Для меня данные в ИТ всегда были основой принятия решений. Конечно, исключая случаи управленческих воздействий или моего принятия решений с другими ориентирами. И накопление данных – это явный приоритет для выстраивания корректных действий, последовательности шагов для реализации или корректировки в проектах и задачах.
Я уже говорил об источниках сбора данных и соответствующих возможностях. Сейчас хочу упомянуть то, как можно применить конкретные варианты накопленных данных, как выстраивать работу с внутренней аналитикой в ИТ.
Рассмотрим для примера 4 источника данных и варианты принятия решений в ИТ на их основе.
1. Данные, которые собираются в Service Desk на примере входящих инцидентов/запросов. Это один из самых удобных вариантов аналитики, т.к. данные собираются максимально объективно и без явных запросов от ИТ. Т.е. пользователи такие данные формируют сами, когда направляют запросы. Здесь отлично будет видна аналитика по возможным проблемам из инцидентов, наиболее «проблемным» вопросам, подразделениям и конкретным ИТ-сервисам.
2. Данные по мониторингу аппаратных средств. В данном случае важно разделение мониторинга «железа» на ключевые решения, пользовательские и, например, вспомогательные. Конечно же, речь не просто о логировании ошибок, а о полноценном мониторинге ключевого оборудования на предмет возможных отказов, перегрузок, нарушения температурного режима, перебоях с электропитанием и прочее. В таком вопросе аналитика данных покажет явные проблемные места, риски снижения или отсутствия сервиса, а также покажет возможности для модернизации или оптимизации аппаратных средств.
3. Данные по использованию ПО в корпоративном контуре. В данном случае есть смысл разделить не только софт по приоритетам, лицензированию и прочим основополагающим моментам, но также учесть реальное время использование, доступы и роли пользователей, которые в нем задействованы. По ключевым ИТ-решениям уровня предприятия все будет прозрачнее, т.к. возможностей для настроек и мониторинга в «тяжелом» софте встроено действительно много. А что делать с «зоопарком» остального ПО. Аналитика данных в таком случае позволит выявить минимум 5 особенностей: данные, их объем, хранение и доступ; роли и права доступа в вопросе информационной безопасности; реальное использование ПО и соотнесение с временем поддержки и объемом лицензий; целесообразность обновлений аппаратной инфраструктуры под соответствующие решения в софте; соотнесение ПО в организации с задачами бизнеса, ИТ-сервисами и структурой затрат в ИТ.
4. Данные в виде обратной связи о процессе адаптации новых сотрудников в части ИТ-сервисов и систем. Такие данные предоставляет HR-служба и они позволяют проанализировать ряд аспектов в части того, как при взаимодействии с ИТ растет или наоборот усложняется процесс адаптации. Не забываем, что это влияет на скорость начала результативной работы нового сотрудника и на ресурсы, которые затрачиваются на адаптацию. В итоге можно получить информацию о том, насколько оптимальный инструментарий получен специалистом на старте, хорошо ли работают учебные материалы в части ознакомления с ИТ, а также увидеть, насколько результативно работает, например, корпоративный портал и служба Service Desk в процессе адаптации.
Конечно, это только некоторые примеры работы с данными и аналитикой, но они крайне важны. Мой опыт работы с накоплением, анализом и применением таких данных показал высокую результативность и возможности для совершенствования ИТ-сервисов для бизнеса.
Обучаю и консультирую ИТ-специалистов, которые планируют карьеру в ИТ и начинающих ИТ-руководителей по реальному развитию ИТ-сервисов, системной работе на результат и выстраиванию карьеры в ИТ, провожу ИТ-аудит компаний. Опыт и внутри компаний, и в ИТ-интеграторе более 8 лет.
© Сергей Полторак
