Category: Uncategorized

Teknologi cloud native memungkinkan organisasi untuk membangun dan menjalankan aplikasi yang dapat diskalakan dalam lingkungan modern yang dinamis. Di antara pola cloud native, container dan Kubernetes telah menjadi standar di berbagai bisnis. Menurut Survei Tahunan Cloud Native Computing Foundation 2022, 44% responden sudah menggunakan container untuk hampir semua aplikasi dan segmen bisnis mereka, sementara 35% lainnya menggunakan container untuk setidaknya beberapa aplikasi produksi. Laporan Kubernetes in the Wild 2023 menunjukkan bahwa pada tahun 2021, dalam klaster Kubernetes yang tipikal, beban kerja aplikasi menyumbang sebagian besar dari Pods (59%). Sebaliknya, beban kerja non-aplikasi (sistem dan beban kerja tambahan) memiliki peran yang relatif lebih kecil. Pada tahun 2022, keadaan berubah. Beban kerja tambahan melebihi beban kerja aplikasi (63% vs. 37%) seiring dengan adopsi teknologi platform Kubernetes yang lebih canggih oleh organisasi, seperti kontrol keamanan, mesh layanan, sistem pesan, dan alat observabilitas. Jumlah total beban kerja tambahan dalam klaster Kubernetes meningkat sebesar 211% YoY, sementara beban kerja aplikasi meningkat sebesar 30% YoY. Mengoptimalkan infrastruktur beban kerja tambahan membebaskan lebih banyak sumber daya untuk mendukung aplikasi bisnis, meningkatkan kinerja dan tingkat layanan, serta mengendalikan biaya operasional. Penyebaran Container Sidecar Container sidecar adalah metode umum untuk menangkap berbagai aliran log di lingkungan Kubernetes. Container ini mengelola file log, menyimpannya di penyimpanan persisten, dan mengirimkannya ke aplikasi observabilitas yang relevan. Meskipun mereka membantu menjaga agar container aplikasi tetap kecil dan bebas dari agen, penggunaannya dalam skala besar berkontribusi pada peningkatan pemanfaatan sumber daya klaster dengan beban kerja tambahan. Selain itu, sumber daya sering kali diduplikasi di berbagai Pods. Misalnya, jika Anda memiliki 100 Pods, Anda mungkin memerlukan 100 container sidecar, masing-masing mengkonsumsi sumber daya komputasi dan memori, serta menambah penggunaan keseluruhan. Sebagai alternatif dari container sidecar, pertimbangkan untuk menggunakan layanan penyimpanan AWS untuk ketahanan file log. Amazon Elastic Block Store (Amazon EBS), Amazon Elastic File System (Amazon EFS), dan layanan file Amazon FSx memiliki driver Container Storage Interface (CSI) untuk menyediakan volume persisten bagi container Kubernetes. Volume dan share dapat dipasangkan dan dipasang melalui kubectl dan eksctl, mempermudah otomatisasi dan operasi pada skala besar. Untuk menyimpan file log, memilih layanan file (Amazon EFS atau Amazon FSx) membantu mengkonsolidasi entitas yang perlu dikelola. Satu volume dapat dibagikan sebagai klaim volume persisten di setiap Namespace Kubernetes, sehingga mengurangi kebutuhan untuk penyediaan volume per container sidecar dan operasi manajemen terkait. Dalam penerapan skala besar, satu volume penyimpanan per Namespace bisa berarti banyak konektivitas dan operasi untuk dikonfigurasi. Untuk mengatasi overhead operasional ini, kita memerlukan solusi penyimpanan yang memungkinkan kita untuk melampirkan penyimpanan yang relevan ke beberapa node dan membuat volumenya tersedia di seluruh namespace. Di sinilah Amazon FSx untuk NetApp ONTAP memberikan kemampuan untuk mengatasi tantangan multi-attach dan lintas namespace. FSx untuk ONTAP adalah sistem file ONTAP yang sepenuhnya dikelola dengan kemampuan berikut: – Integrasi Kubernetes: NetApp Astra Trident CSI memungkinkan penyediaan dan operasi melalui API Kubernetes untuk volume block (iSCSI) dan file (NFS dan/atau SMB). – Efisiensi Kapasitas: Duplikasi data dan kompresi native mengurangi jumlah ruang yang diperlukan untuk mengkonsolidasikan beberapa file aliran log hingga 70%. – Replikasi Data Cerdas: Snapshot dan klon hemat ruang untuk memudahkan pemulihan dan pembuatan lingkungan, semuanya dikelola melalui kubectl. – Optimisasi Biaya: Tingkat kapasitas dengan penyimpanan berbiaya rendah untuk optimisasi berkelanjutan. – Opsi Ketersediaan Tinggi: Terapkan sistem file dalam konfigurasi Single-Availability Zone (AZ) atau Multi-AZ untuk failover cepat, dan izinkan container di AZ yang berbeda untuk menulis ke satu volume. Driver NetApp Astra Trident memperluas kemampuan ini dengan fitur sumber daya TridentVolumeReference. Dengan sumber daya ini, PersistentVolumeClaim (PVC) untuk Namespace tertentu dapat dipasang oleh container di beberapa Namespace. Log di seluruh Namespace dapat ditulis ke volume yang sama, dan kemudian file log dapat dibaca oleh mesin agregator log di Namespace khusus. Solusi ini mengurangi overhead operasional dalam penerapan, konfigurasi, dan pemeliharaan agen logging sidecar di seluruh infrastruktur. Ini juga mengurangi overhead komputasi dan memori yang akan diklaim oleh setiap container sidecar di beberapa Pods, serta jumlah koneksi terbuka dan lalu lintas jaringan. Masalah Multi-Log Sebuah aplikasi dapat memiliki beberapa aliran log untuk tujuan yang berbeda, seperti log stdout umum, log akses, dan log audit. Selain itu, aplikasi yang berbeda mungkin menghasilkan aliran log mereka sendiri yang sesuai dengan kebutuhan observabilitas aplikasi. Setiap aliran log memiliki format, frekuensi, dan konfigurasi izin yang berbeda, namun kita masih perlu mengumpulkan log-log ini dan mengirimkannya ke mesin agregator log kita. Tantangan utamanya adalah bahwa log-log ini terletak di penyimpanan Pod yang bersifat sementara dan tidak dapat diakses atau dialirkan dengan cara yang sama seperti aliran log default dari stdout/err. Pengaturan Klaster Amazon EKS di Mana Setiap Pod Menulis Log ke stdout Dalam arsitektur log yang umum digunakan (seperti yang ditunjukkan pada gambar sebelumnya), DaemonSet berfungsi untuk menjalankan agen kolektor yang mengalirkan log ke agen log pusat. Namun, mengelola arsitektur ini bisa menjadi kompleks ketika setiap aplikasi menghasilkan berbagai jenis log (dalam hal format, frekuensi penulisan, dll.). Tim operasional perlu mengetahui kapan jenis log baru ditambahkan dan mendapatkan pemahaman dari pengembang aplikasi tentang cara menangani dan memprosesnya. Ada beberapa pendekatan untuk mengatasi tantangan ini. Pertama, Anda bisa menggunakan container sidecar dari mesin kolektor log untuk mengalirkan file log tambahan tersebut. Kedua, Anda bisa menyimpan file tambahan ini dalam Persistent Volume Claim (PVC) untuk ketahanan, lalu mengalirkannya ke mesin log. Solusi A – Streaming dengan Container Sidecar Container sidecar beroperasi sebagai aplikasi tambahan dengan fungsi khusus di dalam Pod aplikasi. Dalam hal ini, container sidecar berfungsi sebagai agen pengumpul log yang mengalirkan file log tambahan dari setiap Pod aplikasi langsung ke mesin pengumpul log. Hal ini dicapai dengan menggunakan mount lokal yang dibagikan oleh container utama dan sidecar (ditandai dengan warna merah muda pada gambar berikut). Pengaturan Klaster Amazon EKS di Mana Setiap Pod Memiliki Collector Sidecar untuk Mengirim Log ke Sistem Logging Jarak Jauh Keuntungan: – Memungkinkan streaming file log individual sesuai kebutuhan masing-masing aplikasi. Kekurangan: – Sumber daya yang digunakan oleh sidecar terduplikasi; misalnya, jika ada 100 Pod, maka Anda memerlukan 100 sidecar, masing-masing memanfaatkan sumber daya (RAM, CPU) secara terpisah. – Menyebabkan kebutuhan untuk konfigurasi, penyebaran, dan pemeliharaan komponen sidecar. – Menambah jumlah koneksi…

Selama lebih dari satu dekade, organisasi telah mengadopsi data lake untuk mengatasi keterbatasan teknis gudang data dan bertransformasi menjadi entitas yang lebih berfokus pada data. Meskipun banyak organisasi telah memanfaatkan data lake untuk menjelajahi kasus penggunaan data baru dan meningkatkan pendekatan berbasis data mereka, beberapa organisasi lainnya merasa manfaat yang dijanjikan sulit untuk dicapai. Akibatnya, efektivitas dan pengembalian investasi (ROI) dari berbagai inisiatif data lake kini tengah mendapat perhatian yang lebih mendalam. Menavigasi Perangkap: Ketika Data Lake Berubah Menjadi Data Swamp Pandangan komunitas teknologi terhadap data lake telah berubah seiring dengan tantangan yang dihadapi beberapa organisasi dalam mengelola penyimpanan data yang besar dan menghindari “data swamp,” di mana data disimpan namun tidak dimanfaatkan. Data swamp ini adalah kumpulan data yang sangat besar yang ditumpahkan sembarangan, mengakibatkan masalah dalam hal penemuan dan kegunaan data. Sentralisasi dapat menimbulkan kemacetan yang memperlambat akses dan analisis, dan tanpa tata kelola yang ketat, kualitas data dapat cepat menurun. Selain itu, pendekatan satu ukuran untuk semua yang diterapkan pada data lake sering kali tidak memenuhi kebutuhan spesifik dari berbagai domain bisnis. Potensi data lake sering kali tidak dapat dimanfaatkan secara optimal karena pengguna menghadapi kesulitan dalam mengekstrak nilai akibat kurangnya alat yang tepat atau kompleksitas data itu sendiri. Data Lake yang Diterapkan dengan Baik Data Lake yang Diterapkan dengan Buruk Sumber Kebenaran Tunggal Data silos yang sulit diakses Penyimpanan yang hemat biaya Banyak data tidak relevan disimpan (“Data adalah Data is The New Oil”) Demokratisasi data Keterampilan khusus diperlukan untuk mengakses data Fleksibilitas format data Kualitas data yang buruk dan inkonsistensi Analitik canggih dan pembelajaran mesin Kesulitan mengekstrak nilai dari data tak terstruktur yang besar Wawasan yang lebih cepat Komunikasi lambat dan kekurangan alat, antarmuka, serta keterampilan Manajemen data yang efisien   Manajemen menjadi rumit seiring pertumbuhan data lake Produsen Data vs. Konsumen Data: Jurang dalam Organisasi Penyebab utama masalah ini terletak pada interaksi organisasi antara produsen data dan konsumen data di satu sisi, serta tim data lake pusat di sisi lainnya. Produsen data sering kali lebih termotivasi untuk mengembangkan fitur aplikasi baru daripada membuat data tersedia untuk keperluan analisis. Fokus mereka pada beban kerja transaksional, bukan analitik, sering kali mengakibatkan data yang dibagikan berkualitas rendah. Selain itu, mereka juga kurang terhubung dengan konsumen data mereka, sehingga sering terjadi ketidaksesuaian antara apa yang diproduksi dan apa yang sebenarnya dibutuhkan. Tim data lake juga menghadapi tantangan mereka sendiri: Mereka dibebani dengan banyak sumber data, harus melakukan pemeliharaan teknis yang kompleks, dan sering kali harus mengatur prioritas yang berubah-ubah. Dengan kemampuan analitik yang terbatas dan kurangnya koneksi dengan produsen data, konsumen sering merasa frustrasi karena kurangnya transparansi, nilai yang tidak jelas, dan rendahnya prioritas terhadap kebutuhan mereka. Biasanya, produsen dan konsumen data tidak berinteraksi secara langsung; komunikasi ini terhalang oleh organisasi proxy data lake, di mana semua data disimpan secara terpusat. Memberdayakan Tim dengan Data Mesh: Jalan Menuju Ekosistem Data Terdistribusi Diskusi dalam komunitas teknologi kini beralih ke strategi data yang lebih canggih dan fleksibel, yang dikenal sebagai data mesh. Strategi ini bertujuan mengatasi beberapa keterbatasan dari data lake terpusat dengan mengusung pendekatan manajemen data yang lebih terdistribusi, berpusat pada manusia, dan sesuai dengan konteks. Data mesh adalah alternatif untuk masalah sentralisasi. Pendekatan ini menetapkan tanggung jawab atas data analitis kepada tim-tim yang spesifik pada domain yang membangun dan menjalankan aplikasi serta menghasilkan data transaksional, seperti tim e-commerce, serta tim yang mengonsumsi data dan menggunakannya untuk mendapatkan wawasan. Misalnya, tim yang mengelola halaman checkout di sebuah toko online dan menyimpan data penjualan dalam database transaksional juga bertanggung jawab untuk menyediakan data penjualan tersebut untuk analitik, pelaporan, dan penggunaan AI/ML, seperti pemasaran atau keuangan. Data mesh mempermudah dan menyederhanakan penggunaan data analitis bagi konsumen. Ini bukan hanya sekadar antarmuka tambahan; data disajikan sebagai produk data independen yang memberikan manfaat spesifik kepada konsumen aktual. Produk data ini mencakup data spesifik beserta metadata-nya, kode sumber yang diperlukan untuk menyiapkan dan menyajikan data, infrastruktur pengujian dan produksi yang diperlukan (sebagai Infrastructure as Code/IaC), serta konfigurasinya. Menumbuhkan Literasi Data: Memperkenalkan Peran Baru dalam Tim Data Mesh Tim yang membuat dan menggunakan data, seperti tim checkout e-commerce dan departemen pemasaran dalam contoh saya, sering kali kurang memiliki keahlian dalam mengembangkan dan mengelola data untuk analitik. Namun, pengetahuan mendalam mereka tentang konteks bisnis data sangat berharga. Dalam kerangka kerja data mesh, penting untuk memanfaatkan pengetahuan ini dengan meningkatkan keterampilan tim-tim tersebut untuk mengimplementasikan kasus penggunaan analitik. Ini melibatkan pemberian pelatihan mendalam kepada anggota yang ada dan pembentukan peran-peran khusus tambahan. Dua peran kunci yang sangat penting adalah pemilik produk data yang mengarahkan strategi data dan insinyur data yang menangani aspek teknis dalam pembuatan dan pengelolaan produk data tersebut. Pemilik produk data adalah seorang profesional yang berfokus pada bisnis dan memiliki pemahaman mendalam tentang domain bisnis dari perspektif transaksional dan analitik. Mereka berkomunikasi langsung dengan konsumen produk data, mendefinisikan produk, strateginya, dan peta jalannya. Insinyur data adalah seorang ahli umum dalam rekayasa data dan ilmu data dengan keahlian mendalam di area terkait data yang dibutuhkan oleh bisnis. Mereka membangun produk data yang sesungguhnya dan menjadi kontak utama untuk pertanyaan teknis dari tim lain. Membangun Dasar Kesuksesan: Platform Data Mesh Untuk memaksimalkan potensi data mesh, saya merekomendasikan agar kedua peran tersebut diintegrasikan langsung ke dalam tim produsen dan konsumen. Sebagai alternatif yang valid namun kurang optimal, karena memperkenalkan kembali tim proxy, adalah membentuk tim data mesh terpisah untuk setiap domain bisnis (misalnya, e-commerce). Platform data mesh mendukung produsen dan konsumen dengan mempermudah serta meningkatkan efisiensi pekerjaan mereka. Tim platform data mesh tidak terlibat dalam pembuatan produk data atau penyimpanan serta pemrosesan data. Platform data mesh memiliki tiga peran utama: (1) menyediakan alat dan infrastruktur seperti katalog data, kontrol akses, pipeline CI/CD, pemantauan, serta lingkungan pengembangan dan pengujian; (2) melatih dan memberi saran kepada produsen dan konsumen serta, jika diperlukan, mendukung mereka dengan kapasitas pengembangan tambahan; dan (3) memoderasi standar dan prosedur umum dalam pendekatan terfederasi yang harus dipatuhi di seluruh organisasi. Misi dari platform data mesh adalah membuat pekerjaan produsen dan konsumen menjadi lebih sederhana, efisien, dan bebas stres. Namun, menjalankan platform dengan sukses dan berkelanjutan…

Mengapa begitu banyak program inovasi perusahaan gagal? Jawabannya sama kompleksnya dengan lanskap organisasional itu sendiri. Meskipun beberapa orang mungkin menunjuk pada model tata kelola yang berat, tim yang terpisah, lingkungan regulasi yang menuntut, dan pengambilan keputusan birokratis sebagai penyebab utama, satu area sering kali tidak diperiksa dengan seksama: strategi talenta. Proses-proses orang Anda dapat mendukung atau menghambat inovasi. Tidak ada jalan tengah. Baru-baru ini saya membaca buku Adaptive Ethics for Digital Transformation oleh rekan saya Mark Schwartz. Saya tidak akan mencoba merangkum apa yang saya temukan sebagai buku yang mengundang untuk berpikir dan menantang (terutama jika Anda tertarik pada topi, makanan, dan analogi monster mitologis). Namun, saya ingin merenungkan sebuah kutipan. Ini bukan tema utama dalam buku tersebut, jadi saya rasa saya tidak mencuri sorotan dari Mark. (Silakan baca bukunya. Sungguh bagus.) Di tengah cerita tentang kehancuran Enron, Mark menjatuhkan kutipan ini: “Budaya terbentuk di sekitar apa pun yang membuat karyawan sukses.” Mark menunjukkan bagaimana nilai-nilai yang diungkapkan oleh Enron sama sekali tidak tercermin dalam apa yang menyebabkan kesuksesan dan kemajuan individu di dalam organisasi. Nilai-nilai yang diungkapkan bukanlah masalah; ketidaksesuaian antara nilai-nilai tersebut dengan kenyataan lah yang menjadi masalahnya. Saya telah menghabiskan sebelas tahun perjalanan saya di Amazon (baik di AWS maupun Amazon.com) fokus pada orang dan budaya. Saya seorang pecinta budaya, terus-menerus melihat dunia melalui lensa “Budaya adalah hal terpenting.” Dan saya bekerja untuk sebuah organisasi yang dengan sengaja mengembangkan budayanya untuk memenuhi misi menjadi perusahaan yang paling berorientasi pada pelanggan di Bumi. Tapi apakah pernyataan Mark ini berlaku untuk organisasi lain? Saya pikir begitu, dan saya percaya bahwa banyak transformasi organisasional terhenti ketika organisasi gagal mendukung nilai-nilai budaya yang diungkapkan dengan praktik dalam pengembangan karyawan, evaluasi kinerja, dan bahkan filosofi kompensasi. Selama lima tahun terakhir, saya telah berbicara dengan lebih dari seribu pemimpin organisasi di seluruh dunia dari hampir setiap segmen industri. Satu percakapan yang tetap menghantui saya; ini menggambarkan perlunya untuk meninjau kembali strategi talenta Anda saat mengejar transformasi organisasional. Beberapa tahun lalu, saya berkesempatan untuk menghabiskan waktu dengan kepala inovasi sebuah perusahaan minyak dan gas global—sebut saja Xavier. Seperti banyak organisasi mapan di sektor energi, perusahaan Xavier melihat kebutuhan mendesak untuk melakukan transformasi dan menjadi lebih inovatif. Formula lamanya untuk bisnis yang berkelanjutan dan menguntungkan tidak dapat membantu perusahaan berhasil di dunia dengan sumber daya alam yang semakin berkurang dan kebutuhan energi yang meningkat. Selama percakapan kami, Xavier berbagi metodenya untuk mendorong inovasi di seluruh perusahaan: tujuan inovasi tingkat tinggi dari kepemimpinan senior, anggaran inovasi yang ditetapkan untuk setiap organisasi, tim kecil yang fokus pada masalah-masalah tertentu, hackathon, pengakuan publik, dan penghargaan—semuanya sudah dicoba. Dia mengatakan, “Kami telah menjalankan program ini selama satu setengah tahun. Dan ada bagian perusahaan di mana program ini berhasil. Tapi tidak menyebar seperti yang kami harapkan. Kami tidak melakukan eksperimen. Kami masih birokratis dan lambat dalam pengambilan keputusan kami. Orang-orang hanya tidak mendaftar untuk proyek-proyek inovatif. Apa yang salah dengan saya?” Rencana Xavier sejalan dengan hampir setiap pendekatan teoritis untuk mendorong inovasi organisasional. Jujur, saya tidak bisa berpikir apa yang telah dia lewatkan. Sejam kemudian kami makan siang, dan percakapan beralih dari Prinsip Kepemimpinan Amazon ke filosofi kompensasi kami. Amazon telah menyertakan ekuitas perusahaan sebagai komponen signifikan dari kompensasi tahunan setiap karyawan selama waktu yang lama. Pendekatan ini sesuai dengan Prinsip Kepemimpinan kami yang mengutamakan Ownership: Pemimpin adalah pemilik. Mereka berpikir jangka panjang dan tidak mengorbankan nilai jangka panjang untuk hasil jangka pendek. Mereka bertindak atas nama seluruh perusahaan, di luar hanya tim mereka sendiri. Mereka tidak pernah mengatakan, “Itu bukan pekerjaan saya.” “Istilah ‘Pemimpin’ merujuk pada semua orang di organisasi, terlepas dari jabatan atau peran mereka. Setiap orang dapat mempengaruhi dan memengaruhi perilaku orang di sekitarnya, jadi Anda perlu mendekati pekerjaan Anda dengan pola pikir pemimpin yang bertanggung jawab. Dan di AWS ‘Pemimpin adalah pemilik’ adalah sesuatu yang konkret. Selain memiliki seperangkat tanggung jawab tertentu (yaitu memiliki peran Anda dan bertanggung jawab atas hasilnya), setiap karyawan memiliki bagian dari perusahaan dan mendapat manfaat dari kesuksesan jangka panjang organisasi. Dengan memberikan saham kepada setiap karyawan, Amazon menyelaraskan motivasi individu dengan tujuan organisasional. Bagaimana konsep kepemilikan ini terhubung dengan teka-teki inovasi yang saya bicarakan dengan Xavier? Ketika saya membagikan detail filosofi kompensasi kami, Xavier menghentikan saya dan berkata, “Tunggu—semua orang mendapatkan saham?” “Betul,” kataku. “Tentu saja, kami memberikan jumlah yang berbeda berdasarkan level dan kinerja pekerjaan. Dan seseorang yang di bawah kinerjanya mungkin tidak mendapatkan sama sekali. Tapi setiap karyawan lainnya mendapatkan saham sebagai bagian dari proses kompensasi tahunan.” “Hmm,” katanya. “Pemimpin saya percaya pada bayaran atas kinerja. Kami juga memberikan saham, tetapi jika saya memiliki tim sepuluh orang, saya hanya diizinkan memberikannya kepada dua performer terbaik saya. Itu adalah penghargaan yang signifikan—mungkin mencapai 30% dari gaji tahunan mereka.” Kepemimpinan senior sangat memeriksa penghargaan saham tersebut, dan orang-orang yang menerimanya biasanya memberikan hasil yang sempurna untuk tahun itu—mereka mencapai semua tujuan dan objektif mereka. Siapa yang akan pernah mendaftar untuk proyek-proyek dengan peluang gagal bahkan dalam lingkungan seperti itu? Saya dapat merasakan simpati—saya memiliki tiga anak kuliah. Di AS itu berarti saya mengeluarkan banyak uang untuk membayar pendidikan mereka. Jika saya bisa mendapatkan kenaikan gaji 30 persen mengikuti model di perusahaan Xavier, saya akan menetapkan tujuan yang “aman,” yang bisa dicapai dan kemudian mengejar tujuan-tujuan itu secara teliti dan tanpa henti atas segala sesuatu. Tidak semua orang termotivasi oleh uang, tetapi budaya yang memberi imbalan atas pelaksanaan tanpa cela adalah bertentangan dengan eksperimen dan inovasi. Pemimpin mungkin mengatakan, “Gagal cepat!” tetapi sistem penghargaan dan koreksinya justru menyampaikan pesan sebaliknya. Tahun setelah saya memiliki percakapan dengan Xavier, perusahaannya bermitra dengan tim Inovasi Digital AWS untuk membuat lima eksperimen besar, menjalankannya dalam sepertiga waktu yang dibutuhkan sebelumnya untuk menjalankan satu. Dua dari eksperimen itu tetap berjalan. Saya tidak tahu seberapa relevan percakapan kami terhadap perubahan yang dilakukan perusahaan Xavier, tetapi tahun lalu, saya bertemu dengan kepemimpinan bakat yang sama dari organisasi tersebut. Mereka telah merevisi pendekatan kompensasi perusahaan untuk menawarkan saham kepada semua karyawan. Pelajaran transformasi di sini bukanlah “Cukup ubah cara Anda mengkompensasi karyawan.” Tidak ada obat mujarab untuk menyelesaikan tantangan…