De weg naar geautomatiseerd applicatiebeheer

Een effectief beheer van het volledige applicatieportfolio van een bedrijf is essentieel voor het succes van het bedrijf, maar het wordt niet gezien als een bijzonder prestigieuze activiteit binnen de IT-wereld, en het wordt meestal geassocieerd met hoge kosten, handmatige processen, menselijke fouten en een ineffectieve toewijzing van resources. Met andere woorden, het is een perfecte kandidaat voor automatisering. Geautomatiseerd applicatiebeheer, ondersteund door kunstmatige intelligentie (AI) en machine learning, kan een bedrijf in 3 tot 5 jaar tot wel 40 procent besparen (afhankelijk van de huidige looptijd) door de arbeidskosten van IT te verlagen en de efficiëntie en productiviteit te verbeteren. Bedrijven moeten echter begrijpen dat de overgang van handmatige naar geautomatiseerde applicatiebeheerprocessen complex, tijdrovend en duur kan zijn, in ieder geval in de eerste fasen van een project wanneer de meeste scoping-, plannings- en opstartkosten worden gemaakt.

Een ander belangrijk punt is dat automatisering een doorlopend proces is dat deel uitmaakt van een voortdurende verbeteringsstrategie, en geen eenmalige activiteit is. Het doel op de lange termijn is om van handmatige arbeid over te gaan naar een toekomstgerichte wereld van zelfaanpassende robots die gebruikmaken van AI om het systeem continu te optimaliseren.

Automatisering transformeert IT-diensten

Maar je moet ergens beginnen. Voor de meeste bedrijven betekent dit dat ze één stap tegelijk moeten zetten, één afzonderlijk project moeten implementeren en vervolgens de voordelen en lessen moeten evalueren voordat ze de volgende stap zetten.

Er zijn twee typische benaderingen: Het bedrijf kan het project zelfstandig uitvoeren of een managed service provider inhuren om het project tot een goed einde te brengen. 

Serviceproviders hebben meestal vooraf geïntegreerde platforms of automatiseringsoplossingen die voordelen bieden op het gebied van de snelheid van invoering, de productiviteit en de resultaten. Door de klant ontwikkelde automatiseringsoplossingen zijn meestal meer fragmentarisch van aard, hebben een stapsgewijze ontwikkeling doorgemaakt en hebben dus meer tijd nodig om waarde te realiseren vanwege trainingsbehoeften, bekendheid met tools en uitdagingen op het gebied van governance en adoptie.

Bovendien dragen organisaties die dit alleen doen de kosten van het eerste jaar en dragen zij, zodra het systeem operationeel is, het risico voor het realiseren van de business case van het project, bijvoorbeeld middels kostenbesparing, kwaliteit of capaciteitsverbetering.

Bij de tweede optie sluiten bedrijven een contract van drie tot vijf jaar af voor managed services, waarbij de eerste financiële klappen worden gespreid over de looptijd van het contract en de leverancier van de managed services het risico draagt voor het realiseren van de resultaten en de verantwoordelijkheid op zich neemt voor het lopende beheer van het applicatieportfolio.

In beide gevallen moeten bedrijven zich volledig bewust zijn van de technische en culturele veranderingen die nodig zijn om met succes een grotere mate van automatisering in het applicatiebeheerproces te bereiken.

Processtappen in automatisering

Hier vindt u enkele belangrijke stappen in de overgang van handmatige processen naar automatisering:

Evaluatie: Het is belangrijk om de bronnen van tijdrovende ondersteunende activiteiten, ook wel bekend als toil, te identificeren. Dit helpt bij het bepalen van de reikwijdte van de implementatie en de respectieve aanpak voor die activiteiten die het grootste deel van de support in beslag nemen. Evaluatie is zowel een eenmalige eerste inspanning als een doorlopende activiteit die problemen identificeert en aanzet tot meer optimalisatie.

Tijdrovende activiteiten die kansen bieden voor automatisering kunnen op de volgende manieren worden geïdentificeerd:

• Analyseer supporttickets voor applicaties op terugkerende incidenten en problemen om de analyse en oplossing van de hoofdoorzaak (de root cause) te identificeren. Algoritmen voor machine learning kunnen worden gebruikt voor patroonanalyses om grote aantallen tickets door te lopen om de meest voorkomende gebeurtenissen te identificeren. Value stream mapping kan worden ingezet om situaties op te sporen waar gedacht wordt dat slechts één iemand de oplossing heeft, ook wel het “heldensyndroom” genoemd. Value stream mapping kan ook situaties herkennen waar de overdracht mislukt tussen verschillende dienstverleners die ieder verantwoordelijk zijn voor afzonderlijke domeinen, zoals toepassingen, netwerk en infrastructuur. Dit type exercitie kan ook een gebrek aan communicatie met gebruikers aan het licht brengen, om er zeker van te zijn dat ze op de hoogte worden gebracht wanneer het probleem is verholpen.
• Onderzoek ongepland werk op kansen voor automatisering op het vlak van applicaties en operationele activiteiten. Door de cijfers voor de gemiddelde hersteltijd (MTTR) vast te leggen, kunnen bedrijven vaststellen of ze automatisering nodig hebben om de kwaliteit en consistentie te verhogen.

Onboarding: Voordat er automatiseringstools kunnen worden ingezet, moet het applicatieportfolio worden geëvalueerd en zo worden opgezet dat er effectief kan worden gewerkt met de nieuwe tools. Dit vereist wellicht codering, modellering, reorganisatie van de applicatie-architectuur of het toevoegen van API's om het gebrek aan automatiseringsinterfaces te ondervangen.

Een mogelijke hindernis voor automatisering die moet worden overwonnen, is het gebrek aan data die nodig zijn om een weloverwogen beslissing te nemen over het rendement (ROI) voor automatisering en het profiteren van de voordelen van geavanceerde analyses. Soms zijn de data ondergebracht in silo's en niet beschikbaar voor iedereen die ze nodig heeft.

Zonder holistische analyses kun je door de bomen het bos bijna niet meer zien. Analyses zijn nodig voor het hele servicedomein, met inbegrip van bewakingsdata, wijzigingsdata, incidenten, levenscyclusbeheerdata en automatiseringsdata. 

Idealiter worden data uit verschillende bronnen gecombineerd in een datalake waar analytische processen de identificatie van herhalende patronen kunnen ondersteunen om kansen voor optimalisatie te helpen identificeren. Een voorbeeld hiervan is het toepassen van een heatmap om te zien welke bewaakte componenten in de loop der tijd de meest voorkomende problemen ondervinden.

Het toepassen van AI-algoritmen is alleen mogelijk met goede onderliggende data. Er is geen sprake van magie, en zonder het verzamelen en registreren van goede data is AI gewoon niet mogelijk.

Baselining: Na onboarding is baselining van de applicaties en hun operationele omgeving van cruciaal belang. De baseline is essentieel om automatisering vast te kunnen laten stellen wanneer applicaties slechter of beter presteren dan onder de huidige omstandigheden. Bovendien zal de toekomstige instrumentatie sterk afhankelijk zijn van de data die tijdens de baselining worden verzameld.

Ontwikkeling van activiteiten: De laatste stap van automatisering is het creëren van equivalente activiteiten die machinegestuurde processen mogelijk maken die meestal verband houden met toil. Dit zijn enkele van de meest voorkomende doelen:

1. Uitrol van applicaties. Automatisering van het uitrollen van applicatiewijzigingen en -configuratie in de verschillende stadia van de levenscyclus van de applicatie, zoals bouwen, testen, staging en productie. Deze komen doorgaans eenmalig voor, met slechts kleine verbeteringen in de loop van de tijd. Kansen zijn onder meer geautomatiseerde tests, geautomatiseerde release-pipelines, geautomatiseerd scannen van code en geautomatiseerde versie-evaluatie.

2. Corrigerende acties. Ontwikkeling van de benodigde code en scripts die nodig zijn voor corrigerende acties als er een bekend operationeel probleem is. Deze instanties van automatisering zijn het duurst en het gaat meestal om unieke acties, omdat ze zeer specifiek zijn qua applicatie en qua reparatie.

3. Herhaalde acties. Voorbeelden hiervan zijn “dagelijkse controles”, waarbij een bepaalde vorm van handmatige controle wordt uitgevoerd om de status van de applicatie te valideren.

4. Databewerking. Dit gebeurt wanneer een verzoek wordt gedaan om bepaalde data te transformeren ter ondersteuning van het applicatieproces.

5. Bewerkingen. Deze hebben meestal betrekking op het stoppen, starten, op- en afschalen van diensten of noodherstel.

Tooling

Om de efficiëntie te verbeteren, moet worden geïnvesteerd in de volgende generatie tools. Het is niet voldoende om bestaande tools simpelweg uit te breiden of te upgraden. Dit zal de productiviteitsbesparingen die mogelijk zijn door een meer holistische vernieuwing van de operationele toolset in de weg staan.

De tools moeten een verbeterde bewaking omvatten die een dieper inzicht geeft in het gebruik van de infrastructuur. Moderne APM-tools (Application Performance Management) doen meer dan alleen het bewaken van de basisprestaties voor een enkele applicatie, om inzicht te krijgen in de afhankelijkheden en relaties tussen applicaties en componenten van applicaties. Bovendien zijn APM-tools AI gaan integreren om de volledige stack aan applicaties te analyseren, wat geautomatiseerde identificatie van root causes mogelijk maakt. Dit is een belangrijke productiviteitsboost die helpt bij het verlichten van een deel van de workload die gekoppeld is aan handmatig intensieve data-analyse.

Voor geautomatiseerde oplossingen zijn nog meer tools nodig die afhankelijk zijn van platforms, besturingssystemen en applicatie-infrastructuur. Daarnaast moeten er draaiboeken klaarliggen van orkestraties die incidenten kunnen koppelen aan oplossingen. Verder moeten er voor het automatiseren van oplossingen programmatische interfaces beschikbaar zijn. Als deze interfaces niet bestaan, is het mogelijk gebruik te maken van RPA-tools (Robotic Process Automation) die menselijke interacties met de applicaties automatiseren, maar wel een programmatische interface naar het bedrijf openen.

De implementatie van deze tools, plus de noodzakelijke ontwikkeling van workflows en scripts, is een belangrijk onderdeel van de vooraf benodigde investering als onderdeel van het automatiseren van toepassingsbeheer.

Cultuurverandering

Cultuurverandering speelt een grote rol bij de effectieve acceptatie van automatisering. Als er voor elke kleine verandering in een omgeving een wijzigingsverzoek nodig is, vormt dit een grote belemmering voor de acceptatie. Processen, workflows, goedkeuringspaden: ze moeten allemaal opnieuw worden gedefinieerd om de acceptatie van een grotere mate van autonome verandering te vergemakkelijken.

Er moet ook afstemming zijn met een DevOps-werkwijze, waarbij frequentere, kleinere veranderingen vaak tot minder risico leiden dan een traditionelere waterval-releasecyclus.

In de context van geautomatiseerde workflows kan het proces van effectief testen en demonstreren door middel van een pilot het vertrouwen van belanghebbenden opbouwen en de zorgen wegnemen dat onbeheerde veranderingen risico's voor de omgeving zullen opleveren. Geautomatiseerde goedkeuringsworkflows kunnen controlepoorten toepassen die een stapsgewijze overgang mogelijk maken van een traditionele werkwijze naar een sterk geautomatiseerde werkwijze.

Geautomatiseerd appbeheer realiseren

De utopie van automatisering van toepassingsbeheer zou een volledig geautomatiseerde omgeving zijn, met volledig automatische correctie en mogelijkheden voor zelfherstel. Waar nieuwe applicaties worden ontwikkeld met behulp van cloud-native technologieën, is deze visie veel gemakkelijker te realiseren. Automatisering is dan vanaf het begin ontworpen met als doel om een beheersmodus zonder beheeractiviteiten te bereiken. Een typisch portfolio bevat echter een combinatie van legacy-, mainframe- en SaaS-toepassingen (software-as-a-service) die zijn ontwikkeld toen de automatiseringstechnologieën nog niet zo geavanceerd waren of die vanaf het begin zijn ontworpen om te helpen bij applicatiebewerkingen.

Het automatiseren van het beheer van deze gemengde omgevingen garandeert het volgende:

Hogere capaciteit — door mensen in staat te stellen werk te doen dat niet geschikt is voor machines

Kwaliteitsverbetering —door fouten te voorkomen en de menselijke besluitvorming te helpen verbeteren door de oorzaak van problemen op te sporen

Hogere snelheid — door de detectietijden te verkorten, incidenten en problemen sneller op te lossen en de implementatie van code te versnellen

Lagere kosten — door de benodigde handmatige arbeid te verminderen 

Het is ook belangrijk dat CIO's begrijpen dat het instellen van het geautomatiseerde systeem op zichzelf arbeidsintensief is. Het samenstellen van een inventarisatie van applicaties en het evalueren van het applicatieportfolio omvat bijvoorbeeld vragenlijsten en vraaggesprekken met belangrijke belanghebbenden en het verzamelen van datasets.

Beslissen welke aanpak moet worden toegepast, het opbouwen van de toolset en de onboarding van applicaties vergen ook hard werk van menselijke experts op dit gebied. 

De investering in automatisering creëert een duurzame manier van werken, waarbij een lineaire toename van het aantal ondersteunende medewerkers kan worden voorkomen naarmate het aantal applicaties of de complexiteit in het applicatieportfolio toeneemt.

Deze optimalisatie biedt organisaties de mogelijkheid om besparingen opnieuw te investeren in initiatieven die een grotere bedrijfswaarde creëren en de verhouding tussen inspanningen die aan activiteiten worden besteed ver te zien doorslaan in het voordeel van ontwikkelingsprojecten.

De huidige vraag om kosten jaar na jaar te verlagen zal alleen mogelijk zijn met een volledige automatisering die wordt toegepast als er nieuwe applicaties worden ontwikkeld. Met DevOps-methoden die worden toegepast op een groter deel van het portfolio zal de operationele workload verschuiven van arbeidsintensief naar sterk geautomatiseerd en zelfvoorzienend voor organisaties die het meest succesvol zijn in het uitvoeren van deze verschuiving.

Meer informatie over geautomatiseerd applicatiebeheer.