: మునుపటి ప్రశ్నకు నేను కొంచెం బాగా మాట్లాడగలను. నేను ఆలోచించినప్పుడు, నిజం చెప్పాలి, ఇది మొదటిది, మీకు తెలుసా, ఉపకరణాలు కొనడం. ఇది చాలా గొప్ప, గొప్ప వ్యాఖ్య ఎందుకంటే ఇది చాలా నిజం. కానీ నేను చెప్పేది చాలా మంచిది. నేను చాలా పరిష్కారాలను సమీక్షిస్తాను మరియు నేను వేర్వేరు ప్రదేశాలను చూస్తాను మరియు వాటిని పరీక్షిస్తాను. మెరుగైనది ఏమిటంటే డేటాను కనుగొనడం, ట్యాగింగ్ చేయడం మరియు కనీసం మీకు భారీ పరుగులు ఇవ్వడం మరియు దీన్ని కూడా చేయడం, నేను తక్కువ బాధాకరంగా చెప్పినప్పుడు, ఇది చాలా సరదాగా ఉంటుంది. కాబట్టి డేటా కేటలాగ్ లేదా MDM ప్రాజెక్ట్ సరదాగా ఉంటుందని imagine హించుకోండి. ఇది, మరియు ఈ డేటాను ఉపయోగిస్తున్న ఒక సంస్థలో మీకు రిపోర్టింగ్ లేదా ఇతర రకాల విషయాలు ఉన్నాయి మరియు లైన్‌లో ఎవరైనా కూడా చెప్పారు అని నేను అనుకుంటున్నాను, హే వారి వ్యక్తిగత అభివృద్ధి ప్రణాళిక గురించి పట్టించుకునే వ్యక్తులను పొందడం. అవును దాన్ని మరో స్థాయికి తీసుకెళ్లండి. ఇది ఈ విషయాలను తీసుకుంటోంది మరియు ఇప్పుడు మేము తప్పుదారి పట్టించిన సరుకులను 30 శాతం తగ్గించాము మరియు ఎంత డబ్బు ఆదా అయ్యిందో చెప్పండి. ఇది మా డేటాను మెరుగ్గా నిర్వహిస్తోంది. ఇది ఆ రకమైన విషయాలు మరియు మీరు దాని చుట్టూ డబ్బు ఉంచండి మరియు మీరు దాన్ని సరదాగా చేస్తారు. లేదా వారు ఏమి చేస్తున్నారో మీకు ఆసక్తికరంగా మరియు సంబంధితంగా చేయండి. ఇది ఒక రకమైన మాయాజాలం, నేను అనుకుంటున్నాను, ఈ నిశ్చితార్థాలలో చాలా మంది తప్పిపోయారు, ప్రజలు దీనిని సంస్థలో చేయడానికి ప్రయత్నిస్తారు మరియు ఇది నిలిచిపోయింది.

ఎరిక్ కవనాగ్: అవును, ఇది మంచి విషయం. మరియు, రాన్, దృశ్య ఫ్రేమ్‌వర్క్ కలిగి ఉండటం యొక్క ప్రాముఖ్యత గురించి కొన్ని క్షణాల క్రితం మీ వ్యాఖ్యకు తిరిగి వెళ్ళండి, ఇది ఖచ్చితంగా నిజమని నేను భావిస్తున్నాను ఎందుకంటే చాలా సార్లు, ప్రజలు ఏదో చూడలేకపోతే, మీ తలను దాని చుట్టూ చుట్టడం చాలా కష్టం అంటే, మీరు పరస్పర ఆధారితాలు మరియు నియంత్రణ బిందువులతో మరియు ఈ విషయాలన్నిటితో సంక్లిష్టమైన ప్రక్రియల గురించి మాట్లాడటం ప్రారంభించినప్పుడు, మీరు దానిని ఏదో ఒక చోట ఎక్కడో మ్యాప్ చేయాలి మరియు ఆదర్శంగా, మీరు కేటలాగ్‌కు కార్యాచరణను కలిగి ఉన్న సాఫ్ట్‌వేర్‌తో అలా చేస్తున్నారు. ఉదాహరణకు, ఈ పాయింట్ నుండి అప్పటి వరకు వేర్వేరు పంక్తులను ఉపయోగించి ఏ పరివర్తనాలు సంభవించాయి. లేదా ఈ కంట్రోల్ పాయింట్ వద్ద ఏమి లభిస్తుంది. మరియు నేను అక్కడ రిస్క్ మేనేజ్‌మెంట్‌లో నా చరిత్రను ప్రస్తావిస్తున్నాను, ఇక్కడ ఒక కంట్రోల్ పాయింట్ అనేది ఒక ప్రక్రియలో ఏదైనా పాయింట్ లేదా ఏదైనా ఎంపిక లేదా వ్యక్తిగత లేదా సాఫ్ట్‌వేర్ అప్లికేషన్, ఇక్కడ మీరు నిజంగా ఏదో మార్చగలరు, సరియైనదా? దాన్ని వారు కంట్రోల్ పాయింట్ అని పిలుస్తారు. మరియు, నాకు, మీరు ఆ దృశ్య ఫ్రేమ్‌వర్క్ పొందడం నిజంగా విలువైనది. అప్పుడు మీరు చూడవచ్చు మరియు రకమైన నడక చూడవచ్చు మరియు దీనికి సమయం పడుతుంది. ఆ విషయాన్ని నిర్వహించడానికి మరియు దానిని నిజంగా అర్థం చేసుకోవడానికి మరియు దానిని ఆప్టిమైజ్ చేయడానికి మానవ మెదడు సమయం పడుతుంది, సరియైనదా?

రాన్ హుయిజెంగా: ఖచ్చితంగా. మరియు రకమైన సారూప్యతను ఉపయోగించడం నేను దానిని దృక్పథంలో ఉంచుతాను: నేను ఒక విమానయాన గింజను కాబట్టి, నేను ఈ సమాంతర పద్ధతిలో ఆలోచించటానికి ప్రయత్నిస్తుంటే, 747 ను నిర్మించడం గురించి ఆలోచించండి - లేదా ఎయిర్‌బస్ 380, కాబట్టి నేను ఒక అమ్మకందారుని మరొకరిపై ఎన్నుకోను - బ్లూప్రింట్లు మరియు 3-D CAD డ్రాయింగ్‌లు మరియు ప్రతిదానికీ కాకుండా వచనంతో మాత్రమే కూర్చిన పత్రాల ఆధారంగా దీన్ని చేయడం ఎంత కష్టమో ఆలోచించండి. వాస్తవానికి కలిసి సమావేశమైంది.

ఎరిక్ కవనాగ్: అవును అది కఠినంగా ఉంటుంది. మరియు జెన్ కూడా మాట్లాడవలసి వచ్చింది.

రాన్ హుయిజెంగా: వ్యాపారం ఒకటే, సరియైనదేనా?

ఎరిక్ కవనాగ్: అవును, అది సరైనది కాదు. జెన్ మీరు అధ్యయనం చేయాలనుకుంటున్న మీ వేడి ప్రాంతాలలో ఒకదానితో మాట్లాడవలసి ఉంది, ఇది విజువలైజేషన్. మీరు దానిని పూర్తిగా అర్థం చేసుకోవటానికి ఏదో ఒకదానిని దృశ్యమానం చేయగలగాలి, అది నాకు అనిపిస్తుంది.

జెన్ అండర్వుడ్: చాలా మంది మానవులు చేస్తారు, అవును. మరియు విజువలైజేషన్ కూడా మాట్లాడుతుంది, ఏమి చెబుతోంది, వేలాది పదాలు లేదా అలాంటిదే. వారు దానిని చూసినప్పుడు, వారు దానిని నమ్మగలరు. మరియు వారు దాన్ని పొందుతారు.

ఎరిక్ కవనాగ్: నేను అంగీకరిస్తున్నాను. మరియు నేను ప్రేమను చేస్తున్నాను, రాన్, మీరు ఈ రకాన్ని కలిసి లాగారు. నేను మళ్ళీ నన్ను అడుగుతున్నానని నేను ess హిస్తున్నాను, మీకు సంస్థ లోపల ఒక ఛాంపియన్ కావాలి మరియు ఎవరు అక్కడ ఉంటారు, వివిధ సమూహాలకు అనుసంధానంగా పనిచేస్తారు. డేటా స్టీవార్డ్స్ అనేది మనం తరచూ మాట్లాడే విషయం - ఇది చాలా ముఖ్యమైన పాత్ర అని నేను భావిస్తున్నాను మరియు గత మూడు లేదా నాలుగు సంవత్సరాల్లో చాలా ఎక్కువ శ్రద్ధ కనబరిచిన పాత్ర ఇది అని నేను భావిస్తున్నాను. పాలన, సరియైనదా? ఆ డేటా స్టీవార్డ్ వ్యాపారంతో మాట్లాడగల వ్యక్తి, కానీ వ్యవస్థలను అర్థం చేసుకోగలడు, డేటా జీవిత చక్రాన్ని అర్థం చేసుకోగలడు, ఆ మొత్తం చిత్రం. మరియు ఆ వ్యక్తి CEO పాలనలో ఉండవచ్చని నేను అనుకుంటున్నాను, సరియైనదా?

రాన్ హుయిజెంగా: అవును, మరియు మీకు బహుళ-క్రియాత్మక బృందం అవసరం, సరియైనదా? కాబట్టి మీరు చేసే బృందాన్ని కలిగి ఉన్న వ్యక్తులు లేదా సాంకేతిక వైపు ప్రాతినిధ్యం వహిస్తున్న వివిధ ప్రాంతాల నుండి, మీకు తెలిసిన, వివిధ వ్యాపార ప్రాంతాలకు చెందిన వ్యక్తులు మీకు అవసరం. మరియు, మీకు తెలుసా, మీరు సంస్థ యొక్క రకాన్ని బట్టి, మీకు ప్రాజెక్ట్ మేనేజ్‌మెంట్ కార్యాలయం మరియు మీరు చేసే అనేక కార్యక్రమాలు PMO చేత నడపబడుతున్నట్లయితే, మీరు PMO కలిగి ఉన్నారని నిర్ధారించుకోవాలనుకుంటున్నారు. ప్రమేయం అలాగే ప్రతిఒక్కరికీ ఒకరకంగా సామరస్యంగా ఉండటానికి మరియు వారు పని చేసే విధానాన్ని సమకాలీకరించడానికి.

ఎరిక్ కవనాగ్: అయ్యో, మీకు తెలుసా, చివరి విషయం, నేను ఈ చివరి స్లైడ్, గవర్నెన్స్ ఫ్రేమ్‌వర్క్‌ను పెడతాను. మాకు హాజరైనవారు అడిగారు, ఆ స్లయిడ్ నుండి డేటా లేదు? అంటే, డేటా స్లైడ్‌లో సూచించబడిందా లేదా స్లైడ్ నుండి డేటా తప్పిపోయిన దాని గురించి వ్యాఖ్య గురించి మీరు ఏమనుకుంటున్నారు?

జెన్ అండర్వుడ్: లేదు, మరియు ఇది కేవలం సాధారణ పాలన ఫ్రేమ్‌వర్క్. ముఖ్యంగా, ఇది స్వీయ-సేవ BI స్థలం నుండి, కాబట్టి డేటా వీటిలో చాలా వరకు సూచించబడుతుంది. ఇది నా కోణం మరియు నా దృక్పథాల నుండి వస్తోంది మరియు దీనిని కలిసి ఉంచడంలో డేటా వైపు దృష్టి పెట్టలేదు. కానీ డేటా ఖచ్చితంగా ఉంటుంది, మీరు ఈ అన్ని ముక్కల గురించి ఆలోచించినప్పుడు, డేటా ఉంటుంది. ఇది డేటాకు పునాది అయినా, మొత్తం ప్రక్రియలో మరియు మొత్తం ఫ్రేమ్‌వర్క్‌లో డేటాను ఉపయోగించే జవాబుదారీతనం.

ఎరిక్ కవనాగ్: అవును, అది పూర్తి అర్ధమే కాదు. నేను ఇక్కడ చుట్టుముట్టేటప్పుడు నేను మీకు చివరి ప్రశ్నను మీపైకి విసిరేస్తాను, రాన్. ఈ రోజుల్లో మనం ఎంత ఎక్కువ సమాచారం మరియు ఎంత ఎక్కువ డేటాను ఉపయోగిస్తున్నాము మరియు ఎంత దూరం ఉన్న సంస్థలు అనే దాని గురించి నేను ఆలోచిస్తే, ఛానల్ భాగస్వాముల మధ్య ఈ రోజుల్లో పర్యావరణ వ్యవస్థల యొక్క ప్రాముఖ్యత ఏమిటి మరియు ఆ భాగస్వామ్యాలలో మరియు ఒక సమాచారాన్ని మనం ఎలా పంచుకోవచ్చు? దీనికి బ్లాక్‌చెయిన్ గురించి తక్కువ సూచన - విషయాలు చాలా క్లిష్టంగా ఉండకూడదు. బాటమ్ లైన్ ఏమిటంటే, మేము వ్యాపార దృక్పథం నుండి మరియు మా రోజువారీ జీవితాల నుండి డేటా-ఆధారిత కనెక్ట్ చేయబడిన ప్రపంచంలో ఎక్కువగా ఉన్నాము. మరియు నాకు, ఇది సంస్థలను కలిగి ఉన్నందుకు మీరు ఇంకా ఎక్కువ వాటాను పెంచుకోబోతున్నారు, మీరు ఇక్కడ ఏమి సూచిస్తున్నారో నిజంగా పరిశీలించండి, ఇది వారి పరిపక్వత, వారు ఎక్కడ నిలబడతారు మరియు వక్రత పరంగా వారు ఎంత దూరంలో ఉన్నారు మరియు నిజంగా దాని గురించి తమతో నిజాయితీగా ఉండటం, సరియైనదా? ఎందుకంటే మీకు బాగా తెలియకపోతే, మీరు బాగా చేయలేరు, మరియు మీరు విషయాలపై ప్రతిబింబించకపోతే, మీరు బాగా తెలుసుకోలేరు, సరియైనదా?

రాన్ హుయిజెంగా: సరిగ్గా. మరియు నేను ఉపయోగించే ఒక పదబంధాన్ని నేను ess హిస్తున్నాను, మీరు బహుశా మీరు అనుకున్నంత మంచివారు కాదు. ఇది కఠినంగా అనిపించవచ్చు, కాని ప్రజలు దీని గురించి చాలా ఆశాజనకంగా ఉంటారు, కానీ మీరు దీన్ని చాలా కఠినంగా పరిశీలించి, మంచి, క్లిష్టమైన స్వీయ-అంచనాను తీసుకుంటే, ఏదైనా సంస్థ కనుగొంటుందని నేను భావిస్తున్నాను, మీకు తెలుసా, వారు గణనీయమైన అంతరాలను కనుగొంటారు పరిష్కరించాల్సిన అవసరం ఉంది.

ఎరిక్ కవనాగ్: నేను అంగీకరించాలి. మరియు అక్కడ ఉన్న మా సహోద్యోగులలో ఒకరు మెటాడేటా యొక్క ప్రాముఖ్యత, డేటా గురించి డేటా గురించి వ్యాఖ్యానించారు. దాని గురించి ఎటువంటి సందేహం లేదు. మెటాడేటా ఈ వ్యవస్థలన్నింటినీ కలిపి ఉంచే జిగురు మరియు మేము ఇంకా నిజంగా ఆ కోడ్‌ను పూర్తిగా పగులగొట్టలేదు మరియు మంచి కారణంతో, స్పష్టంగా, ఎందుకంటే మెటాడేటా మారుతుంది. ఇది సిస్టమ్ నుండి సిస్టమ్కు భిన్నంగా ఉంటుంది. మీకు తెలుసా, మీరు మీ డేటాను సాధారణీకరించడానికి ఎంత ఎక్కువ ప్రయత్నిస్తారో, అంత ఖచ్చితమైనది అవుతుంది.

కాబట్టి మేము ప్రస్తుతం ఈ విచిత్రమైన ప్రపంచంలో ఉన్నాము మరియు నేను మీకు మరో ప్రశ్న కోసం విస్తరిస్తాను, జెన్, ఎందుకంటే మీరు డేటా కేటలాగ్లను రెండుసార్లు పేర్కొన్నారు. మీ సమాచార వ్యవస్థలను స్వయంచాలకంగా స్కాన్ చేసే, మెటాడేటా కాలమ్ పేర్లను నిర్ధారిస్తుంది మరియు మొదలగున డేటా కేటలాగ్ టెక్నాలజీ యొక్క ఈ కొత్త కదలికను నేను నిజంగా ప్రేమిస్తున్నాను మరియు మీ సిస్టమ్స్‌లో మీ డేటా మరియు మీ మెటాడేటా యొక్క వ్యూహాత్మక వీక్షణను పెంచడానికి మీకు సహాయపడుతుంది. ఎందుకంటే నాకు, ఆ విషయాన్ని మాన్యువల్‌గా చేయడానికి, ఇది చాలా ఎక్కువ. హిమపాతం మీపైకి రాకముందే మీరు ఆ కొండపైకి ఎప్పటికీ వెళ్ళలేరు మరియు మీకు తెలుసా, మీరు ప్లే-డౌ బూడిద స్థాయికి సాధారణీకరించారు లేదా మీరు నిజంగా డాన్ ఉన్న చోటికి మీరు సాధారణీకరించలేదు ఏమి జరుగుతుందో తెలియదు. నాకు, యంత్రాలను ఉపయోగించడం, మనం మాట్లాడుతున్న యంత్ర అభ్యాసం, భవిష్యత్తులో మనకు అవసరమైన వాటిలో కనీసం ఒక తాడును పొందడంలో సహాయపడటానికి భవిష్యత్తులో కీలకం కానుంది, అక్కడ ఉన్నదానిపై మంచి అవగాహన ఉంది, కుడి జెన్ ?

జెన్ అండర్వుడ్: అవును, నేను చేస్తాను. నేను ఈ టెక్నాలజీలను ప్రేమిస్తున్నాను. అవి చాలా బాగున్నాయి. ఆపై మీరు దాని గురించి ఆలోచిస్తారు, ఇది మీకు భారీ రన్నింగ్ స్టార్ట్ ఇస్తుంది. ఆపై మీరు క్రౌడ్ సోర్స్ చేయవచ్చు. మీకు మీ డేటా స్టీవార్డులు ఉన్నారు, మీకు తెలుసా, ముందుకు లాగడం, వారు తమ సొంత డాక్యుమెంటేషన్‌ను జతచేస్తున్నారా లేదా ఇది అక్కడ ఉన్న దృక్పథం, ఇవి మార్పులు. రిపోర్టింగ్ కోసం ఉపయోగించాల్సిన ధృవీకరించబడిన డేటా వనరులు ఇవి అని మీకు తెలుసు. ప్రజలు సరైన డేటాను శోధించవచ్చు మరియు కనుగొనవచ్చు. ఇది నిజంగా చాలా బాగుంది. నేను కూడా వ్యాపారం గురించి ఆలోచించినప్పుడు మరియు నేను DBA స్టఫ్ చేస్తున్నప్పుడు నేను నిగూ enter ఎంటర్ప్రైజ్ డేటా మేనేజ్మెంట్ ఎలా ఉన్నానో కూడా సహాయపడుతుంది - మేము విస్తరించిన లక్షణాలు మరియు SQL సర్వర్లను ఉపయోగించాము మరియు IDERA వంటి సాధనాలతో స్కాన్ చేసాము, సరియైనదా? డేటా కేటలాగ్‌ను సృష్టించడానికి ప్రయత్నించడానికి. కానీ DBA లేదా డేటా ఆర్కిటెక్ట్స్ సంస్కరణలో, మీకు తెలుసా, ఆ విలువ ఏమైనా లేదా ఆ కాలమ్ లేదా ఫీల్డ్ అయినా, అది ఖచ్చితంగా వ్యాపారం ఏమిటో సరిపోలలేదు. కాబట్టి ఇప్పుడు వ్యాపారం నిజంగా తేలికగా చేయగలదు, మీకు తెలుసా, లోపలికి వెళ్లి కనుగొనండి మరియు నిర్వహించండి మరియు ప్రతిదీ లక్ష్య-ఆధారితంగా ఉండాలి, ఇది నిజంగానే, చాలా కాలం క్రితం మేము దీన్ని చాలా స్పష్టంగా కలిగి ఉండాలని కోరుకుంటున్నాను. కనుక ఇది చాలా మెరుగుపడుతోంది.

ఎరిక్ కవనాగ్: ఇది ఫన్నీ. మెటాడేటాకు ప్రామాణీకరణ యొక్క స్టాంప్ ఉంచడానికి బ్లాక్‌చెయిన్ చాలా విలువైనదిగా ఉంటుందని ప్రేక్షకుల సభ్యుడి నుండి మాకు మరో తుది వ్యాఖ్య వచ్చింది. ఇది మంచి పాయింట్ మరియు మీకు తెలుసా, బ్లాక్‌చెయిన్ నిజంగా అద్భుతమైన టెక్నాలజీ. వ్యవస్థలు మరియు అనువర్తనాల మధ్య చాలా చుక్కలను అనుసంధానించడానికి ఒక రకమైన సమైక్య పునాదిగా నేను చూస్తాను. మరియు, మీకు తెలుసా, మేము బ్లాక్‌చెయిన్ అభివృద్ధి యొక్క ప్రారంభ దశలో ఉన్నాము, కాని ఇప్పుడు అది ఆపివేయబడిందని మేము చూశాము, వాస్తవానికి, ఈ పాయింట్ నుండి మొదట ఇది తెరపైకి వచ్చింది, మరియు ఇప్పుడు మీకు ఐబిఎమ్ చాలా కష్టపడి పనిచేసింది బ్లాక్‌చైన్ టెక్నాలజీలపై. SAP అన్నింటినీ కొనుగోలు చేసింది. మరియు నిజంగా ఇది, ఈ వ్యవస్థలన్నింటినీ మరియు ఈ చుక్కలన్నింటినీ అనుసంధానించడానికి లోతైన పునాది మరియు చట్రానికి ఇది అవకాశాన్ని అందిస్తుంది.

కాబట్టి, చేసారో, ఒక గంటకు పైగా బాగా కాలిపోయారు. ఈ రోజు మాతో పాటు ఉన్నందుకు ధన్యవాదాలు, కానీ మేము మీ ప్రశ్నలకు సమాధానం ఇవ్వడానికి మరియు అన్ని వ్యాఖ్యానాలను పొందడానికి ఎల్లప్పుడూ ఇష్టపడతాము. మేము ఈ వెబ్‌కాస్ట్‌లన్నింటినీ తరువాత చూడటానికి ఆర్కైవ్ చేస్తాము, కాబట్టి ఆన్‌లైన్ లోపల విశ్లేషణ.కామ్‌లోకి వెళ్లండి, అక్కడ మీరు దానికి లింక్‌ను కనుగొనవచ్చు. ఇది కొన్ని గంటల్లో ఉండాలి, సాధారణంగా ఈవెంట్ తర్వాత. మరియు మేము తదుపరిసారి మిమ్మల్ని కలుస్తాము. వచ్చే వారం మరికొన్ని సంఘటనలు రాబోతున్నాయి - చాలా విషయాలు జరుగుతున్నాయి. కానీ అది మీకు వీడ్కోలు పలకాలి, చేసారో. మీరు సమయం కేటాయించినందుకు దన్యవాదములు. జాగ్రత్త. BUH-ఉద్దేశించబడని వస్తువు లేక విషయం.