Информационная платформа для бизнеса это

В проекте Dig(IT)al рассказываем о технологиях, которые помогут вам заработать. Переходите на цифровую сторону бизнеса.

Объемы данных, которые приходится анализировать современному бизнесу, растут нелинейно, и все больше компаний автоматизируют работу с big data. Также бизнес начинает использовать технологии искусственного интеллекта, в том числе на основе машинного обучения и нейросетей. По данным исследования TAdviser, на конец 2020 года 68% организаций использовали ИИ или машинное обучение, а четверть опрошенных планирует запустить такие решения в ближайшие пару лет.

С помощью современных методов анализа больших данных компании оптимизируют производственные процессы, прогнозируют отказы оборудования и отток клиентов, осуществляют кредитный скоринг и умную маршрутизацию звонков, выявляют мошеннические действия.

Далеко не все такие инициативы успешны: глобальные исследования Gartner и других компаний показывают, что до 85% проектов не приносят бизнесу результатов. Например, аналитические модели не получается интегрировать в бизнес-процессы.

INTERKENT | Это информационная бизнес платформа.

Это происходит по разным причинам, в том числе техническим. Компании работают со множеством сервисов, иногда от разных производителей — это и инструменты business intelligence, и реляционные, и NoSQL-базы данных, и инструменты для big data и data science.

Возникают проблемы с интеграцией, передачей данных и их согласованной обработкой. Часть информации может просто потеряться. Эти трудности решает такой класс продуктов, как платформы для анализа больших данных, или, как их еще называют, data science-платформы.

Платформы анализа больших данных: что это такое и зачем они нужны

Платформа для обработки больших данных — это решение, которое объединяет различные инструменты, необходимые специалистам по data science. Такие платформы существенно упрощают их работу, охватывая весь жизненный цикл data science проектов: от идеи и исследования данных до построения и развертывания аналитических моделей.

Они позволяют решить так называемую проблему «последней мили»: интегрировать результаты анализа данных в операционную деятельность, чтобы они влияли на принятие решений и трансформировали бизнес-процессы. Это может быть реализовано в виде API предиктивной модели, к которой обращаются другие системы, веб-приложения, которым могут пользоваться сотрудники, или просто ежедневного отчета, отправляемого на почту.

Объяснить, зачем нужны платформы, можно с помощью простой аналогии. Представьте, что на промышленном предприятии конструкторский отдел разработал новый продукт. Принесет ли один опытный образец пользу бизнесу? Нет — прибыль даст только серийное производство.

А для этого потребуется не только оборудование, но и регулярные поставки комплектующих, технологические карты, настроенные процессы контроля качества, обслуживания, модернизации продукта. Чтобы поставить производство на поток, нужны дополнительные ресурсы и компетенции.

Цифровая платформа для бизнеса | Работаю на себя

Аналогичная ситуация возникает и в data science-проектах. Ключевой результат работы дата-сайентиста — аналитическая модель — это и есть тот самый опытный образец. Она работает, ее можно запустить, показать в действии. Но если сделать только модель, то на бизнес это не повлияет.

Чтобы разрабатывать модели и превращать их из пилотных проектов в работающие бизнес-приложения, чтобы модели работали с потоками данных и не «падали», чтобы выдавали результат за разумное время, нужна соответствующая технологическая оснастка — data science-платформы.

Такие решения делают работу data science-специалистов прозрачной и масштабируемой. Платформы могут использовать и системные интеграторы, и конечные заказчики, у которых есть специалисты по обработке данных и аналитике.

Какие функции есть у платформ анализа больших данных

Каждый data science-проект проходит жизненный цикл, состоящий из трех этапов:

1. Сбор данных и исследование.
2. Экспериментирование и разработка модели.
3. Развертывание и интеграция.

На каждом этапе специфические задачи, которые помогает выполнять платформа. И есть более общие задачи, включающие управление данными, управление процессами обработки и масштабирования.

Для решения всех этих задач платформы обработки данных предлагают такой технический функционал: прием, подготовка и исследование данных, генерация признаков, создание, обучение, тестирование и деплой моделей, мониторинг и обслуживание системы.

Также платформа должна обеспечивать безопасность данных и их хранение, каталогизацию источников, предоставлять инструменты для визуализации и формирования отчетов. Облачные платформы дополнительно дают большой объем хранилища и вычислительных мощностей.

Все перечисленные функции платформ нужны, чтобы:

• ускорять работу специалистов;
• публиковать модели и интегрировать их в бизнес-процессы;
• делиться понятными, читаемыми результатами анализа с сотрудниками всех подразделений;
• сохранять прошлые наработки, включая метаданные, код, датасеты и обсуждения, и использовать их в новых проектах;
• создать общую базу знаний и собирать лучшие практики, на которых будут учиться новые сотрудники;
• безопасно внедрять новые инструменты, не ломая текущие процессы и не вмешиваясь в работу коллег;
• масштабировать вычислительные мощности;
• контролировать доступы к каждому проекту, чтобы его видели только определенные сотрудники.

Зачем Data Science, если есть системы Business Intelligence

Иногда платформы Data Science воспринимают как аналоги систем Business Intelligence (BI), так как они тоже содержат инструменты для визуализации результатов анализа данных. Важно понимать отличия между ними, чтобы выбирать область применения.

Традиционно BI-решения используются для статических отчетов о текущем или прошлом состоянии бизнеса. Они отвечают на такие вопросы, как:

• какая динамика объема продаж в прошедшем квартале?
• за счет чего произошел рост или падение продаж?
• какой тип продукции произвели больше всего за месяц?

Это так называемый дескриптивный или описательный анализ. Кроме того, BI системы работают со структурированными данными, извлеченными из хранилищ данных и представляют результат анализа в виде интерактивных информационных панелей — дашбордов или отчетов.

Платформы анализа больших данных — это уже инструмент для прогностического и динамического анализа. Они позволяют делать прогнозы по развитию любой сферы бизнеса и на их основе принимать более точные решения. Типовые вопросы: какой оптимальный сценарий развития бизнеса? Что будет, если продолжатся текущие тренды? Что случится, если принять новое управленческое решение?

Платформы могут использовать как структурированные, так и неструктурированные данные из множества источников, и умеют обрабатывать большие данные. Так как предиктивный анализ связан нацелен на прогнозирование какого-то параметра или события, то он фокусируется на конкретной задаче, в отличие от business intelligence. Дескриптивный же анализ должен позволять пользователям гибко создавать отчет в том разрезе, который им потребуется.

Современные BI-системы, например, Tableau или PowerBI, имеют большой набор средства визуализации: от линейных графиков и круговых диаграмм до тепловых карт и диаграмм санкей. Поэтому хотя BI-системы и data science-платформы предназначены для разных задач, но они могут дополнять друг друга. Например, существующая BI-система может в удобном виде представить результаты анализа данных, которые поступают из платформы.

Платформы или open source

В некоторых компаниях специалисты по big data по-прежнему работают с open source-инструментами. Дата-сайентисты чаще всего учатся на них и продолжают использовать их уже на работе. Это подтверждает исследование Normal Research и агенства New.HR при поддержке портала GeekJOB среди аналитиков, в котором респонденты чаще всего упоминают языки Python, R и соответствующие библиотеки (NumPy, Pandas и другие).

Это объяснимо, ведь у таких инструментов низкий технический порог входа: ими легко пользоваться на личном ноутбуке. Но в реальном бизнесе, когда растет и объем данных и сложность вычислений, когда нужно обеспечить процессинг и масштабирование, объем сопутствующих работ резко увеличивается.

Эти задачи лежат уже в инженерной плоскости, а не в аналитической. Специалисты сталкиваются с необходимостью «подружить» разные решения, поделиться кодом и моделями с другими сотрудниками, а также с вопросами безопасности.

На интеграцию уходит дополнительное время, а зачастую это требует и дополнительных расходов. Поддержка разных инструментов тоже закономерно требует больших усилий, чем единого решения. И даже когда open source-инструменты покрывают потребности в обработке и анализе данных, они не интегрированы с другими сервисами компании — в итоге специалистам сложно встроить ML-модели в существующее ИТ-окружение.

Современные платформы анализа больших данных не заменяют, а дополняют известные дата-сайентистам open source-инструменты. Они по-прежнему могут разрабатывать модели с помощью привычных фреймворков и библиотек, а платформы предоставляют необходимый технический функционал для продуктивной работы и реализации полного цикла data science-проектов. Такой подход позволяет специалистам не переучиваться и быстрее разрабатывать аналитические продукты для бизнеса.

Когда стоит внедрять платформы для анализа больших данных

Обычно в компании у каждой команды есть инструмент для упорядочивания процессов и совместной работы над задачами. Платформы обработки данных — такой же нужный инструмент для дата-сайентистов, как система контроля исходного кода для разработчиков, CRM для отдела продаж и helpdesk для технической поддержки.

Например, в небольших компаниях вместо CRM используются excel-файлы или облачные kanban-сервисы. Разные менеджеры могут использовать разные инструменты. На определенном этапе возникают проблемы: информация не хранится в одном месте, нет единого доступа к ней у руководителей, файлы увеличиваются в объеме, в них долго искать информацию и трудно масштабировать такую систему.

Схожие трудности возникают и в data science-проектах. Вот признаки того, что вам пора начать использовать платформу анализа больших данных:

1. Снижение продуктивности. Если вы замечаете, что инструментов становится слишком много, вы тратите много времени на рутинные задачи, а время на обработку данных и обслуживание разных инструментов только растет — вероятнее всего, вам пора переходить на DS-платформу.
2. Трудности масштабирования. Когда вам необходимо тиражировать разработанное приложение на другие направления бизнеса или один из этапов обработки данных потребовал больше вычислительных ресурсов, то возникает потребность в масштабировании. Если вам нужно масштабироваться, но вы не очень хорошо представляете, как именно это сделать, то платформа просто необходима.
3. Прозрачность. Если в команде дата сайентистов начинаются проблемы с коммуникацией, то это говорит об отсутствии централизованных знаний, которыми можно легко делиться между собой. Современные платформы предоставляют доступ разным сотрудникам, вовлеченным в проект.

Рынок data science-платформ растет вместе с рынком искусственного интеллекта и углубленной аналитики данных. По оценкам агентства Markets and Markets, рынок платформ для анализа больших данных растет в среднем на 30% в год. Появляются новые продукты, которые разработчики называют платформами для анализа данных или data science platform, и неподготовленному человеку может быть сложно в них разобраться.

Фото на обложке: Olena.07/shutterstock.com

• Большие данные
• Бизнес
• open source
• Цифровая трансформация

Источник: rb.ru

Платформы управления данными: от периферии до облака

Сегодня для большинства компаний и организаций данные – это один из стратегических активов. И с расширением возможностей аналитики, ценность собираемых и накапливаемых компаниями данных постоянно увеличивается. При этом часто говорят о взрывном, экспоненциальном росте объемов генерируемых корпоративных данных. Отмечается, что 90% всех данных были созданы за последние два года.

Рост объемов данных сопровождается увеличением их ценности

Данные создают и используют системы аналитики больших данных, интернета вещей (IoT), искусственного интеллекта и др. Собираемые данные – основа для повышения качества обслуживания клиентов, принятия решений, поддержки операционной деятельности компаний, для различных исследований и разработок.

90% всех данных были созданы за последние два года.

По прогнозу IDC, объем хранимых данных в мире с 2018 по 2023 годы удвоится, а общая емкость хранилищ данных достигнет 11,7 зеттабайт, причем на долю баз данных предприятий будет приходиться более трех четвертей от общего объема. Характерно, что если еще в 2018 году общая емкость поставленных дисковых накопителей (HDD), которые пока что остаются основным носителем информации, составила 869 экзабайт, то уже к 2023 году данный показатель может превысить 2,6 зеттабайта.

Платформы управления данными: для чего они нужны, и какую играют роль?

Не удивительно, что вопросы управления данными становятся для предприятий приоритетными, оказывая непосредственное влияние на их работу. Для их решения приходится подчас преодолевать такие сложности как разнородность систем, форматов данных, методов их хранения и использования, подходов к управлению в условиях «зоопарка» решений, которые внедрялись в разное время.

Результат такого неунифицированного подхода – фрагментация массивов данных, хранимых и обрабатываемых в разных системах, разные процедуры обеспечения качества данных. Эти типовые проблемы увеличивают трудовые и финансовые затраты при работе с данными, например, при получении статистики и отчетов или при принятии управленческих решений.

Бизнес-модель управления данными должна быть кастомизированной, адаптированной к потребностям, задачам и целям предприятия. Не существует единой автоматизированной системы, платформы управления данными, которая закрывала бы все задачи. Тем не менее, современные всеобъемлющие, гибкие и масштабируемые системы управления данными нередко представляют собой универсальное программное обеспечение для управления данными и их хранения. Они включают в себя необходимые инструменты и сервисы для эффективного управления данными.

Новейшие разработки позволяют предприятиям переосмыслить управление данными в масштабе всей организации, получить четкое представление о том, какие данные имеются, какие с ними связаны политики, где и сколько времени данные хранятся, наконец, они дают возможность своевременно предоставлять нужную информацию нужным людям. Это решения, расширяющие возможности предприятий и позволяющие:

• Управлять файлами, объектами, данными приложений, базами данных, данными виртуальных и облачных сред, получать доступ к данным разных типов.
• С помощью инструментов оркестрации и автоматизации перемещать данные туда, где их хранение наиболее эффективно — в первичную, вторичную инфраструктуру хранения, в ЦОД провайдера или в облако.
• Использовать комплексные функции защиты данных.
• Обеспечить интеграцию данных.
• Получать из данных оперативную аналитику.

Такая платформа позволяет реализовать мультиоблачную стратегию, расширить центр обработки данных до облачной среды, осуществить быструю миграцию в облако, использовать возможности замены оборудования и внедрения наиболее экономичных вариантов хранения данных.

Некоторые решения способны автоматически архивировать данные. А с помощью искусственного интеллекта они могут обнаруживать, что «что-то пошло не так», и автоматически предпринимать корректирующие меры или уведомлять администратора, а также выявлять и пресекать атаки различных типов. Автоматизация сервисов способствует оптимизации ИТ-операций, позволяет высвободить ИТ-персонал, свести к минимуму ошибки из-за человеческого фактора, минимизировать простои.

Какими же качествами должна обладать современная платформа управления данными, и где такие решения применяются на практике?

Подход «одно решение для всех» не срабатывает в случае с платформами управления данными. У каждой компании свои требования к данным, они зависят от типа бизнеса, опыта работы и пр. Универсальная платформа должна, с одной стороны, обеспечивать настройку для работы с данными на конкретным предприятии, а с другой, быть независимой от специфики прикладной отрасли, сферы применения построенного на ее основе продукта и его информационного окружения.

Практические области управления данными (источник; CMMI Institute).

Вот некоторые практические области применения платформ управления данными:

Компонент Область применения

Стратегия управления данными	Цели и задачи управления, корпоративная культура управления данными, определение требований к жизненному циклу данных.
Управление данными	Управление данными и метаданными
Операции с данными	Стандарты и процедуры работы с источниками данных
Качество данных	Обеспечение качества, фреймворк качества данных
Платформа и архитектура	Архитектурный фреймворк, платформы и интеграция
Поддерживающие процессы	Оценка и анализ, управление процессами, обеспечение качества, управление рисками, управление конфигурацией

Кроме того, такие платформы играют важную роль в процессе трансформации организации в предприятие, «управляемое данными», который можно разделить на несколько этапов:

1. Изменение управления данными в существующих системах, внедрение ролевой модели с разделением обязанностей и полномочий. Контроль качества данных, перекрестная проверка данных между системами, исправление недостоверных данных.
2. Настройка процессов извлечения и сбора данных, их трансформации и загрузки. Приведение данных к единой системе без усложнения контроля качества данных и изменения бизнес-процессов.
3. Интеграция данных. Автоматизация процессов доставки нужных данных в нужное место и в нужное время.
4. Введение полноценного контроля качества данных. Определение параметров контроля качества, разработка методологии использования автоматических систем.
5. Внедрение инструментов управления процессами сбора данных, их верификации, дедупликации и очистки. Как следствие — увеличение качества, достоверности и унификации данных всех систем предприятия.

Преимущества платформ управления данными

Компании, которые эффективно работают с данными, как правило, добиваются большего успеха по сравнению с конкурентами, быстрее выводят на рынок продукты и услуги, лучше понимают потребности целевой аудитории, могут оперативно реагировать на изменения спроса. Платформы управления данными предоставляют возможность «очистки» данных, получения качественной и релевантной информации, трансформации данных и стратегической оценки данных предприятия.

Пример универсальной платформы для построения систем управления корпоративными данными – российская «Юнидата», созданная на основе ПО с открытым исходным кодом. Она предлагает инструменты создания модели данных и средства расширения функциональности при интеграции в различные ИТ-среды и сторонние информационные системы: от ведения материально-технических ресурсов до безопасной обработки больших объемов персональных данных.

Архитектура платформы «Юнидата» одноименной компании.

Эта многофункциональная платформа обеспечивает централизованный сбор данных (инвентаризация и учет ресурсов), стандартизацию сведений (нормализация и обогащение), учет текущей и исторической информации (контроль версий записи, периоды актуальности данных), качество данных и ведение статистики. Предусмотрена автоматизация таких задач как сбор, накопление, очистка, сопоставление, консолидация, проверка качества, распространение данных, а также инструменты для автоматизации системы принятия решений.

Платформы управления данными (DPM) в рекламе и маркетинге

В рекламе и маркетинге понятие платформы управления данными DMP (Data Management Platform) имеет более узкий смысл. Это программная платформа, которая на основе собираемых данных позволяет компаниям определять сегменты аудитории для таргетинга рекламы на конкретных пользователей и контекст рекламных кампаний в интернете. Такое программное обеспечение способно собирать, обрабатывать и хранить любые типы аудиторных данных, а также обладает возможностью их использования через привычные медиа-каналы.

По прогнозу Market Research Future (MRFR), мировой рынок платформ управления данными (DMP) может достичь к концу 2023 года 3 млрд. долларов при среднегодовом росте 15%, а в 2025 году его объем превысит 3,5 млрд. долларов.

• Дает возможность собирать и структурировать все типы аудиторных данных; анализировать имеющиеся данные; передавать данные в любое медийное пространство для размещения таргетированной рекламы.
• Помогает собирать, организовывать и активировать данные из различных источников и переводить их в полезную форму.
• Организует все данные в категории на основе бизнес-целей и маркетинговых моделей. Система анализирует данные и генерирует сегменты аудитории, которые точно представляют клиентскую базу в широком диапазоне каналов, основанных на различных общих характеристиках.
• Позволяет повысить точность таргетинга рекламы в онлайне и выстроить персонализированные коммуникации с релевантной аудиторией. На базе DMP также можно настроить цепочки взаимодействия с каждым целевым сегментом, чтобы пользователи получали актуальные сообщения в нужное время и в нужном месте.

Мировой рынок платформ управления данными представлен рядом ведущих игроков, а также несколькими новыми компаниями, в том числе Lotame Solutions, KBM Group, Rocket Fuel, Krux Digital), Oracle, Neustar, SAS Institute, SAP, Adobe Systems, Cloudera, Turn, Informatica и др.

Пример российского решения — выпущенный Mail.ru Group инфраструктурный продукт, который представляет собой единую платформу управления и обработки данных (Data Management Platform, DMP). Решение позволяет строить расширенное описание профиля аудиторных сегментов внутри платформы, интегрированной с маркетинговыми инструментами. DMP объединяет решения и сервисы Mail.ru Group в области омниканального маркетинга и работы с аудиторией. Клиенты смогут хранить, обрабатывать и структурировать собственные обезличенные данные, а также активировать их в рекламных коммуникациях, повышая эффективность бизнеса и маркетинга.

Управление данными в облачной среде

Еще одна категория решений для управление данными – облачные платформы. В частности, использование современного решения для защиты данных в рамках управления данными в облаке позволяет избежать возможных проблем – от угроз безопасности до проблем с миграцией данных и снижения производительности, а также решить стоящие перед компанией задачи цифровой трансформации. Конечно, функции подобных систем не ограничиваются защитой данных.

Функции облачной платформы управления данными в представлении Gartner: распределение ресурсов, автоматизация и оркестрация; управление запросами на обслуживание; управление высокого уровня и контроль соблюдения политик; мониторинг и измерение параметров; поддержка мультиоблачных сред; оптимизация и прозрачность затрат; оптимизация мощностей и ресурсов; миграция в облако и обеспечение катастрофоустойчивости (DR); управление уровнем обслуживания; безопасность и идентификация; автоматизация обновления конфигураций.

Управление данными в облачной среде должно обеспечивать высокий уровень доступности данных, контроля, автоматизации управления данными в дата-центрах, по периметру сети и в облаке.

Управление облачными данными (Cloud Data Management, CDM) – это платформа, которая используется для управления корпоративными данными в различных облачных средах с учетом частных, публичных, гибридных и мультиоблачных подходов.

Пример такого решения — Veeam Cloud Data Management Platform. Как утверждают разработчики системы, оно помогает организациям изменить подход к управлению данными, обеспечивает интеллектуальное автоматизированное управление данными и их доступность в любых приложениях или облачной инфраструктуре.

Управление облачными данными в Veeam считают неотъемлемой частью интеллектуального управления данными, обеспечивающего их доступность для бизнеса из любой точки.

Облачная платформа Veeam Cloud Data Management Platform позволяет модернизировать резервное копирование и отказаться от устаревших систем, обеспечивает ускоренное внедрение гибридного облака и перенос данных, автоматизацию безопасности данных и соответствия нормативным требованиям.

Veeam Cloud Data Management Platform — «современная платформа для управления данными, поддерживающая любое облако».

Как видно, современные платформы управления данными представляют достаточно обширный и разнообразный класс решений. Объединяет их, пожалуй, одно: нацеленность на эффективную работу с корпоративными данными и превращение компании или организации в современное предприятие, управляемое данными (data-driven enterprise).

Платформы управления данными — необходимая эволюция традиционного управления данными. Все больше организаций переносят данные в облако, в растущем числе различных локальных и облачных конфигураций возникают новые проблемы, которые необходимо решать именно с точки зрения управления данными. Управление данными в облаке — обновленный подход, новая парадигма, расширяющая функции управления данными для поддержки новых платформ, приложений и сценариев использования.

Кроме того, по данным исследования Veeam Cloud Data Management Report за 2019 год, компании планируют глубже интегрировать облачные технологии, технологии гибридного облака, аналитики больших данных, искусственного интеллекта и интернета вещей. Как ожидается, внедрение этих цифровых инициатив принесет компаниям значительные выгоды.

Предприятия ускоренными темпами внедряют технологии платформ данных и готовы задействовать облако для выполнения аналитических рабочих нагрузок, однако многие сталкиваются с проблемами, пытаясь использовать все свои данные для достижения лучших бизнес-результатов, считают аналитики компании 451 Research. Новейшие платформы управления данными помогут предприятиям ориентироваться в сложных процессах работы с данными в нескольких облаках, использовать средства управления данными и выполнять их анализа независимо от того, где эти данные находятся.

Так как мы стараемся идти в ногу со временем и ориентируемся на пожелания наших клиентов (как нынешних, так и потенциальных), то хотим спросить у хабрасообщества, хотелось бы вам видеть Veeam в нашем маркетплейсе? Ответить можно в опросе ниже.

Источник: habr.com

Платформа цифрового бизнеса

В октябре 2016 компания Gartner выпустила отчет Three Styles of Digital Business Platforms (ID: G00317581) который, на мой взгляд, существенно упростит компаниям построение собственной цифровой стратегии. Организациям надо разобраться в особенностях приведенных стилей и выбрать один из них. Впрочем, в этом же отчете говориться, что к 2020 году половина всех компаний выйдет на второй стиль, именуемый private digital business platform.

Что удивительно, суть статьи неплохо выражается всего одной картинкой:

Немного подробней о стилях:

Internal Digital Business Platform – используется сотрудниками и «вещами», т.е. датчиками и приложениями, обитающими в Internet of Things. Это внутренняя платформа организации, помогающая бизнес-подразделениями оперативно взаимодействовать друг с другом, обмениваться опытом, совместно прототипировать новые бизнес-процессы и решения, создавать операционные и стратегические инновации.

Насколько я понял, речь, в первую очередь, идет о системах самообслуживания сотрудников: задачи, заявки, услуги для внутреннего заказчика, в общем о том, что с некоторых пор принято называть enterprise service management. Это не совсем те решения, которые нам знакомы сегодня под именем BPMS и Service Management. К данным платформам присоединяться: потоки событий и программные интерфейсы из интернета вещей, возможно, умные программные компоненты для решения задач, выполняемых сегодня сотрудниками, а также различные механизмы аналитики. Очень похоже на то, что принято называть Digital Workplace и о чем я описывал в заметке Программный интерфейс к бизнесу. По мнению аналитиков Gartner 90% организаций к 2020 году построят у себя такую платформу.

Private Digital Business Platform присоединяет к взаимодействию вещей и сотрудников известных клиентов и партнеров организации. Т.е. речь в большей степени идет не о продажах продуктов и услуг через Интернет, а о взаимодействии с уже существующими клиентами и партнерами, работе в рамках заключенных контрактов.

Это и об управлении цепочками поставок и об аутсорсинге ряда функций и об услугах, предоставляемых несколькими организациями партнерской экосистемы. То, что TMForum в свое время удачно назвал B2B2X.

Вообще, у операторов связи большой опыт реализации такого рода платформ, начиная от косвенных продаж контрактов через дилерскую сеть, информационно-развлекательные услуг, приема платежей, совместных услуг с банками и интернет-гигантами, типа оплаты со счета телефона покупок в Google Play или App Store. Мне эта тема наиболее близка и понятна и, на мой взгляд, она наиболее реалистична и перспективна.

Согласно Клейтону Кристенсену крупные организации с хорошо отлаженными процессами управления по ряду объективных причин не склонны к подрывным(disruptive) инновациями. Инновационных прорывов следует ожидать от стартапов. Но вот быстрая интеграция новой технологии или бизнес-модели крупным организациям вполне по силам.

В текущих ИТ-ландшафтах это сделать практически невозможно, так как все приложения монолитны, бизнес операции сильно связаны, а показатели эффективности анализируются «по больнице в целом». Для реализации этого типа цифровой стратегии организациям придется все это переделать. Впрочем, аналитики оптимистичны и считают, что 50% компаний успеют до 2020 года выстроить частную цифровую платформу.

Public Digital Business Platform – пожалуй самый раскрученный и наиболее редкий стиль цифровой платформы. Согласно отчету, только единицы компаний в каждой отрасли выйдут на этот уровень. Причем не факт, что для компании это автоматически станет благом. Среди публичных бизнес-платформ развернется жесткая конкуренция, а ошибки в выборе бизнес-модели могут привести к существенным негативным последствиям.

И, безусловно, важным фактором является не только выбор стратегии, но и определения способа её реализации, маршрута, ведущего нас из текущего состояния в целевое. В общем, архитекторы решений (solution architect) без работы в ближайшие несколько лет не останутся.

Платформа цифрового бизнеса: 10 комментариев

Looks like it is a brushed copy of three well-know “audiences”: intranet, extranet and internet. Finally, they were implemented by access management because the same person may have various roles. Frankly speaking, all those three platforms look like three instances or views of the same Corporate Unified Business Execution (CUBE) platform. http://improving-bpm-systems.blogspot.ch/search/label/%23platform BTW, platforms are built by platforms architects.

Я думаю, что многие организации так и не поняли терминов Intranet и Extranet, по крайней мере в представлении, которое дал Steven Telleen в статье 1996 года Intranets and Adaptive Innovation http://www.iorg.com/papers/amdahl/adapt.html

Hmm. Considering that Amdahl disappeared in the year 1997, I would not used them a a solid ref. In my experience, I didn’t see big difficulties to explain those concepts. Another popular variant is B2E, B2B, B2C and B2S.

Ильгизар :

На картинке все стили представлены как независимые, самостоятельные, отдельные. Думаю, что верхний обязательно должен поглощать нижние. Т.е. нельзя успешно выйти на стиль Public если не использовать стиль Internal. А с другой стороны чтобы предлагать жизнеспособные решения нижнего уровня обязательно нужно иметь стройную концепцию самого верхнего. 3 лет для этого маловато. Скорее всего появятся наспех адаптированные BPM, АСМ, ECM …

Я думаю, что все нужные кубики для всех трех уровней уже существуют, но никто их в правильном сочетании ни на одном из уровней не собрал. Более того, все их будут собирать неправильно, именно пытаясь адаптировать текущие решения для задач, которые надо решать иначе. У меня есть отличный пример того, как не надо делать – открытие общего центра обслуживания shared service center при помощи ECM и не менее странный опыт написания web self-service на JavaEE с попыткой затащить туда всю complexity унаследованных приложений. А если организации вдруг случайно придумают что-то стоящее, то обязательно придут бизнес-консультанты и отговорят их от этих глупостей

Дмитрий :

Максим , зацепился за пример “как не надо”: запуск объединённого центра обслуживания на ЕСМ сейчас и делаем – доставка и маршрутизациям документов в нем.
И из интеграции с ERP и бизнес бэкэнд приложениями. Почему это плохо?

В ОЦО другая предметрая область, не про докуменооборот и не про контент, там ключевое слово: service, т.е. делать надо в первую очередь сервисный каталог, управление конфигурациями, службу поддержки и пр. А прикол с нашим ОЦО состоял в том, что изначальный тезис консультантов был: бизнес-процессы не меняются, ИТ – не участвует. Бумажные документы будем грузовиками из Москвы возить. В 2000 году у компании хватило интеллекта, чтоб придумать передачу абонентских договоров в XML формате от дилера в компанию поверх протокола HTTPS, а вот к 2012 году ума уже не осталось. Решили оборудовать в Москве центр потокового сканирования оригиналов и отправку их образов в ОЦО электронным способом.

Про выбор программных средств: нет однозначно правильных или неправильных вариантов. Чаще всего выбирать приходится не инструмент, а команду, обеспечивающую поток создания ценности. А выбор программного средства – коллегиальное решение на основании сравнения некоторого количества альтернатив

Источник: mxsmirnov.com