Data som et produkt - en historie om modellering på vei mot Data Mesh

Data Mesh er en populær desentralisert tilnærming til dataanalyse i større virksomheter. Likevel oppstår det et gap mellom visjonen og praktiske beskrankninger forankret i legacy og skyggesystemer i IT landskapet.

Data som et produkt, en av Data Mesh prinsippene, er ment å koble sammen forretningsbehovene for datainnsikt direkte opp mot konkrete datastrukturer. En historie om modellering i forsikringsdomenet vil vise måten dataprodukter kan brukes på for å understøtte forretningsbeslutningene

Transcript

1. Data som et produkt - en historie om modellering på vei mot Data Mesh Make Data Smart Trondheim 2023 Mufrid Krilic Domain-Driven Design Coach, CoWork
2. Litt om meg selv • Utvikler og Teknisk Coach • Applikasjonsutvikling • Arkitekt • Bistår kunder med å oppnå målet om data-drevet virksomhet • Domener: helse, forsikring, telekom • Ta gjerne kontakt! • www.linkedin.com/in/mufrid/ • mufrid@cowork.no With Courage to Make Changes Skaper din digitale selvtillit
3. CoWork – Ingen ledere men fullt av ledelse • Tight Loose Tight – TLT • Strategisk og smidig ledelse • Domain-Driven Design • Produkt- og teknologiledelse With Courage to Make Changes Skaper din digitale selvtillit
4. Om ledelse, organisering, og om å sette alt sammen på en litt annen måte….
5. Agenda i dag • Vurdere Data Mesh - hvorfor og når? • Produkt og data – hva menes med dataprodukter egentlig? • Skille mellom logisk og fysisk arkitektur • 4+1 modellen
6. Spørsmål på menti.com 44 46 99
7. Data Mesh Grunnleggende prinsipper
8. Spørsmål på menti.com 44 46 99 Data Mesh – definisjon «desentralisert sosio-teknisk tilnærming til deling, tilgang og forvaltning av analytiske data i komplekse omgivelser» - Zhamak Dehghani
9. Spørsmål på menti.com 44 46 99 Fire prinsipper 1. Domene-orientert dataeierskap 2. Data som produkt 3. Selvbetjent dataplattform 4. Fellesskaps-drevet styringsmodell • «Federated Computational Governance»
10. Domene-orientert dataeierskap
11. Spørsmål på menti.com 44 46 99 Etablerte domenegrenser! • Forutsetning for Data Mesh! • «domain-oriented decentralized data ownership and architecture»
12. Finne domenegrenser med Domain-Driven Design
13. Spørsmål på menti.com 44 46 99 Prinsipp om domene-orientering • Dataeierskap nærmest mulig kilden • Multiple autonome dog integrerte modeller
14. Spørsmål på menti.com 44 46 99 Prinsipp om domene-orientering • Datarelevans • «No single source of truth» • Data-pipeline er intern implementasjonsdetalj i hvert domene
15. Data som produkt
16. Spørsmål på menti.com 44 46 99 Prinsipp om data som produkt • Produkttenking! • Hvem er bruker og hva er formålet? • Hva skal data brukes til? • Data-produkt • Discoverable • Addressable • Trustworthy • Self-describing • Inter-operable • Secure
17. Selvbetjent dataplattform
18. Spørsmål på menti.com 44 46 99 Prinsipp om selvbetjent dataplattform • Først og fremst fokusert på behovene til produktteamene • Gjøre det enkelt å publisere, forvalte og konsumere data- produktene • Muliggjøre å få verdi ut av data • Plattformtenkning
19. Fellesskaps-drevet styringsmodell
20. Spørsmål på menti.com 44 46 99 Fellesskaps-drevet styringsmodell • Spilleregelforum! • Involver i styringsgruppa de som blir påvirket! • Produktteamene og domeneeiere • Deleger og automatiser!
21. Systemtenkning! • Tilbakekobling sløyfer • «Feedback loops» • Innflytelsespunkter • «Leverage points» Feedback • Varmt eller kaldt vann Innflytelsespunkt
22. Spørsmål på menti.com 44 46 99 Fire prinsipper 1. Domene-orientert dataeierskap 2. Data som produkt 3. Selvbetjent dataplattform 4. Fellesskaps-drevet styringsmodell • «Federated Computational Governance»
23. Hvorfor Data Mesh? Hvilke behov skal dekkes?
24. Spørsmål på menti.com 44 46 99 Hvorfor vurdere Data Mesh? • Sosioteknisk vurdering! • Skalering • Antall datakilder • Organisasjonen(e) som er involvert
25. Spørsmål på menti.com 44 46 99 Når vurdere Data Mesh? • Når vil skalering begynne å skape uhåndterlig kompleksitet? • Finne beslutningspunkter før dette oppstår • Tenk sosioteknisk!
26. Spørsmål på menti.com 44 46 99 Desentralisering koster • Data Mesh argumenterer for mer desentralisering • Desentralisering av beslutninger! • Forutsi punktet der verdi og mulighetene med desentralisering blir større enn kostnader
27. Fagforening og forsikring Use Case
28. Spørsmål på menti.com 44 46 99 Bakgrunn • Fagforening og forsikring er historisk tett knyttet • Ført til utvikling av en del monolitt systemer med ulike utgangspunkter • Kan ha utgangspunkt i medlemskap i fagforening • Kan ha utgangspunkt i forsikring
30. Spørsmål på menti.com 44 46 99 Skalering – kun i store organisasjoner? • Eks: Anskaffelse av nytt system • Plutselig vekst! • Vi får avhengighet til en annen organisasjon • I motsetning til organisk vekst • Er vi bedre tjent med desentralisert tilnærming fremover?
32. Spørsmål på menti.com 44 46 99 Noen sideeffekter av uklar eierskap • Skyggesystemer for dataanalyse • Mer eller mindre utstrakt bruk • Leverandører av ulike systemer bidrar ikke proaktivt til analyseformål • Opptrer ikke som interessent
33. Hvordan starte? …. med Data Mesh
34. Spørsmål på menti.com 44 46 99 Fire prinsipper 1. Domene-orientert dataeierskap 2. Data som produkt 3. Selvbetjent dataplattform 4. Fellesskaps-drevet styringsmodell • «Federated Computational Governance»
35. Spørsmål på menti.com 44 46 99 Fire prinsipper 1. Domene-orientert dataeierskap 2. Data som produkt 3. Selvbetjent dataplattform 4. Fellesskaps-drevet styringsmodell • «Federated Computational Governance»
36. Spørsmål på menti.com 44 46 99 Prinsipp om data som produkt • Produkttenking! • Hvem er bruker og hva er formålet? • Hva skal data brukes til? • Det sentrale ordet er Produkt
37. Spørsmål på menti.com 44 46 99 Produktforvaltning • Eget fagfelt • Forstå behov til mennesker som skal bruke produktet • Forstå behov til mennesker og hvordan kan de bruke data til å dekke behovene
38. Modellering av dataprodukter • Kom i gang med en prototype • Finn data • Forstå data mot behovene • Modellere datastrukturer • Visualisere • Fra Jon Cooke • «Iteration is key»
39. Spørsmål på menti.com 44 46 99 Data Product Life-Cycle - Jon Cooke
40. Metodikk vi kan bruke? …. til modellering av dataprodukter?
41. @mufridk Impact Mapping ▪ Fokusere på ▪ Mål du ønsker å oppnå ▪ Rollene som kan hjelpe deg eller hindre deg i å nå målet ▪ Effektene du ønsker å observere på rollene impactmapping.org Gojko Adzic
42. @mufridk Impact Mapping ▪ Metodikk for workshop fasilitering ▪ Modellering i fellesskap aka “Collaborative Modeling” ▪ Veileder deltagere gjennom fire spørsmål – Hvorfor? – Hvem? – Hvordan? – Hva? impactmapping.org Gojko Adzic
45. Noen eksempler Resultat fra Impact Mapping workshop
47. Behov Effekt Dataprodukt Data i forsikrings- systemet Data i medlems- systemet Hvilke effekter har markedsføring for å få medlemmer til å kjøpe første forsikring som fort som mulig? Større kundelojalitet fordi dette er en attraktiv medlemsfordel I de siste 5 årene hvor lang gjennomsnittstid har det gått for ny- innmeldt medlem å kjøpe første forsikring? Forskjell på kvinner og menn? Avhengig hvor medlem er ansatt? - Startdato på første kjøpte forsikring - Innmeldingsdato - Hvor jobber medlem? - Type medlemskap - Kjønn Dataprodukt for Markedsteamet
48. Behov Effekt Dataprodukt Data i forsikrings- systemet Data i medlems- systemet Når blir våre medlemmer kjøpsmodne for ulike produkter etter innmeldingen? Lage skreddersydd tilbud på forsikringer som passer med behovene. Enkelte produkter kjøpes tidligere enn andre - skadeforsikring typisk, mens personforsikringer kommer senere I de siste 5 år hvor lang gjennomsnittstid har det gått før første skadeforsikring eller personforsikring ble kjøpt etter innmelding? - Type forsikring - Startdato på forsikring - Innmeldingsdato - Alder Dataprodukt for forvaltere av forsikringsprodukter
49. Behov Effekt Dataprodukt Data i forsikrings- systemet Data i medlems- systemet Hvordan påvirker utfordrende økonomiske tider våre forsikringsprodukter? Kunne informere riktig medlemsgruppe om fordeler med å ha riktig forsikringssum på personforsikringene ut fra behovene I de siste 3 år hvor mange har faktisk redusert forsikringssum på de samme personforsikringene (uten å si opp hele summen)? Hvor gamle er medlemmene som har redusert forsikringssum i de siste 3 år på sine personforsikringene og hva er reduksjon i antall G? - Antall G før - Antall G nå - Type forsikring - Hvem har reservasjon på økning i antall G fra forsikringsgiver? - Alder Dataprodukt for ledere i informasjonsavdelingen
50. Spørsmål på menti.com 44 46 99 Hva har vi oppnådd? • Direkte og synlig kobling mellom data og behovet for data • Insentiv til leverandører/dataeiere om å være mer proaktiv • Forbedre dataproduktene ut fra behovene • Skape nye dataprodukter
51. Spørsmål på menti.com 44 46 99 “Er dette oppskriften på datakaos?” • Har vi full kontroll på hva hver enkelt team gjør? • Dette er det neste steget • Validere domenegrensene og nåværende dataeierskap • Felleskapsdrevet styringsmodell
52. Hva med teknologi? Må vi investere i noe nytt?
53. Spørsmål på menti.com 44 46 99 Hvor hører dataprodukter til? • Er det teknologi-relatert? • Er det logisk konsept? • En abstraksjon • Abstraksjon på datanivå som representerer et behov som skal dekkes
54. Spørsmål på menti.com 44 46 99 Betrakte et system fra ulike perspektiver • The “4+1” View Model of Software Architecture • Philippe Kruchten • https://bit.ly/4plus1Paper
55. Dataprodukter definisjon, kontrakt, målgruppe, tilgang Funksjonelt brukerbehov
56. Oppsummering • Desentralisering koster – sunt med skepsis • Skalering kan skape uhåndterbar kompleksitet • Organisasjonsvekst • Antall datakilder • Er Data Mesh noe å vurdere? • Dataprodukt – fokus på ordet Produkt • Dataprodukt er logisk konsept • Vurdere å innføre uten å investere i ny teknologi
57. Takk for meg! • Ta gjerne kontakt! • www.linkedin.com/in/mufrid/ • mufrid@cowork.no With Courage to Make Changes Skaper din digitale selvtillit
59. Bilder • https://unsplash.com/@goian • https://unsplash.com/@theshubhamdhage • Bing Image Creator powered by DALL-E 3 • https://vecteezy.com