Los datos y el análisis de datos siempre han sido la base para impulsar acciones para las operaciones de TI. La analítica ha sido fundamental para respaldar la planificación de la capacidad, la optimización de recursos, el reequilibrio de la carga de trabajo, las proyecciones de costos y las predicciones de seguridad. Pero ahora, existen nuevas demandas en las operaciones de TI para brindar inteligencia de datos más inclusiva que pueda respaldar la toma de decisiones en general en TI y el negocio. Los equipos de ITOps tienen un mandato cada vez mayor para influir positivamente en los resultados comerciales y relacionados con los clientes; su capacidad para recopilar, analizar y utilizar datos para respaldar muchos tipos de toma de decisiones es ahora una prioridad.
A los equipos de operaciones de TI se les pide que reduzcan los gastos, migren a la nube, mejoren la productividad e innoven a la velocidad del negocio, mientras son más proactivos para resolver problemas operativos, básicamente, hacer más con menos. Al hacer frente a estos desafíos, deben asegurarse de que sus clientes estén contentos y renovados.
Al mismo tiempo, innovación a través de la convergencia entre hardware y software; nube, local y perimetral; y DevOps / ITOps ha facilitado el desarrollo de software rápido y ágil con tecnología y herramientas de código abierto. Es imperativo que cada líder de E / S permita una experiencia de cliente siempre activa, cero interrupciones en el mercado y una diferenciación competitiva líder.
ITOps: la lucha por ponerse al día con la aceleración del negocio digital
Sin embargo, las consecuencias de la convergencia en las operaciones de TI pueden ser brutales. Los miembros del equipo luchan por comprender cómo está trabajando la organización de desarrollo políglota en este entorno de alta velocidad para gestionar el cambio y reducir el riesgo de forma adecuada. También existe la opacidad de administrar entornos heterogéneos e infraestructura híbrida donde numerosas capas en contenedores o virtualizadas se reconfiguran dinámicamente.
Estos son los puntos débiles de los métodos tradicionales de análisis de datos:
- Las operaciones de TI no pueden comprender las necesidades integrales de los clientes junto con los impactos a corto y largo plazo en la experiencia del cliente. Esto significa una desconexión potencialmente grande entre el negocio (producto o servicio) y el mercado (clientes).
- La visibilidad rota también conduce a malas inversiones. La organización invertirá insuficiente o excesivamente en áreas clave como el desarrollo, la seguridad, la infraestructura y el monitoreo, sin una imagen precisa y holística de dónde existen realmente las brechas importantes y cómo todo se relaciona.
- ITOps debe continuar con un enfoque reactivo: operar a ciegas y pasar de la solución de un problema al siguiente sin una visión general de las prioridades y necesidades.
- La reactividad restringe la innovación y la competitividad del mercado. El personal de TI se ve continuamente obstaculizado por arreglar cosas en lugar de optimizar todo el entorno para el cliente. Vemos ejemplos diarios de empresas que cierran porque no se adaptaron a los cambios de la digitalización, una cruda realidad en 2020. Como ejemplo, tome ClassPass, una aplicación / servicio de suscripción de fitness y bienestar líder que permite a los clientes registrarse para eventos de fitness en vivo en estudio o digitales desde estudios boutique y spas de todo el país. La compañía ha recaudado 549 millones de dólares y ha reservado 100 millones de reservas desde su fundación en 2013. Mientras tanto, las cadenas de gimnasios tradicionales sin ofertas digitales viables, como 24-Hour Fitness y Gold’s Gym, obtuvieron malos resultados en 2020, cerrando ubicaciones y solicitando quiebra. Es fácil encontrar ejemplos similares en restaurantes, hotelería / alojamiento, comercio minorista y banca, entre otros.
Un nuevo marco tecnológico para el análisis holístico de datos en TI
Afortunadamente, la tecnología se ha puesto al día para respaldar este nuevo rol de las operaciones de TI. El avance en la innovación tecnológica asequible en computación, almacenamiento, inteligencia artificial y aprendizaje automático ha hecho posible obtener información significativa de fuentes de datos dispares, discretas y federadas que respaldan las funciones básicas de una empresa.
Para mantenerse al día con los cambios constantes, los equipos de operaciones de TI deben construir una vista basada en datos de la organización desde la perspectiva del cliente: transversal de diferentes funciones integradas y en silos de negocios y tecnología. Tener la información correcta en el momento adecuado para tomar la decisión correcta impulsará la eficiencia en toda la organización. Sin embargo, obtener este entorno operativo basado en datos requiere cambios fundamentales en la tecnología y los procesos.
Esto comienza aprovechando las herramientas de descubrimiento, monitoreo, APM, redes y AIOps de una manera cohesiva e integrada. El objetivo es obtener visibilidad contextual de un extremo a otro casi en tiempo real y aplicar análisis de datos para impulsar las mejores decisiones y acciones. Los líderes de TI deberán desarrollar una estrategia global para la evaluación y justificación de las herramientas. También necesitarán adaptar conjuntos de habilidades y crear nuevos roles organizacionales necesarios para obtener el ROI. Los procesos específicos del dominio deben desaparecer como parte de este esfuerzo.
Ejemplos de industria
Los análisis de ITOps de hoy en día basados en la recopilación, la ingestión y el análisis de datos en tiempo real en múltiples dominios brindan inteligencia que puede predecir los problemas de TI que afectan a los clientes. La operación centrada en datos también puede informar estrategias más amplias para mejorar la experiencia del cliente y los resultados comerciales. Esta es la promesa de DataOps, AIOps y análisis operativo. Así es como esto puede funcionar en la práctica:
Escenario 1: comercio electrónico. Los minoristas viven y mueren según la experiencia del sitio web. Necesitan realizar un seguimiento de métricas como las tasas de abandono del carrito de la compra y el tiempo de transacción. El trabajo de TI es comprender cómo recopilar, analizar y correlacionar los datos correctos de los recursos de infraestructura con esas métricas comerciales. El objetivo es utilizar la analítica para identificar los cuellos de botella del sitio web causados por sistemas de bajo rendimiento o donde el proceso de un usuario podría mejorar, por ejemplo, reconfigurando la arquitectura de la nube.
Escenario 2: Asistencia sanitaria. La prestación de servicios de salud ha estado impulsando hacia mejores resultados y eliminación de desechos durante años. Agregue restricciones de Covid-19 a esa ecuación y tendrá la tormenta perfecta para la disrupción digital. Los proveedores de atención médica han estado invirtiendo en servicios de telesalud como nunca antes y han introducido formas más fáciles para que los pacientes interactúen con el personal, como programar citas en línea y rastrear y enviar los signos vitales de forma electrónica. Esos servicios digitales deben funcionar de manera tan impecable que los pacientes no duden en probarlos y utilizarlos una y otra vez. AIOps cambiará las reglas del juego aquí, al predecir e incluso solucionar los problemas del sitio web de la aplicación y de la aplicación antes de que se conviertan en problemas reales. Las nuevas herramientas de ITOps y los datos que producen conectarán los puntos entre la salud financiera y la implementación de tecnología en las principales organizaciones de atención médica.
Escenario 3: Banca. En los servicios financieros, las métricas de éxito podrían incluir el número de transacciones e interacciones electrónicas que los clientes realizan por semana y la correlación de ese número para reducir las tasas de deserción o aumentar los ingresos por cliente. ITOps necesitaría recopilar datos de esos diferentes sistemas transaccionales a lo largo del tiempo, comprender los patrones de uso y los incidentes, y luego optimizar las configuraciones subyacentes y los flujos de trabajo de corrección en consecuencia para respaldar los KPI comerciales.
Pasar a una operación basada en datos requiere el apoyo y el patrocinio de arriba hacia abajo por parte del equipo ejecutivo senior de TI e inversión en nuevos roles, como un CDO (director de datos). Muchos líderes de TI ya lo han estado haciendo durante un tiempo, pero comprender los KPI comerciales mediante el aprovechamiento de los datos transaccionales y de los clientes ayudará a la organización a crear la estrategia de datos correcta y a seleccionar las mejores herramientas de análisis y automatización.
Sobre el Autor
Bhanu Singh es vicepresidente senior de ingeniería y DevOps en OpsRamp. Es un líder consumado y decisivo en la industria de la tecnología de software con amplia experiencia en estrategia de productos, innovación disruptiva y entrega para aumentar la participación de mercado, los ingresos y mejorar la experiencia del cliente. Singh es un experto en gestión de ingeniería global a gran escala, ciclo de vida de desarrollo de software, optimización de procesos operativos, proyectos de transformación, desarrollo de talento global y compromiso con el cliente. Es un agente de cambio enfocado en el proceso del ciclo de vida del producto para acelerar el tiempo de comercialización y, al mismo tiempo, impulsa una transformación organizacional global efectiva a través de la racionalización presupuestaria y la eficiencia de ejecución. Le apasiona la creación de productos, desafiar el status quo y desarrollar equipos de alto rendimiento.
Suscríbase al boletín gratuito insideBIGDATA.
Únase a nosotros en Twitter: @ InsideBigData1 – https://twitter.com/InsideBigData1
