Data analytics moet hand in hand met DevOps

Big data is Gartners hypehoogtepunt en teleurstellingstrog voorbij. Dat betekent dat het an sich niet meer onderscheidend is; daar is méér voor nodig. De meerwaarde van data analytics zit in verregaande doorvoering plus agile en ook nog eens DevOps. De cirkel moet rond zijn.

 

“Technologie is betekenisloos als je het niet goed inzet. Hoe deploy je het?”, vraagt Teradata-CTO Stephen Brobst tijdens hun Innovation Forum 2016. De technische topman geeft zijn publiek in de Van Nelle Fabriek te Rotterdam praktisch advies over betere benutting van data analytics. Het moet door de hele organisatie lopen en flexibel worden ingezet. Hij somt een reeks ‘ingrediënten’ op, waaronder de ontwikkelmethodiek agile. “Maar”, zo waarschuwt hij, “agile alleen is niet voldoende.”

 

Tijdbom

Brobst: “Je hebt agile nodig plus DevOps, om technologie in handen te krijgen van de mensen die er zelf mee moeten werken. Het volstaat niet om softwareontwikkeling en data-analyse flexibel, snel en iteratief uit te voeren. De operationele kant van een organisatie moet ook mee in de versnelling en vooral versoepeling. Het gaat om de ‘productization’ van je data. Met andere woorden: hoe kun je data en de inzichten die daaruit voortkomen te gelde maken? Je data lake is je voorraad grondstoffen en daar moet je middels discovery de waarde uit halen.”

Brobst waarschuwt voor een drietal valkuilen die je hierbij kunt tegenkomen. “De eerste valkuil ligt aan je voeten wanneer een data scientist iets ontdekt en de organisatie daar zo snel mogelijk mee aan de slag wil gaan. Dan loop je het risico dat de data scientist zelf iets implementeert, in een computer onder zijn bureau”, legt de CTO uit. Zo’n systeem kan weliswaar functioneel en nuttig zijn voor de business, maar het is tegelijkertijd een tijdbom. Een data scientist is weliswaar slim, maar hij is geen it’er. Hij is bijvoorbeeld niet bezig met back-ups, failover enzovoort. “De data-analyserende expert wordt zo verantwoordelijk voor iets dat eigenlijk een operationele zaak is”, betoogt Brobst. “Bovendien wíl ik ook helemaal niet dat een data scientist zijn kostbare tijd daaraan besteedt.”

 

Cultuuromslag

De tweede valkuil komt tevoorschijn wanneer een data scientist een R&D-prototype heeft ontwikkeld en dat over het hek gooit naar operations. De it-afdeling moet dan de business requirements uitvogelen. “Dat kan máánden kosten”, weet Brobst, “en de business is dan allang veranderd. Dit is een delivery-probleem.”

De derde valkuil is een kwestie van cultuur: het verschil tussen de suits en de shirts. Brobst, zelf gekleed in een houthakkersblouse, toont de bekende reclameserie van het duo van Apples Mac versus PC. “De pakken zijn het traditionele it-establishment. Maar zij hebben het budget. De shirts zijn anti-establishment en willen met coole, nieuwe technologie spelen. Zij hebben geen budget, maar dat is voor hun geen probleem want er is Apache en nog veel meer open source.”

 

Agile plus DevOps

Volgens Brobst is er in de moderne wereld wel plaats voor datawarehouses. “Maar data analytics omvat tegenwoordig meer, waaronder ook open source-systemen zoals Hadoop.” Brobst toont een schematisch overzicht van de Unified Data Architecture. “Hierin staan wij natuurlijk wat groter aangegeven”, lacht hij. “Maar ook wij bestaan in een breder ecosysteem en hebben daarbinnen te maken met andere producten en leveranciers.” Dus moet ook Teradata evenals diens klanten en andere bedrijven die data analytics benutten over op een andere, flexibeler manier van werken. Agile is daarbij een beginpunt, want het gaat om continuous delivery van ict-middelen. In de wereld van data analytics omvat dit ook inzichten waar de business op kan acteren. “Als je al agile doet, is dat goed, maar het is niet genoeg”, drukt Brobst de aanwezige it-managers op het hart. “Breid je agile-denken uit naar operations, zodat je daadwerkelijk DevOps krijgt.”

 

Het gaat om de business

Hou daarbij vooral het uiteindelijke gebruik voor ogen. Brobst noemt dit BizDevOps, om de link naar de business te benadrukken. “Data moet zo snel mogelijk in handen komen van de datagebruikers.” Lijvige documenten met requirements, die vooraf worden opgesteld en dus veel tijd kosten, zijn volgens hem vooral goede deurstoppen. Uiteindelijk moet de overgang naar flexibele, snelle en iteratieve ontwikkeling en analyse door de hele organisatie heen de meerwaarde van moderne data analytics brengen.

Belangrijk hierbij is ook een vlotte feedbackloop. Op het Teradata Innovation Forum 2016 haalt partner Fuzzy Logix het geval aan van een geheugenchipfabrikant die analytics gebruikt om het aantal bruikbare chips (yield) per chipplak (wafer) te verhogen. Hoe eerder de analyse van een geproduceerde wafer inzichten oplevert om de productie bij te stellen, hoe sneller de yield omhoog kan. Een verbetering van 1 procent levert daarbij al direct een besparing van 200 miljoen dollar op.

 

Dingen níet doen

Een ander praktijkvoorbeeld is de Amerikaanse gamemaker Blizzard, bekend van de massale online-game World of Warcraft. Deze analytics-grootgebruiker bekijkt uitgebreid het gedrag van gamers in de online wereld. Daaruit destilleert Blizzard wat klanten interessant vinden en wat het dus gaat maken in de volgende ontwikkelronde.

Ondertussen benutten in Nederland onder meer de Belastingdienst en chipbedrijf NXP geavanceerde analytics voor nieuwe mogelijkheden. De fiscus heeft kleine, zelfstandige teams opgezet en zegt daarmee al voorbij agile en DevOps te zijn. NXP ontdekt nieuwe zakenkansen en migreert oudere systemen in het kader van de fusie met Freescale.

Analytics kan efficiëntie verhogen, het kan bestaande business beter richten, en het kan nieuwe mogelijkheden ontginnen. Brobst draagt nog een optie aan. Het gaat er niet alleen om wat wél te doen. De meerwaarde van analytics zit volgens hem ook in bewust bepaalde, minder belangrijke, dingen níet te doen. Alles uiteraard op basis van inzicht.