Falsafah DevOps, apabila pembangunan digabungkan dengan penyelenggaraan perisian, tidak akan mengejutkan sesiapa pun. Aliran baharu sedang mendapat momentum - DevOps 2.0 atau BizDevOps. Ia menggabungkan tiga komponen menjadi satu keseluruhan: perniagaan, pembangunan dan sokongan. Dan sama seperti dalam DevOps, amalan kejuruteraan membentuk asas hubungan antara pembangunan dan sokongan, dan dalam pembangunan perniagaan, analitik mengambil peranan sebagai "gam" yang menyatukan pembangunan dengan perniagaan.
Saya ingin mengakui dengan segera: kami baru mengetahui sekarang bahawa kami mempunyai perkembangan perniagaan yang sebenar, selepas membaca buku pintar. Entah bagaimana ia bersatu terima kasih kepada inisiatif pekerja dan semangat yang tidak dapat dihalang untuk penambahbaikan. Analitis kini menjadi sebahagian daripada proses pengeluaran pembangunan, dengan ketara mengurangkan gelung maklum balas dan kerap memberikan cerapan. Saya akan memberitahu anda secara terperinci bagaimana semuanya berfungsi untuk kami.
Kelemahan DevOps Klasik
Apabila produk pelanggan baharu dibayangkan, perniagaan mencipta model tingkah laku pelanggan yang ideal dan menjangkakan penukaran yang baik, berdasarkannya ia membina matlamat dan hasil perniagaannya. Pasukan pembangunan, bagi pihaknya, berusaha untuk membuat kod yang sangat baik dan berkualiti tinggi. Sokongan berharap untuk automasi lengkap proses, kemudahan dan kemudahan mengekalkan produk baharu.
Realiti paling kerap berkembang sedemikian rupa sehingga pelanggan menerima proses yang agak kompleks, perniagaan tersekat dengan penukaran yang rendah, pasukan pembangunan mengeluarkan pembetulan demi pembetulan, dan sokongan tenggelam dalam aliran permintaan daripada pelanggan. Bunyi biasa?
Punca kejahatan di sini terletak pada gelung maklum balas yang panjang dan lemah yang terbina dalam proses tersebut. Perniagaan dan pembangun, apabila mengumpul keperluan dan menerima maklum balas semasa pecut, berkomunikasi dengan bilangan pelanggan yang terhad yang sangat mempengaruhi nasib produk. Selalunya perkara yang penting untuk satu orang tidak sama sekali tipikal untuk keseluruhan khalayak sasaran.
Memahami sama ada produk bergerak ke arah yang betul disertakan dengan laporan kewangan dan hasil penyelidikan pasaran beberapa bulan selepas pelancaran. Dan disebabkan saiz sampel yang terhad, mereka tidak memberi peluang untuk menguji hipotesis ke atas sejumlah besar pelanggan. Secara umum, ia ternyata panjang, tidak tepat dan tidak berkesan.
Alat trofi
Kami menemui cara yang baik untuk menjauhi perkara ini. Alat yang sebelum ini hanya membantu pemasar kini telah menemui jalan ke tangan perniagaan dan pembangun. Kami mula menggunakan analitik web secara aktif untuk melihat proses dalam masa nyata, di sini dan sekarang untuk memahami apa yang berlaku. Berdasarkan ini, rancang produk itu sendiri dan luncurkannya kepada sebilangan besar pelanggan.
Jika anda merancang beberapa jenis penambahbaikan produk, anda boleh melihat dengan segera metrik apa yang dikaitkan dengannya dan cara metrik ini mempengaruhi jualan dan ciri yang penting untuk perniagaan. Dengan cara ini anda boleh segera menyingkirkan hipotesis dengan kesan yang rendah. Atau, sebagai contoh, lancarkan ciri baharu kepada bilangan pengguna yang ketara secara statistik dan pantau metrik dalam masa nyata untuk memahami sama ada semuanya berfungsi seperti yang diharapkan. Jangan tunggu maklum balas dalam bentuk permintaan atau laporan, tetapi segera pantau dan laraskan sendiri proses penciptaan produk dengan segera. Kami boleh melancarkan ciri baharu, mengumpul data yang betul dari segi statistik dalam tiga hari, membuat perubahan dalam tiga hari lagi - dan dalam seminggu produk baharu yang hebat sedia.
Anda boleh menjejaki keseluruhan corong, semua pelanggan yang berhubung dengan produk baharu, mengesan titik di mana corong mengecil secara mendadak dan memahami sebabnya. Kedua-dua pembangun dan perniagaan kini memantau perkara ini sebagai sebahagian daripada kerja harian mereka. Mereka melihat perjalanan pelanggan yang sama, dan bersama-sama mereka boleh menjana idea dan hipotesis untuk penambahbaikan.
Penyepaduan perniagaan dan pembangunan ini bersama-sama dengan analitik memungkinkan untuk mencipta produk secara berterusan, sentiasa mengoptimumkan, mencari dan melihat kesesakan, dan keseluruhan proses secara keseluruhan.
Ini semua tentang kerumitan
Apabila kami mencipta produk baharu, kami tidak bermula dari awal, tetapi menyepadukannya ke dalam web perkhidmatan sedia ada. Apabila mencuba produk baharu, pelanggan paling kerap menghubungi beberapa jabatan. Dia boleh berkomunikasi dengan pekerja pusat hubungan, dengan pengurus di pejabat, dia boleh menghubungi sokongan, atau dalam sembang dalam talian. Menggunakan metrik, kita boleh melihat, sebagai contoh, apakah beban pada pusat hubungan, cara terbaik untuk memproses permintaan masuk. Kami boleh memahami berapa ramai orang yang sampai ke pejabat dan mencadangkan cara untuk menasihati pelanggan.
Ia betul-betul sama dengan sistem maklumat. Bank kami telah wujud selama lebih daripada 20 tahun, pada masa itu satu lapisan besar sistem heterogen telah dicipta dan masih berfungsi. Interaksi antara sistem bahagian belakang kadangkala tidak dapat diramalkan. Sebagai contoh, dalam beberapa sistem purba terdapat sekatan pada bilangan aksara untuk medan tertentu, dan kadangkala ini merosakkan perkhidmatan baharu. Agak sukar untuk menjejak pepijat menggunakan kaedah standard, tetapi menggunakan analitik web adalah mudah.
Kami sampai ke tahap di mana kami mula mengumpul dan menganalisis teks ralat yang ditunjukkan kepada pelanggan daripada semua sistem yang terlibat. Ternyata ramai daripada mereka sudah ketinggalan zaman, dan kami tidak dapat membayangkan bahawa mereka terlibat dalam proses kami.
Bekerja dengan analitik
Penganalisis web dan pasukan pembangunan SCRUM kami terletak di dalam bilik yang sama. Mereka sentiasa berinteraksi antara satu sama lain. Apabila perlu, pakar membantu menyediakan metrik atau memuat turun data, tetapi kebanyakannya ahli pasukan sendiri bekerja dengan perkhidmatan analitik, tidak ada yang rumit di sana.
Bantuan diperlukan jika, sebagai contoh, anda memerlukan beberapa kebergantungan atau penapis tambahan untuk jenis pelanggan atau sumber yang terhad. Tetapi dalam seni bina semasa kita jarang menemui ini.
Menariknya, pelaksanaan analisis tidak memerlukan pemasangan sistem IT baharu. Kami menggunakan perisian yang sama yang pernah digunakan oleh pemasar sebelum ini. Ia hanya perlu untuk bersetuju mengenai penggunaannya dan melaksanakannya dalam perniagaan dan pembangunan. Sudah tentu, kami tidak boleh mengambil apa sahaja yang ada pada pemasaran, kami perlu mengkonfigurasikan semula segala-galanya dan memberikan akses pemasaran kepada persekitaran baharu supaya mereka berada dalam medan maklumat yang sama dengan kami.
Pada masa hadapan, kami merancang untuk membeli versi perisian analitik web yang dipertingkatkan yang akan membolehkan kami mengatasi peningkatan jumlah sesi yang diproses.
Kami juga secara aktif dalam proses menyepadukan analisis web dan pangkalan data dalaman daripada CRM dan sistem perakaunan. Dengan menggabungkan data, kami mendapat gambaran lengkap tentang pelanggan dalam semua aspek yang diperlukan: mengikut sumber, jenis pelanggan, produk. Perkhidmatan BI yang membantu menggambarkan data akan tersedia untuk semua jabatan tidak lama lagi.
Apa yang telah kita lalui? Malah, kami menjadikan analisis dan membuat keputusan mengenainya sebagai sebahagian daripada proses pengeluaran, yang mempunyai kesan yang boleh dilihat.
Analitis: jangan pijak garu
Dan akhirnya, saya ingin berkongsi beberapa petua yang akan membantu anda mengelakkan masalah dalam proses membina perniagaan pembangunan perniagaan.
- Jika anda tidak dapat melakukan analitis dengan cepat, maka anda melakukan analitis yang salah. Anda perlu mengikut laluan mudah daripada satu produk dan kemudian naikkan.
- Anda mesti mempunyai pasukan atau orang yang mempunyai pemahaman yang baik tentang seni bina analitik masa hadapan. Anda masih perlu memutuskan bagaimana anda akan membuat skala analitik, menyepadukannya ke dalam sistem lain dan menggunakan semula data.
- Jangan jana data yang tidak diperlukan. Statistik web, sebagai tambahan kepada maklumat berguna, juga merupakan tempat pembuangan sampah yang besar dengan data berkualiti rendah dan tidak diperlukan. Dan sampah ini akan mengganggu proses membuat keputusan dan penilaian jika tiada matlamat yang jelas.
- Jangan buat analisis demi analisis. Pertama, matlamat, pilihan alat, dan hanya kemudian - analisis hanya di mana ia akan mempunyai kesan.
Bahan itu disediakan bersama dengan Chebotar Olga ().
Sumber: www.habr.com