Door Techopedia Staff, 25 mei 2016
Takeaway: Host Eric Kavanagh bespreekt master data management met Dez Blanchfield, Robin Bloor, John Evans en Diana Collins.
Je bent momenteel niet ingelogd. Log in of meld je aan om de video te bekijken.
Eric Kavanagh: Oké, dames en heren, de zomer komt eraan, het wordt hier heet. Waarom is dat? Omdat het tijd is voor Hot Technologies. Ja inderdaad, mijn naam is Eric Kavanagh. Ik zal je moderator zijn voor de show die is ontworpen om - we moeten praten over wat hot is, wat er gebeurt, wat is de coole dingen die er zijn op de markt. Dit is onze samenwerking met Techopedia. We houden van deze jongens. We werken nu al enkele jaren met hen samen. Ze hebben een fantastische site. Als je iets wilt weten in de technische wereld, wat de definitie ervan zou kunnen zijn, ga dan naar techopedia.com. En vandaag hebben we het over MDM, master data management. De exacte titel is "Het grootste beeld: uw klant over meerdere platforms kennen." En deze game verandert, mensen, dat kan ik u nu meteen vertellen.
Dus er is echt een plekje in de jouwe, sla me op Twitter @eric_kavanagh. Ik probeer te antwoorden op iedereen die op mij antwoordt. Het is dus een warm jaar. Het is zeker hot voor MDM. En ik vertel je wat, het is hot, niet alleen hot voor de grote ondernemingen, maar ook voor de kleine tot middelgrote bedrijven die, denk je wat, veel verschillende systemen hebben. CRM-systemen, e-mailmarketingsystemen, ERP-systemen, webanalysesystemen, eBusiness-suites, enz. Er zijn veel verschillende toegangspunten tot informatie over klanten en hoe beter bedrijven dat allemaal kunnen doen, hoe beter ze ' opnieuw in staat zijn om de klant te bedienen, niet af te vinken en die klanten in de buurt te houden. Laat ze wat meer spullen kopen.
Ik heb eigenlijk MDM persoonlijk gevolgd sinds ongeveer 2003, toen de term echt werd bedacht. Eerlijk gezegd was er een bank, Chase Bank eigenlijk, ik denk dat het toen een bank was, en nu een van mijn goede vrienden, een man genaamd Joe Northern werkte met een bedrijf genaamd Razza Solutions, en zij hadden wat de DRM-tool werd van Oracle. Dus ze hebben eigenlijk rekeningen opgerold en hiërarchiebeheer gedaan voor de bank in die tijd en dat zijn enkele van de vroege dagen van stamgegevensbeheer.
Daarom praten we tegenwoordig over zowel analytische als operationele MDM's. We gaan vandaag veel over die dingen praten en echt helpen je te begrijpen hoe je deze technologie kunt gebruiken om dat complete beeld van je klant te krijgen, om te begrijpen wie ze zijn en om ervoor te zorgen dat je voor hun behoeften kunt zorgen in wat een eerlijk gezegd zeer competitieve omgeving wereldwijd is. We zien dat overal.
Dus, rock star cast van personages hier: Dez Blanchfield, Robin Bloor, John Evans, Diana Collins. Bellen vanuit vier verschillende locaties over de hele wereld. We beginnen met Dez Blanchfield en daarmee geef ik de sleutels aan jou, Dez, en begin ik te tweeten. Haal het weg.
Dez Blanchfield: Bedankt Eric. Ik moest mezelf er alleen maar aan herinneren om te dempen. Sorry daarvoor. Bedankt voor de gelegenheid om hierover te presenteren. Dus ik kom hier vanuit een realistisch voorbeeld van een organisatorische uitdaging om te gaan met wat ik een van de grootste verstoringen van organisaties noem die ze voor sommigen gaan zien tijd. We hebben een aantal uitdagingen gezien. De GFC-hitbedrijven moesten ermee omgaan. We krijgen regelmatig wetswijzigingen met betrekking tot privacy waarmee we te maken hebben.
Een van de dingen waarvan ik denk dat organisaties worden betrapt en die ze niet zagen aankomen, was de impact van dit hele probleem met de ervaring van beroemdheden. En in wezen mensen die rondrennen met mobiele telefoons die op sommige manieren onmiddellijke voldoening willen. Maar, onmiddellijke voldoening op een goede manier, niet op een kinderachtige manier. Gewoon een besef dat zij de klant zijn, zij het geld betalen en daar de waarde voor zouden moeten krijgen. En dus is er sprake geweest van een combinatie van klantgerichtheid of een klantgerichte organisatie worden. Dus ik ga snel doornemen wat dat betekent en ga binnenkort naar een iets meer technisch onderdeel van onze discussies.
Ik ga het er gewoon uitbrengen en zeggen dat ten eerste, een klantgerichte organisatie neerkomt op één eenvoudig ding: je hebt een volledig overzicht van je klant en je klantgegevens nodig. Mogelijk hebt u verschillende systemen. Je hebt misschien veel verschillende producten. Je hebt misschien vijftig verschillende afdelingen in je organisatie, maar waar je ook bent in de organisatie, wat je functie ook is, je moet een volledig beeld kunnen krijgen van al je klanten, of de klanten die in context zijn om wat uw functie is. En elk deel van de gegevensset dat u hebt, of alle delen van de gegevenssets die u hebben, vertellen u wat de staat van de natie voor die klant is.
Ik stel deze regel dat een compleet beeld van klanten in al uw systemen niet alleen een mooie is! Tegenwoordig is het een noodzaak. En de eerste keer dat je verstrikt raakt in een scenario waarin je te maken hebt met alles wat met een klant te maken heeft, vooral als het live is, aan de telefoon of in een webchat of in persoon, wat nog angstaanjagender is, en je kunt vertel ze niet alles wat je over hen moet weten, het wordt heel duidelijk en het is een heel ongelukkige situatie om in te zitten.
Ik ga beginnen met een zeer snelle anekdote rond realistische scenario's. Dit is een foto van een whiteboard en deze is minder dan vijf dagen oud. Dit is een echt scenario op een whiteboard in een kamer onlangs, een paar dagen geleden, over het hele onderwerp van hoe we uitgroeien tot een zeer grote organisatie met zoiets als negentig verschillende delen van ons bedrijf. Het is een Aziatische bank, ze hebben negentig verschillende bedrijfseenheden. Ze doen alles, van leningen voor de samenleving en peer-to-peer- en microleningen tot financiering om satellieten in de ruimte te plaatsen. Dus ze zijn een monster. Ze hebben tientallen miljoenen klanten. Ik denk dat ze iets minder dan vijftig miljoen klanten hebben. En ze worden geconfronteerd met deze typische uitdaging van hoe we niet alleen master-gegevensbeheer, maar vooral klantgegevens en een klant met één eenheid benaderen.
En toen we het in kaart brachten, was het ding dat ons van dit whiteboard afsprong dat ze niet alleen een probleem hadden, ze hadden een nachtmerrie omdat geen van hun systemen met elkaar praatten. Ik kan naar elk deel van de bank of een deel van het bedrijf gaan en om een lening vragen, het kan een autolening, een huislening, een lening voor een kleine onderneming zijn, en ze konden zichzelf niets vertellen, of ze konden niet ' om iets te ontdekken over andere relaties die ik met de bank had. En het schrikte absoluut de daglicht uit hen, omdat ze zich realiseerden dat de banken langs de weg dit al kunnen doen en ze potentieel 12, 15 jaar achter de achtste bal zitten. En het komt neer op deze belangrijke waardeproposities waar klanten gewoon naar op zoek zijn, wat een consistent beeld is van mij als klant, en je moet uitzoeken hoe je dat gaat leveren. Vooral nu ik met u te maken heb op internet, is het tegenwoordig waarschijnlijker dat dit het geval is via de app.
Het komt neer op dit belangrijke punt van "het draait allemaal om mij, de klant." Dus als we in kaart brengen hoe de klantgerichte cultuur eruit ziet, gaat het erom alles op te nemen dat we hebben van kernsystemen die dingen zoals je eerste vastleggen naam, achternaam en andere details wanneer u een formulier invult of online invult of bij ons aan een loket ergens bij een verkooppunt komt, en we u in eerste instantie leren kennen tijdens de hele reis van ons die de producten zelf levert of service aan u. En dat van boven naar beneden in kaart brengen. Voortdurend het verfijnen van de gegevens en de gegevensmodellen die we gebruiken om dat te begrijpen. Door onze technologieën en processen in het bedrijf af te stemmen, stroomt onze blik voortdurend op u. De voortdurende betrokkenheid die we met u hebben. Hoe we continu om u heen de klant focussen en hoe we met u communiceren. Als ik je drie diensten verkoop, wil ik je niet elke maand drie verschillende stukjes papier sturen of drie afschriften of rekeningen, enzovoort.
Het klantgerichte verhaal krijgt nu echt grip en organisaties zien de waarde ervan in. Het is nog steeds een echte uitdaging omdat het is: "Oké, ik heb tien verschillende systemen en ze praten niet met elkaar. Ik heb geen tool of systeem of platform om alles bij elkaar te brengen. ”En steevast komen mensen in een kamer terecht voor whiteboard-sessies zoals die ik je net heb laten zien. Maar het komt allemaal neer op één kernpunt in de linkerhoek van een transformatie. En transformatie van de cultuur van de organisatie en de mensen, en het personeel en het operationele model, helemaal tot de technologiestapel die hen ondersteunt. Er is dus een vrij algemene checklist die organisaties doorlopen om dit punt te bereiken waar ze zelfs de uitdaging begrijpen van wat het betekent om klantgericht te zijn en de noodzaak om een systeem te bouwen en toegang te krijgen tot tools die hen kunnen helpen dit te doen.
Het gaat om het in kaart brengen van de klantreis door de volledige levenscyclus en de ervaring die ze met u als organisatie hebben. Verfijn uw operationele modellen en hoe u zich organiseert om u te concentreren op de klant en de waardepropositie die u de klant hebt geboden. En dan natuurlijk het afstemmen van uw technologieën en uw technologiestapels en processen eromheen om ervoor te zorgen dat u daadwerkelijk voortdurend verdere betrokkenheid en betere en strakkere betrokkenheid bij uw klanten stimuleert. En het daadwerkelijke engagementproces zelf, van de leidinggevenden naar beneden.
Als u uw kijk op de wereld niet hebt gewijzigd vanaf de bovenkant van uw voedselketen, vanaf de directiekamer naar beneden, dan is er weinig kans dat uw deponiveau of uw dagelijkse financiële medewerkers hun gedrag zullen veranderen. Je moet van bovenaf leiden. U moet de manier waarop u zich richt op de daadwerkelijke focus op de klant voortdurend vernieuwen en opnieuw definiëren en herontwikkelen. Dus, hoe bewerk je niet alleen een culturele verschuiving aan de bovenkant, maar ook gedragsverandering aan de onderkant van de organisatie, en de tools die je daarvoor beschikbaar stelt?
Het is één ding om te zeggen dat je een klantgerichte organisatie bent en dat je wilt dat mensen zich op één manier gedragen, maar je hebt ze niet de middelen en de hulpmiddelen en de mogelijkheid gegeven om dat te doen, je krijgt geen gedrag shift omdat mensen gewoon terug blijven vallen in de gewoonten die ze kenden voordat ze dachten dat ze klantgerichte organisaties waren. En dan de algehele integratie van de verschillende delen van de organisatie en de cultuur die daarbinnen leefde en duidelijk werd ondersteund door de tools en het platform.
Dus hoe pak je deze verschillende bedrijfseenheden of bedrijven of delen van je organisatie aan en laat je ze zich cultureel verschillend en lager gedragen? Welnu, u biedt hen de juiste tools en manieren en middelen om dat complete en enkele beeld van de klant en de klantervaring te krijgen. En hoe zet je dan een aantal KPI's en meet je dit af en traceer je het en zet je een aantal statistieken tegenover die en meet je die KPI's en waarde daaraan? Zakelijke waarde voor jezelf en uiteraard waarde in een of andere vorm in de waardeketen voor de klant en zorg dat ze terug blijven komen. En neem vervolgens alle communicatie op die je met je klanten hebt, van feedback en realtime of iteratief verwerkt, zodat je gedrag en je culturele verschuiving hopelijk wordt vastgelegd in een soort feedbackcyclus en feedbackloop en je kunt uitzoeken of je ' opnieuw daadwerkelijk het doel raken of niet.
We komen in het scenario waarin je weet dat organisaties uiteindelijk effectief zullen verdrinken in ongelijksoortige gegevens en we hebben hier wat soorten van gezien, sommige intern, sommige extern. In het verleden hebben we klantrelatiebeheerplatforms en advertentieplatforms en marketingplatforms gehad. We hebben allerlei verschillende systemen gehad die onafhankelijk van elkaar werken en hopelijk praten ze in een bepaalde vorm met elkaar. We hebben de afgelopen weken een explosie van interacties met u gehad, dus we praten met u via sociale media, we praten met u via onze website, we krijgen e-mails van u.
Onze IVR-systemen die via de telefoon met u praten, moeten die gegevens nu opnieuw in kaart brengen en ons vertellen hoe u met ons telefoonsysteem bent omgegaan en met onze databases werkt en als u een telefoongesprek met ons voert, is alles wat worden vastgelegd in realtime en we moeten ervoor kunnen zorgen dat we er een gemeenschappelijk beeld van kunnen krijgen, wat hopelijk dat gemeenschappelijke datamanagementplatform in het midden van dat diagram is.
Er is de uitdrukking die onlangs is bedacht en die van een "beroemde klantervaring" is. Wat betekent dat eigenlijk? Het is niet zo dat we denken dat onze eindgebruikers of consumenten slecht gedragen beroemdheden zijn en dat ze zich anders voelen. Het betekent dat we wakker zijn geworden van het feit dat we al onze klanten als een beroemdheid moeten behandelen. Ze zouden de VIP-behandeling moeten krijgen vanaf het moment dat we hen ontmoeten gedurende de hele levenscyclus van ons plezier om ze als klanten te hebben.
En dus is de vraag die ik regelmatig wordt gesteld - dit terug te brengen naar een iets meer anekdotisch echt verhaal van een klant - hoe stellen we onze organisatie in staat om aan die toenemende vraag naar een klantervaring met beroemdheden te voldoen? Omdat wat we nu zien een van de grootste verstoringen van organisaties is, is die eis om die belofte aan klanten waar te maken. Om hen de klantervaring van beroemdheden te geven. Organisaties, uit mijn ervaring, en zeker over de hele wereld die ik zie, worden verstoord zonder het te beseffen met de verschuiving van andere invloeden die ze misschien al wisten of zagen aankomen bij hun daadwerkelijke klanten. Hun klanten verstoren hen en verstoren hen op een zeer ernstige manier. En als u deze beroemdheidservaring niet kunt bieden en de tools en de manieren en middelen voor uw organisatie kunt bieden om die ene kijk op de klant te krijgen, dan mist u een mijl, tenminste een land, vermogen en het vermogen om die belofte waar te maken.
Er zijn een aantal belangrijke punten die ik hier ga weggooien en vervolgens overhandig aan Robin om iets meer technische details te krijgen, die ik aanraad dat alle organisaties heel hard en snel nadenken over of ze zelfs op afstand in de buurt zijn van deze resultaten de belofte aan hun personeel en hun organisatie om een klantgerichte entiteit te worden. En dat is de focus op de basiscomponenten en één klantbeeld creëren. Dat klinkt heel eenvoudig, maar wat betekent het? Welnu, het betekent ervoor zorgen dat u altijd en op het juiste moment de juiste gegevens uit de juiste gegevensbronnen hebt. Ervoor zorgen dat de gegevens altijd op de juiste plaats beschikbaar zijn. Niet slechts een deel van de tijd.
En het moet nauw worden geïntegreerd. En het moet native in uw platform zijn ingebouwd. Het kan niet alleen iets zijn waarvan je denkt dat je het doet. Een enkele marketingcampagne. Elke keer dat u naar een klant kijkt, moet u dit altijd kunnen krijgen. Het moet altijd beschikbaar zijn voor alle juiste mensen. Dus ik wil niet door de gangen rennen op zoek naar tribale kennis. Ik moet dit in een oogwenk kunnen krijgen, gewoon door naar één tool te gaan. En u moet het op het juiste platform voorzien van de juiste tool. Het moet dus worden ingebouwd in de bestaande systemen die u al gebruikt.
Uw CRM moet alles kunnen zien, van wanneer ik u bezoek vanuit mijn mobiele app, van de website, van praten met uw IVR, interactieve spraakopname, om zelf via uw telefonische helpdesk te gaan als een selfservice. Of als ik ster negen druk en ik bij de mens kom, stel ik de iets meer uitdagende vraag waar de IVR niet voor is geprogrammeerd. Als ik iets blij tweets, als ik een artikel op LinkedIn heb geschreven. Deze moeten allemaal uiteindelijk worden teruggekoppeld naar de CRM zodat ik dat kan zien als ik iets beheer dat te maken heeft met de klant. We moeten er de standaard van maken en niet de uitzondering.
Het is nog steeds een uitzondering dat mensen een campagne willen voeren, dat ze verkoop- en marketinginspanningen willen uitvoeren, of dat ze een probleem willen oplossen of een prijsvraagstuk willen aanpakken. We voeren een eenmalige campagne en proberen een enkel beeld te krijgen van een bepaald segment van onze klant en beginnen met het uitvoeren van rapporten en afdrukken van dingen en overhandigen ze in gebonden afgedrukte kopie-indeling. Dat is een uitzondering. Dat moet de standaard zijn. Uw systemen moeten te allen tijde deze ene weergave van de client bieden. En op welke manier we ook komen - of het nu een verkoop en marketing is, of gewoon een operationele of productie, of logistiek, of wat het ook is, gezichtspunt - de realiteit is dat je dat allemaal zult moeten doen voordat u een solide ROI van uw investering ziet in deze overgang naar een klantgerichte organisatie. Je gaat een aantal snelle overwinningen behalen. Er zullen zeker snelle overwinningen zijn. Dus er is goed nieuws op dat vlak. Maar de realiteit is dat totdat je de overgang hebt voltooid om een volledig beeld te krijgen van de klantgerichte organisatie van je klant, ROI niet van je af zal springen. En het is een leuke reis. Het is een waardevolle reis. En het wordt allemaal ondersteund door het hebben van de juiste tools, de juiste platforms en het zo snel mogelijk beschikbaar maken voor uw organisatie, in een verstandige, technisch en commercieel haalbare vorm. Met dat in gedachten ga ik het overhandigen aan Robin. Robin?
Robin Bloor: Bedankt, Dez. Ik moest hetzelfde doen als jij, ik moest mezelf dempen. Oké, ik zou dit meer conceptueel benaderen dan het soort praktische scenario dat Dez doormaakte. We hebben het echt over een zeer specifieke reeks activiteiten binnen een organisatie als we op het gebied van MDM komen en natuurlijk is klant de big deal. De identiteit van de entiteit van de klant is om een hele reeks redenen veel moeilijker te bereiken dan iets anders. Het is waarschijnlijk de belangrijkste entiteit. Er zijn enkele bedrijven waar ze maar één klant hebben en ze kunnen alle informatie hebben die ze over die klant kunnen krijgen. Erg zeldzaam. Meestal hebben organisaties meerdere klanten en hebben de klanten meerdere facetten. En de gegevens zijn vrijwel overal verspreid. Ik heb vrij recent met dit idee gewerkt, het idee van een datapiramide. Dat er een duidelijk verschil is tussen gegevens en informatie en kennis, en eigenlijk begrip. Maar gegevens, informatie en kennis kunnen op computers leven. Gegevens op het laagste niveau zijn alleen signalen en metingen. En informatie die u te pakken kunt krijgen, dat is wat -
Eric Kavanagh: Je audio begint een beetje te vervagen, Robin. Gewoon zodat je het weet.
Robin Bloor: Oké, ik zal de microfoon verplaatsen. Wat dacht je daarvan?
Eric Kavanagh: Daar ga je. Dat klinkt veel beter. Daar ga je.
Robin Bloor: Ja, dus gegevens bestaan voornamelijk uit signalen, metingen, opnames en dat soort dingen. Het heeft geen specifieke context. Het wordt informatie door het die context te geven. Gegevens aan elkaar koppelen. Gegevens structureren. Visualisaties, woordenlijsten, schema's maken. Alles wat je eromheen wilt creëren. Het wordt overgedragen in kennis wanneer u op een of andere manier daadwerkelijk het gedrag van een bepaalde entiteit kunt voorspellen en ook beleidsregels en regels kunt implementeren om ermee om te gaan. Leven volledig in mensen begrijpen. En dat is een deel van het probleem. Als je echt kijkt naar de fragmentatie die bestaat in termen van de klantensituatie, ontdek je vaak dat marketing echt een andere kijk op klanten heeft, marketing een andere. Verkoopondersteuning of eigenlijk gewoon klantonderhoud heeft een andere kijk. Er kunnen veel contactpunten zijn die een klant heeft met een organisatie. En niets daarvan is geïntegreerd in goed gestructureerde informatie of veel ervan is niet geïntegreerd.
En dan hebben we het probleem dat de afgelopen jaren veel vaker is begonnen, je kunt externe gegevens over mensen verzamelen en dat is erg handig, maar je moet dat eigenlijk integreren om echt waarde te hebben. Dus bij het verfijnen van gegevens ontstaan de grote moeilijkheden door fragmentatie. Die gegevens komen van verschillende plaatsen en zijn niet goed gestructureerd. En het feit dat er een voortdurende aanvoer van nieuwe gegevens is en dit is bijna altijd het geval als het gaat om de klant. En elke entiteit is een bewegend doelwit. Het kon ons niet schelen, misschien drie of vier jaar geleden, over het sociale mediaprofiel van klanten, maar we geven er nu om. We geven erom, omdat het schadelijk kan zijn voor een organisatie of een boost voor een organisatie, afhankelijk van wat er aan de hand is.
Als je echt het idee hebt, als je ging zitten en een oefening deed en probeerde te achterhalen wat de dingen waren die je vijf jaar geleden interesseerde over de klant? En je doet het opnieuw en je ontdekt dat er dingen zijn toegevoegd. En dingen zijn misschien weggenomen. Ik bedoel, het kan niemand meer schelen welk faxnummer mensen eigenlijk hebben. Sommige mensen hadden faxnummers op hun visitekaartjes. Maar het kan niemand meer schelen omdat de fax is gestorven. Het is dus een bewegend doelwit. Als je kijkt naar datamodellering en MDM, is het eerste wat ik eigenlijk moet zeggen, dat dit onderdeel is van data governance, als je dit niet doet, is er een probleem met de manier waarop je data regelt . Omdat als je niet daadwerkelijk gegevensmodellering en MDM uitvoert, je op de een of andere manier eigenlijk geen echt goed beeld van bovenaf van een bepaalde entiteit hebt.
Maar ik heb hier data governance genoemd. Ik heb afkomst, gegevensgebruik, kwaliteit, beveiliging, servicebeheer, herstel vermeld. Je zou een levenscyclus kunnen toevoegen, enzovoort. Data governance en datamodellering hebben heel veel te bieden en MDM is daar een fundamenteel en misschien centraal onderdeel van. Verandering komt van boven naar beneden in de zin dat je je realiseert dat verandering plaatsvindt omdat mensen beseffen dat het plaatsvindt. En daarom zou je kunnen denken in termen van deze hele stapel van bestanden en databases via gegevenselementen tot bèta-gegevens en bedrijfsdefinities.
Je zou kunnen denken aan het feit dat je op een of andere manier de hele stapel moet beheren en de hele stapel up-to-date moet houden, omdat iets weten op bedrijfsdefinitieniveau niet betekent dat je de gegevens op bestands- en databaseniveau. Het is een heel breed beeld en tot je er echt over nadenkt, realiseer je je niet hoe breed het is. De modellering en MDM, als je echt kijkt, daar gaat de hele big data-trend niet alleen over - er zijn veel meer gegevens. Het gaat erom dat er veel meer gegevens uit veel meer bronnen zijn, waardoor u veel meer perspectieven krijgt op een bepaalde entiteit waarover u feitelijk informatie verzamelt. En hoe complexer dat is, hoe meer je een model nodig hebt, hoe minder gemakkelijk het te begrijpen is. Laten we gewoon eens kijken naar een databaseschema wat er gaande is wanneer gegevens daadwerkelijk afkomstig zijn uit 10, 20, 30 bronnen.
In theorie kun je zeggen dat MDM je een beeld geeft van het data-universum, maar in de praktijk hoort het er eigenlijk bij. En we hebben eigenlijk net besproken of u naar de zakelijke betekenis van gegevens kijkt, dat de informatie over de betekenis van gegevens feitelijk deel uitmaakt van het gegevensuniversum waarnaar u kijkt. Modellering is van boven naar beneden en van beneden naar boven. Dat is dat je dingen vanuit een zakelijk perspectief kunt bekijken, maar je kunt ook dingen bekijken vanuit het perspectief van wat we hebben. En je bouwt in beide richtingen. En dit is geen project en kan dat ook nooit zijn. Om te beginnen is een project. Het is een voortdurende activiteit. Je kunt het als project starten omdat je niets coherent hebt, maar als je het eenmaal hebt afgetrapt, moet het een doorlopende activiteit zijn. En alles wat op het gebied van data wordt gedaan, zou het MDM-team moeten weten, als u dat wilt.
De uitdagingen van de klant, kijk gewoon naar de klantentiteit. Er is nu veel meer informatie beschikbaar over de klant uit veel meer bronnen dan voor elke andere entiteit veruit. En het lijkt alleen maar toe te nemen. Het is vaak onnauwkeurig. Als je bijvoorbeeld gegevens van mij verzamelt. Als je gegevens over mij verzamelt, zul je je realiseren dat ik verschillende identiteiten heb, of ik nu gewoon initialen gebruik of niet wanneer ik naar verschillende websites ga. En ik doe dat vaak alleen om te ontdekken waar ik spam van een bepaalde identiteit vandaan ga halen. Maar veel mensen doen dat. En dan maken mensen onbedoelde fouten. En dan is informatie verouderd.
Ik ging naar een van deze gegevensbronnen die beweren je veel informatie over een bepaalde persoon te kunnen geven, en deed het voor de hand liggende en stelde vragen over mezelf. En de helft van de informatie die ze me gaven was eigenlijk verouderd. En er was toch iets mis. En daar kijk je naar en je denkt, als je op een of andere manier gegevens van andere bronnen gaat verzamelen, dan is er een enorm element van het opschonen van de gegevens en het kunnen identificeren of het de gegevens zijn die je hebt. Als individuen hebben we geen unieke identificatie. Met de naam en het mobiele nummer komt u waarschijnlijk in de buurt van de meeste mensen, maar niet iedereen heeft een mobiel nummer. En het is ook anders in verschillende culturen. En dan is er de aard van gegevens in termen van analyse.
Ik ga hier niet diep op in, maar gegevens kunnen worden geselecteerd. Als je iemands Twitter-gegevens hebt, is er slechts een kleine populatie van individuen die gegevens actief op Twitter plaatsen. En ze zijn select. Het zijn geen willekeurig geselecteerde klanten. Zij zijn degenen die hebben besloten dat ze luidruchtig willen zijn op Twitter. Het is notoir moeilijk om een 360 graden beeld van een klant te krijgen. En dat komt gedeeltelijk door de technische geschiedenis van iedereen. Het is niet ongebruikelijk om te ontdekken dat er drie of meer klantendatabases zijn, net als databases, laat staan veel andere informatiebronnen die u daadwerkelijk over de klant verzamelt. En klantanalyses, het is de moeite waard om te zeggen dat het nu een enorme kans is. Vroeger deden we segmentatie in churn, maar nu is het echt, omdat er ontzettend veel externe gegevens beschikbaar zijn over klanten, je kunt ontzettend veel relatiegrafiekanalyses uitvoeren, wat echt relatief nieuw is. U kunt voorspellende analyses gebruiken die u nog nooit eerder wist. Je kunt mode-informatie en opinie-informatie verzamelen die je nooit eerder zou kunnen verzamelen.
Er is een zeer goede reden om te beoordelen wat u doet met betrekking tot de klant en om na te denken over hoe u de gegevens waarover u beschikt het beste kunt gebruiken. Een praktisch beeld. Het modelleren van de klantentiteit is een noodzakelijke activiteit omwille van nauwkeurige en nuttige BI en het verfijnen van kennis. Met andere woorden, als u een redelijk grote populatie klanten hebt, is dit niet echt een optioneel iets. Je moet het soort van doen. En ik denk dat dat alles is wat ik te zeggen heb. Laten we de bal doorgeven.
Eric Kavanagh: Oké, dus John, ik geloof dat je de volgende bent? Dan zal Diana een demo doen. Dus daarmee, John Evans, haal het weg. En mensen, wees niet verlegen, stuur je vragen op elk moment in. We zullen dat volgen voor de Q&A. Haal het weg, John Evans.
John Evans: Oké. Bedankt, Eric. En bedankt Dez en Robin voor die introductie en die opmerkingen. Er was veel overlap tussen waar je het over hebt gehad en waar we het vandaag over gaan hebben en dat laten zien, wat geweldig is. En dat we het er absoluut mee eens zijn dat deze notie van klantgerichtheid iets is dat mensen proberen te bereiken en ik denk dat we ten grondslag zouden liggen aan het feit dat we zeggen dat het hebben van goede gegevens, zo goede gegevens als je kunt krijgen over je klanten, de enige manier om een gebed te hebben om dat te bereiken. Dus wat we vandaag willen doen, is praten over klantgericht stamgegevensbeheer en met iedereen een beetje delen over hoe we dat aanpakken, dat probleem oplossen, en praten over een nieuw aanbod dat we zojuist hebben geïntroduceerd dat is ontworpen om het te maken eenvoudig voor bedrijven van elke omvang om betere klantgegevens te leveren in hun gefragmenteerde gegevenslandschap. Dus dat landschap zou er ongeveer zo uit kunnen zien.
We hebben hier verschillende systemen rond de omtrek, veel gefragmenteerde applicaties, sommige draaien in de cloud, sommige draaien op locatie. En binnen elk van deze, per definitie, zult u verschillende manieren hebben om klanten en klantinformatie te identificeren. Verschillende modellen van klantgegevens met verschillende attributen, verschillende prioriteiten enzovoort. En zelfs als u een organisatie was waar u zichzelf beschouwt, weet u, een SAP-winkel of een Oracle-winkel, of u uw bedrijf bijvoorbeeld alleen op SAP of alleen op Oracle runt, of u gebruikt SalesForce, u kunt meerdere instanties van die systemen hebben, zelfs binnen uw eigen bedrijf. Misschien worden ze ingezet door een andere locatie of door een regio die is ingesteld om verschillende redenen, verschillende zones van de wereld, of misschien hebt u ze anders ingesteld per branche. En zelfs als u één ERP hebt, als u de aanpassing daarover hebt gedaan, zullen er conflicten in de gegevens zijn.
Nu wordt de fragmentatie die we zien nog verergerd door de toename van de acceptatie van cloud-gebaseerde systemen en de beste toepassingen. Dus terwijl een echt grote, complexe, ingewikkelde omgeving als deze iets was dat iedereen dacht, "Nou dat gebeurt echt alleen in de echt grote bedrijven, " vanwege deze komst van cloud-oplossingen en de beste aanpak, gaat die kwestie wordt nu zelfs in kleinere organisaties steeds gangbaarder. Het loopt dus echt uiteen van kleine ondernemingen tot grote ondernemingen. Iedereen lijdt aan hetzelfde probleem met zijn klantgegevens. En je kunt een paar van die problemen bekijken die ik hier in het midden heb genoemd.
Ik split ze in drie soorten op. Er zijn gegevensgerelateerde problemen waarbij je duplicaten hebt, ongeldige gegevens, ontbrekende velden, inconsistente informatie, inconsistente hiërarchieën en die dingen worden in de loop van de tijd alleen maar erger. Dan heb je mensen-gerelateerde uitdagingen waar mensen geen toegang hebben tot de gegevens, ze kunnen de vragen die ze hebben niet beantwoorden, waar ze naar op zoek zijn, maar ze zijn niet in staat om die 360-graden weergave te bereiken waar Robin het over had.
En op het derde gebied zijn procesgerelateerde uitdagingen waarbij je gegevens op meerdere plaatsen hebt en ook mensen niet weten wat er is veranderd en wanneer, omdat er voortdurend dingen met de gegevens gebeuren. Er is dus geen controle of bestuur over hoe die gegevens schoon te houden. Dus als u probeert een meer samenhangende / overtuigende klantervaring te bieden en een dialoog met klanten aan te gaan, is het echt moeilijk om dat te bereiken wanneer uw eigen gegevens over die personen niet consistent zijn en niet nauwkeurig zijn.
Even terzijde zag ik, ik denk dat het vorige week of de week ervoor was, een artikel in "Informatiebeheer" dat ging over waarom gepersonaliseerde marketing nog steeds niet nauwkeurig is en ze noemden negen redenen. De eerste twee redenen in hun lijst, de gegevenskwaliteit is slecht en de gegevens zijn niet geïntegreerd.
Wat kunt u hieraan doen? Er zijn een aantal manieren waarop u dit probleem kunt proberen aan te pakken en na te denken over wat het uw organisatie gaat kosten. Je kunt deze gegevens aanvankelijk aanvallen als ze worden geboren, of je kunt ze aanvallen zodra ze in je systeem zijn geïnfiltreerd, dus hier is een foto van een organisatie waarmee we hebben samengewerkt die in feite ongeveer dertig verschillende plaatsen markeerde waar gegevens werden opgeslagen daarbinnen, in hun landschap.
Dus zodra die gegevens in het wild zijn vrijgegeven, in deze tientallen systemen is het moeilijk te vinden, het is moeilijk te onderhouden, het is duur om op te lossen, als je erover nadenkt om het dertig verschillende keren op dertig verschillende plaatsen te proberen op te lossen . Dus een van de concepten waar we het over willen hebben, is proberen proactief te zijn en dingen zo vroeg mogelijk in de levenscyclus te repareren, omdat wanneer je dat doet het gemakkelijker te vinden, gemakkelijker te controleren en goedkoper te repareren en te onderhouden is en op die manier krijgt u betere gegevens terwijl u stroomafwaarts in uw applicaties werkt.
Dus dit is een concept waar we het over hebben gehad, proactief MDM genoemd en de slogan die we graag gebruiken is het concept van het reinigen van de rivieren, niet de meren. Dus daar zijn drie stappen voor, eerst moet je opschonen, waar je records wilt matchen en samenvoegen en opschonen en zo dicht mogelijk bij de bron wilt overleven om te proberen een gouden record te krijgen zodat je voorkomt dat je downstream-applicaties vervuilen. Dit kan worden gedaan door geïmplementeerde controles over bronnen of zelfs door een plaats te bieden om de gegevens centraal aan te bieden, zodat deze consistent en nauwkeurig zijn voordat u ze in het wild vrijgeeft.
Verrijking gaat over het toevoegen van waarde aan de gegevens terwijl u werkt, inclusief referentiegegevens en andere informatie die zich niet in uw bronbesturingssysteem bevindt, dus dit kunnen hiërarchieën zijn, het kunnen bijvoorbeeld segmentaties zijn die niet inherent in die systemen zijn opgeslagen.
Dan gaat het derde deel over schoon blijven en hier is waar je wilt zorgen dat je processen hebt en mensen zijn geïdentificeerd om het rentmeesterschap te doen en de governance te doen, tools beschikbaar hebben om die processen mogelijk te maken en vervolgens proactief te matchen en te reinigen uw gegevens op periodieke basis zodat ze dat niet doen, zodat u het verval dat natuurlijk zal gebeuren, voorkomt, bijvoorbeeld wanneer mensen van baan veranderen of van woonplaats veranderen, enzovoort.
Dus hoe krijg je dit? Welnu, er zijn een aantal opties die u kunt gebruiken om dit probleem aan te pakken. Je zou een tool voor datakwaliteit kunnen gebruiken, je zou een tool voor data-integratie kunnen gebruiken om de informatie te extraheren, je zou een workflow-tool kunnen gebruiken om workouts naar verschillende mensen te delen. U kunt een governance-tool gebruiken om bij te houden wie wat doet. Je kunt eigenlijk al die verschillende erfgoedtools aan elkaar rijgen en er veel mensen naar toe gooien.
Maar dat is allemaal erg duur, het is zeer resource-intensief, het gaat langzaam worden geïmplementeerd en het zal moeilijk te beheren zijn en je wilt misschien zelfs beginnen met je klantgegevens, maar je wilt je producten uiteindelijk ook beheren, uw lijst met producten die die klanten hebben, en de lijst met leveranciers voor die producten, en een rekeningoverzicht dat u in uw hele bedrijf gebruikt om bij te houden wat er gaande is, uw werknemers te beheren die die klanten bedienen, enzovoort . Dus nu heb je het over meerdere domeinen, leveranciers, producten, rekeningschema, werknemers enzovoort om te proberen een 360 graden beeld van je hele bedrijf te krijgen.
Dus ideaal wat we denken dat u wilt bereiken, is één oplossing voor het integreren, matchen en opschonen van uw klantstamgegevens, één oplossing zodat u het rentmeesterschap en de governance kunt beheren en één tool die u kunt gebruiken om elk datadomein te beheren vanaf het begin klant en ga verder. Dus dat is het doel achter een nieuw aanbod dat we zojuist hebben aangekondigd, genaamd Magnitude ONE. Magnitude ONE is een MDM-aanbod dat is ontworpen voor bedrijven om hun stamgegevens te integreren, te harmoniseren en te beheren in die populaire SaaS- of niet-lokale applicaties die in gebruik zijn zoals we eerder hebben besproken en daarom omvat Magnitude ONE een aantal componenten.
Het eerste wat het omvat, is onze Kalido MDM-oplossing, die is geïmplementeerd in een aantal van 's werelds bedrijven, en Eric, u had het over uw blootstelling aan stamgegevens en beheer in 2003, ik denk dat dit product oorspronkelijk rond 2004 uitkwam. Dus we zijn met deze tool een vroege pionier geweest in deze ruimte. We begonnen met het te gebruiken om het analytische gebruik van de informatie te onderhouden om ervoor te zorgen dat goede gegevens het magazijn binnenkwamen en in de loop van de tijd hebben onze klanten het meer en meer gebruikt voor operationele use cases en het beheren van meerdere domeinen, waaronder klant en product en financieel en verkoper en werknemer enzovoort. Kalido MDM is dus een kernonderdeel van deze oplossing.
We leveren ook connectiviteit en integratie met een breed scala van bronsystemen door een partnerschap met SCRIBE-software, met behulp van hun SCRIBE online integratieplatform als een service. Dat is een cloudgebaseerd integratie-aanbod met verbindingen met meer dan veertig systemen, zowel op locatie als SaaS-systemen die organisaties gebruiken. Dus met die twee samen, bevat onze Kalido MDM-oplossing ook de mogelijkheid om een workflowgestuurde omgeving te hebben voor masterdatabeheer en deze gedurende de hele levenscyclus te beheren. We hebben een bijpassende engine die specifiek is ontworpen voor het verwerken van klantgegevens en we bieden naast de software ook enkele virtuele klassikale training over het Kalido MDM-product en de modelleringscomponenten.
Dus Robin, je had het over het model, dat is echt een cruciaal onderdeel en dat is eigenlijk waar we in onze oplossing beginnen en we zullen je dat laten zien, hoe je dat whiteboard neemt dat Dez toonde en dat vertaalde in iets dat kan uw MDM-systeem daadwerkelijk instellen. Uw laatste punt over Magnitude ONE is dat het beschikbaar is op locatie of als een cloudservice, u kunt een abonnementslicentie of een eeuwigdurende licentie krijgen. Het idee is dat het gemakkelijk voor u wordt om te kopen, onderhouden, implementeren en onderhouden.
Dus hoe dit er dan uitziet, is Magnitude ONE hier in het midden, met de robuuste mogelijkheden om alles in de witte en de blauwe vakken te doen. Maak dus verbinding met en krijg toegang tot klantgegevens via de SCRIBE-connector waarover ik heb gesproken. Doe vervolgens alle mastering-oefeningen die u moet doen rond het matchen van gegevens, samenvoegen, overleven en verrijken van de gegevens om deze schoon te krijgen. Autoriseer en publiceer vervolgens nauwkeurige en consistente gegevens naar uw consumerende systemen, samen met een toegangslaag voor mensen om gegevens te zoeken, door gegevens te bladeren en zelfs nieuwe records te schrijven, zodat uw operationele en analytische systemen na verloop van tijd schoon kunnen blijven.
We bieden een webgebaseerde gebruikersinterface voor zowel de stewards en de beheerders, die u zo meteen zult zien, evenals de zakelijke gebruikers. Ze kunnen niet alleen bladeren door en toegang krijgen tot die gepubliceerde stamgegevens, ze kunnen zelfs een rol spelen in het rentmeesterschapsproces. Stel je voor dat je verkoopvertegenwoordiger met klanten praat, ze leren iets nieuws over de klant, ze kunnen een wijzigingsverzoek indienen en zeggen: hey deze klant, ze hebben hun titel gewijzigd, ze hebben hun e-mailadres gewijzigd, ze zijn van bedrijf veranderd, misschien heeft deze arts een relatie met dit ziekenhuis veranderd, we willen ervoor zorgen dat we dat soort dingen bijhouden, of deze verzekeringsmakelaar heeft nu deze producten bij zich, we willen ervoor zorgen dat we deze nieuwe verzekeringsproducten aan hen verkopen, bijvoorbeeld. Dus dat soort dingen kunnen worden aan de orde gesteld en onderhouden, net zoals uw klantgerichte medewerkers met die personen te maken hebben.
Enkele andere kenmerken van onze oplossing. Nummer één is dit bedrijfsmodel, onthoud dat whiteboard-plaatje dat Dez liet zien met de cirkels en de pijlen. Dat zijn eigenlijk de zakelijke vereisten voor hoe de gegevens moeten zijn, hoe ze in de echte wereld worden gebruikt. We beginnen met iets dat een bedrijfsinformatiemodel wordt genoemd en we kunnen die vereisten en de bijbehorende bedrijfsregels in feite vastleggen en daadwerkelijk implementeren om de regels en de MDM-repository te maken. Het fungeert dus effectief als een manier om de communicatiekloof te overbruggen die we zo vaak zien tussen mensen uit het bedrijfsleven die een vereiste beschrijven en IT die terug moet gaan om dat te vertalen in tabellen en toewijzingen, enzovoort.
Dus we hebben de bedrijfsmodelgestuurde aanpak om ervoor te zorgen dat het goed is vanaf het moment dat u begint. We omvatten ook geautomatiseerde verwerking daarvoor en de ingebedde workflow en veranderingsbeheer, zodat u, als u een wijziging in uw model heeft waar u er iets aan toevoegt, dat snel kunt implementeren en dat doen met een klein team vanwege de automatisering, het vereist niet zoveel codering als je misschien had verwacht.
Ik noemde het modelgestuurde karakter dat ook de schermen aanstuurt die daadwerkelijk verschijnen. Dus als u een beschrijving van een klant hebt en daar hun attributen hebt, ziet u op het scherm de attributen die in het model zijn gedefinieerd, dus het is allemaal voor u gemaakt, u hoeft geen specifieke interface te maken schermen om in kaart te brengen voor de gegevens, die allemaal van het model worden verdreven.
Een andere coole functie die we hebben geïntroduceerd, is het concept van Excel-integratie voor gegevensstewards. Dit betekent dat data-stewards Excel kunnen gebruiken als een plaats om de records te bewerken die niet automatisch kunnen worden gematcht en goedgekeurd en ingezet. Nu denk je misschien, nou dit is gewoon, je dumpt gewoon gegevens naar Excel, toch? Nou, het is veel meer dan dat, omdat het leuke van deze mogelijkheid is dat het het probleem van gewoon afvallige gegevensupdates oplost door gegevens uit Excel te laden.
Als we die gegevens van Kalido MDM naar de Excel-interface downloaden, worden we geleverd met de validatieregels. Dus het zal je vertellen welke van deze cellen moeten worden ingevuld om er een geldig record van te maken, het zal je een vervolgkeuzelijst geven van de beschikbare waarden, of de goedgekeurde waarden bijvoorbeeld, zodat je in principe vermijdt fouten maken bij het bijwerken van de stamgegevensrecords.
Zorg er vervolgens voor dat in een ingesloten workflow-engine alle gegevens worden verwerkt en geautoriseerd voor publicatie en dat het ook bijhoudt wie wat en wanneer heeft gedaan en u in staat stelt om al die eerdere stamgegevenswaarden te controleren en te controleren, zodat u kunt zien hoe gegevens zijn gewijzigd tijd.
Het voordeel hiervan, in termen van klantgegevens, is dat u op een plaats kunt komen waar u meer gepersonaliseerde en relevante dialogen en interacties met klanten kunt hebben. MDM wordt bedrijfskritischer, vooral als je denkt aan één-op-één marketing die daar plaatsvindt en dit is een goed voorbeeld van de cyclus die zich voordoet.
Dus u begint met gegevens over uw klanten, dit zijn de dingen die u beheerst, wie zijn ze, welke producten hebben ze, wat kan ik matchen op het gebied van klantinformatie over meerdere systemen? Dan verrijk je dat met meer informatie over hen en hoe je in het verleden met elkaar hebt omgegaan. Waar hebben ze op gereageerd? Of hoe willen ze gecontacteerd worden? Misschien willen ze per fax gecontacteerd worden, daarom staat het nog steeds op hun visitekaartje. Maar die informatie die je dan het inzicht geeft dat je nodig hebt om te communiceren.
Dus welke andere voorkeuren? Een deel ervan kan bijvoorbeeld afkomstig zijn van sociale bronnen. Vervolgens kunt u beslissen wat de volgende beste interactie voor die klanten is, welke aanbiedingen moet ik doen? Dat gaat een soort interactie genereren, ze gaan iets downloaden, ze gaan iets kopen.
Dat gaat natuurlijk om meer gegevens te creëren die u wilt invoeren in deze deugdzame cyclus van marketinginteracties. Als gevolg hiervan zult u nieuwe klanten sneller kunnen vinden en sluiten, upsell verhogen, betere klantenservice leveren, fouten elimineren, dubbele verzendingen elimineren, verzending voor marketingmateriaal bijvoorbeeld, en uiteindelijk kunnen we de verkoop verminderen en marketingkosten.
Dus een voorbeeld van een klant van ons die dit deed, het Britse postkantoor gebruikte Kalido MDM om betere klantgegevens te leveren, zodat ze de juiste producten konden leveren en hun klantendialogen in het juiste kanaal konden voortzetten, wat uiteindelijk leidde tot hogere verkoopvolumes en verhoogde marges voor hen.
Dus dat zijn slechts mijn inleidende opmerkingen, ik wil het nu graag overgeven aan Diana, om je door te nemen en je precies te laten zien hoe we dit doen.
Diana Collins: Bedankt John, dus hopelijk kunnen we een deel hiervan tot leven brengen voor jullie allemaal. Dus wat u nu op uw scherm zou moeten zien is een voorbeeld van een Kalido bedrijfsinformatiemodel. Een deel van de oplossing, wat we u vandaag laten zien, is een integratie van gegevens van salesforce.com. Hier hebben we ons salesforce.com-model linksonder. Dat is duidelijk een webapplicatie, de software is een serviceapplicatie. We gaan het integreren met gegevens van onze lokale implementatie van Oracle, een bedrijfssuite.
Dus ons doel is om onze contacten en accountinformatie van salesforce.com te nemen, te integreren met onze debiteurenaccounts en contactgegevens in een geharmoniseerde account- en contactstructuur die we vervolgens in Microsoft Dynamics CRM zullen laden. Dus ons scenario hier is dat we migreren van het gebruik van salesforce.com in het verleden naar het gebruik van Dynamics CRM. We willen ervoor zorgen dat we een volledig geïntegreerde, geharmoniseerde lijst met klanten hebben, een 360-gradenweergave op basis van onze nieuwe Dynamics CRM-omgeving.
Dus om dit te bouwen, hebben we de gegevens van salesforce.com en EBS verplaatst naar Kalido MDM, we hebben eigenlijk het harmonisatieproces uitgevoerd. Dus in het belang van de tijd hebben we het koken een beetje gedaan en gaan we genieten van de maaltijd. Dus laten we nu overschakelen naar onze MDM-omgeving en u enkele dingen laten zien die we kunnen doen in de toegevoegde functies die een MDM-oplossing toevoegt aan een eenvoudige connectiviteitsintegratie van deze platforms.
Maar een van de dingen die natuurlijk zouden gebeuren, is dat je je geschiedenis zou verliezen. Je zou eindigen met je gegevens in Microsoft Dynamics, maar zou je weten waar iets vandaan kwam? Dat is wat de MDM, een van de dingen die de MDM-oplossing ons kan bieden, ons een geschiedenis geeft.
Dus als we onze lijst met geharmoniseerde accounts bekijken, kiezen we er een. Laten we zeggen dat we Albert's Stores hier hebben gekozen. Dit geeft ons wat informatie over waar dit Albert's Stores-record vandaan kwam. We kunnen zien dat het een integratie van twee records is, één afkomstig van een salesforces.com-account genaamd Albert en Gerard en één afkomstig van EBS-factureringsaccount genaamd Albert's Stores en ze werden samen geïntegreerd en geharmoniseerd in dit enkelvoudige ouderaccount genaamd Albert's Stores.
We zien ook de oorspronkelijke ID, we kunnen zien dat deze vandaag al is gemigreerd naar Microsoft Dynamics omdat we hier de CMR-ID van Microsoft Dynamics hebben. Ik kan het tijdstip zien waarop de gegevens voor het laatst zijn bijgewerkt. Daarnaast bieden we een andere weergave waarmee u niet alleen naar de gegevens kunt kijken, maar ook met onze grafiekweergave kunt u kijken naar de associaties waaraan de gegevens deelnemen.
Dus hier hebben we datzelfde record, onze Albert's Stores met zijn associaties bij zijn debiteurenrekening, zijn salesforce.com-account en de contacten. Als we een van deze contacten selecteren, kunnen we zien dat dat contact eigenlijk een salesforce.com-contact was. Evenzo was ons Adam Albert-account een EBS-contact, dus van deze beweging denk ik dat het op het scherm automatisch gebeurt, een paar van hen die ik doe, houd dingen gewoon gemakkelijk leesbaar. Maar terwijl we doorgaan, kunnen we de contactgegevens bekijken en zien dat deze afkomstig zijn van ons salesforce.com-account. Dat zal eigenlijk een weergave opbouwen die ons alle relaties laat zien waaraan onze gegevens deelnemen.
Daarnaast zien we de manieren waarop we onze saleforce.com-gegevens classificeren en dat er andere accounts zijn die te veel zijn om op te noemen. Nou, die dingen die te veel zijn om op te noemen, we kunnen er nog steeds naar toe. We kunnen gewoon naar beneden scrollen op de pagina hier en gaan naar de lijst met al die extra accounts die te talrijk waren om in de grafische weergave te vermelden. Natuurlijk kunnen we ook voor elk van deze in de grafiekweergave beginnen. Dus dat is een manier om met dingen om te gaan. We kunnen de gegevens zien, we kunnen de gegevens manipuleren, we willen ook gegevens kunnen herstellen en repareren. Dus een paar manieren om daarnaar te kijken.
Dus een van de dingen die we kunnen doen, is dat we de hiërarchie kunnen bekijken, ik heb onze accounthiërarchie opgeslagen als een van mijn favorieten, dus ik kan verschillende categorieën informatie opslaan als accounts, evenals hiërarchische paden die Ik zou kunnen gebruiken in mijn hiërarchiebrowser. Dus hier kan ik door mijn hiërarchie gaan, ik kan alle verschillende contacten zien die ik met elk account heb.
Maar een van de andere dingen die deze omgeving biedt, is de optie om alle weeskinderen te vinden. Dit zijn contacten die via ons geharmoniseerde systeem zijn binnengekomen zonder ouders in hun bronnen, dus dit zijn wezen die achterblijven. Dus we hebben deze meegenomen, we hebben ze geïdentificeerd, we weten dat dit weeskinderen zijn, maar hoe lossen we dat op? Nou, we klikken gewoon op deze schakelaar om de bewerkingsmodus te openen, waardoor een andere weergave van de hiërarchie wordt geopend en we kunnen nu beginnen met het classificeren van deze mensen. Dus misschien werkte Bill Murray voor AC Network, zodat we hem kunnen overnemen en hem aan de lijst kunnen toevoegen en we hem gemarkeerd zien door ons erop te wijzen dat dit een verandering is. Ik kan Sandy verplaatsen en haar misschien aan AG Edwards and Company toewijzen.
As these changes are being made, they're being recorded down here, I can undo them if I realize I've made a mistake. I can gang multiples of them together and move them through the system as a unit by giving them a name and then they were processed as a single unit of work through my system. So this is one way and obviously if I'm being proactive, I might want to go in here and look at this and if see if there were orphans and address that problem. What if I didn't? What if I wasn't being proactive? Well, again our system includes a workflow, which I mentioned earlier, a workflow solution that allows us to deal with this more directly.
To do that I'm going to log off as system administrator, I'm going to now log on as a data steward, alright? So this would be the individual who's responsible for managing invalid data. You'll see as soon as I log on, I get taken to my inbox, where guess what? There's our 11 orphaned records because the relationship, the association between the contacts and their accounts is mandatory. All of the harmonized accounts that did not have the appropriate connections to an account, are invalid. They move through the workflow and as we can see in the diagram of the workflow, here's where we are now remediating records. They would then flow to an approval process, approved by the sales manager, approved by accounting, and finally authorized for publication on the next batch update of our dynamics.
Of course this could also be set up to run in real time which as soon as it's published, as soon as it's authorized for publication it would just immediately flow out the Dynamics so it's up to you how you want to configure that last step of the interface. So hopefully this has given us – given you all a brief idea, an overview, of just some of the ways in which our MDM tool can help enrich and enhance our environment. There are many, many other ways that we can enhance your use of your customer's information, and really get to that point where you've got a truly harmonized 360-degree view of a customer with all of the information in one place available to the users. Not only through this provider UI but as I mentioned we also provide a consumer interface, a sort of web portal where if a user knows that there's been a change in account, he can raise up a change request and address that, and wrap that change request directly to the data steward to make any changes to this record that they see needs to be made. So at this point I think I'll turn it back over to Eric and we'll go into the Q and A.
Eric Kavanagh: Sure thing. So we've got a couple of questions from the audience here. I'll throw one out but maybe first Dez or Robin, do you have any questions? Let me start with you Dez.
Dez Blanchfield: One of the things that I come across every single time I go through this journey with an organization is this whole challenge of version control. Could you just touch on the approach towards version control around data or certain – you know, imagine a scenario where three different parts of the organizations are dealing with me as a customer, and then they're making various updates and changes through now a new tool. How do we address the issue of just version controlling the data that's coming through business and who's curating, and controlling, and approving that?
Diana Collins: That's an excellent question. So one of the things that is built in and baked into our solution is audit trailing and history. So I'll see if I can find a record with history. Let me see if our Albert's Stores record that we were using has history, as soon as I click on History Mode what this does for me – I have – this one has no changes in history. I want it as is it would show us any interim changes that were made here, and the date and time in which they were made. In addition, I can go to Full History Details and if I turned on audit trailing, I would not only see those changes and when they were made but the audit trail will then tell me who made those changes, what user made those changes as well.
Our approach to versioning is more time based rather than by setting arbitrary labels. You can pick a point in time and see your data as it was at that point in time and migrate the data as it was at that point in time. And we track of course the history not only of the data content but also of the data model. So as your data model may evolve, we add new classifications, we track that as well and you could always roll back and see things as they were at any given point in time.
Dez Blanchfield: Data models are raising challenge on there, I mean you got a significant pedigree with dealing with some substantial articles. Can you give us a couple of examples of some of the data models that are already in place and some you dealt with running this, you know, the key sectors like manufacturing, and retail, and logistics, and financial services. You got banking and loss management and so forth, so is the approach done with a previous model that can quickly spin up a project that people can start to know where the gaps are, or do they have to build and train that model themselves?
Diana Collins: We've taken both approaches over the years. We've tried coming up with models and found that the more complete a model is really means the more changes you end up having to make, to have more customizations that you can make to it for the customer. So we have really taken the approach of fragments of models, certain basic common elements that we find that really permeate in entire industries.
We have, for example, in financial services we have models for in a capital markets for securities and derivatives, etc. We have models for insurance, for property and liability insurance, for reinsurance, and both of which manage risk in different ways. We have manufacturing models for product bills of materials, bills of landing. We have other portions of the model for a supply chain or any other tracker, intermediate warehouses, distribution models, aging of inventory, things like that. For a lot of our customers, you know, we've got customers in almost every vertical you can think of but for many of them we have been able to develop certain core components that we assemble for our customer into a finished model.
John Evans: Yeah. Let me just add to that, Diana. You know, the model that we showed a minute ago with the sort of orange background is really a conceptual model so it has, you know, vowels, and there's no underscores, I mean it's that a human being can understand. It's not an IT concept per se, it's something a business person can understand. We have these conceptual models, we can import an existing model that you might have and we factor it in order to get it this way but with – as Diana talked about, when we have a model fragment or an example model that we've used that before we show to the customer, usually within, you know, a little while of kind of looking at it and putting it up on a screen and sort of pointing and gesturing, they can usually refactor that model to get it to be pretty represented of what they're trying to accomplish.
So it does accelerate the time in order to capture those requirements so that you can get on with it but the other thing I didn't show here is, you know, there's this diagram but there's also a tab called operations where you basically press a button and it generates all of the objects that you need in the MDM repository along with the rule that you've been – you set up for, you know, what's optional, what's mandatory, what's the cardinality, all of that stuff that you want to do but there's a button there that says Deploy, then it would just generate the model that you've got created on the front end. So we do have fragments, we do have experience in a wide variety of industries and our consultants are able to enable customers to get started very rapidly.
Diana Collins: Well, the other thing I was going to find out–
Dez Blanchfield: So I the other quick one before I hand it over to Robin – yeah, sorry, go.
Diana Collins: I would just quick note that we generally run these modeling sessions as sort of a jam session because we're not so much interested in the details of all of the attributes, we can fill that in later when we get to it. What we're really interested in is getting the business view of how the data hangs together and how they understand it to be useful, and that's how we want to build the solution.
Dez Blanchfield: No, that all makes great sense. One last quick one then I'll hand it over to Robin. So the thing that I immediately imagine would happen in our manager's conversation to organizations that I deal with is that – they have view, they already have, you know, governance, frameworks, and tools in place – what's the experience like when you go into an organization where let's just say the managing team decided they're going to go down this route, become customer centric and clean up their customer data, or get a single due, and yet IT and other parts of the business may have already felt they run multiple programs of work to get to a good place on that?
Diana Collins: Oh well, that is an interesting question. Yeah, I offer that MDM implementations generally will fail unless there is that sort of high-level support. I think that these projects have to be driven from a fairly high level in an organization because there is a cultural change that needs to be accepted. I think Robin spoke to this earlier that, you know, it is not something that you just do as a project and it depends to be the way it is often approached in IT organization. It is an ongoing program, it is something that requires commitment, and willingness to change if you will to implement and then when you have that I think we found that implementations go very well.
Where we have to struggle in some implementation has been where there has been either not the high-level management support or where the IT organization has been resistant to change but we've been fairly successful in both cases in winning them over. I think once we showed them how simple it is to get up and operating, and how it really takes the responsibility for data content off of their shoulders, and really IT shouldn't be responsible for that. Business knows what makes up good data, IT shouldn't need to know that. IT should be responsible for the things that they do well – organizing data, keeping it safe, keeping it secure, and how – and usually they come around and see it that way.
Eric Kavanagh: And we've got a few questions from the audience, let me throw these out here. We're going a little bit over time but I think I'll get all the questions that we can or at least try. I'll throw this one over to you, maybe John or Diana, either way. An attendee asks, “Do you have functionality to develop to re-parent from bad records to golden records? The transactions like for example sales orders right in the operational systems?” Not sure I know exactly what he means here, but hopefully you can answer to that.
Diana Collins: Well we can certainly re-parent records. That's a very standard part of this office solution but within the operational systems are not directly. We could do it the MDM environment and then push that data back from the MDM environment once it's been published from the MDM environment, push it back to the operational system but it would not be directly caught in the – we'd not be correcting it directly in the operational system from the MDM environment.
Eric Kavanagh: Got you. Okay and here's another question, “Can the tool be used to see data lineage?”
Diana Collins: Oh absolutely, yeah. Again this is not a great model for that kind of illustration, but absolutely. Where you've got a history to your data, where data has come from multiple places, we can tag it with its source and carry that information forward up to the published data.
John Evans: Thanks to that. There's an element of that here in the model, in there Diana, I mean you got the SFDC Contacts and the EBS contacts and that actually came through in a graph field as well. It kind of hangs around the data.
Diana Collins: Yeah. I mean obviously in a real lineage environment, you'd have a more robust solution and implementation and just a basic one was done here.
Eric Kavanagh: Okay, good. Just a couple more questions and then we'll wrap up. One of the attendees is saying, “How do you support the definition of household? Do you have a way to enrich the customer master data with social networks?”
Diana Collins: That's on our road map, enrichment with social network from social network data is on our road map. It's not on the product at the moment but in terms of householding, that's part of our matching and merging capabilities. In the process of matching, the great many knobs and levers that you can control for weights of particular portions of the data but what it ultimately allows us to do is to gather together all of the individual contact records that may be part of the same household. Then it understands the difference between companies and people. In companies you generally look at the beginning, the sort of the significance of the words in a name; in a company, start from the front and work towards the end. But when you're doing householding, you really want to start at the end and work towards the front with people's names. It understands that and is able to do a pretty good job of gathering together contacts that belong to a single household.
Eric Kavanagh: And one final question, what about restaurant customers? We have a good knowledgeable audience member on here asking if you have any restaurant customers?
Diana Collins: Actually no. That will be new vertical for us. We'd be really interested in pursuing that. We have customers that supply restaurants but we don't have any restaurants that are customers.
Eric Kavanagh: Okay, no worries at all. Well folks, we've burned through an hour and five minutes here, so a very big thank you to our presenters today. We will archive this webcast so all these archives are available for later viewing. Big thanks to our presenters today. Big thanks to of course Dez and Robin for their insights, and to Magnitude Software. This is good stuff. MDM is here to stay, folks, there's no doubt about that. It's really important to get that central view that's going to be more important as time goes by. I have to think as our customers decide that they don't want to be mistreated, they want to get the best treatment possible and that's the way it's going to be.
So with that folks, we're going to bid you farewell. Thank you once again. We'll talk to you tomorrow on another webcast tomorrow, yes. Hot Technology is the hottest show around these days, we'll talk to you hopefully tomorrow at four o'clock eastern. Till then, take care, folks. Buh-bye.
