आम्हाला व्यवसाय आणि DevOps कनेक्ट करण्याचा एक छान मार्ग कसा सापडला

DevOps तत्त्वज्ञान, जेव्हा विकास सॉफ्टवेअर देखभालीसह एकत्रित केला जातो, तेव्हा कोणालाही आश्चर्य वाटणार नाही. एक नवीन ट्रेंड वेग घेत आहे - DevOps 2.0 किंवा BizDevOps. हे तीन घटक एकाच संपूर्णमध्ये एकत्र करते: व्यवसाय, विकास आणि समर्थन. आणि ज्याप्रमाणे DevOps मध्ये, अभियांत्रिकी पद्धती विकास आणि समर्थन यांच्यातील कनेक्शनचा आधार बनवतात आणि व्यवसाय विकासामध्ये, विश्लेषणे "गोंद" ची भूमिका घेतात जी व्यवसायासह विकास एकत्र करते.

मला लगेच कबूल करायचे आहे: स्मार्ट पुस्तके वाचल्यानंतर आम्हाला आताच कळले की आमचा खरा व्यवसाय विकास झाला आहे. कर्मचाऱ्यांच्या पुढाकारामुळे आणि सुधारणेच्या अदम्य उत्कटतेमुळे ते कसे तरी एकत्र आले. ॲनालिटिक्स आता विकास उत्पादन प्रक्रियेचा भाग आहे, फीडबॅक लूप लक्षणीयरीत्या कमी करून आणि नियमितपणे अंतर्दृष्टी प्रदान करते. आमच्यासाठी सर्वकाही कसे कार्य करते ते मी तुम्हाला तपशीलवार सांगेन.

क्लासिक DevOps चे तोटे

जेव्हा नवीन ग्राहक उत्पादनांची कल्पना केली जाते, तेव्हा व्यवसाय ग्राहकाच्या वर्तनाचे एक आदर्श मॉडेल तयार करतो आणि चांगल्या रूपांतरणाची अपेक्षा करतो, ज्याच्या आधारावर तो त्याचे व्यावसायिक उद्दिष्टे आणि परिणाम तयार करतो. विकास कार्यसंघ, त्याच्या भागासाठी, खूप चांगला, उच्च-गुणवत्तेचा कोड बनवण्याचा प्रयत्न करतो. प्रक्रियेचे संपूर्ण ऑटोमेशन, नवीन उत्पादन राखण्यासाठी सुलभता आणि सोयीसाठी समर्थन आशा करते.

वास्तविकता बहुतेकदा अशा प्रकारे विकसित होते की क्लायंटला एक जटिल प्रक्रिया प्राप्त होते, व्यवसाय कमी रूपांतरणाने अडकलेला असतो, विकास कार्यसंघ निराकरण केल्यानंतर निराकरण करतात आणि ग्राहकांच्या विनंतीच्या प्रवाहात समर्थन बुडलेले असते. परिचित आवाज?

येथे वाईटाचे मूळ प्रक्रियेमध्ये तयार केलेल्या लांब आणि खराब प्रतिक्रिया लूपमध्ये आहे. व्यवसाय आणि विकासक, स्प्रिंट दरम्यान आवश्यकता गोळा करताना आणि अभिप्राय प्राप्त करताना, मर्यादित संख्येच्या ग्राहकांशी संवाद साधतात जे उत्पादनाच्या भवितव्यावर खूप प्रभाव पाडतात. बऱ्याचदा एका व्यक्तीसाठी जे महत्वाचे असते ते संपूर्ण लक्ष्य प्रेक्षकांसाठी अजिबात वैशिष्ट्यपूर्ण नसते.
एखादे उत्पादन योग्य दिशेने जात आहे की नाही हे समजून घेणे आर्थिक अहवाल आणि मार्केट रिसर्चचे परिणाम लॉन्च झाल्यानंतर काही महिन्यांनंतर येते. आणि मर्यादित नमुना आकारामुळे, ते मोठ्या संख्येने क्लायंटवर गृहीतके तपासण्याची संधी देत ​​नाहीत. सर्वसाधारणपणे, ते लांब, चुकीचे आणि अप्रभावी असल्याचे दिसून येते.

ट्रॉफी साधन

यापासून दूर जाण्यासाठी आम्हाला एक चांगला मार्ग सापडला. पूर्वी केवळ विपणकांना मदत करणारे साधन आता व्यवसाय आणि विकासकांच्या हातात सापडले आहे. रिअल टाइममध्ये, येथे आणि आता काय घडत आहे हे समजून घेण्यासाठी आम्ही सक्रियपणे वेब विश्लेषणे वापरण्यास सुरुवात केली. याच्या आधारे, उत्पादनाची स्वतःच योजना करा आणि ते मोठ्या संख्येने ग्राहकांपर्यंत पोहोचवा.
तुम्ही काही प्रकारच्या उत्पादन सुधारणेची योजना करत असल्यास, ते कोणत्या मेट्रिक्सशी संबंधित आहे आणि हे मेट्रिक्स व्यवसायासाठी महत्त्वाच्या असलेल्या विक्री आणि वैशिष्ट्यांवर कसा परिणाम करतात ते तुम्ही लगेच पाहू शकता. अशा प्रकारे तुम्ही कमी परिणामासह गृहीतके ताबडतोब काढून टाकू शकता. किंवा, उदाहरणार्थ, सांख्यिकीयदृष्ट्या लक्षणीय वापरकर्त्यांसाठी एक नवीन वैशिष्ट्य रोल आउट करा आणि सर्वकाही हेतूनुसार कार्य करते की नाही हे समजून घेण्यासाठी रिअल टाइममध्ये मेट्रिक्सचे निरीक्षण करा. विनंत्या किंवा अहवालांच्या रूपात अभिप्रायाची वाट पाहू नका, परंतु उत्पादन निर्मिती प्रक्रियेचे स्वतः निरीक्षण करा आणि त्वरित समायोजित करा. आम्ही एक नवीन वैशिष्ट्य रोल आउट करू शकतो, तीन दिवसांत सांख्यिकीयदृष्ट्या योग्य डेटा गोळा करू शकतो, आणखी तीन दिवसांत बदल करू शकतो - आणि एका आठवड्यात एक उत्कृष्ट नवीन उत्पादन तयार आहे.

तुम्ही संपूर्ण फनेल, नवीन उत्पादनाच्या संपर्कात आलेल्या सर्व ग्राहकांचा मागोवा घेऊ शकता, फनेल तीव्रपणे संकुचित झालेले बिंदू शोधू शकता आणि कारणे समजून घेऊ शकता. विकासक आणि व्यवसाय दोघेही आता त्यांच्या दैनंदिन कामाचा भाग म्हणून यावर लक्ष ठेवतात. ते समान ग्राहक प्रवास पाहतात आणि एकत्रितपणे ते सुधारण्यासाठी कल्पना आणि गृहीतके निर्माण करू शकतात.

विश्लेषणासह व्यवसाय आणि विकासाचे हे एकत्रीकरण सतत उत्पादने तयार करणे, सतत ऑप्टिमाइझ करणे, अडथळे शोधणे आणि पाहणे आणि संपूर्ण प्रक्रिया शक्य करते.

हे सर्व जटिलतेबद्दल आहे

जेव्हा आम्ही एखादे नवीन उत्पादन तयार करतो, तेव्हा आम्ही सुरवातीपासून सुरुवात करत नाही, तर ते आधीपासून अस्तित्वात असलेल्या सेवांच्या वेबमध्ये समाकलित करतो. नवीन उत्पादन वापरताना, क्लायंट बहुतेक वेळा अनेक विभागांशी संपर्क साधतो. तो संपर्क केंद्राच्या कर्मचाऱ्यांशी, कार्यालयातील व्यवस्थापकांशी संवाद साधू शकतो, तो समर्थनाशी किंवा ऑनलाइन चॅटमध्ये संपर्क साधू शकतो. मेट्रिक्स वापरून, आम्ही पाहू शकतो, उदाहरणार्थ, संपर्क केंद्रावर काय भार आहे, येणाऱ्या विनंत्यांवर प्रक्रिया कशी करावी. आम्ही समजू शकतो की किती लोक ऑफिसमध्ये पोहोचतात आणि क्लायंटला पुढील सल्ला कसा द्यायचा ते सुचवू शकतो.

माहिती प्रणालीच्या बाबतीतही असेच आहे. आमची बँक 20 वर्षांहून अधिक काळ अस्तित्वात आहे, त्या काळात विषम प्रणालींचा एक मोठा थर तयार झाला आहे आणि अजूनही कार्यरत आहे. बॅकएंड सिस्टममधील परस्परसंवाद कधीकधी अप्रत्याशित असू शकतो. उदाहरणार्थ, काही प्राचीन प्रणालीमध्ये विशिष्ट क्षेत्रासाठी वर्णांच्या संख्येवर निर्बंध आहेत आणि काहीवेळा यामुळे नवीन सेवा क्रॅश होते. मानक पद्धती वापरून बग ट्रॅक करणे खूप अवघड आहे, परंतु वेब विश्लेषण वापरणे सोपे आहे.

आम्ही अशा टप्प्यावर पोहोचलो जिथे आम्ही सर्व गुंतलेल्या प्रणालींमधून क्लायंटला दर्शविल्या जाणाऱ्या त्रुटी मजकूर गोळा करणे आणि त्यांचे विश्लेषण करणे सुरू केले. असे दिसून आले की त्यापैकी बरेच जुने आहेत आणि ते आमच्या प्रक्रियेत कसे तरी सामील आहेत याची आम्ही कल्पना देखील करू शकत नाही.

विश्लेषणासह कार्य करणे

आमचे वेब विश्लेषक आणि SCRUM विकास कार्यसंघ एकाच खोलीत आहेत. ते सतत एकमेकांशी संवाद साधतात. आवश्यक असल्यास, विशेषज्ञ मेट्रिक्स सेट करण्यात किंवा डेटा डाउनलोड करण्यात मदत करतात, परंतु मुख्यतः कार्यसंघ सदस्य स्वतः विश्लेषण सेवेसह कार्य करतात, तेथे काहीही क्लिष्ट नाही.

उदाहरणार्थ, तुम्हाला मर्यादित प्रकारच्या क्लायंट किंवा स्त्रोतांसाठी काही अवलंबित्व किंवा अतिरिक्त फिल्टरची आवश्यकता असल्यास मदत आवश्यक आहे. परंतु सध्याच्या वास्तुशास्त्रात आपल्याला याचा सामना क्वचितच होतो.

विशेष म्हणजे, विश्लेषणाच्या अंमलबजावणीसाठी नवीन IT प्रणाली स्थापित करण्याची आवश्यकता नव्हती. आम्ही तेच सॉफ्टवेअर वापरतो ज्यावर विपणकांनी यापूर्वी काम केले आहे. फक्त त्याच्या वापरावर सहमती देणे आणि व्यवसाय आणि विकासात त्याची अंमलबजावणी करणे आवश्यक होते. अर्थात, मार्केटिंगमध्ये जे आहे ते आम्ही घेऊ शकत नाही, आम्हाला सर्वकाही पुन्हा कॉन्फिगर करावे लागेल आणि नवीन वातावरणात मार्केटिंगला प्रवेश द्यावा लागेल जेणेकरून ते आमच्यासोबत समान माहिती क्षेत्रात असतील.

भविष्यात, आम्ही वेब ॲनालिटिक्स सॉफ्टवेअरची एक सुधारित आवृत्ती खरेदी करण्याची योजना आखत आहोत जी आम्हाला प्रक्रिया केलेल्या सत्रांच्या वाढत्या व्हॉल्यूमचा सामना करण्यास अनुमती देईल.

आम्ही CRM आणि लेखा प्रणालींमधून वेब विश्लेषणे आणि अंतर्गत डेटाबेस एकत्रित करण्याच्या प्रक्रियेत देखील सक्रिय आहोत. डेटा एकत्र करून, आम्हाला सर्व आवश्यक पैलूंमध्ये क्लायंटचे संपूर्ण चित्र मिळते: स्त्रोत, क्लायंटचा प्रकार, उत्पादन. डेटा व्हिज्युअलाइज करण्यात मदत करणाऱ्या BI सेवा लवकरच सर्व विभागांसाठी उपलब्ध होतील.

आम्ही काय संपले? किंबहुना, आम्ही विश्लेषण आणि त्यावर निर्णय घेणे हा उत्पादन प्रक्रियेचा भाग बनवला, ज्याचा दृश्य परिणाम दिसून आला.

विश्लेषण: रेकवर पाऊल ठेवू नका

आणि शेवटी, मला काही टिपा सामायिक करायच्या आहेत ज्या तुम्हाला व्यवसाय विकास व्यवसाय तयार करण्याच्या प्रक्रियेत अडचणीत येण्यापासून टाळण्यास मदत करतील.

1. तुम्ही पटकन विश्लेषण करू शकत नसल्यास, तुम्ही चुकीचे विश्लेषण करत आहात. तुम्हाला एका उत्पादनातून सोप्या मार्गाचे अनुसरण करणे आणि नंतर स्केल अप करणे आवश्यक आहे.
2. तुमच्याकडे एक संघ किंवा व्यक्ती असणे आवश्यक आहे ज्याला भविष्यातील विश्लेषण आर्किटेक्चरची चांगली समज आहे. तुम्हाला अजूनही किनार्यावर निर्णय घ्यायचा आहे की तुम्ही विश्लेषण कसे स्केल कराल, ते इतर सिस्टममध्ये समाकलित कराल आणि डेटाचा पुनर्वापर कसा कराल.
3. अनावश्यक डेटा तयार करू नका. वेब आकडेवारी, उपयुक्त माहिती व्यतिरिक्त, कमी-गुणवत्तेच्या आणि अनावश्यक डेटासह एक प्रचंड कचरा आहे. आणि कोणतीही स्पष्ट उद्दिष्टे नसल्यास हा कचरा निर्णय आणि मूल्यांकनामध्ये हस्तक्षेप करेल.
4. विश्लेषणाच्या फायद्यासाठी विश्लेषण करू नका. प्रथम, उद्दिष्टे, साधनाची निवड, आणि त्यानंतरच - विश्लेषण फक्त जेथे त्याचा परिणाम होईल.

हे साहित्य चेबोटर ओल्गा यांच्यासोबत संयुक्तपणे तयार करण्यात आले होते.olga_cebotari).

स्त्रोत: www.habr.com