Impulsione a gestão da sua IT Production graça aos dados

Como decompor os silos, conectar os dados em toda a sua organização e os aproveitar para melhorar o nível de serviço que prestam aos seus clientes?

Esta conferência, organizada como parte da Alenia Production Tour 2022, reuniu vários CIOs, data leaders e peritos operacionais, incluindo Laurent Demeestere, engenheiro de aprendizagem de máquinas da Engie Digital, Guillaume Besson, chefe de estratégia da AI Builders e Nathalie Bouillé, diretora regional da Dynatrace.

Discutimos tópicos como a IT Production orientadas por dados, a importância da prospecção de dados na sua tomada de decisões, setores com melhor desempenho, qualidade de dados, desafios-chave enfrentados pelos nossos convidados e muito mais.  Esperamos que goste da conversa.

Oksana Biens, Alenia - Olá a todos! Vamos começar com o básico. Como definiria a IT Production orientada por dados?

Guillaume Besson, AI Builders - IT Production orientada por dados é uma palavra-chave que cobre várias realidades. O fato é que usamos business intelligence, IA e análise avançada de dados para compreender o que se passa dentro dos sistemas de TI. Observamos 2 fases no desenvolvimento de soluções de dados: o período de inovação (de 2016 a 2019), durante o qual os dados que eram considerados um custo se tornaram uma mais-valia, descobrindo todas as possibilidades que podem oferecer. Desde 2019, as soluções para gerar insights estão mais maduras e estamos a começar a realizar todo o potencial oferecido pelos dados.

OB - Obrigado, Guillaume. Nathalie, você e os seus colegas da Dynatrace apoiam os clientes na implementação de soluções para gerar valor a partir de dados. Qual é a sua definição de IT Production orientada por dados?

Nathalie Bouillé, Dynatrace - Na Dynatrace, estamos no mercado da observabilidade, e para nós, a IT Production orientada por dados consiste em tomar as decisões corretas graças aos dados, da forma mais automatizada possível. De certa forma, isto não é novidade, quando eu era mais nova já estávamos a falar de armazéns de dados, business intelligence... então as pessoas colocam os dados em data lakes. O que é novo é que temos tendência para seguir tudo. Cada swipe, cada ação do utilizador no telemóvel e na Internet gera enormes volumes de dados. Além disso, estamos agora a trabalhar em ambientes de nuvens híbridas, pelo que os tipos de dados são muito diferentes. Recolher dados e colocá-los em data lakes é muito caro. O desafio é recolher uma grande quantidade de dados a fim de gerar informação com um custo mínimo. O desafio é observar a produção e desenvolvimento de dados para ajudar as equipas a entregar aplicações que funcionam perfeitamente, o mais rapidamente possível.

‍

"O desafio é recolher muitos dados a fim de gerar conhecimentos com um custo mínimo". N. Bouillé, Dynatrace

‍

OB - Obrigado pelas suas reflexões, Nathalie. Agora que todos estamos de acordo sobre o tema da nossa discussão, gostaria de começar por explicar por que razão, na Alenia, acreditamos que é muito importante que os CIOs e as suas equipas comecem a aproveitar os dados para impulsionar a tomada de decisões. Na nossa experiência, vimos muitos benefícios de gerir a IT Production da sua aplicação através dos seus dados. Aqui estão alguns exemplos.

O primeiro é a quebra de silos. Na maioria das organizações, os dados estão dispersos entre os silos empresariais e os silos informáticos, porém, tendo esta visão de 360 graus do seu ecossistema informático, melhorado com o estado da produção em tempo real, já é um enorme benefício, permitindo-lhe ter uma visão rápida do que se passa na sua IT Production.

A segunda é a redução do número de incidentes na sequência de intervenções na produção. Quando há alterações na produção que têm um impacto directo nas suas aplicações comerciais críticas, têm procedimentos bem definidos para limitar o impacto dessas intervenções. Mas quantas vezes é que as suas equipas técnicas fizeram uma pequena alteração a uma componente de infra-estrutura que teve impacto em múltiplas equipas, simplesmente porque a equipa técnica foi incapaz de avaliar o impacto global da alteração no ecossistema informático? Por conseguinte, é muito importante poder qualificar o impacto potencial total que pode ter para limitar os efeitos secundários e reduzir o número de incidentes que ocorrem após as intervenções.

A terceira é acelerar a resolução de problemas. No caso de um incidente de produção, é muito importante assegurar uma resposta pró-activa. Pode fazê-lo fornecendo uma plataforma centralizada para as suas equipas de suporte para facilitar investigações, correlacionar eventos e identificar rapidamente a causa raiz, e talvez até ter o sistema a sugerir automaticamente uma ação corretiva para o incidente. Este é o objetivo final: evitar incidentes antes que estes aconteçam, com base na análise de padrões de comportamento anormais.

Por último, mas não menos importante, é a otimização de recursos e processos. Por exemplo, poderá querer identificar pedidos recorrentes dos utilizadores para os automatizar, ou identificar uma causa raiz comum de múltiplos incidentes a tratar como um problema. Ou prever um risco de produção para o dia, semana ou mês seguinte, para que possa ajustar os seus recursos em conformidade.

‍

‍

‍

OB - Laurent, trabalha no departamento digital da Engie, é um departamento transversal que serve toda a empresa. Pode dar-nos alguns exemplos dos grandes objetivos em que você ajuda a sua empresa a atingir, graça os dados?

Laurent Demesteere, Engie - Talvez devesse começar por apresentar o lugar da Engie Digital no ecossistema global da Engie. A Engie Digital é uma empresa de software dentro do grupo Engie. A nossa missão é aproveitar os dados e as capacidades digitais para alcançar uma economia neutra em carbono. Desenvolvemos, implantamos e operamos soluções para clientes das diferentes entidades Engie.

Por exemplo, ajudamos os nossos clientes a acelerar a descarbonização, monitorando a sua pegada de carbono. Otimizamos o equipamento e a manutenção dos ativos renováveis da Engie, recolhendo dados de equipamento eólico, solar, hídrico e de biogás e cruzando estes dados com previsões meteorológicas. Permitimos a manutenção preditiva através da identificação de comportamentos anormais utilizando a IA. Estamos a transformar as cidades, ajudando os nossos clientes a enfrentar desafios urbanos complexos, tais como a redução das emissões de CO2 ou a regulação do tráfego.

OB - O setor da energia parece estar bastante avançado na monetização de dados em comparação com o setor bancário, onde apenas vemos alguns projetos de monetização de dados em grande escala. Guillaume, trabalha com clientes de diferentes setores, quais são os melhores da classe e quais os que estão atrasados?

GB - Sim, tenho trabalhado muito com clientes do setor farmacêutico, energia, indústria pesada e muitos outros. Ao longo dos últimos anos, temos visto progressos reais na maturidade em todos os setores. A ideia de implementar soluções analíticas de dados ganhou tração, mas passar de um projeto-piloto para uma solução industrializada continua a ser complicado, e muitos falham.

Descobrimos que um dos maiores desafios é mudar a cultura empresarial. Penso que este é o fator mais importante para determinar o sucesso ou o fracasso de projetos de IT Production orientada por dados.

OB - E no que respeita ao setor bancário em particular, quais são os desafios que impedem as empresas de tirar o máximo partido dos dados?

NB - Nos últimos 30 anos, muitos bancos e companhias de seguros têm gasto muito dinheiro em ferramentas para monitorar os seus sistemas informáticos. A profusão de ferramentas e ambientes criou silos, e tornou-se muito difícil obter uma visão global do que se está a passar. Não basta monitorar a rede, o middleware e as aplicações separadamente, uma vez que existem muitas dependências entre estas camadas. O grande desafio é levar as pessoas a pensar globalmente e compreender as dependências entre tudo o que se está a passar. O objectivo não é apenas recolher dados, mas obter respostas a partir dos dados para tomar as decisões certas.

‍

"Qualidade dos dados e taxa de adoção são dois grandes desafios que enfrentamos na Engie Digital" L. Demeestere, Engie Digital

‍

LD - Para mim, a qualidade dos dados e as taxas de adopção são dois grandes desafios que enfrentamos na Engie Digital. No que diz respeito à adoção, a questão é como acompanhar e aumentar a adoção das soluções fornecidas pelos nossos clientes. Para tal, é necessário utilizar as ferramentas de monitorização adequadas, como a Dynatrace (que gostamos de utilizar na Engie Digital). E com este tipo de ferramenta, é possível verificar a atividade dos seus clientes e avaliar a satisfação dos utilizadores através da análise dos dados.

No que diz respeito à qualidade dos dados, a questão é como medir, monitorar e controlar a qualidade dos dados que utiliza, porque dados de má qualidade geram informação de má qualidade. Esta questão envolve vários desafios: precisa de ter as ferramentas e técnicas certas, precisa de envolver as pessoas certas e precisa de estabelecer o nível de alerta certo. Quando tiver correções a fazer, precisa de as fazer ao nível da empresa, e não apenas ao nível do projeto, o que é também um grande desafio. Finalmente, é necessário afetar tempo e recursos suficientes para questões de qualidade de dados, que são frequentemente subestimadas.

OB - Concordo plenamente, especialmente com o desafio da qualidade dos dados. Este é o principal problema que temos com os nossos clientes. Alguns deles estão à espera que os seus dados estejam perfeitamente limpos antes de começarem a utilizá-los, o que eu penso ser um erro. A gestão da qualidade dos dados não é um exercício pontual, mas sim um esforço contínuo.

É necessário criar um círculo virtuoso: quanto mais se alavanca os seus dados, mais as pessoas vêem o que podem obter em termos de valor comercial, mais compreendem que precisam de desempenhar um papel na melhoria da qualidade dos dados ao seu nível, e mais os dados melhoram, gerando melhores percepções.

Quando descreveu os desafios que impedem as empresas de alavancar os seus dados, esperava ouvir falar das competências técnicas necessárias, especialmente com a Dynatrace. Não é algo de que precisa? Pode-se comprar um carro de Fórmula 1, mas isso não significa que se possa conduzi-lo, não é verdade ?

NB - Bem, uma das vantagens da Dynatrace é que permite aos não-peritos compreender o que se passa com a sua IT Production. Assim, se não for perito, ainda será capaz de ver os problemas no seu ecossistema, determinar a causa raiz, avaliar o impacto e identificar as ações corretivas necessárias. Mas é necessário ter algumas pessoas treinadas responsáveis pela plataforma para a implantar em escala, e a Dynatrace não funciona de forma independente. Tem de estar ligada a sistemas de alerta e outros sistemas para fazer remediações automáticas, ou automatizar barreiras de qualidade ou de segurança.

‍

‍

OB - Contudo, apesar de todos os desafios mencionados, há muitas empresas que estão a aproveitar com sucesso os seus dados. Pode partilhar connosco algumas histórias de sucesso? Como tem ajudado os seus clientes ou a sua empresa a utilizar os dados para tomar melhores decisões e melhorar a gestão da IT Production?

GB - Deixem-me começar com um exemplo que vimos há alguns meses atrás na AI Builders. Havia esta empresa, a trabalhar no setor da energia, e atrasada em termos de valorização do uso de dados. Decidiram acelerar a sua transformação de dados e conceberam uma nova organização de dados que reunia o data office, os serviços de TI e digitais numa única entidade diretamente sob a tutela do Chief Strategy officer. Isto alinhou todas as partes interessadas com um objectivo comum e colocou as considerações sobre dados no centro da estratégia global da empresa.

NB - Na Dynatrace trabalhamos com muitos bancos internacionais. Todos eles têm o mesmo desafio, que é o de fornecer melhores aplicações e serviços aos clientes finais. Para responder a este desafio, o objectivo é evitar falhas, reduzir o tempo de reparação e entregar melhores aplicações à produção mais rapidamente.

O primeiro passo para o conseguir é reduzir o número de incidentes, tanto grandes como pequenos. Isto começa realmente antes da aplicação ser lançada, assegurando que quaisquer potenciais problemas sejam detectados pela equipa de desenvolvimento, a equipa de suporte informático e os testadores antes de serem lançados, reduzindo assim as dificuldades e melhorando a satisfação dos utilizadores.

Há muito para falar, mas por detrás disso há muitos dados. E o desafio é organizar os dados, estruturá-los e garantir que não só obtém dados mas também respostas para melhorar a qualidade do serviço prestado aos seus clientes.‍

LD - Gostaria de vos falar sobre a nossa plataforma Ellipse, que nos ajuda a prever um futuro neutro em carbono. Estamos a ajudar os nossos clientes a descarbonizar à escala, e os utilizadores finais desta plataforma são os gestores de sustentabilidade. A plataforma permite-lhes acompanhar o seu progresso no sentido da neutralidade de carbono, utilizando dados de múltiplas fontes, incluindo contas de energia, para monitorizar e controlar as emissões de CO2.

OB - Muito obrigado por estes exemplos. A promessa de mineração de dados é grande, mas nem sempre é fácil pôr a bola a rolar. Poderia dar-nos alguns conselhos práticos: onde é que as empresas devem começar a explorar os seus dados? Quais são as armadilhas a evitar e os fatores-chave de sucesso?

GB - Penso que a chave para implementar com sucesso a IT Production orientada por dados é ter aliados dentro da sua organização. Desenvolver um projeto ou organização que crie consenso entre as diferentes partes interessadas. Construir isto, fazendo com que as pessoas trabalhem em conjunto e alinhando-as tanto na parte estratégica como na parte de implantação.‍

‍

"Precisa de aliados dentro da sua organização para implementar com sucesso a computação orientada por dados" Guillaume Besson, AI Builders

‍

NB - Se eu considerar o caso de utilização "como observar o ecossistema informático para aumentar a qualidade e reduzir os custos", diria que é necessário ter o patrocínio do CTO e do gestor de dados. Porque há muita resistência dentro de cada empresa, cada um quer gerir o seu próprio domínio, as suas próprias ferramentas, os seus próprios dados. É importante pensar globalmente. É preciso pensar grande e, ao mesmo tempo, começar em algum lugar. Assim, há uma espécie de avaliação de maturidade a ser feita para compreender onde se está agora, para onde ir e quem vai abraçar o projeto para o implantar gradualmente localmente e depois à escala.‍

LD - E não negligencie a qualidade dos seus dados. Quando orçamentar os seus projetos, atribua-lhes tempo e recursos. Não se esqueça de aumentar a adoção do cliente e construir uma forte cultura de dados na sua empresa.

OB - Muito obrigado, vamos agora abrir as Perguntas e Respostas. "Que indústrias são as mais avançadas na exploração de dados?". Guillaume, esta pergunta é para si!

GB - Eu não conheço todas as indústrias existentes, obviamente! As indústrias mais avançadas que já vi são as indústrias de energia e farmacêuticas. A indústria energética porque está a competir com muitas empresas globais. Têm de estar na vanguarda do que existe hoje em dia em termos de dados, incluindo a IT Production baseada em dados. A indústria farmacêutica é também muito bem sucedida porque tradicionalmente têm tido de lidar com muitos dados da sua I&D...

OB - E penso que também não devemos esquecer o setor retalhista...

NB - ... Sim, é claro. As equipas digitais estão à frente do jogo no setor retalhista.

OB - Obrigado. Próxima pergunta: "Quais são as melhores soluções para ultrapassar os problemas de qualidade dos dados?‍

NB - Há a questão da recolha dos dados e da informação contextual, os metadados, para colocar os dados num modelo de dados que depois a inteligência artificial utilizará. Se não recolher a informação contextual com os dados, no final terá dados que não são limpos.

LD - Há muitas ferramentas existentes que podem ajudar. Na Engie Digital utilizamos o Splunk para construir painéis de controle para monitorar a qualidade dos dados, mas podemos pensar em outras ferramentas, por exemplo ferramentas de gestão de dados como o Colibra, para abordar este tipo de questões. É necessário encontrar na sua empresa um bom equilíbrio entre soluções personalizadas e soluções de “prateleira”. Se os seus projetos e problemas forem muito específicos, uma solução personalizada pode ser a melhor.‍

OB - Gostaria também de acrescentar que penso que a melhor forma de melhorar a qualidade dos dados é melhorar a cultura de dados dentro da organização e assegurar que todos compreendam que têm um papel a desempenhar neste processo. Em segundo lugar, assegurar que existem controles da qualidade dos dados para verificar a existência de ‘desconhecidos’ conhecidos (ou seja, onde se suspeita que um potencial problema possa ocorrer num determinado ponto do processo ou sistema). Desta forma, pode controlar para esse tipo específico de problema num sistema específico, num determinado ponto do seu ecossistema. Mas também há desconhecidos, ou seja, coisas imprevisíveis que podem acontecer, e neste caso, a observabilidade pode ser de grande ajuda.

‍

OB - Aqui fica uma nova questão: "Como pensar globalmente se a organização é compartimentalizada e não global?".

GB - Penso que uma organização a ser compartimentalizada não é necessariamente uma coisa má sob duas condições. A primeira é que a direcção tem de ter uma visão global e a segunda é que as pessoas possam falar umas com as outras, mesmo que a empresa trabalhe em silos.

OB - A nossa última pergunta: "Será a IT Production orientada por dados mais fácil de melhorar quando as equipas de produção são integradas com equipas de desenvolvimento ou quando as equipas de IT Production são independentes?

Para mim, é muito mais fácil se as equipas de suporte estiverem integradas com as equipas de desenvolvimento, para que estejam conscientes de novos lançamentos e possam antecipar potenciais problemas operacionais que os criadores possam não pensar porque não está na sua cultura. Se um problema surgir após um novo lançamento, as equipas de suporte podem ser mais proativas na resolução do mesmo se souberem o que mudou.

Marjane Mabrouk, Alenia - Concordo em parte consigo. Pelo que vimos, quando o suporte à produção é integrado com a equipa de desenvolvimento, como nos modelos ágeis à escala, na maioria das vezes a qualidade dos dados diminui.

‍

"Os melhores resultados que temos visto até agora na melhoria da produção informática orientada por dados são alcançados quando as equipas de apoio impulsionam a concepção de soluções de monitorização". D. Cebrián, Santander

‍

Dámaso Cebrián, Santander - Na nossa experiência no Santander, quando se tem uma equipa de aplicação orientada para o produto que realmente tem em conta a observabilidade e a formação dos modelos de dados, é ótimo porque são eles que podem adaptar os modelos a casos de utilização real que acrescentam valor real. Mas o problema é que, de momento, muito poucas equipas de suporte à produção se preocupam com a observabilidade e sabem como implementá-la. Assim, geralmente obtemos melhores resultados quando as equipas de suporte impulsionam a concepção de soluções de monitorização.

MM - e é importante envolver o business porque a maior parte das vezes as TI fazem a monitorização sem o business, pensam por eles em vez de incluir os utilizadores neste exercício. Estamos mais orientados para a monitorização do que para os dados, mas estes dois assuntos estão definitivamente entrelaçados. Nathalie, vê este padrão entre os seus clientes?

NB - Essa é uma boa pergunta. Por vezes, as pessoas tendem a gostar tanto da Dynatrace que a mantêm. Mantêm a plataforma para si próprias, por isso trabalham com uma plataforma de observabilidade reforçada, mas não vão ao business, não envolvem outras pessoas no projeto. É apenas mais uma ferramenta em cima das outras. Não é um fracasso, mas não é a enorme ambição que temos de melhorar a qualidade dos dados e a qualidade do serviço.

Portanto, os requisitos para conseguir um grande projeto é pensar em grande, mas obter o apoio ou o patrocínio das pessoas que trabalham nas equipas DevOps, das pessoas nas equipas de suporte aplicativo, bem como das pessoas no monitoring.

OB - Muito obrigado a todos vós. Se quiserem explorar mais estes tópicos, podem nos contactar por aqui e teremos todo o prazer em continuar esta conversa.