WEBVTT 00:00:00.300 --> 00:00:05.660 Siap untuk 10 hari pembahasan Microsoft 365, Copilot, i, iJure, dan para tokoh pembentuk. 00:00:05.940 --> 00:00:07.060 Masa depan kerja. 00:00:07.880 --> 00:00:11.240 Januari ini, M365-Chan kembali hadir dan kami tampil. 00:00:11.520 --> 00:00:11.980 Lebih besar. 00:00:12.800 --> 00:00:18.140 Bergabunglah dengan kami untuk sesi langsung demo dunia nyata dan pengetahuan praktis dari MVP serta pakar industri dunia. 00:00:18.860 --> 00:00:21.080 Anpa slide generik, tanpa istilah teknis yang tak ada. 00:00:21.520 --> 00:00:23.120 Kami menangani tantangan yang sebut. 00:00:23.700 --> 00:00:28.640 Copilot Studio, agen AI Fabric, keamanan, tata kelola, dan otomatisasi. 00:00:28.640 --> 00:00:34.320 Baik Anda seorang profesional TI, pengembang, atau pemimpin bisnis, ada sesi yang dirancang untuk Anda. 00:00:35.440 --> 00:00:39.980 Selama 10 hari penuh, Anda dapat menjelajahi berbagai teknologi dan terhubung dengan komunitas global. 00:00:40.840 --> 00:00:44.320 Tonton secara langsung, dan bawa wawasan praktis kembali ke organisasi Anda. 00:00:45.120 --> 00:00:48.940 Januari 2027, 10 hari, satu komunitas Microsoft. 00:00:49.480 --> 00:00:50.500 Pendaftaran telah dibuka sekarang. 00:00:51.800 --> 00:00:52.840 Amankan tempat Anda hari ini. 00:00:52.840 --> 00:00:57.920 Kunjungi m365con.net 00:00:57.920 --> 00:01:04.640 Daftar sekarang di m365mucon.net dan sampai jumpa secara langsung di bulan Januari. 00:01:05.180 --> 00:01:08.080 Pernahkah Anda bertanya-tanya apakah data Anda bisa mengambil tindakan tanpa Anda risiko? 00:01:08.360 --> 00:01:10.320 Bayangkan mengetahui penurunan inventaris secara waktu nyata. 00:01:11.060 --> 00:01:15.520 Dan alih-alih menirim email atau meriksa dashboard sistem Anda secara otomatis memesankan stok untuk Anda. 00:01:15.520 --> 00:01:17.080 Itu bukan sekadar hipotesis. 00:01:17.520 --> 00:01:19.320 Itulah Fabric Data Activator yang sedang bekerja. 00:01:20.600 --> 00:01:25.740 Hari ini, kita akan menghubungkan titik-titik antara data mentah, peringatan instan, dan respons otomatis, 00:01:25.860 --> 00:01:29.540 serta menunjukkan cara kerjanya dengan Power BI, Synapse, dan Microsoft Fabric lainnya 00:01:29.540 --> 00:01:32.300 untuk mengubah wawasan menjadi tindakan tanpa penundaan. 00:01:34.060 --> 00:01:35.200 Tautan yang hilang dalam siklus data. 00:01:35.880 --> 00:01:38.620 Kebanyakan tim akan mengatakan mereka beroperasi secara waktu nyata, 00:01:38.780 --> 00:01:42.600 namun saat Anda melihat lebih dalam, segalanya terasa seperti operasi hari berikutnya. 00:01:42.600 --> 00:01:47.400 Dashboard diperbarui setiap 15 menit, 30 menit, terkadang hanya sekali per jam. 00:01:48.500 --> 00:01:50.860 Saat itu terjadi, pola yang perlu Anda tangkap sudah berubah, 00:01:50.960 --> 00:01:55.040 dan laporan yang Anda lihat lebih merupai analisis pasca pertandingan daripada siaran langsung 00:01:55.040 --> 00:01:58.640 Anda sedang menonton tayangan ulang setelah skor akhir diumumkan. 00:01:59.420 --> 00:02:01.880 Masalahnya bukan karena alat BI tidak menunjukkan apa yang sedang terjadi. 00:02:02.320 --> 00:02:03.600 Mereka biasanya sangat baik dalam hal itu. 00:02:04.080 --> 00:02:06.360 Bagian yang hilang adalah apa yang terjadi setelah Anda melihatnya. 00:02:06.980 --> 00:02:10.840 Saat ini, sebagian besar alur kerja bergantung pada manusia untuk menyadari perubahan, 00:02:10.840 --> 00:02:13.940 memutuskan tindakan apa yang harus diambil, lalu mengeksekusinya. 00:02:14.440 --> 00:02:15.340 Hal itu menciptakan ambat. 00:02:16.240 --> 00:02:19.760 Bahkan hal mendasar seperti mengirim email ke pelandaan saat metrik tertentu menurun, 00:02:20.120 --> 00:02:24.940 akhirnya menjadi pekerjaan manual karena sistem tidak diatur untuk menghubungkan wawasan langsung ke tindakan. 00:02:26.700 --> 00:02:28.980 Penundaan inilah yang membuat begitu banyak peluang menjadi sia-sia. 00:02:29.760 --> 00:02:33.160 Promosi yang diluncurkan 3 jam terlambat setelah penurunan penjualan kehilangan urgensinya. 00:02:34.020 --> 00:02:36.440 Lonjakan kesalahan situs web yang dibiarkan tidak tertangani, 00:02:36.440 --> 00:02:40.460 hingga rapatin jalan berikutnya akhirnya merugikan konversi yang tidak akan pernah kembali. 00:02:41.640 --> 00:02:44.660 Celah antara mengetahui dan bertindak adalah tempat Fabric Data Activator berada, 00:02:44.800 --> 00:02:47.600 dan ia dirancang untuk memangkas celah itu hingga hitungan detik. 00:02:48.620 --> 00:02:50.860 Karena berada secara natif di dalam Microsoft Fabric, 00:02:50.980 --> 00:02:53.620 Data Activator tidak mengharuskan Anda untuk terus-menerus mengekspor, 00:02:53.720 --> 00:02:55.400 menghubungkan, atau mengatur sumber data. 00:02:56.900 --> 00:03:01.520 Ia membaca aliran peristiwa saat terjadi dan bereaksi seketika-ketika kondisi yang Anda tentukan terpenuhi. 00:03:01.520 --> 00:03:06.600 Perbedaannya adalah alih-alih berhenti pada peringatan ia dapat memicu reaksi berantai ke seluruh sistem Anda lainnya. 00:03:06.920 --> 00:03:07.040 Iya. 00:03:07.500 --> 00:03:11.480 Bayangkan ini, umpan penjualan langsung memantau kinerja di berbagai wilayah. 00:03:12.500 --> 00:03:16.180 Biasanya, Anda akan melihat penurunan mendadak di satu wilayah pada dasbur Anda, 00:03:16.440 --> 00:03:18.440 menyelidiki, menyusun penawaran yang ditargetkan, 00:03:18.560 --> 00:03:20.500 mendapatkan persetujuan, dan meluncurkan promosi. 00:03:20.920 --> 00:03:21.860 Itu mungkin mau akal satu jam. 00:03:21.860 --> 00:03:29.340 Dengan data Activator, penurunan yang sama dapat memicu panggilan API yang telah disetujui sebelumnya ke sistem otomatisasi pemasaran Anda, 00:03:29.520 --> 00:03:33.040 meluncurkan penawaran yang ditargetkan dalam hitungan menit sebelum pesaing melihat kelemahan. 00:03:34.320 --> 00:03:36.160 Tidak perlu menunggu orang yang tepat menyadarinya. 00:03:36.440 --> 00:03:38.540 Tidak ada penundaan untuk pertimbangan langkah yang sudah jelas. 00:03:39.080 --> 00:03:40.000 Itulah perubahan yang sesungguhnya. 00:03:40.000 --> 00:03:43.420 Alat BI tradisional melacak, data Activator mendengarkan dan merespons. 00:03:43.420 --> 00:03:48.340 Dengan irama pembaruan power BI yang umum, misalnya setiap 30 menit, 00:03:48.480 --> 00:03:52.440 deteksi saja mungkin sudah tertinggal dari saat perubahan dimulai. 00:03:53.680 --> 00:03:57.420 Pemicu Data Activator dapat bertindak pada aliran peristiwa secara hampir waktu nyata. 00:03:58.120 --> 00:03:59.980 Dalam hitungan detik tergantung pada sumbernya, 00:03:59.980 --> 00:04:04.120 membuat momen yang dapat ditindak lanjuti selaras lebih dekat dengan peristiwa pemicunya sendiri. 00:04:04.980 --> 00:04:08.920 Dan karena terjalin ke dalam fabrik, ia tidak terbatas pada satu dashboard atau kumpulan data. 00:04:09.440 --> 00:04:12.000 Ia dapat terhubung ke bagian manapun dari ekosistem yang masuk akal. 00:04:12.000 --> 00:04:15.960 Umpan streaming tersebut bisa menjadi bagian dari pipeline data, 00:04:16.260 --> 00:04:21.300 Synapse, yang kemudian memberi makan berbagai model hilir dan AI. 00:04:22.400 --> 00:04:23.580 Jika sesuatu yang penting terjadi, 00:04:23.980 --> 00:04:26.080 data Activator tidak hanya berbisik ke dashboard Anda. 00:04:26.400 --> 00:04:31.240 Ia mengirimkan sinyal ke sistem yang mampu memperbaiki atau memanfaatkan peluang tersebut seketika. 00:04:32.300 --> 00:04:34.120 Ini adalah jembatan antara pengamatan eksekusi. 00:04:34.680 --> 00:04:39.320 Alih-alih memenuhi obrolan tim Anda dengan pesan FVI yang akan dilihat staff Anda setelah makan siang, 00:04:39.740 --> 00:04:41.620 ia mengeksekusi langkah berikutnya saat itu juga. 00:04:42.000 --> 00:04:45.620 Ia mengubah setiap peristiwa yang memenuhi syarat menjadi keputusan yang sudah dibuat, 00:04:45.860 --> 00:04:47.080 menjadi tindakan yang sudah dilakukan. 00:04:47.820 --> 00:04:51.200 Saat Anda membandingkannya dengan alur kerja BI standar, keuntungannya terlihat jelas. 00:04:51.820 --> 00:04:53.600 Pemantauan saja hanya menceritakan kisahnya kepada Anda. 00:04:54.200 --> 00:04:56.020 Pemantauan ditambah respons mengubah hasilnya. 00:04:56.980 --> 00:04:59.480 Dan dalam landscape di mana jendela peluang tertutup dengan cepat, 00:04:59.580 --> 00:05:02.600 perbedaan itu lebih dari sekadar kenyamanan itu adalah daya saing. 00:05:02.600 --> 00:05:08.260 Selanjutnya, mari kita lihat bagaimana ini pas secara alami dengan alat yang sudah Anda gunakan tanpa menambah 00:05:08.260 --> 00:05:10.640 lapisan kompleksitas lain untuk dikelola. 00:05:11.840 --> 00:05:13.480 Lebih dari sekadar peringatan jaringan fabrik. 00:05:13.880 --> 00:05:17.120 Mengirim Anda ping tim selagi bukanlah otomatisasi itu hanya lebih banyak kebisingan. 00:05:17.620 --> 00:05:18.500 Anda tahu jenisnya seperti apa? 00:05:19.040 --> 00:05:23.360 Banjir pop-up muncul di setiap layar masing-masing menuntut Anda memperhatikan sesuatu yang mungkin penting atau tidak. 00:05:23.360 --> 00:05:31.600 Awalnya ada rasa kendali, tetapi tak lama kemudian tim Anda mulai mengabaikannya karena hal penting terkubur dalam kekacauan. 00:05:32.780 --> 00:05:36.900 Ironisnya sistem yang seharusnya memberi Anda informasi justru seringkali membuat Anda semakin tidak tahu apa-apa. 00:05:38.020 --> 00:05:42.520 Kita semua pernah duduk di rapat hari Senin saat seseorang menyebutkan mereka melewatkan masalah pelangan besar 00:05:42.520 --> 00:05:44.460 hanya karena peringatannya terlihat seperti yang lain. 00:05:45.440 --> 00:05:49.420 Akar masalahnya bukan kurangnya deteksi, melainkan kurangnya kecerdasan tentang apa yang harus dilakukan. 00:05:49.640 --> 00:05:50.140 Selanjutnya, 00:05:50.140 --> 00:05:54.060 Pemicu yang terlalu sensitif menganggap setiap fluktuasi kecil sebagai krisis 00:05:54.060 --> 00:05:57.040 dan itu menciptakan budaya di mana semua orang terbiasa mengabaikannya. 00:05:58.520 --> 00:06:02.640 Disinilah peran Microsoft Fabric Data Activator bersama sisa Microsoft Fabric mulai terasa penting. 00:06:04.060 --> 00:06:09.280 Ini bukan sekadar tambahan, tetapi beroperasi tepat di samping Power BI, Synapse, dan pergudangan data Fabric. 00:06:10.380 --> 00:06:14.880 Artinya, ia bekerja di arena yang sama dengan alat yang sudah menjalankan analitik dan alur kerja Anda. 00:06:15.260 --> 00:06:17.540 Alih-alih mengirim peringatan setiap kali ada metrik yang goya, 00:06:17.540 --> 00:06:20.160 ia bisa memutuskan apakah goyangan itulah yang untuk menghentikan operasional. 00:06:20.760 --> 00:06:22.680 Bayangkan seperti operator papan sambung jadul, 00:06:22.880 --> 00:06:25.580 tapi jenis yang benar-benar memahami urgensi dibalik setiap panggilan. 00:06:26.860 --> 00:06:31.700 Saat sesuatu terjadi, misalnya umpan data mengirim sinyal bahwa format penambahan produk Anda rusak di tengah proses pembuatan. 00:06:32.500 --> 00:06:35.080 Data Activator tahu kabar mana yang terhubung ke sistem yang tepat. 00:06:35.580 --> 00:06:38.500 Ia tidak mengirimkan pemberitahuan kepada tim pemasaran yang baru agama mereka baca besok. 00:06:38.500 --> 00:06:44.500 Ia mengarahkan masalah langsung ke sistem yang dapat membukukan pembuatan yang cacat sebelum merusak laporan di hilir. 00:06:45.380 --> 00:06:46.280 Dikut adalah contoh praktis. 00:06:46.680 --> 00:06:50.280 Sebuah alur kerja sinaps menarik data transaksi keuangan setiap beberapa detik. 00:06:51.560 --> 00:06:55.000 Salah satu sistem hulu mulai mengirimkan data duplikat karena gangguan di sisi vendor. 00:06:56.060 --> 00:06:59.760 Jika Anda hanya menggunakan peringatan, Anda akan melihat pesan Teams atau email yang mengatakan, 00:06:59.880 --> 00:07:01.020 Hi, jumlah duplikat terdeteksi. 00:07:01.520 --> 00:07:03.100 Jadi sekarang itu masuk ke daftar tugas seseorang. 00:07:03.100 --> 00:07:07.420 Dengan data Activator, sistem dapat mencedak alur kerja saat duplikat terdeteksi, 00:07:07.540 --> 00:07:12.380 memberi ruang bagi insinyur data Anda untuk memperbaiki sumbernya sebelum data buruk masuk ke gudang data. 00:07:14.100 --> 00:07:17.380 Perbaikan terjadi di tingkat sistem bukan karena seseorang kebetulan sedang meriksa dashboard. 00:07:18.100 --> 00:07:19.040 Itu adalah perbedaannya, Sam. 00:07:19.520 --> 00:07:22.520 Data Activator tidak terikat pada satu kumpulan data atau satu aliran sempit saja. 00:07:23.240 --> 00:07:24.840 Ia bekerja di berbagai jenis input. 00:07:25.420 --> 00:07:29.600 Tabel gudang terstruktur, aliran acara, dan sumber data lain yang terhubung ke fabrik 00:07:29.600 --> 00:07:32.700 menerapkan aturan logis yang sama tanpa Anda harus mengawasinya. 00:07:33.760 --> 00:07:37.100 Cakupan intas layanan ini berarti ia tidak hanya tahu saat ada sesuatu yang tidak beres. 00:07:37.540 --> 00:07:39.800 Sistem ini tahu persis kapan harus mengarmah atau tancap gas. 00:07:40.980 --> 00:07:44.640 Dan karena berada dalam ekosistem yang sama dengan logika transformasi dan penyimpanan Anda, 00:07:44.800 --> 00:07:46.540 sistem ini tidak menghampat aliran data. 00:07:47.440 --> 00:07:48.360 Sistem ini tertanam di dalam. 00:07:49.000 --> 00:07:51.300 Itulah sebabnya Anda bisa membuat rangkaian di mana penyerapan, 00:07:51.460 --> 00:07:54.100 transformasi, validasi, dan resolusi terjadi dalam satu alur 00:07:54.100 --> 00:07:56.060 tanpa perlu saling mengejar untuk serah terima. 00:07:56.060 --> 00:08:00.360 Ini adalah perbedaan antara sekadar bereaksi terhadap data dan membuat sistem Anda 00:08:00.360 --> 00:08:04.460 beradaptasi di tengah proses untuk menjaga kualitas dan ketepatan waktu. 00:08:05.160 --> 00:08:08.540 Namun, manfaat sebenarnya mulai muncul saat Anda tidak melihat ini sebagai alat peringatan, 00:08:08.680 --> 00:08:10.740 melainkan sebagai lapisan pengambilan keputusan operasional. 00:08:10.740 --> 00:08:13.720 Sistem ini merespons berdasarkan konteks, 00:08:13.860 --> 00:08:16.700 yang secara drastis mengurangi kebisingan sekaligus meningkatkan 00:08:16.700 --> 00:08:19.920 persentase peringatan yang memicu tindakan bermakna. 00:08:21.220 --> 00:08:22.340 Anda tidak lagi kewalahan. 00:08:22.720 --> 00:08:26.060 Anda mendapatkan sinyal yang jelas dengan usaha manusia yang lebih minim. 00:08:27.080 --> 00:08:29.540 Dan karena keputusan tersebut, dapat memicu perubahan nyata, 00:08:29.740 --> 00:08:32.940 seperti menjadat tugas, memperbarui catatan, atau memulai pemulihan. 00:08:32.940 --> 00:08:36.040 Ini bukan sekadar memperkecil jadat antara tahu dan bertindak. 00:08:36.580 --> 00:08:37.900 Ini menghampus kesenyalan tersebut sebelumnya. 00:08:38.180 --> 00:08:40.080 Sekarang, mari masuk ke bagian yang menarik perhatian, 00:08:40.080 --> 00:08:42.860 yaitu memanggil API dan berinteraksi dengan dunia yang di luar Microsoft. 00:08:43.680 --> 00:08:45.160 Saat bagian dalam memanggil dunia luar, 00:08:45.600 --> 00:08:48.660 data Anda dapat melakukan panggilan telepon bahkan sebelum Anda menyadari adanya panggilan. 00:08:49.140 --> 00:08:52.320 Itu bukan kiasan kita berbicara tentang menggunakan aliran peristiwa 00:08:52.320 --> 00:08:57.580 yang sama yang sudah Anda lacak untuk memicu sesuatu di luar ekosistem Microsoft Fabric secara real-time. 00:08:58.700 --> 00:09:03.060 Alin-alin, menunggu Anda membaca dashboard atau mengeklik peringatan Teams sistem ini sendiri 00:09:03.060 --> 00:09:07.500 yang akan menghubungi secara metaforis atau harfiah untuk memulai. 00:09:07.500 --> 00:09:11.060 Tindakan di aplikasi atau layanan lain begitu kondisi terpenuhi. 00:09:12.020 --> 00:09:13.560 Sebagian besar pengaturan di Inga Galis ini. 00:09:14.220 --> 00:09:15.960 Mereka sangat hebat dalam menyajikan wawasan. 00:09:16.140 --> 00:09:18.220 Terkadang dengan visual menarik dan komentar bantuan AI, 00:09:18.420 --> 00:09:21.600 tetapi mereka menyerahkan bola kepada Anda dan mengharapkan Anda untuk mengeksekusinya. 00:09:21.600 --> 00:09:27.720 Anda masih harus membuka CRM, mengirim pesanan, memperbarui ERP, atau memulai proses secara manual. 00:09:28.520 --> 00:09:30.560 Kesenjangan itulah tempat hambatan manusia kembali muncul. 00:09:31.820 --> 00:09:34.000 Anda mungkin mendeteksi masalah dalam hitungan menit, 00:09:34.120 --> 00:09:37.500 tetapi eksekusi terjadi berjam-jam kemudian karena menunggu seseorang yang bisa bertindak. 00:09:38.300 --> 00:09:41.180 Dengan data Activator, langkah itu tidak hanya dipersingkat, tetapi hilang sama sekali. 00:09:42.120 --> 00:09:43.680 Bayangkan tingkat inventaris turun. 00:09:44.060 --> 00:09:46.120 Dibawah ambang batas pengisian ulang Anda di tengah hari. 00:09:47.380 --> 00:09:50.660 Dalam pengaturan normal, seseorang di bagian operasional melihat ini di Power BI, 00:09:50.820 --> 00:09:53.120 mengirim catatan ke pengadaan dan menunggu konfirmasi. 00:09:53.700 --> 00:09:57.120 Sementara itu, Anda masih terus menjual produk dan semakin mendekati kabisan stok. 00:09:58.160 --> 00:10:02.640 Sebaliknya, data Activator dapat mengirim panggilan API langsung ke sistem pemesanan pemasok Anda 00:10:02.640 --> 00:10:04.400 begitu data melewati batas tersebut. 00:10:05.140 --> 00:10:07.000 Pesanan pembelian masuk, pengiriman diantrekan, 00:10:07.000 --> 00:10:10.660 bahkan belum ada tim Anda yang membaca peringatan tersebut dan perbaikan sudah mulai berjalan. 00:10:11.180 --> 00:10:14.240 Itulah nilai dari melakukan panggilan eksternal langsung dari dalam fabrik. 00:10:15.580 --> 00:10:17.300 Anda tidak terbatas pada alat Microsoft, 00:10:17.480 --> 00:10:20.120 entah itu CRM Saas, RP Lama, Titik Akhir Res Custom, 00:10:20.360 --> 00:10:23.840 atau bahkan AP Mitra, Anda bisa menghubungkan pemicu waktu nyata tersebut 00:10:23.840 --> 00:10:26.060 untuk menjembatani deteksi dan resolusi. 00:10:28.020 --> 00:10:31.360 Outputnya bisa sesederhana memposting data ke webhub atau terstruktur, 00:10:31.640 --> 00:10:35.520 seperti mengirim pilot berformat yang memicu alur kerja multilangkah 00:10:35.520 --> 00:10:37.820 di platform yang sepenuhnya berbeda. 00:10:37.820 --> 00:10:43.050 Inilah saat fabrik berhenti menjadi sekadar seperangkat alat analitik 00:10:43.050 --> 00:10:46.930 dan mulai berperilaku layaknya sistem saraf pusat lingkungan operasional Anda. 00:10:48.410 --> 00:10:51.730 Saat suatu peristiwa terjadi, saraf tidak hanya mengirim sinyal ke mata Anda, 00:10:51.870 --> 00:10:55.010 tetapi juga mendorong instruksi ke anggota tubuh yang bisa bertindak segera. 00:10:55.610 --> 00:10:56.350 Begitulah cara Anda, 00:10:56.750 --> 00:11:00.350 beralih dari sekadar mata operasional menjadi operasional yang sebagian besar mengatur dunia sendiri. 00:11:00.350 --> 00:11:03.050 Anda bisa melihat ini di industri dengan jejak IoT yang kuat. 00:11:03.850 --> 00:11:07.650 Bayangkan sebuah fabrik manufaktur dengan sensor getaran yang dipasang pada mesin-mesin vital. 00:11:07.650 --> 00:11:10.970 Sensor-sensor ini mengalirkan data ke fabrik secara waktunya. 00:11:11.370 --> 00:11:13.990 Saat pembacaan menyimpang kerentang peringatan kegagalan, 00:11:14.130 --> 00:11:17.730 data activator dapat membuat dan menetapkan perintah kerja di Dynamics 365 00:11:17.730 --> 00:11:21.370 menjadwalkan teknisi sebelum mesin tersebelum mesin tersebut mendekati kerusakan. 00:11:22.750 --> 00:11:25.470 Tidak ada penyelia yang menghentikan harinya untuk melakukan panggilan sistem 00:11:25.470 --> 00:11:29.550 mengatur pekerjaan secara otomatis, lengkap dengan konteks yang dibutuhkan teknisi. 00:11:30.230 --> 00:11:33.710 Pekerjaan perbaikan dimulai bahkan sebelum waktu henti menjadi bahan pembicaraan. 00:11:33.710 --> 00:11:38.490 Perpaduan antara pemantauan otomatis dan api keluar adalah tempat di mana otonomi yang sebenarnya dimulai. 00:11:38.990 --> 00:11:43.150 Anda tidak hanya memfilter peringatan agar relevan Anda menghubungkan pemicu yang telah difilter tersebut 00:11:43.150 --> 00:11:44.630 dengan tindakan nyata yang terjadi segera. 00:11:44.930 --> 00:11:47.610 Itu adalah lompatan dari berbasis data menjadi teraktivasi data, 00:11:47.850 --> 00:11:51.290 di mana kemampuan sistem untuk merespon secepat kemampuannya dalam mendeteksi. 00:11:52.270 --> 00:11:53.670 Jika Anda mengaturnya dengan benar, 00:11:53.910 --> 00:11:56.230 proses Anda tidak hanya melewati mikromanajemen manusia, 00:11:56.670 --> 00:12:02.170 tetapi secara aktif meningkat karena siklus antara deteksi dan tindakan menjadi erat, konsisten, dan selalu aktif. 00:12:02.170 --> 00:12:07.910 Anda bisa fokus merancang aturan dan logika yang lebih baik daripada khawatir apakah seseorang sudah melihat peringatan itu. 00:12:08.730 --> 00:12:12.230 Namun, bahkan sistem saraf yang paling responsif sekalipun memiliki ambang batas yang tidak bisa Anda abaikan. 00:12:12.750 --> 00:12:15.910 Dan jika Anda tidak mengetahuinya sebelum memulai hasilnya, bisa menjadi kacau dengan cepat. 00:12:17.030 --> 00:12:18.650 Mengetahui batasan sebelum membangun, 00:12:19.010 --> 00:12:21.730 setiap pahlawan otomatisasi memiliki kisah asal dan daftar, 00:12:22.110 --> 00:12:24.610 jebakan yang mereka harap sudah diantisipasi sebelumnya. 00:12:24.610 --> 00:12:30.030 Dengan data aktifator, kenyataannya adalah meskipun ide deteksi plus reaksi terdengar tak terbatas, 00:12:30.130 --> 00:12:32.550 terdapat kerangka kerja yang sangat praktis di bawahnya. 00:12:33.550 --> 00:12:36.650 Ini bukan sihir, sistem ini tetap berjalan di atas arsitektur fabrik, 00:12:36.950 --> 00:12:42.830 terikat oleh model kapasitas, batas layanan, dan asumsi desain yang sama yang berlaku untuk semua hal lain dalam ekosistem tersebut. 00:12:44.130 --> 00:12:49.490 Abaikan batasan tersebut dan Anda akan segera mengetahui apa yang terjadi ketika otomatisasi yang berniat baik justru terhenti. 00:12:49.490 --> 00:12:54.090 Bagian yang sulit adalah titik kegagalan biasanya tidak muncul selama bukti konsep Anda. 00:12:54.870 --> 00:12:56.830 Dalam pengujian kecil, semuanya terasa instan. 00:12:57.330 --> 00:13:00.470 Kondisi terpicu, tindakan berjalan, dan Anda melihat hasilnya hampir seketika. 00:13:00.970 --> 00:13:03.830 Begitu Anda melakukan ekspansi, menghubungkan beberapa sistem eksternal, 00:13:04.010 --> 00:13:06.350 meningkatkan volume pemicu, dan menambahkan logika kompleks, 00:13:06.490 --> 00:13:08.990 barulah kendala tersebut terlihat, barulah kendala tersebut terlihat. 00:13:08.990 --> 00:13:11.190 Latensi meningkat, penggunaan kapasitas melonjak. 00:13:11.950 --> 00:13:15.910 Tiba-tiba, mesin pengambil keputusan real-time itu menjadi terbatas atau mengantre. 00:13:15.910 --> 00:13:21.090 Pikirkan apa yang terjadi ketika pemicu bergantung pada sumber yang terhubung secara teknis, 00:13:21.190 --> 00:13:23.510 tetapi tidak berjalan di dalam layanan asli fabrik. 00:13:24.990 --> 00:13:28.810 Mungkin Anda memiliki aliran data dari pusat acara eksternal yang masuk ke laporan Anda. 00:13:29.910 --> 00:13:33.390 Jika data aktifator mengandalkan umpan tersebut untuk menjalankan proses kritis, 00:13:33.390 --> 00:13:37.470 namun interval pemrosesan di sisi sumber lebih lambat dari waktu reaksi target fabrik, 00:13:37.630 --> 00:13:40.510 Anda tidak akan pernah mendapatkan respons yang diharapkan. 00:13:40.510 --> 00:13:45.190 Saya pernah melihat peluncuran terhenti karena kondisi dibangun di atas data semistatis 00:13:45.190 --> 00:13:46.750 yang tidak mampu mengimbangi logika pemicu. 00:13:47.710 --> 00:13:50.170 Otomatisasi tidak gagal, hanya saja sudah terlambat untuk memberikan Anda. 00:13:50.610 --> 00:13:52.150 Ada juga godaan untuk memantau semuanya. 00:13:52.630 --> 00:13:53.830 Sekarang hal itu masuk akal pada awal. 00:13:54.370 --> 00:13:58.010 Semakin banyak kondisi pemantauan seharusnya berarti semakin banyak peluang untuk bereaksi, 00:13:58.010 --> 00:14:00.770 namun setiap pemicu yang Anda tentukan berkontribusi pada beban kerja 00:14:00.770 --> 00:14:02.770 yang berjalan terhadap kapasitas fabrik Anda, 00:14:03.030 --> 00:14:05.950 itu berarti Anda menghabiskan kapasitas yang sama 00:14:05.950 --> 00:14:09.430 yang mendukung penyegaran BI, aliran data, dan query gudang data Anda. 00:14:09.430 --> 00:14:13.750 Jika dipaksakan, Anda akan melihat efek domino di mana beban kerja lain melambat 00:14:13.750 --> 00:14:16.230 karena pemicu Anda menghabiskan sumber daya komputasi. 00:14:17.150 --> 00:14:18.750 Perencanaan kapasitas di sini bukanlah pilihan 00:14:18.750 --> 00:14:21.230 karena itulah disiplin yang mencedel otomatisasi berubah menjadi waktu henti 00:14:21.230 --> 00:14:22.370 yang disebabkan oleh diri sendiri. 00:14:22.990 --> 00:14:23.870 Target latensi juga penting. 00:14:24.450 --> 00:14:26.330 Data activator dapat bereaksi dalam hitungan detik, 00:14:26.330 --> 00:14:29.190 tetapi hanya jika sistem hulu dan hilir dapat menangani kecepatan tersebut. 00:14:30.070 --> 00:14:32.650 Jika panggilan API yang dipicu mengarah ke integrasi ERP 00:14:32.650 --> 00:14:34.670 yang diproses secara batch setiap 15 menit, 00:14:34.770 --> 00:14:37.430 Anda secara efektif menciptakan penundaan bawaan. 00:14:37.430 --> 00:14:41.270 Pemicu berjalan, namun hasil akhirnya tetap menunggu hingga batch berikutnya. 00:14:42.250 --> 00:14:45.770 Perbedaan ritme layanan tersebut perlu dipetakan sebelum Anda mulai menghubungkan sistem. 00:14:47.190 --> 00:14:50.770 Jalur yang lebih aman adalah memulai dengan kondisi bernilai tinggi dan berfrekuensi rendah. 00:14:51.290 --> 00:14:54.490 Itu berarti memilih skenario di mana meskipun Anda hanya memicu beberapa kali sehari, 00:14:54.490 --> 00:14:57.150 masing-masing-masing, memiliki dampak jelas yang layak di otomatisasi. 00:14:57.710 --> 00:15:01.230 Ini tentang membuktikan efektivitas tanpa membanjiri kapasitas Anda 00:15:01.230 --> 00:15:02.950 atau membuat kewalahan layanan hilir. 00:15:04.110 --> 00:15:05.510 Anda menyempurnakan logika pemicu, 00:15:05.850 --> 00:15:08.790 memahami profil pemrosesan dan baru kemudian mulai berekspansi. 00:15:09.990 --> 00:15:11.730 Perlu diingat juga bahwa harga dan kapasitas, 00:15:11.970 --> 00:15:13.910 bukan hanya tentang penyimpanan atau penyegaran. 00:15:15.030 --> 00:15:18.430 Evaluasi pemicu dan eksekusi tindakan mengonsumsi sumber daya dari kumpulan yang sama. 00:15:18.830 --> 00:15:20.570 Panggilan API keluar itu adalah komputasi, 00:15:20.570 --> 00:15:24.070 transformasi yang Anda jalankan sebelum meriksa kondisi juga ikut terhitung. 00:15:25.110 --> 00:15:29.050 Jika Anda meningkatkan kondisi dan koneksi tanpa memperhitungkan kumpulan pada unit fabrik Anda, 00:15:29.170 --> 00:15:31.590 Anda akan mencapai batas lebih cepat dari yang diperkirakan. 00:15:32.570 --> 00:15:36.130 Kabar baiknya adalah setelah Anda mengetahui di mana batasannya Anda dapat merancang dengan menyiasatinya, 00:15:36.470 --> 00:15:37.810 Anda membangun proses yang secara mendirik.