Gniazdko informatyczne Przyszłość doradztwa IT?

Transkrypt

1 Gniazdko informatyczne Przyszłość doradztwa IT? Janusz Szwabiński Slide 1

2 Wprowadzenie Plan wykładu Modelowanie procesów biznesowych Modelowanie infrastruktury IT Ontologie Projekt plugit Studium przypadku wdrożenie ERP Wnioski Slide 2

3 WPROWADZENIE Slide 3

4 Modelowanie procesów biznesowych Graficzna reprezentacja procesów zachodzących w przedsiębiorstwie Cele: Ustalenie sposobu działania organizacji (stan AS-IS ) Określenie docelowego sposobu postępowania ( TO-BE ) Wykonywane głównie przez analityków biznesowych Łatwe w interpretacji Potencjalne ulepszenia procesów, zidentyfikowane w trakcie modelowania, mogą (ale nie muszą) wymagać wdrożeń nowych narzędzi IT Popularne notacje: BPMN, BPMS, EPC Slide 4

5 Przykład modelu - BPMN BizAgi Process Modeller, Slide 5

6 Modelowanie infrastruktury i usług IT Reprezentacja (niekoniecznie graficzna) oprogramowania, sprzętu, dokumentów, pracowników oraz powiązań między nimi Przydatne przy zarządzaniu infrastrukturą Wykorzystywane do automatycznego generowania kodu Łatwe w interpretacji Popularne notacje: UML, AdoIT Slide 6

7 Przykład modelu programu - UML Slide 7

8 Przykład modelu infrastruktury IT - AdoIT Slide 8

9 Dygresja sieć semantyczna Sieć powiązań pomiędzy nazwanymi obiektami Infomation Management: A Proposal, T. Berners-Lee, CERN (1989,1990) Slide 9

10 Dygresja sieć semantyczna rozwinięcie sieci WWW (strony + metadane) standardy umożliwiające automatyczne przetwarzanie informacji w sposób odpowiedni do ich znaczenia ontologie do określenia znaczenia zasobów informacyjnych Slide 10

11 Ontologie Formalna reprezentacja wiedzy z pewnej dziedziny Zbiór obiektów, właściwości tych obiektów i związków między nimi Cele: płaszczyzna porozumienia (dla ludzi i maszyn) dotycząca struktury informacji ponowne wykorzystanie wiedzy uzewnętrznienie cichych założeń charakterystycznych dla danej dziedziny oddzielenie wiedzy domenowej od wiedzy operacyjnej analiza wiedzy domenowej wyszukiwanie informacji Sporo ontologii dostępnych w sieci Języki ontologii: OWL, CASL, Common Logic, CycL, DOGMA, Gellish, SBVR Slide 11

12 Ontologie - składniki hassister Matthew Gemma Obiekt (indiwiduum) Relacja łącząca obiekt Matthew z obiektem Gemma Slide 12

13 Ontologie - składniki hasage Matthew 25 ^^xsd:integer Obiekt (indiwiduum) Relacja łącząca obiekt Matthew z wartością 25 typu integer Slide 13

14 Ontologie - składniki USA Country Gemma Matthew hassibling England France Person Fluffy Fido Pet Slide 14

15 Ontologie - wnioskowanie hasbirthmother Peggy Matthew hasbirthmother Jean Peggy i Jean to ta sama osoba Relacja funkcyjna Slide 15

16 Ontologie - wnioskowanie hassibling Relacja symetryczna Matthew Gemma Obiekt Gemma musi być połączony z obiektem Matthew relacją hassibling Slide 16

17 Ontologie projektowanie jest trudne Ontologia powinna jak najlepiej odzwierciedlać obiekty (rzeczowniki) oraz relacje (czasowniki) w zdaniach opisujących analizowany obszar Ontologie buduje się z myślą o konkretnym zastosowaniu Projektowanie bottom-up Proces interaktywny Różne perspektywy pomidor warzywo czy owoc? kulinarna kontra biologiczna Brakująca wiedza Slide 17

18 Ontologie przykład Protege, Slide 18

19 Ontologie przykład Slide 19

20 PROJEKT PLUGIT Slide 20

21 Informacje o projekcie 7 Program Ramowy UE program szczegółowy Współpraca obszar Technologie informacyjne i komunikacyjne (ICT) Specific Targeted Research Project (STP) Czas trwania: Strona domowa: Konsorcjum: 8 uczestników z 6 krajów Slide 21

22 Research AT CH GR Tool and Technology Provider Next Generation Modelling Framework AT IT Next Generation Modelling Services IT-Socket Use Case PL IT DE Konsorcjum Certification IT-Governance Virtual Organization Web-Platform Semantic Kernel Service-Oriented Modelling Framework Modelling formalism, modelling language, visualisation Modelling language, ontology transformation Semantic integration and transformation Slide 22

23 Cele IT Business IT- Socket Alignemnet Business Domain Knowledge IT Domain Knowledge Business Expert 1) Certification 2) Virtual Organization 3) Governance IT Expert Modelling Modelling e.g. IT Infrastructure ADOit e.g. IT Infrastructure UML e.g. SLA Negotiation EPC e.g. Event 1 Call Neg. e.g. SLA Negotiation BPEL e.g. SLA Negotiation ADONIS e.g. Action 1 Invoke Neg. e.g. Activity 1 Negotiation e.g. Software e.g. Active Endpoint SW-Component WF-Engine AE Slide 23

24 Balanced Scorecard DoDAF SITM framework etom Topics Maps FEAF Projects KPIs Knowledge Management... Zachmann UML REGULATION COMPLIANCE Wyzwania SCOR BPMN Casewise Skills OPM3 SAMM TOGAF CobiT BASEII EuroSOX Prince2 Business Models OWL-S BUSINESS COMPLIANCE Model-based Approach EVM3 ISO DMAL-S Mind Maps Metamodelling MOF ISO Web CMMI Services ITIL ISO LM3 SW-CMM BS BS LegalXML KonotraG P-CMM ISO SOX... ISMS RDF GSM Workflow Agents XBRL OWL BPDM Semantic Web ebxml Goals EPC BPML EPML WS-CDL PNML WSFL BPSS Business Processes IDEF XPDL CRM ADONIS... BPEL LOVEM Reference Processes E-BPMS WSCI E-Learning XLANG WSCL XKMS GRID XML SAML Ontology Internet W-LAN LOOM TCP/IP RFID UML... TECHNOLOGY COMPLIANCE ERP GPRS WiFi HR-XML UMTS EDGE WiMax HumanML Slide 24

25 Klucz do sukcesu - ontologie Language Dimension domain-independent specialize Concept Reference Ontology specialize Model Language Ontology corresponds Model Language Ontology instantiates instantiates Model Ontology compare transfrom compare Model Ontology uses uses Domain Ontology matches Domain Ontology Application Dimension domain-dependent Slide 25

26 Wydobywanie ontologii z modelu Activities describe which tasks in a business process model are to be executed.... Subsequent End Process Start Event Variable Assignment Object Subprocess Model Language Ontology Activity S S S Close Case Negative Assessment S S End Sales Notify Customer M Model Ontology S S Payment Card Assessment S Credit Card Payment S Credit Assessment S Join Customer B2CRetail B2CRetail WHSLA B2CRetail Webhosting Service Configuration Domain Ontology SLA Hardware Software Application Server Networking Operating System instance-of refers-to Middleware Webserver Mailserver Windows UNIX Slide 26

27 Ontologie porównanie procesów Wymagania biznesowe Biblioteka referencyjna Trzy płaszczyzny porównania topologiczna koncepcyjna semantyczna Slide 27

28 Ontologie porównanie procesów Reference Model Business Model MO Converter Reference OWL Rep. Business OWL Rep. Matcher Similarities Process Comparator Annotated Model Determine Safe and Problematic IT Elements Similar Clusters Similar Activitiy Unsup ported Act. Slide 28

29 STUDIUM PRZYPADKU Slide 29

30 Scenariusz Przedsiębiorstwo szuka rozwiązania ERP Kadry, płace Magazynowanie Sprzedaż Księgowość Zarządzanie zapasami CRM Zaopatrzenie Planowanie produkcji Slide 30

31 Kilka faktów o ERP Dość skomplikowane oprogramowanie Szeroki wachlarz rozwiązań (na Wikipedii wymienionych jest 21 pakietów Open Source oraz 96 komercyjnych) Około 500 modeli potrzebnych do opisu głównych funkcjonalności Czas wdrożenia: 3 miesiące kilka lat Krytyczne dla biznesu Jeśli podczas wdrożenia coś pójdzie nie tak, wpłynie to niekorzystnie na procesy biznesowe i produktywność klienta We wdrożeniach kluczowi są konsultanci Każdy system ERP wymaga kilku konsultantów Doradztwo pochłania do 60% budżetu przeznaczonego na wdrożenie Slide 31

32 Kilka faktów o ERP Ulepszenia mile widziane 1) : 57% wdrożeń trwa dłużej niż planowano 54% przekracza budżet 22% nie przynosi żadnych korzyści 1) 2010 ERP Report by Panorama Consulting Slide 32

33 Dlaczego wdrożenia ERP są trudne? Slide 33

34 Dlaczego wdrożenia ERP są trudne? Klient musi ciągle dopasowywać się do szybkich zmian w otoczeniu biznesowym podąża za modą nie rozumie własnych potrzeb oszczędza na analizie przedwdrożeniowej nie wykorzystuje wdrożenia jako szansy na optymalizację procesów Firma wdrożeniowa utrata specjalistów ( utrata know-how) wiedza dotyczy tylko kilku wybranych rozwiązań koncentracja na sprzedaży własnych rozwiązań, nie na znalezieniu rozwiązania optymalnego dla klienta Slide 34

35 Tradycyjne przygotowanie oferty Klient Analiza i tłumaczenie wymaganiań Doradcy (analitycy biznesowi, eksperci IT i domenowi) Wymagania biznesowe Analiza wyników Wstępny wybór rozwiązań Analiza luk Decyzja o wdrożeniu Dostawcy oprogramowania Slide 35

36 Nowoczesne przygotowanie oferty Wymagania biznesowe schowany w bibliotekach referencyjnych! Translacja wdrożeń Analiza wyników Analiza luk Decyzja o wdrożeniu Zgodność z kolekcją w bibliotekach ref. Zgodność pojedynczych elementów Brak zgodności Slide 36

37 Czym dysponujemy? Wymagania biznesowe (BPMN) Attributes for Activity Process Model IT Applications Biblioteka referencyjna (BPMS+UML+ontologie) Slide 37

38 Wyzwania Elementy zgodne Business requirements Wymagania biznesowe Check buffer of incomplete orders `Address missing` orders in buffer? Take orders from buffer Verify address Biblioteka referencyjna Check buffer of incomplete orders Orders with `Address missing` header available? Take orders from queue Verification and decision Reference library Slide 38

39 Gniazdko od podszewki Business Process Analysis result XPDL into ADOxx XML transformatio n ADOxx XML into MO transformatio n Transform into BPMN Format Referenc e model search Similarity Matching Ranking Sequence analysis Open Knowledge Processing via Workflows Model Visualisatio n Slide 39

40 WNIOSKI Slide 40

41 Wymagania biznesowe Wstępny wybór rozwiązań Tradycja kontra nowoczesność Podejście tradycyjne Brak ustalonej formy Często niekompletne Wymaga sporo iteracji, ważną rolę odgrywa sprzężenie zwrotne Zależy od wiedzy konsultantów Czasochłonne (dni lub tygodnie) Analiza luk Angażuje kilku ekspertów Czasochłonna (dni lub tygodnie) Podejście nowoczesne Podejście modelowe wymusza wyczerpującą analizę wymagań Intuicyjnie zrozumiałe Wielokrotnego użytku Możliwe automatyczne przetwarzanie Niepotrzebny (wszystkie pakiety w bibliotece referencyjnej brane pod uwagę) Jeden konsultant do adnotacji modeli Automatyczna Szybka (minuty lub godziny, wyjątek - adnotacje) Analiza wyników Brak ustalonej formy Wyniki nałożone na wymagania biznesowe Luki łatwe do zidentyfikowania (graficznie) Podsumowanie Bardzo czasochłonne (tygodnie) Zaangażowanych wielu ekspertów drogie Ale z reguły dobra jakość wyników Szybkie (dni) Niewielu konsultantów Tanie (tańsze) Silnik semantyczny wymaga ulepszeń Slide 41

42 Jakość automatycznego porównania To, co otrzymujemy nie do końca jest tym, czego oczekiwaliśmy Slide 42

43 Zalety nowego podejścia wymusza identyfikację procesów u klienta wymusza szczegółową dokumentację dostępnych rozwiązań przydatne w zarządzaniu zmianami ułatwia zabezpieczenie i ponowne wykorzystanie wiedzy formalnej i cichej pracowników skraca czas wdrożeń skraca okres przyuczenia nowych konsultantów jakość poprawia się z czasem używania wdrożenia powiększają biblioteki referencyjne Slide 43

44 Wady nowego podejścia brak ontologii dziedzinowych tworzenie własnych stanowi wyzwanie brak standardów modelowania modele wymagań biznesowych i oprogramowania na różnych poziomach szczegółowości ręczne adnotowanie modeli niedojrzałe algorytmy porównywania procesów (brak pętli) opór konsultantów przed dzieleniem się wiedzą opór środowiska producentów przed publikowaniem modeli swoich systemów, modele komercyjne wątpliwej jakości Slide 44

45 Ciągle do zrobienia automatyczne generowanie ontologii automatyczne adnotowanie modeli lepsze algorytmy porównywania modeli przekonanie klientów do podejścia procesowego przekonanie ekspertów do zabezpieczenia ich wiedzy cichej przekonanie producentów do modelowania ich rozwiązań Slide 45

46 Wnioski automatyczny analityk teoretycznie możliwy jakość analizy zależy od jakości modeli i ontologii spory opór różnych środowisk technologicznie dużo do zrobienia, ale potencjalne zastosowania nie ograniczają się tylko do wdrożeń ERP Slide 46

47 Bibliografia M. Moś, J. Szwabiński, Technologie semantyczne we wdrożeniach systemów klasy ERP, w A. Stabryła i S. Wawak (ed.), Metody badania i modele rowoju organizacji, Mfiles.pl, Kraków 2012 plugit deliverables ( D2.1 USE CASE ANALYSIS AND EVALUATION CRITERIA SPECIFICATION D3.1 NEXT GENERATION MODELLING METHODOLOGY D3.2 SPECIFICATION OF NEXT GENERATION MODELLING FRAMEWORK D3.3 DOMAIN SPECIFIC GRAPHICAL ONTOLOGY REPRESENTATION D5.1 SPECIFICATION OF USE CASE AND EVALUATION CRITERIA D5.3.2 REFERENCE DOMAIN ONTOLOGY D5.4 INTEGRATION REPORT AT USER SITE D5.5 DEMONSTRATION REPORT AT USER SITE D6.2 USE CASE EVALUATION REPORT plugit publications ( Slide 47