Przyszłość doradztwa IT? - Strona główna · FP7-3ICT-231413 Copyright © 2011 iTG and other members of the plugIT Consortium, Slide 24 Wyzwania BUSINESS COMPLIANCE REGULATION

Copyright © 2011 iTG and other members of the plugIT Consortium, http://www.plug-it-project.eu FP7-3ICT-231413 Slide 1

Gniazdko informatyczne Przyszłość doradztwa IT?

Janusz Szwabiński

13.02.2013


Plan wykładu

• Wprowadzenie

– Modelowanie procesów biznesowych

– Modelowanie infrastruktury IT

– Ontologie

• Projekt plugIT

• Studium przypadku – wdrożenie ERP

• Wnioski


WPROWADZENIE


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


Przykład modelu - BPMN

• BizAgi Process Modeller, http://www.bizagi.com


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


Przykład modelu programu -

UML


Przykład modelu

infrastruktury IT - AdoIT


Dygresja – sieć semantyczna

• Sieć powiązań pomiędzy nazwanymi obiektami

• „Infomation Management: A Proposal”, T. Berners-Lee,

CERN (1989,1990)


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


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


Ontologie - składniki

Matthew Gemma

hasSister

Obiekt

(indiwiduum) Relacja łącząca obiekt

Matthew z obiektem

Gemma



Matthew

„25”^^xsd:integer

hasAge

Obiekt

(indiwiduum) Relacja łącząca obiekt

Matthew z wartością „25”

typu integer



Matthew

ha

sSib

ling

Gemma

USA

England

France

Fluffy

Fido

Person

Pet

Country


Ontologie - wnioskowanie

Matthew

Peggy

Relacja funkcyjna

Jean

hasBirthMother

hasBirthMother

Peggy i Jean to

ta sama osoba


Ontologie - wnioskowanie

Matthew Gemma

Obiekt Gemma musi być połączony z

obiektem Matthew relacją hasSibling

hasSibling Relacja symetryczna


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


Ontologie – przykład

• Protege, http://protege.stanford.edu/


Ontologie – przykład


PROJEKT PLUGIT


Informacje o projekcie

• 7 Program Ramowy UE

– program szczegółowy „Współpraca”

– obszar „Technologie informacyjne i komunikacyjne” (ICT)

– Specific Targeted Research Project (STP)

• Czas trwania: 1.03.2009-31.08.2011

• Strona domowa: http://plug-it-project.eu

• Konsorcjum: 8 uczestników z 6 krajów

http://plug-it-project.eu/






Konsorcjum IT

-So

ck

et

Us

e C

as

e

CH

AT

IT

PL

Modelling formalism, modelling language, visualisation

Modelling language, ontology transformation

Semantic integration and transformation

Re

se

arc

h

Semantic Kernel Web-Platform Service-Oriented Modelling

Framework

To

ol a

nd

Te

ch

no

log

y

Pro

vid

er N

ex

t

Ge

ne

rati

on

Mo

de

llin

g

Serv

ices

Ne

xt

Ge

ne

rati

on

Mo

de

llin

g

Fra

mew

ork

Certification IT-Governance Virtual Organization

IT

GR

DE

AT


Cele

Business

Domain

Knowledge

Business Expert

IT Expert

IT

Domain

Knowledge

e.g. “IT Infrastructure ADOit”

e.g.

Software

”Active Endpoint”

e.g. “IT Infrastructure UML”

e.g.

SW-Component

WF-Engine AE

e.g. “SLA Negotiation EPC”

e.g.

Event 1

“Call Neg.”

e.g. “SLA Negotiation BPEL”

e.g.

Action 1

“Invoke Neg.”

e.g. “SLA Negotiation ADONIS”

e.g.

Activity 1

“Negotiation”

IT

Bu

sin

ess

1) “Certification”

2) “Virtual Organization”

3) “Governance”

IT-

So

ck

et

Modelling

Modelling

Alig

nem

net


Wyzwania

BUSINESS COMPLIANCE

REGULATION COMPLIANCE

TECHNOLOGY COMPLIANCE

Topics Maps

Workflow

UML

ERP

UMTS

Internet

Web Services

W-LAN

RFID TCP/IP

Semantic Web

GRID

E-Learning

Agents

Metamodelling

MOF

Knowledge Management

XML

Mind Maps

EDGE

GSM

WiMax

GPRS WiFi

DMAL-S

OWL

RDF

LOOM

Ontology

Business Processes

Reference Processes

CRM

Balanced Scorecard

Skills

KPIs

Goals

Projects

Business Models

Prince2

Model-based

Approach TOGAF®

CobiT®

CMMI®

ITIL® ISO 27001

BS 15 000

ISO 20 000

BS7799-2

ISO 27 002

ISO 27 001

SW-CMM

P-CMM

OPM3 SAMM

EVM3

LM3

HR-XML

HumanML LegalXML

XBRL ebXML

XKMS

SAML

BPMN

BPDM

OWL-S

EPML

BPML

BPSS

WS-CDL

PNML

WSCL

WSCI

WSFL

XLANG

XPDL

. . .

. . .

. . .

. . .

Zachmann FEAF

DoDAF

SITM framework Casewise

ADONIS

EPC BPEL

eTOM

UML

SCOR

E-BPMS

LOVEM

IDEF

SOX

EuroSOX

ISMS

KonotraG

BASEII


Klucz do sukcesu - ontologie

Model

Ontology

Model

Language

Ontology

instantiates

Concept

Reference

Ontology

Domain

Ontology

uses

Model

Ontology

Model

Language

Ontology

instantiates

Domain

Ontology

uses

matches

specialize specialize

corresponds

compare compare Model

Ontology

Model

Ontology

Application Dimension

domain-dependent

Language Dimension

domain-independent

transfrom


„Wydobywanie” ontologii z

modelu

Model

Ontology

Model

Language

Ontology

Domain

Ontology

Close CaseClose Case

Credit Credit

AssessmentAssessment

JoinJoin

Negative Negative

AssessmentAssessmentNotify CustomerNotify Customer

Payment Card Payment Card

AssessmentAssessment

End SalesEnd Sales

SS

SS

Credit CardCredit Card

PaymentPayment

SS

SS

SS

SS SS

SSSS

SS

MM

Process

Start

Event

Variable

Assignment

Object

Subprocess

Subsequent

Activity

End

Activities describe which

tasks in a business process

model are to be executed.

...

Hardware

Software

Networking

Application

Middleware

Operating

System

Webserver Mailserver

Windows UNIX

Server

Customer

Service

Configuration

SLA

B2CRetail

B2CRetail

Webhosting

B2CRetail

WHSLA

instance-of

refers-to


Ontologie – porównanie

procesów Wymagania

biznesowe

Biblioteka

referencyjna

• Trzy płaszczyzny porównania

– topologiczna

– koncepcyjna

– semantyczna


Ontologie – porównanie

procesów

Annotated Model

Matcher Process

Comparator

MO Converter Business

Model

Reference Model

Similarities

Similar Clusters

Similar Activitiy

“Unsupported”

Act.

Reference

OWL Rep. Business

OWL Rep.

Determine “Safe” and “Problematic” IT

Elements

Matcher

MO Converter


STUDIUM PRZYPADKU


Scenariusz

• Przedsiębiorstwo szuka rozwiązania ERP

Magazynowanie

Kadry, płace

Sprzedaż

CRM Zaopatrzenie

Księgowość Zarządzanie

zapasami

Planowanie produkcji


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


Kilka faktów o ERP

• Ulepszenia mile widziane1):

– 57% wdrożeń trwa dłużej niż planowano

– 54% przekracza budżet

– 22% nie przynosi żadnych korzyści

1) 2010 ERP Report by Panorama Consulting


Dlaczego wdrożenia ERP są

„trudne”?


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


Tradycyjne przygotowanie

oferty

Klient Doradcy

(analitycy biznesowi,

eksperci IT i domenowi)

Analiza i tłumaczenie wymaganiań

Wstępny wybór rozwiązań

Analiza luk

Decyzja o wdrożeniu

Wymagania

biznesowe

Analiza wyników

Dostawcy oprogramowania


Nowoczesne przygotowanie

oferty

Decyzja o wdrożeniu

Wymagania biznesowe

Analiza wyników

Translacja wdrożeń

Analiza luk

„schowany” w bibliotekach

referencyjnych!

Zgodność z kolekcją w bibliotekach ref.

Zgodność pojedynczych elementów

Brak zgodności


Czym dysponujemy?

Wymagania biznesowe

(BPMN)

Biblioteka referencyjna (BPMS+UML+ontologie)

IT Applications

Process Model

Organigram

Attributes for Activity Attributes for Activity


Wyzwania

Business

requirements

Reference

library

Elementy zgodne

Wymagania biznesowe

Biblioteka referencyjna

Check buffer of incomplete

orders

Check buffer of incomplete orders

`Address missing` orders

in buffer?

Orders with `Address missing` header available?

Take orders from buffer

Take orders from queue

Verify address Verification and decision


Gniazdko od podszewki

Business

Process

1

XPDL into

ADOxx XML

transformatio

n

2

Similarity

Matching

2

Ranking

2

Sequence

analysis

3

Transform

into BPMN

Format

Open Knowledge Processing

via Workflows

1

ADOxx XML

into MO

transformatio

n

Analysis

result

2 2

Referenc

e model

search

Model

Visualisatio

n


WNIOSKI


Tradycja kontra

nowoczesność Podejście tradycyjne Podejście nowoczesne

Wymagania biznesowe

• Brak ustalonej formy • Często niekompletne • Wymaga sporo iteracji, ważną rolę

odgrywa sprzężenie zwrotne

• Podejście modelowe wymusza wyczerpującą analizę wymagań

• Intuicyjnie zrozumiałe • Wielokrotnego użytku • Możliwe automatyczne

przetwarzanie

Wstępny wybór rozwiązań

• Zależy od wiedzy konsultantów • Czasochłonne (dni lub tygodnie)

• Niepotrzebny (wszystkie pakiety w bibliotece referencyjnej brane pod uwagę)

Analiza luk • Angażuje kilku ekspertów • Czasochłonna (dni lub tygodnie)

• 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


Jakość automatycznego

porównania

… nie do końca jest tym, czego oczekiwaliśmy

To, co otrzymujemy…


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


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


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


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


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 (http://plug-it-project.eu):

– 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 (http://plug-it-project.eu)

Documents

Przyszłość doradztwa IT? - Strona główna · FP7-3ICT-231413 Copyright © 2011 iTG and other members of the plugIT Consortium, Slide 24 Wyzwania BUSINESS COMPLIANCE REGULATION