औज़ारों का परिदृश्य
औज़ार उन प्रश्नों के लिए चुनें जिनके उत्तर आपको चाहिए और उस डेटा के लिए जिस पर आप भरोसा कर सकें, डेटा को पोर्टेबल रखें, और प्लेटफ़ॉर्म पर उन आदतों से कम खर्च करें जो संख्याओं को पढ़ने लायक बनाती हैं।
अवलोकन और प्रेरणा
औज़ार वह जगह हैं जहाँ मीट्रिक्स के कार्यक्रम सबसे अधिक दो विपरीत दिशाओं में भटकते हैं। कुछ संगठन पहले बड़ा विश्लेषण प्लेटफ़ॉर्म खरीदते हैं और बाद में पाते हैं कि उनके पास सहमत परिभाषाएँ, साफ़ डेटा और दर्शक नहीं हैं। अन्य स्क्रिप्ट और स्प्रेडशीट का ढेर बनाते हैं जिसे एक व्यक्ति समझता है, और कार्यक्रम तब खत्म होता है जब वह व्यक्ति चला जाता है। दोनों औज़ार से शुरू करते हैं और उन प्रश्नों को अनदेखा करते हैं जिनका उत्तर देने के लिए वह है।
परिदृश्य भीड़ भरा है और जल्दी बदलता है, इसलिए यह विषय जान-बूझकर विक्रेता-निरपेक्ष है। यह औज़ारों के प्रकार, उनके बीच डेटा के प्रवाह, बनाने और खरीदने के समझौते, और चुनने की कसौटियाँ वर्णित करता है। यह कोई उत्पाद नामित नहीं करता, क्योंकि उत्पादों के नाम जल्दी पुराने पड़ते हैं और पुस्तक वर्तमान फ़ीचर और कीमतों की ख़राब मार्गदर्शक है। मापन के सिद्धांत विक्रेता के साथ नहीं बदलते: जानें कि आप क्या माप रहे हैं, डेटा कहाँ से आता है, उसका स्वामी कौन है, और उसे कैसे पढ़ा जाएगा।
सेवा मीट्रिक्स के कार्यक्रम को चाहिए अधिकांश डेटा रिकॉर्ड की प्रणालियों में पहले से मौजूद है। IT सेवा प्रबंधन (IT service management) के औज़ार घटनाएँ, अनुरोध, समस्याएँ, परिवर्तन और कॉन्फ़िगरेशन के रिकॉर्ड रखते हैं। सोर्स कंट्रोल, बिल्ड, परीक्षण और डिप्लॉयमेंट की प्रणालियाँ इंजीनियरिंग के काम का इतिहास रखती हैं। निगरानी और ऑब्ज़र्वेबिलिटी (observability) की प्रणालियाँ उपलब्धता, लेटेंसी और त्रुटि का डेटा रखती हैं। सर्वेक्षण के औज़ार, वित्त की प्रणालियाँ, मानव संसाधन की प्रणालियाँ और अनुबंध के भंडार बाकी रखते हैं। मीट्रिक्स का कार्यक्रम इन स्रोतों को उनमें हो रहे काम में बाधा डाले बिना जोड़ता है (देखें विषय 1.5, डेटा स्रोत और इंस्ट्रूमेंटेशन)।
स्रोतों से उस जगह तक डेटा की आवाजाही जहाँ उसका विश्लेषण हो सके डेटा पाइपलाइन (data pipeline) है, और क्लासिक पैटर्न एक्सट्रैक्ट, ट्रांसफ़ॉर्म, लोड (extract, transform, load) है: स्रोतों से पढ़ें, ढालें और साफ़ करें, और भंडार में लिखें। भंडार डेटा वेयरहाउस (data warehouse) हो सकता है, कई प्रणालियों के डेटा का विश्लेषण के लिए व्यवस्थित एकीकृत रिपॉज़िटरी। कार्यक्रम इन प्रणालियों तक एप्लिकेशन प्रोग्रामिंग इंटरफ़ेस (application programming interface) से पहुँचते हैं, जिसके ज़रिए सॉफ़्टवेयर का एक भाग दूसरे से परिभाषित तरीके से डेटा माँगता है। जो बहता है उसकी गुणवत्ता हर चार्ट की गुणवत्ता तय करती है। डेटा गुणवत्ता (data quality) सटीकता, पूर्णता, एकरूपता और समयबद्धता को कवर करती है, और उसे बनाए रखने वाला अनुशासन डेटा शासन (data governance) है।
वित्तीय पक्ष सावधानी का हकदार है। औज़ार के स्वामित्व की कुल लागत (total cost of ownership) में लाइसेंस, अवसंरचना, एकीकरण, प्रशिक्षण, प्रशासन और उसे छोड़ने की लागत शामिल है। विक्रेता का लॉक-इन (vendor lock-in) वह स्थिति है जहाँ आपूर्तिकर्ता बदलना इतना महँगा है कि ग्राहक प्रभावी रूप से बँधा है। मीट्रिक्स के कार्यक्रम विशेष रूप से उजागर हैं, क्योंकि परिभाषाएँ, इतिहास और डैशबोर्ड औज़ार के भीतर जमा होते हैं, और बाद में उन्हें निकालना कठिन है।
एजाइल उद्देश्य तरीके को आकार देते हैं। निरंतर डिलीवरी कार्यक्रम पर लागू होती है: एक स्रोत से एक टीम के लिए एक दृश्य तक सबसे पतला चलता रास्ता खड़ा करें, उसके उपयोग से सीखें, और बढ़ाएँ। हितधारकों की निरंतर भागीदारी का अर्थ है कि संख्याएँ उपयोग करने वाले लोग औज़ार के चुनाव में हिस्सा लें। सतत सुधार और निरंतर विकास का अर्थ है कि औज़ारों के बदलने की अपेक्षा है, इसलिए पोर्टेबिलिटी पूर्णता से अधिक मायने रखती है। टिकाऊ गति का अर्थ है कि कार्यक्रम डेटा इंजीनियरिंग की ऐसी परियोजना न बने जो उस काम को भूखा रखे जिसे वह मापता है। और प्रेरित व्यक्ति उन औज़ारों से बेहतर काम करते हैं जिन्हें चुनने और समझने में उन्होंने मदद की, ऊपर से थोपे औज़ारों से नहीं, विशेष रूप से उनसे जो निगरानी जैसे लगते हैं (देखें विषय 11.3, भय पैदा किए बिना मीट्रिक्स लागू करना)।
यह विषय डैशबोर्ड की रूपरेखा के मार्गदर्शन (देखें विषय 11.1, सेवा मीट्रिक्स डैशबोर्ड की रूपरेखा) और भाग 1 के शासन के विषयों पर टिका है।
मुख्य सिद्धांत
- औज़ारों से पहले प्रश्न। पहले प्रश्न और माप लिखें, फिर देखें कि उन्हें कौन-से औज़ार चाहिए।
- रिकॉर्ड की प्रणालियाँ उपयोग करें। डेटा वहाँ से लें जहाँ काम होता है, और लोगों से उसे दो बार दर्ज करवाने से बचें।
- परिभाषाएँ औज़ार के बाहर रखें। मीट्रिक की परिभाषाएँ सादे, पोर्टेबल रूप में रखें जो प्लेटफ़ॉर्म के बदलाव से बचे।
- पोर्टेबल डेटा को तरजीह दें। डेटा खुले प्रारूपों में, दस्तावेज़ित इंटरफ़ेस के साथ रखें, और बाहर निकलने का रास्ता रखें।
- पतला शुरू करें और बढ़ें। एक स्रोत, एक दृश्य, एक टीम, फिर बढ़ाएँ।
- पूरी लागत गिनें। लाइसेंस एकीकरण, डेटा की सफ़ाई और रख-रखाव की लागत का एक अंश हैं।
- लोगों की रक्षा करें। औज़ारों को टीमों और सेवाओं तक एकत्र करना चाहिए, पहुँच के नियम लागू करने चाहिए, और निगरानी को कठिन बनाना चाहिए।
- पाइपलाइन को सेवा मानें। उसे स्वामी, निगरानी, परीक्षण और विफलता से निपटने का तरीका चाहिए।
मीट्रिक परिभाषाएँ
नीचे के माप मीट्रिक्स के औज़ारों और उनकी डेटा की आपूर्ति की सेहत का वर्णन करते हैं। वे कार्यक्रम की टीम के लिए हैं, अवसंरचना को ईमानदार रखने के लिए, और लोगों को रेट करने के लिए उपयोग नहीं होने चाहिए।
| मीट्रिक | परिभाषा | सूत्र | इकाई | डेटा स्रोत | ITIL प्रैक्टिस | एजाइल समकक्ष | आवृत्ति |
|---|---|---|---|---|---|---|---|
| स्रोतों की कवरेज | सहमत मापों के लिए आवश्यक रिकॉर्ड की प्रणालियों का हिस्सा जो मीट्रिक्स के भंडार को अपने-आप खिलाती हैं | जुड़े और परखे स्रोत / सहमत मापों के लिए आवश्यक स्रोत | प्रतिशत | स्रोतों की सूची; पाइपलाइन का कॉन्फ़िगरेशन | सूचना और प्रौद्योगिकी प्रबंधन; सेवा कॉन्फ़िगरेशन प्रबंधन | पाइपलाइन की निरंतर डिलीवरी | त्रैमासिक |
| पाइपलाइन की विश्वसनीयता | निर्धारित डेटा लोड का हिस्सा जो समय पर पास होती जाँचों के साथ पूरे होते हैं | पास होती जाँचों के साथ समय पर लोड / निर्धारित लोड | प्रतिशत | पाइपलाइन के लॉग और परीक्षण के परिणाम | निगरानी और इवेंट प्रबंधन | स्वचालित परीक्षण और तेज़ फीडबैक | साप्ताहिक |
| नए माप तक का समय | नए माप के अनुमोदित अनुरोध से परिभाषा कार्ड के साथ उसके उपलब्ध होने तक बीता समय | अनुमोदन से प्रकाशन तक के दिन, माध्यिका और 85वाँ परसेंटाइल | दिन | अनुरोध और रिलीज़ के रिकॉर्ड | सेवा अनुरोध प्रबंधन; परिवर्तन सक्षमीकरण | मूल्य की छोटी वृद्धियाँ | त्रैमासिक |
| मिलान की दर | मुख्य आँकड़ों का हिस्सा जो नमूने की जाँच में मीट्रिक्स के भंडार और स्रोत प्रणाली के बीच मेल खाते हैं | सहनशीलता के भीतर मेल खाते आँकड़े / जाँचे आँकड़े | प्रतिशत | मिलान की जाँचें | सूचना और प्रौद्योगिकी प्रबंधन | भरोसेमंद फीडबैक | मासिक |
| हाथ के प्रयास का हिस्सा | आवर्ती रिपोर्टों पर प्रयास का हिस्सा जो हाथ से जुटाने और साफ़ करने में बीतता है | हाथ के चरणों के घंटे / आवर्ती रिपोर्टों के कुल घंटे | प्रतिशत | समय के अनुमान; टीम का सर्वेक्षण | सतत सुधार | टॉइल का उन्मूलन | त्रैमासिक |
| निकासी की तैयारी | क्या परिभाषाएँ, इतिहास और डैशबोर्ड दस्तावेज़ित, उपयोग-योग्य रूप में निर्यात हो सकते हैं | परखे और पूर्ण निर्यात / नियोजित निर्यात के परीक्षण | प्रतिशत | निर्यात के परीक्षण के रिकॉर्ड | आपूर्तिकर्ता प्रबंधन; सेवा निरंतरता प्रबंधन | टिकाऊ चुनाव | वार्षिक |
| प्रति समर्थित टीम औज़ारों की लागत | कार्यक्रम के औज़ारों की पूरी वार्षिक लागत जिसे वे जिन टीमों की सेवा करते हैं उनसे भाग दिया | (लाइसेंस + अवसंरचना + रख-रखाव का प्रयास) / सेवित टीमें | मुद्रा प्रति टीम | वित्त और प्रयास के रिकॉर्ड | सेवा वित्तीय प्रबंधन | टिकाऊ गति | वार्षिक |
स्रोत इस आधार पर गिनें कि सहमत मापों को क्या चाहिए, इस पर नहीं कि क्या मौजूद है, ताकि अप्रासंगिक प्रणालियाँ जोड़कर कवरेज न बढ़ाई जाए। मिलान के लिए पहले से नमूना और सहनशीलता चुननी होती है। प्रति समर्थित टीम औज़ारों की लागत वर्णनात्मक आँकड़ा है जो विकल्पों की तुलना में उपयोग होता है, नीचे धकेलने का लक्ष्य नहीं। उसमें पाइपलाइन बनाए रखने वाले लोगों का प्रयास शामिल है।
सिफ़ारिशें
तय करें कि आपको क्या चाहिए
1. आवश्यकताएँ प्रश्नों और मापों के रूप में लिखें। वे माप सूचीबद्ध करें जिन्हें कार्यक्रम ने प्रकाशित करना सहमत किया है (देखें विषय 11.1, सेवा मीट्रिक्स डैशबोर्ड की रूपरेखा), हर एक को कौन-से स्रोत चाहिए, हर एक कितना ताज़ा होना चाहिए, कौन उसे देख सकता है, और इतिहास कितने समय रखना है। अनिवार्य को पसंद से अलग करें। दो पृष्ठों का संक्षिप्त दस्तावेज़ प्रस्ताव के लिए लंबे अनुरोध से बेहतर है।
2. जो आपके पास पहले से है उसकी सूची बनाएँ। कई संगठनों के सेवा प्रबंधन, इंजीनियरिंग और निगरानी के औज़ारों में विश्लेषण की फ़ीचर हैं जो अनुपयोगी पड़ी हैं। कई के पास स्प्रेडशीट, स्क्रिप्ट और रिपोर्टें हैं जो ज़रूरत का भाग पहले से पूरा करती हैं। पहले देखें कि ये क्या कर सकते हैं। सबसे सस्ता औज़ार वह है जिसका भुगतान हो चुका है और जो समझा हुआ है।
3. औज़ार से पहले डेटा की जाँच-पड़ताल करें। हर स्रोत के लिए जाँचें कि डेटा पूर्ण है, एकसमान दर्ज है, और इंटरफ़ेस से पहुँच-योग्य है। औज़ार वे घटना की श्रेणियाँ ठीक नहीं कर सकता जिन्हें कोई उपयोग नहीं करता, बाद में बने परिवर्तन के रिकॉर्ड, या अधिलेखित टाइमस्टैम्प। सबसे मूल्यवान शुरुआती कामों में से कुछ स्रोत पर डेटा की प्रविष्टि सुधारना है (देखें विषय 7.4, कॉन्फ़िगरेशन और CMDB गुणवत्ता मीट्रिक्स)।
बनाएँ, खरीदें, या मिलाएँ
4. बनाने और खरीदने की तुलना पूरी लागत और ठीक बैठने पर करें। विश्लेषण का प्लेटफ़ॉर्म या पैकेज्ड इंजीनियरिंग विश्लेषण का उत्पाद खरीदना तैयार कनेक्टर, चार्ट और सहायता लाता है, लाइसेंस, दुनिया के निश्चित मॉडल और निर्भरता की कीमत पर। पाइपलाइन और दृश्य बनाना ठीक बैठना और नियंत्रण लाता है, इंजीनियरिंग के समय और रख-रखाव की कीमत पर। अधिकांश संगठन मिलाने पर पहुँचते हैं: जहाँ बिल्ट-इन रिपोर्टिंग पर्याप्त अच्छी है वहाँ उसे उपयोग करें, दृश्यों के लिए सामान्य विश्लेषण का औज़ार उपयोग करें, और जहाँ कुछ और ठीक न बैठे वहाँ पतले कनेक्टर बनाएँ।
5. असली डेटा से प्रोटोटाइप परखें। प्रतिबद्ध होने से पहले अपने दो या तीन मापों के साथ, असली डेटा और असली उपयोगकर्ताओं के साथ, समय-सीमा वाला परीक्षण चलाएँ। जाँचें कि कनेक्शन में कितना समय लगा, औज़ार ने आपकी परिभाषाएँ कितनी अच्छी तरह संभालीं, क्या वह वितरण और परसेंटाइल दिखा सका, और उसने पहुँच कैसे नियंत्रित की। विपणन के प्रदर्शन साफ़ डेटा उपयोग करते हैं, और आपका साफ़ नहीं है।
6. प्रवेश से पहले निकासी की योजना बनाएँ। पूछें कि परिभाषाएँ, इतिहास और डैशबोर्ड कैसे निर्यात हो सकते हैं, और उसे परखें। खुले इंटरफ़ेस और मानक प्रारूपों वाले औज़ारों को तरजीह दें, और मीट्रिक की परिभाषाओं तथा साफ़ किए डेटा की अपनी प्रति रखें। छोड़ने की लागत रुकने की लागत का भाग है, और विश्वसनीय निकासी आपकी मोलभाव की स्थिति सुधारती है (देखें विषय 8.4, आपूर्तिकर्ता और अनुबंध मीट्रिक्स)।
स्पष्ट कसौटियों से चुनें
7. विक्रेता-निरपेक्ष चुनाव की कसौटियाँ उपयोग करें। उपयोगी कसौटियों में ये शामिल हैं। क्या आपको चाहिए डेटा स्रोतों के लिए बनाए रखे कनेक्टर हैं? क्या परिभाषाएँ लिखी, संस्करणित और समीक्षित हो सकती हैं? क्या औज़ार औसत और गिनतियों के साथ वितरण, परसेंटाइल और रुझान दिखा सकता है? क्या वह टीमों और सेवाओं तक एकत्र करता है और आपको व्यक्तिगत स्तर के दृश्य सीमित करने देता है? क्या वह भूमिका-आधारित पहुँच और ऑडिट को सहारा देता है? क्या डेटा खुले प्रारूपों में निर्यात हो सकता है? विक्रेता बदलावों, आउटेज और सुरक्षा की घटनाओं को कैसे संभालता है? आपकी अपेक्षित तीन साल में पैमाने पर इसकी लागत क्या है?
8. बिल्ट-इन स्कोरिंग से सावधान रहें। कुछ औज़ार मिश्रित स्कोर, लोगों की रैंकिंग, या "उत्पादकता" के सूचकांक पहले से देते हैं। इन्हें अपनाना आसान और बचाव करना कठिन है (देखें विषय 1.2, गुडहार्ट का नियम और मीट्रिक्स का मनोविज्ञान)। जाँचें कि क्या ऐसी फ़ीचर बंद की जा सकती हैं, और कुछ भी चालू करने से पहले नीति तय करें।
9. उपयोग करने वाले लोगों को शामिल करें। टीमों से कहें कि शॉर्टलिस्ट विकल्पों को अपने डेटा के साथ आज़माएँ। उनके प्रश्न वे सीमाएँ उजागर करेंगे जो आवश्यकताओं का दस्तावेज़ नहीं कर पाया। सुरक्षा, निजता, वित्त और खरीद को जल्दी शामिल करें (देखें विषय 8.1, सुरक्षा घटना और संवेदनशीलता मीट्रिक्स)।
पाइपलाइन को सेवा के रूप में चलाएँ
10. पाइपलाइन को स्वचालित करें, परखें और निगरानी करें। डेटा लोड को किसी भी अन्य उत्पादन की सेवा की तरह मानें। गिनतियों, सीमाओं, डुप्लिकेट और ताज़गी पर स्वचालित जाँचें चलाएँ। विफलता पर अलर्ट करें, और डैशबोर्ड पर डेटा गुणवत्ता की स्थिति दिखाएँ। रूपांतरण के तर्क को संस्करणित करें और उसके बदलावों की कोड की तरह समीक्षा करें (देखें विषय 5.5, निगरानी और अलर्ट की गुणवत्ता के मीट्रिक्स)।
11. परिभाषाओं का कैटलॉग रखें। हर माप की परिभाषा, सूत्र, स्रोत, स्वामी और सीमाओं के साथ साझा कैटलॉग रखें। वह सादी पाठ की फ़ाइलों का रिपॉज़िटरी, डेटा कैटलॉग का औज़ार, या विकी हो सकता है। मायने रखता है कि वह अर्थ के लिए सत्य का स्रोत है, और डैशबोर्ड उससे पढ़ते या जुड़ते हैं (देखें विषय 1.4, मीट्रिक्स का शासन और स्वामित्व)।
12. हर साल औज़ारों की समीक्षा करें। हर साल जाँचें कि औज़ारों की लागत क्या है, कार्यक्रम कौन-से भाग उपयोग करता है, हाथ का प्रयास कहाँ बचा है, और कौन-से नए विकल्प हैं। वह सेवानिवृत्त करें जिसे कोई उपयोग नहीं करता। कार्यक्रम परिपक्व होने पर बनाने और खरीदने का संतुलन फिर सोचें। बदलाव की योजना को काम का सामान्य भाग मानें।
गेमिंग के रास्ते और सुरक्षा-रेखाएँ
| मीट्रिक | इसमें गेमिंग कैसे होती है | जोड़ीदार सुरक्षा-रेखा मीट्रिक या प्रथा |
|---|---|---|
| स्रोतों की कवरेज | आसान या अप्रासंगिक स्रोत जोड़ना; ऐसा कनेक्शन गिनना जो उपयोग-योग्य डेटा नहीं ले जाता | सहमत मापों से गिनें; प्रति स्रोत डेटा की पूर्णता जाँचें |
| पाइपलाइन की विश्वसनीयता | जाँचें ढीली करना ताकि लोड हमेशा पास हों; कम लोड निर्धारित करना | जाँचों की मज़बूती की समीक्षा; मिलान और स्रोत की पंक्तियों की गिनती ट्रैक करें |
| नए माप तक का समय | परिभाषाओं या परीक्षणों के बिना प्रकाशित करना; नए माप की गिनती संकरी करना | पूर्ण मानने के लिए परिभाषा कार्ड और मिलान की जाँच आवश्यक करें |
| मिलान की दर | जाँचने के लिए आसान आँकड़े चुनना; चूक के बाद सहनशीलता चौड़ी करना | जाँच से पहले नमूने चुनें; सहनशीलता पहले से तय करें; कठिन आँकड़े शामिल करें |
| हाथ के प्रयास का हिस्सा | हाथ के काम को कम बताना; प्रयास अन्य बजट में छिपाना | काम करने वालों से पूछें; हर रिपोर्टिंग के चक्र में देर से बीते समय से तुलना |
| निकासी की तैयारी | आंशिक निर्यात परखना; दस्तावेज़ित योजना को तैयारी गिनना | नमूने पर दूसरे औज़ार में पूरी पुनर्स्थापना चलाएँ; परिभाषाएँ और इतिहास सत्यापित करें |
| प्रति समर्थित टीम औज़ारों की लागत | रख-रखाव का प्रयास बाहर रखना; काग़ज़ पर टीमें जोड़ना | कर्मचारियों का समय शामिल करें; उन टीमों को गिनें जो सक्रिय रूप से अपने दृश्य उपयोग करती हैं |
स्वस्थ पठन ऐसा डेटा दिखाता है जो समय पर आता है और स्रोत से मिलान करता है, नए माप जो परिभाषाओं के साथ प्रकाशित होते हैं, गिरता हाथ का प्रयास, और निकासी जो कम से कम एक बार परखी गई है।
समझौते: लाभ और हानि
| तरीका | ताकत | कमज़ोरी |
|---|---|---|
| हर औज़ार की बिल्ट-इन रिपोर्टिंग | सस्ती; पहले से है; समझी हुई | साइलो; औज़ारों के पार असंगत परिभाषाएँ |
| एक विक्रेता की एकल सुइट | एकीकृत; एक अनुबंध | लॉक-इन; विक्रेता के मॉडल से मेल खाती है, आपके से नहीं |
| पैकेज्ड इंजीनियरिंग विश्लेषण का उत्पाद | तेज़ शुरुआत; तैयार कनेक्टर | निश्चित मॉडल; व्यक्तिगत स्तर की स्कोरिंग का जोखिम; पैमाने पर लागत |
| सामान्य विश्लेषण और विज़ुअलाइज़ेशन का औज़ार | लचीला; व्यापक कौशल उपलब्ध | डेटा की आपूर्ति और डिज़ाइन का कौशल चाहिए |
| रूपांतरण की परत वाला वेयरहाउस | मज़बूत नियंत्रण; स्रोतों के पार जोड़ | इंजीनियरिंग का प्रयास; स्वामित्व चाहिए |
| स्प्रेडशीट और स्क्रिप्ट | शुरू करने में जल्दी; लाइसेंस नहीं | नाज़ुक; व्यक्तियों पर निर्भर; ऑडिट कठिन |
| ओपन-सोर्स स्टैक | नियंत्रण; लाइसेंस की लागत नहीं | रख-रखाव का प्रयास; सहायता आप पर निर्भर |
| हाथ से जुटाए मीट्रिक्स | बिना औज़ारों के काम करता है | धीमा; त्रुटि-प्रवण; बनाए रखना कठिन |
सीधा उत्तर है कि जो आपके पास पहले से है उससे शुरू करें, सबसे पतला कनेक्शन जोड़ें जो असली प्रश्नों का उत्तर दे, परिभाषाएँ और डेटा पोर्टेबल रखें, और भारी औज़ारों पर तभी जाएँ जब हल्के स्पष्ट रूप से निर्णयों को सीमित करें।
अपनी टीम के साथ चर्चा के प्रश्न
1. हम हर महीने हाथ से कौन-सी संख्याएँ बनाते हैं, और रोकने के लिए क्या चाहिए? हाथ की रिपोर्टें और उनके लगे घंटे सूचीबद्ध करें। हर एक का स्रोत खोजें और क्या उसका इंटरफ़ेस है। सूत्रधार पूछे कि कौन-सी रिपोर्टें सीधे छोड़ी जा सकती हैं। एक को स्वचालित और एक को सेवानिवृत्त करने पर सहमत हों।
2. यदि हमारा वर्तमान रिपोर्टिंग का औज़ार कल गायब हो जाए, तो हम क्या खोएँगे? वे परिभाषाएँ, इतिहास और डैशबोर्ड नामित करें जो केवल उसके भीतर हैं। जाँचें कि उनमें से कौन-से निर्यात हो सकते हैं। सहमत हों कि प्रति कहाँ रखनी है।
3. हमारी प्रणालियों के किस डेटा पर हम सबसे कम भरोसा करते हैं, और क्यों? प्रविष्टि की आदतें, डिफ़ॉल्ट और अधिलेखित फ़ील्ड देखें। अनुमान लगाएँ कि हर विकृति हमारे प्रकाशित मापों को कितना प्रभावित करती है। सहमत हों कि स्रोत का कौन-सा सुधार सबसे कम प्रयास में सबसे अधिक भरोसा जोड़ेगा।
4. औज़ार लोगों को क्या देखने देता है जो हम नहीं चाहेंगे? व्यक्तिगत स्तर के दृश्य, गतिविधि के लॉग और रैंकिंग जाँचें। तय करें कि क्या सीमित या बंद करना है, और किसी के फ़ीचर उपयोग करने से पहले नियम लिखें।
5. हमें नया माप जोड़ने में कितना समय लगता है, और हमें क्या धीमा करता है? हाल के अनुरोध को अनुमोदन से उपलब्धता तक अनुरेखित करें। प्रतीक्षाएँ चिह्नित करें। सहमत हों कि क्या हटाना है, जैसे अनुमोदन, छूटी परिभाषाएँ, या हाथ की सफ़ाई।
6. एक टीम के लिए एक साल के लिए इस औज़ार की पूरी लागत क्या है? लाइसेंस, अवसंरचना, एकीकरण, प्रशिक्षण और इसे बनाए रखने वालों का समय जोड़ें। इसकी तुलना उन निर्णयों से करें जो इसने सुधारे। चर्चा करें कि हम किसके लिए भुगतान बंद करेंगे।
चार दृष्टिकोण
उत्पाद और डिलीवरी टीमें
टीमें ऐसा डेटा चाहती हैं जो काम से बिना अतिरिक्त प्रविष्टि के आए, और दृश्य जो उनके प्रश्नों का उत्तर दें। उन्हें औज़ार चुनने और परखने में मदद करनी चाहिए, अपने मापों की परिभाषाओं की स्वामी होनी चाहिए, और व्यक्तियों को रैंक करने वाली फ़ीचर से इनकार करना चाहिए। उनका समय सबसे दुर्लभ इनपुट है, और जो औज़ार उनसे काम दो बार लॉग करवाए उसका विरोध होगा।
सेवा और संचालन टीमें
संचालन टीमें स्रोत और अक्सर पाइपलाइन चलाती हैं। उन्हें पाइपलाइन को निगरानी और परीक्षणों वाली सेवा मानना चाहिए, स्रोत के डेटा की फ़ील्ड विश्वसनीय रखनी चाहिए, और रिकॉर्ड की प्रणालियों में वे बदलाव चिह्नित करने चाहिए जो कनेक्टर तोड़ेंगे। जब कोई संख्या ग़लत होती है तो वे सबसे पहले देखती हैं।
नेतृत्व और शासन
नेता कार्यक्रम को वित्त देते और अपेक्षाएँ तय करते हैं। उन्हें लाइसेंस की कीमत नहीं, कुल लागत माँगनी चाहिए, पोर्टेबिलिटी और निकासी आवश्यक करनी चाहिए, परिभाषा की समस्या हल करने के लिए प्लेटफ़ॉर्म खरीदने का विरोध करना चाहिए, और निजता तथा पहुँच के नियमों पर ज़ोर देना चाहिए। उन्हें मामूली शुरुआत स्वीकार करनी चाहिए और उसे इस पर आँकना चाहिए कि वह कौन-से निर्णय सुधारती है।
ग्राहक और उपयोगकर्ता
ग्राहक और उपयोगकर्ता औज़ार शायद ही देखते हैं, और वे उसके परिणाम झेलते हैं: उनके बारे में डेटा संग्रहीत, जोड़ा और विश्लेषित होता है। वे स्पष्ट नियमों के हकदार हैं कि क्या जुटाया जाता है, कितने समय रखा जाता है, कौन देखता है, और कैसे सुरक्षित है। जहाँ माप उनके फीडबैक पर आधारित हैं, औज़ारों को सहमति और गुमनामी का सम्मान करना चाहिए।
व्यवहार में: सेवा प्रबंधन का एक उदाहरण
एक क्षेत्रीय लॉजिस्टिक्स कंपनी के पास सेवा प्रबंधन का औज़ार, सोर्स कंट्रोल और डिप्लॉयमेंट की प्रणाली, निगरानी का प्लेटफ़ॉर्म और सर्वेक्षण का औज़ार है, और हर एक अपनी रिपोर्टें बनाता है। सेवा प्रबंधन की प्रमुख 12 टीमों के लिए सेवा की सेहत का एक दृश्य चाहती हैं। एक विक्रेता तीन साल के अनुबंध के साथ सब-कुछ-एक-में विश्लेषण का प्लेटफ़ॉर्म प्रस्तावित करता है। नीचे के आँकड़े दृष्टांत के लिए हैं।
सेवा प्रबंधन की प्रमुख पहले प्रश्न और 14 माप लिखती हैं जिन पर टीमों और नेताओं ने डैशबोर्ड के सत्रों में सहमति दी थी। वे सूची बनाती हैं कि क्या मौजूद है: सेवा प्रबंधन का औज़ार घटना और परिवर्तन का डेटा इंटरफ़ेस से निर्यात कर सकता है, डिप्लॉयमेंट की प्रणाली डिप्लॉयमेंट के टाइमस्टैम्प देती है, और निगरानी का प्लेटफ़ॉर्म उद्देश्यों के विरुद्ध उपलब्धता रिपोर्ट करता है। वे टीम के प्रतिनिधियों के छोटे समूह से तीन मापों पर असली डेटा के साथ दो विकल्प परखने को कहती हैं: विक्रेता का प्लेटफ़ॉर्म, और सामान्य विज़ुअलाइज़ेशन के औज़ार का छोटे डेटा भंडार और पतले कनेक्टरों के साथ मेल।
परीक्षण अंतर सामने लाता है। प्लेटफ़ॉर्म दो दिन में सभी स्रोतों से जुड़ा, पर उसने लीड टाइम माध्य के रूप में गिना और ऊँचा परसेंटाइल नहीं दिखा सका, उसमें बिल्ट-इन "टीम की उत्पादकता का स्कोर" था जो बंद नहीं हो सकता था, और डैशबोर्ड की परिभाषाएँ निर्यात करने पर ऐसी फ़ाइल मिली जिसे कोई अन्य औज़ार नहीं पढ़ सकता था। मेल को जोड़ने में 11 दिन लगे, पर उसने माध्यिकाएँ और परसेंटाइल दिखाए, परिभाषाएँ रिपॉज़िटरी में सादे पाठ के रूप में रखीं, और डेटा भंडार पर व्यक्तिगत स्तर के फ़ील्ड सीमित किए। समूह यह भी पाता है कि परिवर्तन के 30 प्रतिशत रिकॉर्ड डिप्लॉयमेंट के बाद बने थे, इसलिए लीड टाइम इस पर निर्भर किए बिना कि उसे कौन-सा औज़ार पढ़ता है, ग़लत था। स्रोत पर प्रविष्टि की आदत ठीक करना पहला काम बनता है।
कंपनी मेल चुनती है। स्रोतों की कवरेज दो तिमाहियों में आवश्यक 8 में से 3 से 8 में से 7 तक बढ़ती है। पाइपलाइन की विश्वसनीयता पास होती जाँचों के साथ समय पर 71 प्रतिशत लोड से शुरू होती है, और टीम के परीक्षण और विफलता के अलर्ट जोड़ने के बाद 96 प्रतिशत तक पहुँचती है। नए माप तक का समय माध्यिका 31 दिन से 9 तक गिरता है। मासिक रिपोर्ट का हाथ का प्रयास लगभग 40 घंटे से 6 तक गिरता है। एक निदेशक पूछते हैं कि क्या विक्रेता के प्लेटफ़ॉर्म का उत्पादकता का स्कोर टीमों की एकल रैंकिंग देने के लिए जोड़ा जा सकता है। सेवा प्रबंधन की प्रमुख विषय 1.2 का विश्लेषण समझाती हैं, दिखाती हैं कि कंपनी में अन्यत्र ऐसे ही स्कोर का उपयोग होने पर क्या हुआ, और वर्तमान संतुलित दृश्य का प्रस्ताव रखती हैं। निर्णय दर्ज होता है, और स्कोर की फ़ीचर किसी भी औज़ार में बंद की जाती है जिसमें वह है।
एजाइल, AI, स्वचालन और विश्लेषण
एजाइल
औज़ार असली टीम और असली प्रश्न के साथ छोटे प्रयोगों में चुनें, और दिशा बदलने की क्षमता रखें। सावधानी यह है कि जल्दी लिया बड़े प्लेटफ़ॉर्म का निर्णय परिभाषाओं को जड़ देता है, इससे पहले कि टीम ने सीखा कि उसे क्या चाहिए।
AI
कई विश्लेषण और सेवा प्रबंधन के औज़ारों में अब AI की फ़ीचर हैं। पूछें कि AI क्या करता है, किस डेटा के साथ, किन शर्तों पर, उसका आउटपुट कैसे जाँचा जाता है, और उसे कैसे बंद करें, और AI की फ़ीचर को किसी अन्य उपयोग की तरह मापें (देखें विषय 10.5, AI शासन और जोखिम मीट्रिक्स)। सावधानी यह है कि डिफ़ॉल्ट रूप से चालू AI फ़ीचर रिपोर्टें चुपचाप बदल सकती हैं, इसलिए आपूर्तिकर्ताओं से हर रिलीज़ के बारे में पूछें।
स्वचालन
ऐसे औज़ारों को तरजीह दें जो आपको दस्तावेज़ित इंटरफ़ेस से डेटा अपने-आप जुटाने दें और आपके डेटा को पोर्टेबल रखें। एकीकरणों को विफलताओं और नए माप तक के समय पर मापें। सावधानी यह है कि स्वामित्व वाले कनेक्टर आपके डेटा को ले जाना कठिन बना सकते हैं, इसलिए निर्यात परखें।
विश्लेषण
औज़ारों को स्रोतों की कवरेज, मिलान और नए प्रश्न के उत्तर के समय पर आँकें। यह जिस निर्णय को सूचित करता है वह है कौन-सा औज़ार अपनाना, रखना या छोड़ना है। सावधानी यह है कि प्रदर्शन का डेटा साफ़ दिखता है, इसलिए अपने गंदे डेटा से परखें।
क्षेत्र का नज़रिया
स्टार्टअप। जो उत्पाद और मौजूदा औज़ार पहले से देते हैं वही उपयोग करें। स्प्रेडशीट और आपके उपयोग के औज़ारों की बिल्ट-इन रिपोर्टें अधिकांश शुरुआती प्रश्नों का उत्तर दे सकती हैं। जब तक प्रश्न स्थिर न हों और हाथ का प्रयास चुभने न लगे, डेटा प्लेटफ़ॉर्म का विरोध करें। मीट्रिक की परिभाषाएँ लिखकर रखें ताकि बाद में बदलना आसान हो।
छोटा व्यवसाय। कम माप और कम प्रणालियों का अर्थ है सरल औज़ार। बिल्ट-इन रिपोर्टें और स्प्रेडशीट अक्सर पर्याप्त हैं। मुख्य जोखिम वह डेटा है जो केवल एक व्यक्ति के दिमाग़ में है और ऐसे औज़ार जिनका निर्यात नहीं। ऐसे उत्पाद चुनें जिन्हें आप छोड़ सकें, और परिभाषाएँ लिख लें।
उद्यम। कई प्रणालियाँ, कई टीमें और कई परिभाषाएँ शासित डेटा भंडार, परिभाषाओं के कैटलॉग और परतदार दृश्यों के पक्ष में तर्क देती हैं। संघीय स्वामित्व उस केंद्रीय टीम से बेहतर काम करता है जो हर रिपोर्ट बनाती है। लॉक-इन, पहुँच के नियंत्रण, निजता और आपूर्तिकर्ता के आकलन पर ध्यान दें, और ऐसी छोटी प्लेटफ़ॉर्म टीम पर विचार करें जो पाइपलाइन सेवा के रूप में दे।
सरकार और सार्वजनिक क्षेत्र। खरीद के नियम, डेटा की संप्रभुता और पहुँच औज़ारों के चुनाव को प्रभावित करते हैं। खुले मानक और पोर्टेबिलिटी मूल्यवान हैं क्योंकि अनुबंध लंबे होते हैं और प्रशासन बदलते हैं। सुरक्षा के आकलनों, रिकॉर्ड के प्रतिधारण और सार्वजनिक प्रकटीकरण के नियमों की योजना बनाएँ, और होस्टिंग तथा खरीद पर वर्तमान मार्गदर्शन जाँचें (देखें विषय 8.5, विनियमित और सरकारी रिपोर्टिंग)।
व्यावसायिक औचित्य: प्रेरणाएँ, ROI और TCO
लागतों में लाइसेंस या सदस्यताएँ, अवसंरचना, एकीकरण और कनेक्टर का काम, डेटा की सफ़ाई, परिभाषा और कैटलॉग का काम, प्रशिक्षण, सहायता, और पाइपलाइन को स्वस्थ रखने का आवर्ती प्रयास शामिल हैं। बनाने के विकल्पों में इंजीनियरिंग की लागत है जिसे कम आँकना आसान है, और खरीदने के विकल्पों में शुल्क हैं जो पैमाने के साथ बढ़ते हैं और छोड़ने की लागत।
प्रतिफल बचे रिपोर्टिंग के प्रयास, तेज़ उत्तर, संख्याओं पर कम विवाद, और भरोसेमंद डेटा से बेहतर निर्णयों से आते हैं। मामला अपने डेटा से बनाएँ: अभी हाथ की रिपोर्टों पर बीते घंटे, एक आँकड़े के प्रतिस्पर्धी संस्करणों की संख्या, प्रश्न और उत्तर के बीच की देरी, और चढ़ते औज़ारों की लागत। बिना अनुरेखित स्रोत और आपके संदर्भ में प्रासंगिकता के विश्लेषण के प्रतिफल पर विश्लेषकों के आँकड़े उद्धृत करने से बचें। निष्पक्ष तुलना हर विकल्प की तीन साल की पूरी लागत गिनती है, निकासी सहित (देखें विषय 7.5, सेवा लागत और इकाई अर्थशास्त्र, और विषय 7.7, निवेश पर प्रतिफल और व्यावसायिक औचित्य)।
प्रतिरूप-विरोधी और जाल
- पहले औज़ार, प्रश्न बाद में। प्लेटफ़ॉर्म आता है, और कोई नहीं जानता उससे क्या पूछें। पहले माप लिखें।
- परिभाषाओं की समस्या सुलझाने के लिए खरीदना। अर्थ पर असहमति किसी भी औज़ार में बनी रहती है। परिभाषाएँ तय करें।
- बिल्ट-इन व्यक्तिगत स्कोर। वे ललचाते और विकृत करते हैं। उन्हें बंद करें और पहले नीति तय करें।
- निकासी नहीं। इतिहास और परिभाषाएँ फँस जाती हैं। निर्यात परखें और प्रति रखें।
- एक व्यक्ति की पाइपलाइन। वह व्यक्ति जाने पर रुक जाती है। उसे दस्तावेज़ित करें, परखें और स्वामित्व साझा करें।
- दोहरी प्रविष्टि। लोग वही काम दो बार लॉग करते हैं, और दोनों की गुणवत्ता गिरती है। रिकॉर्ड की प्रणालियों से डेटा लें।
- जल्दी अति-इंजीनियरिंग। एक भी दृश्य के अपना मूल्य सिद्ध करने से पहले डेटा प्लेटफ़ॉर्म आ जाता है। पतला शुरू करें।
- डेटा की गुणवत्ता को अनदेखा करना। गंदे डेटा पर साफ़ चार्ट अधिक विश्वसनीय ढंग से भ्रमित करते हैं। स्रोत पर प्रविष्टि ठीक करें।
परिपक्वता मॉडल
| आयाम | 1 आरंभ | 2 विकास | 3 मानकीकरण | 4 प्रबंधन | 5 समन्वयन |
|---|---|---|---|---|---|
| डेटा की आपूर्ति | हाथ से जुटाना; स्प्रेडशीट | कुछ स्वचालित फ़ीड; व्यक्तिगत स्क्रिप्ट | सहमत स्रोत परखी पाइपलाइनों से साझा भंडार को खिलाते हैं | विश्वसनीयता, मिलान और ताज़गी प्रबंधित और दिखाई देती | टीमों और आपूर्तिकर्ताओं में साझा अनुबंधों के साथ संघीय पाइपलाइनें; फीडबैक से स्रोत सुधरते हैं |
| परिभाषाएँ और कैटलॉग | लोगों के दिमाग़ में | कुछ दस्तावेज़ित | स्वामियों वाला परिभाषाओं का एक कैटलॉग, संस्करणित और समीक्षित | कैटलॉग डैशबोर्ड चलाता है; उपयोगकर्ताओं के साथ बदलावों की समीक्षा | परिभाषाओं का टीमों और आपूर्तिकर्ताओं में सह-स्वामित्व; निर्णयों को सूचित करना बंद करने पर सेवानिवृत्त |
| चुनाव और लागत | तदर्थ खरीदारी | चढ़ते औज़ार | कसौटियाँ लिखी; निकासी परखी; पूरी लागत गिनी | प्रति समर्थित टीम लागत और हाथ का प्रयास प्रबंधित | औज़ारों के चुनावों की उपयोगकर्ताओं के साथ नियमित समीक्षा और ज़रूरतें बदलने पर अनुकूलन |
जाँच-सूची
- औज़ारों की तुलना से पहले सहमत माप और उनके प्रश्न लिखे गए हैं।
- मौजूदा औज़ारों और रिपोर्टों की पहले सूची बनी और परखी गई है।
- मुख्य स्रोतों पर डेटा की गुणवत्ता जाँची गई है और सबसे बुरे अंतर ठीक हुए हैं।
- चुनाव की कसौटियाँ लिखी हैं और उनमें वितरण, पहुँच का नियंत्रण और निर्यात शामिल हैं।
- किसी भी प्रतिबद्धता से पहले असली डेटा और असली उपयोगकर्ताओं के साथ समय-सीमा वाला परीक्षण हुआ।
- व्यक्तिगत स्तर की स्कोरिंग और रैंकिंग की फ़ीचर नीति से बंद या सीमित हैं।
- परिभाषाएँ किसी एक औज़ार के बाहर पोर्टेबल कैटलॉग में रखी जाती हैं।
- पाइपलाइन का स्वामी, स्वचालित जाँचें, निगरानी और विफलता का अलर्ट है।
- परिभाषाओं और इतिहास के निर्यात को परखा गया है।
- निकासी सहित तीन साल की पूरी लागत गिनी गई है।
AI प्रॉम्प्ट
प्रश्नों से आवश्यकताएँ लिखें।
Here are the questions our audiences ask and the measures we plan to publish:
[paste]. Draft a two-page requirements document for a metrics tool or pipeline.
Cover data sources, freshness, access control, retention, distributions and
percentiles, export and portability, and a list of must-haves versus preferences.
Do not name products. List your assumptions and the points to confirm with the
teams.
औज़ार के परीक्षण की योजना बनाएँ।
We are comparing [options] for our metrics program. Design a two-week trial using
three of our measures and real data. State what to test, how to score the options
against written criteria, who should take part, how to check access control and
export, and what evidence we will record. Do not claim results about specific
products. List your assumptions and risks.
डेटा पाइपलाइन की समीक्षा करें।
Here is a description of how data flows from [sources] to our dashboards: [paste].
Identify points where data could be late, duplicated, overwritten, or lost, and
suggest automated checks for each. Propose a way to reconcile key figures with the
source. Do not invent system behavior. List your assumptions and what you could not
tell from the description.
पूरी लागत की तुलना करें।
Help me compare the three-year full cost of building, buying, and combining tools
for our metrics program. List the cost categories for each option, including
licenses, infrastructure, integration, data cleaning, training, upkeep, and exit.
Provide a table with blanks for our own figures. Do not supply prices. List your
assumptions.
AI स्किल
- Service Management Metrics skill: आवश्यकताएँ लिखते समय हर माप का डेटा स्रोत और सुरक्षा-रेखा खोजने के लिए उपयोग करें।
- Service Management Metrics maintainer skill: यह जाँचने के लिए उपयोग करें कि औज़ारों के निर्णय के रिकॉर्ड में परिभाषाएँ, डेटा स्रोत और सुरक्षा-रेखाएँ हैं।
मुख्य निष्कर्ष
- पहले प्रश्न और माप लिखें, और उनकी सेवा के लिए औज़ार चुनें।
- रिकॉर्ड की प्रणालियाँ उपयोग करें, डेटा की प्रविष्टि स्रोत पर ठीक करें, और मिलान परखें।
- परिभाषाएँ और डेटा पोर्टेबल रखें, और प्रतिबद्ध होने से पहले निकासी परखें।
- व्यक्तिगत स्तर की स्कोरिंग और रैंकिंग बंद करें, और कोई फ़ीचर चालू करने से पहले नीति तय करें।
- पाइपलाइन को स्वामी, परीक्षणों और निगरानी वाली सेवा के रूप में चलाएँ।
- कई साल की पूरी लागत गिनें, और सबसे पतले रास्ते से शुरू करें जो असली प्रश्नों का उत्तर दे।
संदर्भ और आगे का अध्ययन
- Kimball, R., and Ross, M., The Data Warehouse Toolkit, Wiley, 3rd edition, 2013.
- Redman, T., Data Driven: Profiting from Your Most Important Business Asset, Harvard Business Press, 2008.
- Forsgren, N., Humble, J., and Kim, G., Accelerate: The Science of Lean Software and DevOps, IT Revolution Press, 2018.
- Axelos, ITIL 4 Foundation, 2019.
- Beck, K., et al., Principles behind the Agile Manifesto, 2001, https://agilemanifesto.org/principles.html.
- Wikipedia, IT service management.
- Wikipedia, Observability (software).
- Wikipedia, Data pipeline.
- Wikipedia, Extract, transform, load.
- Wikipedia, Data warehouse.
- Wikipedia, Application programming interface.
- Wikipedia, Data quality.
- Wikipedia, Data governance.
- Wikipedia, Total cost of ownership.
- Wikipedia, Vendor lock-in.