Wie wir einen großartigen Weg gefunden haben, um Geschäft und DevOps zu verbinden

Die Philosophie von DevOps, bei der Entwicklung und Wartung von Software zusammenkommen, ist mittlerweile niemanden mehr fremd. Ein neuer Trend gewinnt an Momentum – DevOps 2.0 oder BizDevOps. In diesem Konzept verschmelzen drei Komponenten zu einer Einheit: Geschäft, Entwicklung und Support. Und ebenso wie im DevOps die Ingenieurtugenden die Verbindung zwischen Entwicklung und Support prägen, übernimmt die Analyse im BizDevOps die Rolle des "Klebers", der Entwicklung mit dem Geschäft verbindet.

Ich möchte gleich zugeben: Dass wir ein echtes BizDevOps geschaffen hatten, haben wir erst jetzt beim Lesen intelligenter Bücher erkannt. Es hat sich irgendwie ganz von selbst aus der Initiative der Mitarbeiter und einer unstillbaren Leidenschaft für Verbesserungen ergeben. Heute ist die Analyse ein Teil des Entwicklungsprozesses, der signifikant die Feedbackschleifen verkürzt und regelmäßig mit Einblicken versorgt. Ich werde ausführlich erzählen, wie alles bei uns funktioniert.

Nachteile des klassischen DevOps

Wenn neue Kundenprodukte entwickelt werden, erstellt das Geschäft ein ideales Verhaltensmodell der Kunden und rechnet mit einer guten Conversion, auf dessen Grundlage die Geschäftsziele und Ergebnisse definiert werden. Die Entwicklerteam hingegen strebt danach, einen sehr guten, qualitativ hochwertigen Code zu schreiben. Der Support hingegen hofft auf eine vollautomatisierte Prozessabwicklung, auf Leichtigkeit und Bequemlichkeit bei der Betreuung des neuen Produkts.

In der Realität gestaltet sich das häufig so, dass die Kunden einen ziemlich komplizierten Prozess durchlaufen, das Geschäft mit niedrigen Conversion-Raten konfrontiert ist, die Entwicklungsteam Bugfix nach Bugfix veröffentlicht und der Support im Strom der Kundenanfragen versinkt. Kommt Ihnen das bekannt vor?

Der Kern des Übels liegt in der langen und ineffizienten Feedbackschleife, die im Prozess verankert ist. Geschäft und Entwickler kommunizieren bei der Anforderungserhebung und beim Feedback während der Sprints mit einer begrenzten Anzahl von Kunden, die einen großen Einfluss auf das Schicksal des Produkts haben. Oftmals ist das, was für einige wichtig ist, für die gesamte Zielgruppe ganz und gar nicht charakteristisch.
Das Verständnis dafür, ob die Entwicklung des Produkts in die richtige Richtung geht, kommt erst Monate nach dem Start mit den Finanzberichten und den Ergebnissen von Marktforschungen. Diese Berichte bieten aufgrund der begrenzten Stichprobe auch keine Möglichkeit, Hypothesen mit einer großen Anzahl von Kunden zu überprüfen. Insgesamt dauert das zu lange, ist ungenau und ineffizient.

Trophäenwerkzeug

Wir haben einen guten Weg gefunden, um davon wegzukommen. Ein Werkzeug, das früher nur Marketingfachleuten geholfen hat, ist nun in die Hände von Unternehmen und Entwicklern gelangt. Wir haben begonnen, Web-Analytik aktiv zu nutzen, um den Prozess in Echtzeit zu beobachten und sofort zu verstehen, was passiert. Auf dieser Basis planen wir das Produkt selbst und dessen Rollout an eine große Anzahl von Kunden.
Wenn eine Produktverbesserung geplant wird, können wir sofort sehen, mit welchen Kennzahlen sie verbunden ist und wie diese Kennzahlen den Umsatz und wichtige geschäftliche Merkmale beeinflussen. So können wir Hypothesen mit geringem Effekt sofort ausschließen. Oder zum Beispiel können wir ein neues Feature für eine statistisch signifikante Anzahl von Benutzern einführen und in Echtzeit die Kennzahlen verfolgen, um zu verstehen, ob alles wie geplant funktioniert. Wir müssen nicht auf Rückmeldungen in Form von Anfragen oder Berichten warten, sondern können den Prozess der Produktentwicklung sofort selbst überwachen und anpassen. Wir können ein neues Feature einführen, innerhalb von drei Tagen statistisch valide Daten sammeln, noch einmal innerhalb von drei Tagen Änderungen vornehmen — und innerhalb einer Woche haben wir ein tolles neues Produkt.

Es ist möglich, den gesamten Funnel zu verfolgen, alle Kunden, die in Kontakt mit dem neuen Produkt gekommen sind, die Punkte zu erkennen, an denen der Funnel stark eingeengt wurde, und die Gründe dafür zu verstehen. Sowohl Entwickler als auch Unternehmen verfolgen dies nun, es ist Teil der täglichen Arbeit. Sie sehen denselben Kundenweg und können gemeinsam Ideen und Hypothesen zur Verbesserung entwickeln.

Eine solche Integration von Geschäft und Entwicklung zusammen mit Analytik ermöglicht es, Produkte kontinuierlich zu schaffen, ständig zu optimieren, Engpässe zu finden und zu erkennen, wie der gesamte Prozess funktioniert.

Es geht um die Komplexität

Wenn wir ein neues Produkt erstellen, beginnen wir nicht bei Null, sondern integrieren es in das bereits bestehende Geflecht von Dienstleistungen. Bei der Annäherung an das neue Produkt hat der Kunde häufig Kontakt mit mehreren Abteilungen. Er kann mit Mitarbeitern des Kontaktcenters sprechen, mit Managern im Büro kommunizieren, sich an den Support wenden oder in Online-Chats Hilfe suchen. Mithilfe von Kennzahlen können wir zum Beispiel sehen, wie hoch die Auslastung des Kontaktcenters ist und wie man eingehende Anfragen am besten bearbeitet. Wir können verstehen, wie viele Menschen ins Büro gelangen und Anleitungen geben, wie wir den Kunden weiter beraten können.

Mit Informationssystemen verhält es sich genau so. Unsere Bank existiert seit über 20 Jahren, in dieser Zeit wurde ein großer Pool heterogener Systeme geschaffen, der bis heute funktioniert. Die Interaktionen zwischen den Backend-Systemen sind manchmal unvorhersehbar. Beispielsweise gibt es in einem älteren System für ein bestimmtes Feld Einschränkungen hinsichtlich der Anzahl von Zeichen, und manchmal stürzt dies einen neuen Dienst ab. Bugs mit standardmäßigen Methoden nachzuverfolgen, ist ziemlich schwierig, aber mit Hilfe von Web-Analytik ist es ganz einfach.

Wir sind so weit gekommen, dass wir aus allen beteiligten Systemen die Fehlertexte sammeln und analysieren, die dem Kunden angezeigt werden. Es stellte sich heraus, dass viele davon veraltet sind, und wir konnten uns nicht einmal vorstellen, dass sie irgendwie an unserem Prozess beteiligt sind.

Arbeit mit Analytik

Unsere Web-Analytiker und SCRUM-Entwicklungsteams sind im selben Raum untergebracht. Sie interagieren ständig miteinander. Wenn nötig, helfen die Spezialisten, Metriken einzustellen oder Daten zu extrahieren, hauptsächlich arbeiten die Mitglieder der Teams jedoch selbstständig mit dem Analyse-Service, es gibt nichts Kompliziertes daran.

Hilfe wird benötigt, wenn beispielsweise bestimmte Abhängigkeiten oder zusätzliche Filter nach bestimmten Kunden oder Quellen erforderlich sind. Aber in der aktuellen Architektur begegnen wir dem selten.

Interessanterweise erforderten die Implementierung der Analytik keine neue IT-Systeminstallation. Wir verwenden dieselbe Software, mit der zuvor die Marketingabteilung gearbeitet hat. Es musste lediglich die Nutzung genehmigt und in das Geschäft und die Entwicklung integriert werden. Natürlich konnten wir nicht einfach das von Marketing nehmen, was da ist, wir mussten alles neu konfigurieren und Marketing Zugang zur neuen Umgebung gewähren, damit sie mit uns im gleichen Informationsfeld sind.

In Zukunft planen wir, eine verbesserte Version der Software für Web-Analytik zu kaufen, die es uns ermöglicht, mit den steigenden Volumina der verarbeiteten Sitzungen umzugehen.

Außerdem läuft aktiv der Prozess der Integration von Web-Analytik und internen Datenbanken aus CRM- und Abrechnungssystemen. Durch die Zusammenführung der Daten erhalten wir ein vollständiges Bild des Kunden in allen relevanten Dimensionen: nach Quellen, Kundentypen, Produkten. BI-Dienste, die helfen, Daten zu visualisieren, werden bald allen Abteilungen zur Verfügung stehen.

Was haben wir letztendlich erreicht? Tatsächlich haben wir die Analyse und Entscheidungsfindung zu einem Teil des Produktionsprozesses gemacht, was einen sichtbaren Effekt zur Folge hatte.

Analyse: Treten Sie nicht auf die gleichen Probleme

Und abschließend möchte ich einige Ratschläge teilen, die Ihnen helfen werden, Fehler beim Aufbau von BizDevOps zu vermeiden.

1. Wenn Sie die Analyse nicht schnell durchführen können, machen Sie nicht die richtige Analyse. Man sollte den einfachen Weg von einem Produkt einschlagen und dann skalieren.
2. Sie sollten unbedingt ein Team oder eine Person haben, die die zukünftige Architektur der Analyse gut versteht. Man muss auch im Voraus festlegen, wie Sie die Analyse skalieren, in andere Systeme integrieren und Daten wiederverwenden werden.
3. Generieren Sie keine überflüssigen Daten. Web-Statistiken sind neben nützlichen Informationen auch ein riesiger Müllhaufen mit minderwertigen und unnötigen Daten. Dieser Müll wird die Entscheidungsfindung und Bewertung behindern, wenn es keine klaren Ziele gibt.
4. Machen Sie Analysen nicht um der Analyse willen. Zuerst die Ziele, dann die Auswahl des Instruments, und erst dann — Analysen nur dort, wo sie einen Effekt haben.

Das Material wurde gemeinsam mit Olga Tschebotar vorbereitet (olga_cebotari).

Quelle: habr.com