Stále častěji bude řada podnikových procesů řazena do kategorie XOps, a to nejenom v IT. Odpovídá pojmům jako MarketingOps, AIOps, MLOps, DataOps a dokonce BizOps něco reálného, nebo jde o buzzwordy? Tuto otázku ve svém komentáři na Information Week zkoumá Lisa Morgan.
Ono „ops“ vlastně vždy má vyjadřovat, že organizace chtějí zrychlit dodávku souvisejících „produktů“ (data, modely AI, analytické přehledy) i jejich kvalitu. Toho se má docílit změnami procesů, jejich vyšší agility, což obnáší zkrácení životního cyklu, zrychlení iterací, menší čas věnovaný přípravě projektu, rychlejší zabudovávání změn… Každý typ podnikových procesů ovšem funguje jinak, vyžaduje jiné odborné znalosti, a je proto otázka, zda zde má smysl uplatňovat stejné přístupy. Kritici namítají, že mechanické přenesení agilních způsobů vývoje softwaru (přičemž v oblasti vývoje softwaru ještě vedle DevOps existuje model CI / CD a není jasné, nakolik se tyto pojmy překrývají; obecně by CI/CD mělo zahrnovat ještě vyšší automatizaci i souvisejících procesů) napříč podnikem vyvolá chaos, způsobí fragmentaci procesů a k jejímu zvládnutí pak bude naopak potřeba zvýšit množství byrokracie. Jiný názor zase říká, že XOps má smysl v IT, něco jiného je DataOps a něco jiného MarketingOps (tj. to druhé je buzzwod). Lisa Morgan se proto v další analýze omezuje na DataOps, MLOps a AIOps.
DataOps má znamenat agilní správu/řízení (změn) dat pro společnosti s rozsáhlými datovými infrastrukturami. Nebo jinak řečeno „procesně orientovaná metodiky zajišťující větší automatizaci práce s daty“. Obnáší rychlé iterace, prakticky neustálý monitoring, měření efektivity. MLOps je podobné DataOps, zahrnuje vytváření modelů AI, jejich nasazování a správu v produkčním prostředí. AIOps funguje na vyšší (aplikační) úrovni a odlišuje se více. Podle Gartneru AIOps „kombinuje velká data a strojové učení k automatizaci provozních procesů IT, včetně korelace událostí, detekce anomálií a stanovení příčinných souvislosti“.
Při nasazování procesů xOps se může postupovat například tak, že se firma podívá na svůj model DevOps (eventuálně DevSecOps) a dále zkoumá, jak (respektive nakolik lze) tyto procesy provést do oblasti umělé inteligence nebo řízení dat. Hned na začátku samozřejmě vzniká otázka, kdo všechno by měl být zařazen do týmu, který se možným nasazením xOps bude zabývat. Analytik Forresteru Charles Betz zde vidí jako problém, že přejít na xOps znamená vyžadovat jiné kombinace odborných dovedností, což s sebou ponese nutnost přeorganizovávat i týmy a související chaos – a to i za předpokladu, že firma lidi s potřebnými znalostmi má. Reorganizace ve velkých firmách pak může např. přinést nutnost zaměstnat další lidi na středních manažerských pozicích, kteří se budou snažit o to, aby počet jejich podřízených dále rostl, výsledně to zvýší složitost i byrokracii a efektivitu naopak omezí. Z druhé strany by ale firmy neměly přijímat argument, že různé procesy vyžadují různý přístup a principy DevOps nejsou použitelné obecně – tím se totiž zase konzervuje současný stav.
V jistém ohledu je xOps jen slovo, které může znamenat cokoliv. Faktem ale je, že už nyní se objevují prodejci, kteří prodávají například „řešení pro DataOps“; ať už se tomu říká jakkoliv, podniky se potřebují zorientovat, aby věděly, zda mají pro takové nabídky využití.
Zdroj: InformationWeek a další
