چگونه انعطاف پذیری را در توسعه نرم افزار ، عملیات و علم داده تحمیل کنیم

حتی وقتی رهبران در تالارهای شهر خود اعلام می کنند که سازمان شما نیاز به چابکی و چابکی بیشتری دارد ، آنها نمی توانند آن را تحمیل کنند. مدیران فناوری اطلاعات و ارتباطات شما می توانند عملکردها ، شاخص ها و مسئولیت هایی را که به عنوان استاندارد انعطاف پذیر روش شناسی توصیف می کنند ، استاندارد کنند ، اما نمی توانند حکم کنند که همه از آنها استفاده کنند فرهنگها و نگرشهای چابک.

شما می توانید ابزارهای انعطاف پذیر را انتخاب کنید ، با روش devops بیشتر خودکار کنید و فعال کنید برنامه های علوم داده غیرنظامی، اما شما نمی توانید فرزندخواندگی را مجبور کنید و از کارمندان شادی بخواهید. عملیات IT می تواند یک معماری ترکیبی چند صدایی را مدیریت کند ، اما این لزوماً به این معنی نیست که هزینه ها بهینه می شوند یا می توان زیرساخت را به طور جادویی به طور خودکار افزایش و کاهش داد.

بنابراین اگر می خواهید فرآیندهای انعطاف پذیر خود را به سرعت استاندارد کنید یا به یک معجزه تبدیل شوید بدهی فنی با روی آوردن به معماریهای زیرک یا تبدیل سریع آن به روشی انعطاف پذیر برای کار ، متاسفم که شما را ناامید می کنم. زبردستی رایگان ، ارزان و آسان نیست. با مهلت های مشخص نمی توانید آن را روی نمودار گانت اجرا کنید.

و گرچه من معتقدم چابکی تا حد زیادی است تحول از پایین به بالااین بدان معنا نیست که توسعه دهندگان ، مهندسان ، آزمایش کنندگان ، ناخدای اسکرام و سایر اعضای تیم فناوری اطلاعات می توانند مهارت را به طور مستقل مدیریت کنند. تیم باید با هم کار کنند ، معاملات را تشخیص دهند و اصول کار انعطاف پذیر را تعریف کنند ، هنگامی که در مورد مزایا اتفاق نظر وجود دارد.

بنابراین ، اگر انعطاف پذیری قابل تعریف نیست و نیاز به ورود همه دارد ، چگونه سازمان ها انعطاف پذیرتر می شوند؟ با روحیه روشهای چابک ، روشهای مبتنی بر داده، و پذیرش فرهنگ توسعهدر اینجا چند روش وجود دارد که در آن هر کسی در یک سازمان فناوری اطلاعات می تواند انعطاف پذیری را با هم تحریک کند.

روش شناسی های انعطاف پذیر را توجیه کنید

فصل 2 کتاب من ، رانندگی دیجیتال، همه اینها شامل انتقال از روشهای اساسی اسکرام به سمت یک فرآیند برنامه ریزی جامع تر است که شامل تخصیص نقش ها و مسئولیت ها ، برنامه ریزی چند سرعته و استاندارد سازی روش های ارزیابی است. هنگامی که من با تیم هایی تلاش می کنم که نگرشها و فرهنگهای انعطاف پذیر اتخاذ کنند ، ما رشته های مدیریت انتشار ، استانداردهای معماری ، اصول انعطاف پذیر و سایر دستورالعمل های مدیریت چابکی را ایجاد می کنیم.

اما این کار با نسخه پزشک انجام نمی شود. سازمانهای مختلف دارای استراتژیهای تجاری مختلف ، ساختارهای سازمانی ، فرهنگ سازمانی ، استعدادها ، الزامات انطباق و ترکیبی از معماریهای موروثی و مدرن هستند. این زمینه ها هنگام بررسی زمان و مکان استفاده از روش های مختلف انعطاف پذیر بسیار مهم هستند.

به عنوان مثال ، یک سازمان بزرگ ممکن است تیم هایی داشته باشد که روی یک API تلفن همراه کار می کنند و رهبران می خواهند به سرعت توسعه یافته و برای کارمندان آزاد شوند. گروه دوم می توانند برای انتقال به یک سیستم میراث پیچیده ، مرکزی در فعالیت مشاغل تحت نظارت ، حسابرسی و جهانی کار کنند.

آیا این دو گروه از تیم ها باید از روش های انعطاف پذیر یکسان ، تجویز شده و تنظیم شده پیروی کنند؟ اگر شکل پذیرفته شده انعطاف پذیری دموکراتیک تر و خود سازمان یافته باشد و بسیاری از تصمیمات را به تیم بسپارد ، این مطمئناً از تیم API که بدون شک ترجیح می دهد (و احتمالاً از آن پیشی خواهد گرفت) جلوگیری خواهد کرد. از طرف دیگر ، آزادی بیش از حد به تیم هایی که روی سیستم های میراث پیچیده و مهم تجاری فعالیت می کنند ، خطرات بیشتری دارد.

عدم تطابق در اهداف و محدودیت ها یکی از دلایلی است که سازمان هایی که برای انعطاف پذیری تلاش می کنند ، هنگام تعریف اصول انعطاف پذیر ، باید فرهنگ س askingال و پاسخ دادن به “چرا” را توسعه دهند. وقتی رهبران چگونگی ، بدون توضیح دلیل ، چگونگی اتخاذ روشهای اساسی را در مردم تعیین می کنند. توضیح اصول انعطاف پذیر – به ویژه چرا – به تیم ها کمک می کند تا تصمیمات بهتری درباره زمان ، مکان و نحوه استفاده از روش های انعطاف پذیر بگیرند.

یادگیری ماشین را با dataops و مدیریت داده تسریع کنید

من عاشق جمله معروف از مرد عنکبوتی“مسئولیت بزرگ باید با مسئولیت بزرگی همراه باشد.” هر سازمانی از محققان داده ، مشاوران تجسم داده ها و تحلیلگران داده های شهروندان می خواهد اطلاعات مداوم را برای کمک به آنها در تصمیم گیری ارائه دهند. اما این نیرو همچنین نیاز به تیم های داده ، تحلیل و یادگیری ماشین دارد مدیریت داده های فعال و شیوه های دیتاپس که به الزامات کیفیت داده های سازمانی ، امنیت ، حریم خصوصی ، مدیریت اطلاعات اصلی و ادغام داده ها می پردازد.

بنابراین ، در حالی که تیم های تجزیه و تحلیل سعی در انعطاف پذیری بیشتر ، ارائه نتایج مکرر و افزایش تعداد مجموعه داده های مورد استفاده در تجزیه و تحلیل دارند ، تیم های داده نیاز به تقویت مبانی اساسی پردازش داده ها بر اساس الزامات انطباق و انتظارات تجاری در حال تکامل است.

این چابکی به صورت رایگان یا از طریق اختیارات حاصل نمی شود. فرآیندهای داده و تجزیه و تحلیل زمانی توسعه می یابند که تیم های چند رشته ای اهمیت انعطاف پذیری را تشخیص داده و برای بهبود تحویل تحلیل و اصول پردازش داده ها با هم کار می کنند. در اینجا چند مثال آورده شده است:

• آ برنامه علمی برای شهروندان قبل از انتشار تجسم داده های جدید ، ادارات شرکت کننده نیاز به تعریف و نگهداری فهرست داده ها و تعاریف دارند.
• تیم علوم داده مدل های یادگیری ماشین خود را مستند می کند ، پارامترهای رانش را تعریف می کند و مدل های تولید را بر اساس یک چرخه زندگی خاص حفظ می کند.
• یکپارچه سازی داده ها و تیم های کیفیت ، تیم های تجزیه و تحلیل را به عنوان مشتری یا ذینفع مشاهده می کنند. آنها مرتباً مرور می کنند کنترل داده انجام شده توسط تیم های تجزیه و تحلیل ، ارزیابی و تصحیح مدل ها و ادغام داده ها برای کاهش پردازش داده های پایین دست.
• همه تیم های دارای مجوز برای کار با داده ها به طور منظم تغییرات را بررسی می کنند امنیت داده ها، الزامات انطباق و رازداری آنها خلا gapهایی مانند امنیت ، داده ها یا بدهی های فنی را تصرف می کنند و کارهای اصلاح را در اولویت قرار می دهند.
• دیتاپس و تیم های عملیاتی ابری به طور فعال سطح نظارت ، برنامه ریزی ظرفیت و اتوماسیون زیرساخت ها را افزایش می دهند تا نیازهای عملکردی رو به رشد تیم های پردازش و تجزیه و تحلیل داده ها را برآورده کنند.

مهارت از طریق همکاری و متعادل سازی کار مورد نظر با کار لازم حاصل می شود. در غیر این صورت ، این نسل جدید برنامه های بزرگ داده ، یادگیری ماشین و سلف سرویس BI به راحتی کوه جدیدی از بدهی داده ها ، سیلوهای داده ها و خطرات امنیتی داده را ایجاد می کند.

هنگام بالغ کردن روشها ، روشی را برای مشتری در نظر بگیرید

سازمانهایی که فرهنگ ها و شیوه های متداول را پذیرفته اند ، برای دهه ها تلاش کرده اند تا به تناقض فناوری اطلاعات بپردازند. سایر سطوح خدمات عملیاتی؟

شیوه ها و ابزارهای Devops شکاف های موجود در فرآیندهای مدیریت تغییر فناوری اطلاعات را که منجر به حوادث بزرگ می شود ، مشکلات پیچیده ای که نیاز به تجزیه و تحلیل علت ریشه دارند ، وابستگی های ناخالص ناخالصی که اجرای آن را به تأخیر می اندازند و مسائل امنیتی مزمن را برطرف می کنند. چند نمونه از موفقیت devops:

همه اینها عناصر استراتژیکی برای غلبه بر پارادوکس چابک و عملیاتی فناوری اطلاعات هستند ، اما غوطه ور شدن در این برنامه ها بدون داشتن یک استراتژی می تواند منجر به نتایج IT بدون ارزش تجاری شود. بدتر اینکه ، گاهی اوقات می تواند باعث شود IT بیش از حد در اتوماسیون و به ازای تأمین اولویت های کاری سرمایه گذاری کند.

به عنوان مثال ، فرض کنید در حال انتقال یک برنامه قدیمی سه لایه در حالی که آن را به یک ابر عمومی منتقل می کنید ، و باید تصمیم بگیرید که چه سطح اتوماسیون را اعمال کنید. چگونه باید تعیین کنید که به اندازه کافی خوب است؟ و چگونه باید معیارهای موفقیت برای پیشرفتهای devops را تعریف کنید؟

س questionsالات و پارامترهایی برای کمک به پاسخ به این سال وجود دارد. برخی ممکن است آنها را سطح مورد نیاز خدمات بنامند. دیگران ممکن است آنها را به عنوان الزامات غیر عملکردی توصیف کنند. در برخی موارد ، ذینفعان بسیار درگیر به انتشارات روزانه و پنج مورد قابلیت اطمینان نیاز دارند. در موارد دیگر ، دستیابی به مشارکت ذینفع مورد نیاز برای تعیین الزامات دشوارتر خواهد بود.

هر دو سناریو چالش هایی به وجود می آورند ، اما مخرج مشترک مورد نیاز برای انعطاف پذیری با تعریف مشتری ، مشتری شخصی و معیارهای موفقیت آغاز می شود. وقتی ذینفعان بیش از حد تجویز شده دارید ، مهم است که الزامات مورد نیاز آنها را از الزاماتی که منطقی تجارت هستند ، جدا کنید. و هنگامی که نیازهای آنها به خوبی تعریف نشده باشد ، به ویژه مهم است که معیارهای موفقیت را ثبت کنید.

بسیاری از سازمان ها مسئولیت های مدیریت محصول یا مدیریت روابط تجاری را برای پوشش و تقسیم افراد هدف ، معیارهای موفقیت و الزامات تجاری تعریف می کنند. ارائه این تفکر به مشتریان تیم ها و روش های توسعه بهترین روشی است که به سازمان کمک می کند تا مشخص کند در کدام اتوماسیون ها و تا چه میزان سرمایه گذاری می کند.

به طور خلاصه ، مهارت را نمی توان تعیین کرد. مهارت فقط از طریق همکاری بین رهبران و همکاران حاصل می شود. تیم های چابک باید با اصول و استانداردهای خودتنظیمی کار کنند. آنها باید در دستیابی به پیشرفت های مورد نیاز تجارت و کار مورد نیاز برای مقابله با داده ها ، بدهی های عملیاتی و فنی تعادل برقرار کنند. اولویت بندی ، تعریف معیارهای موفقیت و تعریف آنچه که حداقل مقرون به صرفه است نیاز به تعریف مشتری شخصی و درک نیازها و ارزش های آنها دارد.

وقتی سازمان ها این نوع عمل را اتخاذ می کنند ، دیگر نیازی به چابکی نخواهند داشت. زبردستی به یک ارزش مشترک و یک رویکرد استاندارد برای انجام کار تبدیل می شود.