Kontinuierliche Datenanalyse – Big Data im Problem Management

Bewerten Sie diesen Beitrag!

Der Unterschied zwischen traditionellem und Big Data unterstütztem Problem Management


Markus Mueller (8)
Effiziente Lern- und Testvorbereitungsstrategien erfordern eine ständige und sofortige Analyse von Daten. In herkömmlichen Entscheidungsfindungs-Prozessen wie z.B. innerhalb des Problem Managements nimmt sich der Analyst ein repräsentatives Datenset, erstellt ein Modell, und berechnet aufgrund des Modells einen Vorschlag – in diesem Fall wie ein Problem endgültig gelöst werden kann. Big Data Analytik basiert jedoch nicht auf einer definierten Menge von Datensätzen, vielmehr ist ein stetig und schnell fließender Datenstrom Objekt unserer Betrachtungen. Big Data propagiert einen durchgehenden Ansatz von permanentem auswählen, analysieren und agieren.

Das ist vor allem dann relevant wenn man Anwendungen betrachtet, die z.B. den laufenden IT Betrieb mehrerer IT Service Lieferanten aus Sicht eines IT Integrators überwachen. Ein potentielles Problem mit solchen Überwachungsanwendungen ist, dass Problem Analysten tendenziell einen ständigen Strom von Analysen und Berichten ansehen müssten ohne wirklich eine Entscheidung zu treffen oder irgendwelche Aktionen zu initiieren. Somit wären analytische Fähigkeiten wie z.B. Ursachenanalytik eher beim Operations Management Personal als beim klassischem 2nd und 3rd Line Support auszubilden. Denn der Datenstrom fließt kontinuierlich ohne auf eine Analyse oder bestimmte Events oder Störungsmeldungen zu warten.

Die Relevanz von ‚Management by Exception‘

collaborative problem solving

Für laufende Überwachungstätigkeiten sollte es daher möglichst durchgängige Vereinbarungen zwischen den unterschiedlichen Teilnehmern in einer IT Wertschöpfungskette geben – insbesondere in Bezug auf die Frage wann und wie bestimmte Aktionen und Entscheidungen zu treffen sind. Durchgängige Vereinbarungen wann zum Beispiel Warnstufen oder Fehlermeldungen außerhalb eines bestimmten Toleranzbereiches fallen bieten einen Mehrwert wenn diese Vereinbarungen auch über die eigenen Unternehmensgrenzen hinweg gelten. Dieser Management Ansatz basiert auf dem Prinzip ‚Management by Exception‘. Er wird aufgrund der durch Big Data beschleunigten Änderungen in den Rahmenbedingungen (kontinuierlicher Datenstrom) und neuen technischen Möglichkeiten des Performance Managements ein immer wichtigerer Aspekt von Business Intelligence werden – vor allem im Vergleich zu herkömmlichen Management ‚Philisophien‘ wie dem „Managment by Objectives“ (MBO).

Use Case für Problem Management und Big Data

In einer Organisation die ITSM bereits sehr gut umgesetzt hat ist eine Anwendung von Big Data die Überwachung von Performancedaten die von einer Gruppe ihrer wichtigsten IT Servicelieferanten bereitgestellt wird. Auf diese Weise kann man ein soziales Netzwerk für die Erstellung von Hypothesen, Sammlung von Datenmaterial und die (möglicherweise gemeinsame) Entscheidungsfindung schaffen. Heutige Service Management Werkzeuge bieten bereits alle Funktionen für Social Networking. Konkret kann Problem Management über ein dediziertes soziales Netzwerk auf vermutete Problemursachen mit gemeinsam geteilten Monitoring Daten zugreifen. Verschiedene IT Lieferanten bringen sich so mit ihren Datenanalysen in die Findung von Fehlerursachen aktiv ein.

Was Problem Management von Security Management noch lernen kann

Zum Beispiel laufen heute bereits Daten aus dem Security Management verschiedenster Hersteller bei Unternehmen die im Bereich der IT Sicherheit aktiv sind zusammen um auf einen globalen Sicherheitsvorfall aufmerksam zu machen. Dieser könnte nämlich in Folge einen großflächigen Serviceausfall verursachen – die Investition lohnt sich also ähnlich einem Geschäftsmodell für Versicherungen. Hypothetischen Trendanalysen die über Service Provider Grenzen hinweg über soziale Netzwerke kommuniziert werden bezeichnet man auch als „digitale Rauchzeichen“. Ein Ziel ist es dabei zu bestimmen wie wahrscheinlich die Bedrohung ist und welche Auswirkungen ein potentielles Risiko haben wird, bzw. ob detailliertere Analysen bzw. Aktionen notwendig sind. Hier kann die Art und Weise wie Problem Management in vielen Unternehmen die ich gesehen habe betrieben wird vom Kompetenzbereich Sicherheitsmanagement noch einiges lernen.

Die Idee dabei ist, dass ein Service Integrator ein Service Management System benutzt, in dem er automatisiert auf Probleme stößt die einzelne Lieferanten zunächst in ihrem Wirkungsbereich gar nicht erkennen können.

Fazit

Ob die Analyse und damit verbundene Entscheidungsprozesse gemeinschaftlich innerhalb eines IT Wertschöpfungsnetzwerkes oder individuell innerhalb eines IT Geschäftsprozesses abläuft, der ständige Strom von Daten in Big Data weist darauf hin, das sich Unternehmen über neue Entscheidungsfindungs-Prozesse Gedanken machen müssen.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

By continuing to use the site, you agree to the use of cookies. more information

The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.

Close