Η φιλοσοφία DevOps, όταν η ανάπτυξη συνδυάζεται με τη συντήρηση λογισμικού, δεν θα εκπλήξει κανέναν. Μια νέα τάση κερδίζει δυναμική - DevOps 2.0 ή BizDevOps. Συνδυάζει τρία στοιχεία σε ένα ενιαίο σύνολο: επιχείρηση, ανάπτυξη και υποστήριξη. Και όπως στο DevOps, οι πρακτικές μηχανικής αποτελούν τη βάση της σύνδεσης μεταξύ ανάπτυξης και υποστήριξης, και στην επιχειρηματική ανάπτυξη, τα αναλυτικά στοιχεία αναλαμβάνουν το ρόλο της «κόλλας» που ενώνει την ανάπτυξη με τις επιχειρήσεις.
Θέλω να παραδεχτώ αμέσως: μόλις τώρα μάθαμε ότι έχουμε μια πραγματική επιχειρηματική ανάπτυξη, αφού διαβάσαμε έξυπνα βιβλία. Κατά κάποιο τρόπο συνήλθε χάρη στην πρωτοβουλία των εργαζομένων και ένα ακατανίκητο πάθος για βελτίωση. Το Analytics αποτελεί πλέον μέρος της διαδικασίας παραγωγής ανάπτυξης, μειώνοντας σημαντικά τους βρόχους σχολίων και παρέχοντας τακτικά insight. Θα σας πω αναλυτικά πώς λειτουργούν όλα για εμάς.
Μειονεκτήματα των κλασικών DevOps
Όταν συλλαμβάνονται νέα προϊόντα πελατών, μια επιχείρηση δημιουργεί ένα ιδανικό μοντέλο συμπεριφοράς πελατών και αναμένει καλή μετατροπή, βάσει της οποίας χτίζει τους επιχειρηματικούς στόχους και τα αποτελέσματά της. Η ομάδα ανάπτυξης, από την πλευρά της, προσπαθεί να φτιάξει πολύ καλό, υψηλής ποιότητας κώδικα. Υποστηρίξτε τις ελπίδες για πλήρη αυτοματοποίηση των διαδικασιών, ευκολία και ευκολία στη διατήρηση ενός νέου προϊόντος.
Η πραγματικότητα συνήθως εξελίσσεται με τέτοιο τρόπο ώστε οι πελάτες να λαμβάνουν μια μάλλον περίπλοκη διαδικασία, η επιχείρηση έχει κολλήσει με χαμηλές μετατροπές, οι ομάδες ανάπτυξης εκδίδουν επιδιορθώσεις μετά από επιδιόρθωση και η υποστήριξη πνίγεται στη ροή των αιτημάτων από πελάτες. Ακούγεται οικείο?
Η ρίζα του κακού εδώ βρίσκεται στον μακρύ και φτωχό βρόχο ανατροφοδότησης που είναι ενσωματωμένος στη διαδικασία. Οι επιχειρήσεις και οι προγραμματιστές, όταν συλλέγουν απαιτήσεις και λαμβάνουν σχόλια κατά τη διάρκεια των σπριντ, επικοινωνούν με περιορισμένο αριθμό πελατών που επηρεάζουν σε μεγάλο βαθμό τη μοίρα του προϊόντος. Συχνά αυτό που είναι σημαντικό για ένα άτομο δεν είναι καθόλου τυπικό για ολόκληρο το κοινό-στόχο.
Η κατανόηση του εάν ένα προϊόν κινείται προς τη σωστή κατεύθυνση συνοδεύεται από οικονομικές εκθέσεις και αποτελέσματα έρευνας αγοράς μήνες μετά την κυκλοφορία. Και λόγω του περιορισμένου μεγέθους δείγματος, δεν παρέχουν την ευκαιρία να δοκιμαστούν υποθέσεις σε μεγάλο αριθμό πελατών. Γενικά, αποδεικνύεται μακρύ, ανακριβές και αναποτελεσματικό.
Εργαλείο τρόπαιο
Βρήκαμε έναν καλό τρόπο να ξεφύγουμε από αυτό. Ένα εργαλείο που προηγουμένως βοηθούσε μόνο τους επαγγελματίες του μάρκετινγκ έχει πλέον βρει τον δρόμο του στα χέρια των επιχειρήσεων και των προγραμματιστών. Αρχίσαμε να χρησιμοποιούμε ενεργά τα web analytics για να δούμε τη διαδικασία σε πραγματικό χρόνο, εδώ και τώρα για να καταλάβουμε τι συμβαίνει. Με βάση αυτό, σχεδιάστε το ίδιο το προϊόν και προωθήστε το σε μεγάλο αριθμό πελατών.
Εάν σχεδιάζετε κάποιο είδος βελτίωσης προϊόντος, μπορείτε να δείτε αμέσως με ποιες μετρήσεις σχετίζεται και πώς αυτές οι μετρήσεις επηρεάζουν τις πωλήσεις και τα χαρακτηριστικά που είναι σημαντικά για την επιχείρηση. Με αυτόν τον τρόπο μπορείτε να εξαλείψετε αμέσως υποθέσεις με χαμηλό αποτέλεσμα. Ή, για παράδειγμα, αναπτύξτε μια νέα δυνατότητα σε έναν στατιστικά σημαντικό αριθμό χρηστών και παρακολουθήστε τις μετρήσεις σε πραγματικό χρόνο για να κατανοήσετε εάν όλα λειτουργούν όπως προβλέπεται. Μην περιμένετε σχόλια με τη μορφή αιτημάτων ή αναφορών, αλλά παρακολουθήστε αμέσως και προσαρμόστε αμέσως τη διαδικασία δημιουργίας προϊόντος μόνοι σας. Μπορούμε να παρουσιάσουμε μια νέα λειτουργία, να συλλέξουμε στατιστικά σωστά δεδομένα σε τρεις ημέρες, να κάνουμε αλλαγές σε άλλες τρεις ημέρες - και σε μια εβδομάδα ένα υπέροχο νέο προϊόν είναι έτοιμο.
Μπορείτε να παρακολουθείτε ολόκληρη τη διοχέτευση, όλους τους πελάτες που ήρθαν σε επαφή με το νέο προϊόν, να εντοπίσετε σημεία όπου η διοχέτευση μειώθηκε απότομα και να κατανοήσετε τους λόγους. Τόσο οι προγραμματιστές όσο και οι επιχειρήσεις το παρακολουθούν πλέον ως μέρος της καθημερινής τους δουλειάς. Βλέπουν το ίδιο ταξίδι πελατών και μαζί μπορούν να δημιουργήσουν ιδέες και υποθέσεις για βελτίωση.
Αυτή η ενοποίηση της επιχείρησης και της ανάπτυξης μαζί με τα αναλυτικά στοιχεία καθιστά δυνατή τη συνεχή δημιουργία προϊόντων, τη συνεχή βελτιστοποίηση, την αναζήτηση και την προβολή σημείων συμφόρησης και ολόκληρης της διαδικασίας στο σύνολό της.
Όλα είναι θέμα πολυπλοκότητας
Όταν δημιουργούμε ένα νέο προϊόν, δεν ξεκινάμε από το μηδέν, αλλά το ενσωματώνουμε σε έναν ήδη υπάρχοντα ιστό υπηρεσιών. Όταν δοκιμάζει ένα νέο προϊόν, ένας πελάτης επικοινωνεί συχνότερα με πολλά τμήματα. Μπορεί να επικοινωνήσει με υπαλλήλους του κέντρου επικοινωνίας, με διευθυντές στο γραφείο, μπορεί να επικοινωνήσει με την υποστήριξη ή σε διαδικτυακές συνομιλίες. Χρησιμοποιώντας μετρήσεις, μπορούμε να δούμε, για παράδειγμα, ποιο είναι το φορτίο στο κέντρο επικοινωνίας, πώς να επεξεργαστούμε καλύτερα τα εισερχόμενα αιτήματα. Μπορούμε να καταλάβουμε πόσα άτομα φτάνουν στο γραφείο και να προτείνουμε πώς να συμβουλεύσουμε περαιτέρω τον πελάτη.
Ακριβώς το ίδιο συμβαίνει και με τα πληροφοριακά συστήματα. Η τράπεζά μας υπάρχει για περισσότερα από 20 χρόνια, κατά τη διάρκεια των οποίων έχει δημιουργηθεί και εξακολουθεί να λειτουργεί ένα μεγάλο στρώμα ετερογενών συστημάτων. Η αλληλεπίδραση μεταξύ συστημάτων υποστήριξης μπορεί μερικές φορές να είναι απρόβλεπτη. Για παράδειγμα, σε κάποιο αρχαίο σύστημα υπάρχουν περιορισμοί στον αριθμό των χαρακτήρων για ένα συγκεκριμένο πεδίο και μερικές φορές αυτό διακόπτει τη λειτουργία της νέας υπηρεσίας. Είναι αρκετά δύσκολο να παρακολουθήσετε ένα σφάλμα χρησιμοποιώντας τυπικές μεθόδους, αλλά χρησιμοποιώντας αναλυτικά στοιχεία ιστού είναι εύκολο.
Φτάσαμε στο σημείο όπου αρχίσαμε να συλλέγουμε και να αναλύουμε κείμενα σφαλμάτων που εμφανίζονται στον πελάτη από όλα τα εμπλεκόμενα συστήματα. Αποδείχθηκε ότι πολλά από αυτά ήταν ξεπερασμένα και δεν μπορούσαμε καν να φανταστούμε ότι συμμετείχαν με κάποιο τρόπο στη διαδικασία μας.
Εργασία με αναλυτικά στοιχεία
Οι αναλυτές ιστού μας και οι ομάδες ανάπτυξης SCRUM βρίσκονται στην ίδια αίθουσα. Αλληλεπιδρούν συνεχώς μεταξύ τους. Όταν είναι απαραίτητο, οι ειδικοί βοηθούν στη ρύθμιση μετρήσεων ή στη λήψη δεδομένων, αλλά κυρίως τα ίδια τα μέλη της ομάδας συνεργάζονται με την υπηρεσία ανάλυσης, δεν υπάρχει τίποτα περίπλοκο εκεί.
Απαιτείται βοήθεια εάν, για παράδειγμα, χρειάζεστε κάποιες εξαρτήσεις ή πρόσθετα φίλτρα για περιορισμένο τύπο πελατών ή πηγών. Αλλά στην τρέχουσα αρχιτεκτονική σπάνια το συναντάμε αυτό.
Είναι ενδιαφέρον ότι η εφαρμογή αναλυτικών στοιχείων δεν απαιτούσε την εγκατάσταση ενός νέου συστήματος πληροφορικής. Χρησιμοποιούμε το ίδιο λογισμικό με το οποίο οι έμποροι έχουν εργαστεί στο παρελθόν. Χρειαζόταν μόνο να συμφωνηθεί η χρήση του και να εφαρμοστεί στην επιχείρηση και την ανάπτυξη. Φυσικά, δεν μπορούσαμε να πάρουμε μόνο αυτό που είχε το μάρκετινγκ, έπρεπε να διαμορφώσουμε εκ νέου τα πάντα και να δώσουμε πρόσβαση στο μάρκετινγκ στο νέο περιβάλλον, ώστε να βρίσκονται στο ίδιο πεδίο πληροφοριών με εμάς.
Στο μέλλον, σχεδιάζουμε να αγοράσουμε μια βελτιωμένη έκδοση λογισμικού ανάλυσης ιστού που θα μας επιτρέψει να αντιμετωπίσουμε τον αυξανόμενο όγκο των επεξεργασμένων περιόδων σύνδεσης.
Βρισκόμαστε επίσης ενεργά στη διαδικασία ενσωμάτωσης web analytics και εσωτερικών βάσεων δεδομένων από CRM και λογιστικά συστήματα. Συνδυάζοντας δεδομένα, έχουμε μια πλήρη εικόνα του πελάτη σε όλες τις απαραίτητες πτυχές: ανά πηγή, τύπο πελάτη, προϊόν. Οι υπηρεσίες BI που βοηθούν στην οπτικοποίηση δεδομένων θα γίνουν σύντομα διαθέσιμες σε όλα τα τμήματα.
Με τι καταλήξαμε; Στην πραγματικότητα, κάναμε την ανάλυση και τη λήψη αποφάσεων σχετικά με αυτό μέρος της παραγωγικής διαδικασίας, η οποία είχε ορατό αποτέλεσμα.
Analytics: μην πατάτε τη γκανιότα
Και τέλος, θέλω να μοιραστώ μερικές συμβουλές που θα σας βοηθήσουν να αποφύγετε να μπείτε σε μπελάδες στη διαδικασία οικοδόμησης μιας επιχείρησης ανάπτυξης επιχειρήσεων.
- Εάν δεν μπορείτε να κάνετε αναλυτικά στοιχεία γρήγορα, τότε κάνετε λάθος αναλυτικά στοιχεία. Πρέπει να ακολουθήσετε μια απλή διαδρομή από ένα προϊόν και στη συνέχεια να αυξήσετε την κλίμακα.
- Πρέπει να έχετε μια ομάδα ή ένα άτομο που έχει καλή κατανόηση της μελλοντικής αρχιτεκτονικής αναλυτικών στοιχείων. Πρέπει ακόμα να αποφασίσετε στην ακτή πώς θα κλιμακώσετε τα αναλυτικά στοιχεία, θα τα ενσωματώσετε σε άλλα συστήματα και θα επαναχρησιμοποιήσετε τα δεδομένα.
- Μην δημιουργείτε περιττά δεδομένα. Τα στατιστικά του Διαδικτύου, εκτός από χρήσιμες πληροφορίες, είναι επίσης ένας τεράστιος σκουπιδότοπος με χαμηλής ποιότητας και περιττά δεδομένα. Και αυτά τα σκουπίδια θα παρεμποδίσουν τη λήψη αποφάσεων και την αξιολόγηση, εάν δεν υπάρχουν σαφείς στόχοι.
- Μην κάνετε αναλύσεις για χάρη της ανάλυσης. Πρώτα, στόχοι, επιλογή εργαλείου και μόνο τότε - αναλυτικά μόνο όπου θα έχει αποτέλεσμα.
Το υλικό ετοιμάστηκε από κοινού με την Chebotar Olga ().
Πηγή: www.habr.com