Wer DevOps, DevSecOps und DevNetOps sagt, muss auch DataOps sagen Die nächste Ebene der Integration: DataOps

Anbieter zum Thema

SolarWinds EMEA Headquarters

SolarWinds

ALE Deutschland GmbH

Der DevOps-Ansatz findet in der Unternehmens-IT zunehmend Akzeptanz. Zwar organisiert nicht jedes Team seine Arbeit in Sprints, aber DevOps hat sich dennoch wirklich bewährt. Und viele Teams implementieren dann auch gleich weitere *Ops, wie etwa DevSecOps oder DevNetOps. Ist das erfolgreich gelangt man unwillkürlich zu einem der intelligentesten Ansätze: DataOps.

Alle *Ops-Ansätze verfolgen im Grunde die gleichen Ziele: mehr Agilität, schnellere Bereitstellung, verbesserte Benutzerfreundlichkeit und „intelligente“ operative Entscheidungen. Was DataOps so intelligent macht, sind die zugrunde liegenden Kultur- und Prozessveränderungen. Nicht radikal neue Technologien, sondern Daten sind die Basis von DataOp – und sie sind im IT-Infrastrukturmanagement das A und O.

Indem bestehende Datensätze auf neue Art und Weise erfasst und analysiert werden, können fundierte operative Entscheidungen im Unternehmen schneller gefällt werden. Die Fähigkeit zur systematischen Erfassung valider Daten ist dabei das Alleinstellungsmerkmal von DataOps gegenüber den Standardpraktiken.

DataOps: Wachstum durch Datenbasiertheit

Die Implementierung eines DataOps-Ansatzes wird für IT-Teams, die bereits nach DevOps-Prinzipien arbeiten, ein logischer Schritt für die Weiterentwicklung sein. Schließlich nutzt auch DataOps die Fähigkeiten und Tools, die in einer DevOps-Umgebung zum Einsatz kommen. Heutzutage sind leistungsstarke Werkzeuge zur Analyse enormer Datenmengen verfügbar und selbst Machine Learning und Deep Learning können ganz ohne promovierte Data Scientists genutzt werden.

Um DataOps möglichst reibungslos implementieren zu können, sollte ein Team idealerweise mit Konstrukten für agile Umgebungen wie den drei Säulen der Beobachtbarkeit – Protokolle, Metriken und Ablaufverfolgung – vertraut sein und DataOps zugleich den Verantwortlichen überzeugend präsentieren können. Dabei müssen wertvolle, für das Unternehmen nützliche Daten auch an Verantwortliche ohne technischen Hintergrund verständlich vermittelt werden können. Damit werden IT- und Betriebsabteilungen vom bloßen Kostenfaktor zu zentralen Wissensträgern.

Trotz seiner unverkennbaren Vorteile kämpft DataOps noch vielerorts mit Startschwierigkeiten. Die fünfte jährliche Umfrage von NewVantage Partners unter Führungskräften aus den Bereichen Geschäftsführung und Technologie hat gezeigt, dass bei 85 Prozent der Befragten datenbasierte Ansätze im Unternehmen zwar eingeführt worden waren, aber nur 37 Prozent konnten auch über den Erfolg solcher Initiativen berichten. Die häufigsten Hindernisse sind oft mangelnde Einsicht auf der Führungsebene, Fehlabstimmungen und allgemeiner Widerstand im Unternehmen.

Diesem scheinbaren Widerspruch aus der Notwendigkeit belastbarer Daten für die Geschäftsabläufe und das Geschäftsergebnis sowie dem Widerstand des Unternehmens, sich einer datengestützten Herangehensweise zu öffnen, kann mit etwas Neuem begegnet werden: einem Data Mindset.

Die Auswirkungen von DataOps auf Technikexperten

Der DataOps-Ansatz geht über die Hauptaufgabe eines Technikexperten weit hinaus. Auch werden die täglichen Abläufe, wie die Servicebereitstellung oder die Entschlüsselung von Anwendungen, mitunter nicht unmittelbar optimiert. Es ist vielmehr ein wichtiger Schritt hin zu einem anderen und erweiterten Verständnis der Rolle von Technikexperten. Die Erkenntnisse, die IT- und Operations-Teams einem Unternehmen anhand der erfassten und analysierten Daten liefern können, verändern die Bedeutung von Mitarbeitern und ganzen Abteilungen und macht sie zu einer Quelle zuverlässiger Kompetenz.

Best Practices für erfolgreiche DataOps-Einführung

Zum Data Scientist werden: Nach den Prinzipien von DataOps gehen Technikexperten viel wissenschaftlicher und analytischer an den Umgang mit Daten heran. Daten werden als Unternehmenswert verstanden und nicht allein über ihren Platz in einer Datei oder einer Tabelle und ganz losgelöst von ihrem Wert definiert. Dazu stehen verschiedene Tools zur Verfügung, die Einblick in Protokolle oder Systemmetriken geben und Informationen aus den gesammelten Daten extrahieren helfen. Im Wesentlichen verbinden Technikexperten geschäftliche Kennzahlen durch Daten, die sie mit der Geschäftsführung teilen sollten.

Analytik über eine formale Herangehensweise erlernen: Ein Data Mindset zu entwickeln, ist nur der erste Schritt bei der Integration von DataOps. Die dann folgende Analytik ist eine Wissenschaft für sich und erfordert eine systematische Vorgehensweise. Das ist umso sinnvoller, je integrierter ein Technikexperte arbeitet; mathematisches Verständnis etwa wird unerlässlich sein, da sich DevOps-Profis zunehmend mit Modelldefinitionen und dem Training von Algorithmen befassen. Die meisten Fachleute müssen hier ein ganz neues Skillset entwickeln.

Daten nutzen, um eine Geschichte zu erzählen: Die Orientierung in endlosen Datenmengen und das Extrahieren und Analysieren dieser Daten sind die Grundlage für erfolgreiche DataOps-Abläufe. Danach müssen sie jedoch destilliert und in einen verständlichen Kontext gebracht werden, mit dem jeder im Unternehmen, insbesondere Führungskräfte, etwas anfangen können. Daher müssen Daten, auch Nischendaten, die für bestimmte Geschäftseinheiten oder Anwendungsfälle gesammelt wurden, aufbereitet und so präsentiert werden, dass das gesamte Unternehmen davon profitiert. Als Analysten müssen Technikexperten schließlich auch verstehen, worauf Führungskräfte aus sind.

Die Rechtsabteilung mit einspannen: Auch die Konformität der erhobenen Daten und operativen Kennzahlen mit den Richtlinien des Unternehmens darf nicht vernachlässigt werden. Unternehmen setzen der Auffindbarkeit von Kennzahlen mitunter selbst Grenzen. Daher muss unbedingt sichergestellt sein, dass die erfassten und analysierten Daten den Rechtsvorschriften entsprechen. Daten können zwar einen erheblichen Mehrwert für ein Unternehmen darstellen, doch die Erfassung von Daten, die nicht allgemein kursieren dürfen, kann auch Schaden anrichten.

Wissen mithilfe regelmäßiger Reports teilen: DataOps unterstützt die Zusammenarbeit von Produktmanagement, Data Engineering, Data Science und Business Operations. Sind Skills und Herangehensweisen für eine erfolgreiche DataOps-Implementierung im Unternehmen verbreitet, dann bringt das nicht nur das Unternehmen voran, sondern auch die DataOps-Spezialisten selbst. Zudem befördert der Austausch während der Entwicklung von Metriken und während des Analyseprozesses auch die Problemlösung bei Datenverwaltung und -analyse sowie den Erkenntnisgewinn: Vier Augen sehen auch bei der Datenanalyse mehr als zwei und ein anderer Blickwinkel sowie ein anderes Hintergrundwissen über die Nutzungsmöglichkeiten steigern den Nutzen von DataOps zusätzlich. Wenn man Außenstehende einbezieht, kann dies auch das Interesse an DataOps fördern und die Akzeptanz innerhalb des Unternehmens verbessern.

Fazit

Alles in allem verspricht die Einführung eines DataOps-Ansatzes Vorteile für das Geschäft und das IT-Management gleichermaßen. Die Workload mag zunächst gefühlt steigen, doch die gewonnenen Daten sind die Grundlage für eine optimierte Entscheidungsfindung und erleichtern allen beteiligten Technikexperten die Arbeit. Wenn Technikexperten nämlich wieder Daten sammeln, analysieren und extrahieren können, gewinnt das gesamte Unternehmen.

Über den Autor

Patrick Hubbard ist Head Geek bei SolarWinds.

(ID:45819698)