Apa itu analisis operasional TI?

Kompleksitas sistem TI telah meningkat secara signifikan dalam beberapa tahun terakhir, menciptakan urgensi yang lebih besar bagi tim TI untuk tetap memantau kesehatan operasi. Peningkatan perangkat yang terhubung ke aplikasi individu, munculnya komputasi cloud dan pengembangan produk baru telah menyebabkan perusahaan berinvestasi dalam layanan digital untuk memenuhi kebutuhan pelanggan.

Misalnya, 99% organisasi yang disurvei oleh McKinsey mengatakan mereka telah mengejar transformasi teknologi skala besar sejak tahun 2020. Namun, CIO mengatakan eksekutif mereka percaya 59% inisiatif digital membutuhkan waktu terlalu lama untuk diselesaikan dan 52% terlalu lama untuk mewujudkan nilai, menurut survei Gartner 2023.

Peningkatan kompleksitas telah menciptakan kebutuhan akan pendekatan sistematis untuk memastikan kesehatan dan optimalisasi layanan TI organisasi mana pun. Hal ini telah menyebabkan peningkatan pentingnya analisis operasional TI, proses berbasis data di mana organisasi mengumpulkan, toko, dan menganalisis data yang dihasilkan oleh layanan TI mereka.

ITOA mengubah data operasional menjadi insight waktu nyata. Ini sering kali menjadi bagian dari AIOps, yang menggunakan AI dan machine learning untuk meningkatkan keseluruhan DevOps organisasi sehingga organisasi dapat memberikan layanan yang lebih baik. Penggunaan otomatisasi dan machine learning kemampuan mempercepat alur kerja operasional, menciptakan insight segera dan menghilangkan potensi kesalahan manusia dari persamaan.

ITOA membantu ITOps menyederhanakan proses pengambilan keputusan mereka dengan menggunakan teknologi untuk menganalisis kumpulan data besar dan mengidentifikasi strategi TI yang tepat.

Meningkatnya kompleksitas sistem TI telah menciptakan kebutuhan bagi organisasi untuk memantau dan menganalisis data dengan lebih baik untuk membuat keputusan yang lebih tepat. Setiap organisasi memiliki tumpukan teknologi unik, yang biasanya terdiri dari perangkat lunak asli dan platform cloud. Infrastruktur TI organisasi modern terdiri dari ekosistem yang besar dan saling bergantung di mana masalah dengan satu insiden atau kesalahan dapat membahayakan seluruh sistem.

Tumpukan teknologi perangkat lunak, infrastruktur, dan layanan jaringan organisasi memungkinkan bisnis untuk menyediakan lebih banyak layanan kepada pelanggan mereka, tetapi peningkatan kompleksitas berarti lebih banyak hal yang bisa salah, dan kesalahan tersebut dapat berdampak eksponensial. Organisasi berusaha untuk meminimalkan waktu henti karena mengganggu layanan mereka dan membahayakan reputasi mereka dengan pelanggan dan mitra. Departemen TI perlu tahu cara mengalokasikan sumber daya mereka sebaik mungkin untuk mengatasi masalah yang muncul, meningkatkan uptime dan menjaga manajemen operasi TI (ITOM) organisasi berjalan dengan lancar.

Untungnya, sistem TI menghasilkan data mereka sendiri dan mengumpulkan lebih banyak lagi secara agregat dari pelanggan, mitra, dan karyawan. Organisasi dapat menggunakan semua data ini untuk memahami kesehatan keseluruhan sistem mereka melalui analisis operasional TI.

ITOA dan observabilitas memiliki tujuan yang sama, yaitu menggunakan data operasi TI untuk melacak dan menganalisis kinerja sistem untuk meningkatkan efisiensi dan efektivitas operasional. Keduanya membantu intelijen bisnis dengan memungkinkan organisasi menyelesaikan masalah operasi TI lebih cepat, menginformasikan strategi triase untuk masalah di masa depan, dan membantu penerapan teknologi baru.

Observabilitas berkaitan dengan pemahaman keadaan internal atau kondisi sistem yang kompleks hanya berdasarkan pengetahuan tentang output eksternalnya. Hal ini melacak empat pilar penting: metrik, peristiwa, log, dan jejak (MELT) untuk memahami perilaku, kinerja, dan aspek-aspek lain dari infrastruktur dan aplikasi cloud. Hal ini bertujuan untuk memahami apa yang terjadi di dalam sebuah sistem dengan mempelajari data eksternal. ITOA menggunakan prinsip penambangan data mining dan big data untuk menganalisis kumpulan data yang bising dalam sistem dan menciptakan kerangka kerja yang menggunakan insight bermakna tersebut untuk membuat seluruh sistem berjalan lebih lancar. Ini berkaitan dengan analisis akar masalah insiden dalam operasi, sehingga tim TI dapat melakukan perbaikan masalah yang dapat terjadi lagi. Tujuannya adalah untuk mengatasi masalah yang mendasarinya sembari menentukan apakah perangkat lunak atau sistem lain juga berisiko gagal.

Analisis operasional TI (ITOA) berisi beberapa tools kunci, proses, dan teknologi, yang semuanya bekerja sama untuk menghasilkan nilai dalam organisasi. Berikut adalah beberapa teknologi dan contoh penggunaan yang paling umum:

• Manajemen kinerja aplikasi (APM): Manajemen kinerja aplikasi adalah komponen penting dari ITOA yang diperkirakan McKinsey menjadi bisnis senilai USD 11,8 miliar. Ini melibatkan penggunaan data telemetri dan alat pemantauan untuk melacak metrik kinerja aplikasi perangkat lunak, mengidentifikasi alokasi sumber daya dan penggunaan aplikasi dan membantu memecahkan hambatan dan mendeteksi anomali. Contoh APM termasuk mengidentifikasi halaman web yang memuat lambat, waktu pemrosesan transaksi, dan masalah latensi.
• Manajemen insiden: Organisasi harus mengidentifikasi insiden dan memiliki pendekatan yang efisien untuk mengatasinya. Manajemen insiden memungkinkan tim DevOps untuk alamat peristiwa yang tidak direncanakan seperti server mogok atau masalah kualitas layanan lainnya secepat mungkin. 
• Otomatisasi alur kerja: Otomatisasi alur kerja melibatkan koordinasi tugas yang dilakukan oleh manusia dan tugas yang diotomatiskan, seperti pemberitahuan email dan mengotomatiskan entri data dan pengarsipan.
• Analisis prediktif: Solusi analitik prediktif menggunakan data historis dan real-time untuk memprediksi apakah perangkat lunak dan layanan TI mungkin mengalami masalah di masa mendatang, memberikan organisasi kemampuan untuk melakukan perbaikan atau memperbaiki bug sebelum terjadi. Analisis prediktif membantu mengoptimalkan operasi TI dengan melakukan intervensi sebelum insiden terjadi. Analisis prediktif dapat membantu mengidentifikasi masalah server atau lonjakan lalu lintas, membantu organisasi mempersiapkan pertahanan atau secara proaktif melakukan perbaikan masalah.
• Korelasi dan peringatan peristiwa: Ini menganalisis data log aplikasi atau host untuk deteksi pola, lebih memahami bagaimana satu aplikasi atau sistem mempengaruhi yang lain, dan memberi tahu teknisi DevOps tentang masalah potensial yang dapat memengaruhi beberapa sistem. Korelasi peristiwa sangat berharga untuk deteksi apakah masalah seperti pola lalu lintas yang tidak biasa atau beberapa login gagal adalah bagian dari masalah keamanan yang lebih besar.
• Pemantauan dan pemeliharaan cloud: Organisasi perlu mengetahui keandalan pusat data mereka, apakah mereka menggunakan cloud publik, lingkunganmulticloud, atau pendekatan on premises. Jika cloud turun, organisasi perlu memahami bagaimana hal itu berdampak pada kemampuan mereka untuk menyediakan layanan.

Analisis operasional TI (ITOA) membantu organisasi mengurai sejumlah besar data operasional terstruktur dan tidak terstruktur di seluruh sistem melalui tiga tahap utama: 

1. Pencarian: Sistem operasi TI menangkap dan menyimpan big data yang dihasilkan oleh operasi bisnis, interaksi pelanggan, dan file log yang dapat digunakan organisasi untuk memahami dan mengelola kesehatan keseluruhan sistemnya dengan lebih baik. ITOA melibatkan pencarian melalui data untuk menilai status saat ini, mengidentifikasi masalah yang ada atau potensial di masa depan, dan mengingatkan tim operasi TI tentang masalah apa pun.
2. Visualisasikan: Ini membantu keputusan bisnis organisasi dengan memberikan tampilan kaca tunggal tentang bagaimana sistem beroperasi. Analisis operasional menggunakan big data dan mengubahnya menjadi grafik, bagan, dan spreadsheet yang dapat digunakan. Visualisasi dapat terjadi melalui dasbor interaktif atau panel administrasi lainnya. Ini membantu organisasi memahami di mana mereka perlu berinvestasi, seperti lisensi, aplikasi keamanan atau membeli peralatan atau perangkat lunak baru.
3. Analisis: Organisasi dapat menggunakan analisis data yang divisualisasikan untuk mengidentifikasi kinerja sistem dan deteksi aktivitas yang tidak biasa di lingkungan TI dan merekomendasikan tindakan untuk menyelesaikan masalah tersebut.

Organisasi dapat menilai program analisis operasional TI (ITOA) yang berhasil dengan beberapa indikator kinerja utama (KPI):

• Mean time to repair (MTTR): Analisis operasional TI dapat membantu tim TI memperbaiki masalah yang ditemukan oleh disiplin ilmu tersebut, sehingga meningkatkan MTTR. Organisasi dengan program ITOA dan manajemen insiden yang mulus dapat menyelesaikan masalah dengan cepat.
• Tingkat positif palsu: ITOA, yang semakin bergantung pada otomatisasi, terkadang dapat menghasilkan hasil positif palsu, yang dapat menyebabkan triase yang tidak perlu dan kelelahan teknisi keandalan lokasi dan karyawan TI lainnya. Meningkatnya jumlah positif palsu berpotensi menunjukkan bahwa proses ITOA atau operasi TI tidak berfungsi sebagaimana dimaksud.
• Ketersediaan layanan: Ini adalah persentase waktu aktif layanan (yaitu, jumlah waktu layanan berjalan seperti yang diharapkan dan dapat diakses oleh pengguna akhir). Sangat penting bagi organisasi untuk melacak ketersediaan layanan demi memastikan mereka memenuhi harapan pelanggan dan memiliki reputasi yang baik terkait dengan perjanjian tingkat layanan (SLA) mereka.
• Pemanfaatan kapasitas: ITOA juga dapat membantu organisasi mengetahui apakah sistem TI mereka berjalan pada kapasitas atau kurang dimanfaatkan. Mengetahui aspek terakhir semakin penting bagi organisasi yang menggunakan cloud untuk mendasarkan penggunaannya untuk menghilangkan biaya yang tidak perlu.

Ada beberapa manfaat bagi organisasi mana pun yang memiliki praktik analisis operasional TI (ITOA) yang kuat:

• Penghematan biaya: Organisasi yang menggunakan ITOA mengalami beberapa manfaat biaya, termasuk efisiensi operasional, pengurangan waktu henti, dan meminimalkan pelanggaran data yang mahal dan ancaman eksternal lainnya.
• Pengalaman pelanggan yang ditingkatkan: Pelanggan memiliki harapan tinggi bahwa layanan dan produk yang mereka beli berfungsi ketika mereka menginginkannya. Organisasi yang berencana untuk memberikan layanan pelanggan yang sangat baik bergantung pada ITOA untuk menghindari gangguan yang tidak perlu sehingga pelanggan dapat mengakses produk dan solusi organisasi tersebut sesuai permintaan.
• Peningkatan keamanan dan kepatuhan:  ITOA memainkan peran penting dalam mendeteksi potensi masalah keamanan yang disebabkan oleh titik akhir dan perangkat akhir yang rentan. ITOA juga mendeteksi masalah kepatuhan, seperti konfigurasi sistem yang tidak sesuai dan log audit yang tidak berfungsi.
• Pengambilan keputusan berbasis data: ITOA sering menjadi bagian dari fokus organisasi yang lebih besar pada alat data dan analitik. ITOA membantu organisasi melakukan investasi TI yang lebih cerdas, mengalokasikan sumber daya dengan lebih baik, dan mempersiapkan segala tantangan di masa depan.

Alat otomatisasi TI IBM—termasuk IBM AIOps Insights, IBM Cloud Pak for AIOps, IBM Turbonomic dan IBM Instana—membantu menjaga semua sistem Anda tetap aktif dan berjalan dengan memberi Anda kemampuan pengamatan dan manajemen Sumber daya untuk memprediksi, mendeteksi, dan memperbaiki insiden lebih cepat dan lebih murah. Mereka juga dapat membantu mengotomatisasi inovasi dan manajemen di dalam dan di seluruh tim TI.