So verwenden Sie Tableau zur Analyse von agilen, Devops- und Website-Metriken

Entwickler benötigen oft eigene Reporting-Möglichkeiten, um die unterschiedlichen Aspekte ihrer Arbeit besser analysieren, vorhersagen und verwalten zu können. Tools wie Tableau können dabei definitiv behilflich sein. [...]

Tableau zur Analyse_1 — Wer viele Daten auf einmal im Auge behalten muss, der ist über eine Zentralisierung der Reporting-Tools froh (c) Pixabay.com

Entwickler verwenden viele unterschiedliche Tools für die Produktivität, Kodierung, Tests und das Cloud-Management beim Designen, Entwickeln, Testen, Bereitstellen und Verwalten von Anwendungen. Obwohl die meisten Tools über Reporting- und Analysefunktionen verfügen, haben Tech-Teams oftmals gute Gründe, eigene Reporting-Funktionen zu entwickeln, um die verschiedenen Aspekte ihrer Arbeit besser analysieren, vorhersagen und verwalten zu können.

Tableau ist eines von vielen beliebten und nützlichen Tool, um diese Reporting-Bedürfnisse zu erfüllen.

Gründe dafür, ein Tool wie Tableau zu Ihrem Portfolio hinzuzufügen, könnten folgende sein:

Analysen, Trendanalysen, Vorhersagen und Reporting anhand von mehr Dimensionen oder aggregierten Metriken; oder mit anderen Datenvisualisierungen als das Standardreporting Ihres aktuellen Tools bereitstellt.
Daten-Bereinigung, bevor Berichte erstellt und analysiert werden.
Integration von Daten aus mehreren Tools für ein umfassenderes Reporting.
Zentralisierung von Reportingtools, Standardisierung von Datenvisualisierungen und Dokumentation von Datendefinitionen, um Technologen und ihren Managern die Verwendung der Analytics bei der Entscheidungsfindung zu erleichtern.

Die gute Nachricht ist, dass immer mehr Technologiewerkzeuge heutzutage Mechanismen für die Schnittstelle mit den zugrunde liegenden Daten bieten. Für Datenvisualisierungstools und andere Analysewerkzeuge gibt es Methoden, um verschiedene Datenquellen und -formate zu integrieren. Größere Entwicklungsorganisationen stellen möglicherweise fest, dass die Vorteile der Entwicklung und Pflege von Analyse-Reporting-Funktionen die Kosten aufwiegen, insbesondere wenn Self-Service-Business-Intelligence-Tools verwendet werden.

Erste Schritte mit Tableau werden auf YouTube erklärt.

In diesem Artikel finden Sie drei Beispiele für die Verwendung von Tableau zur Zentralisierung von Dashboards und Analysen mit den von Technologieunternehmen verwendeten Tools. Die Beispiele wurden zwar mit Tableau erstellt, sie können jedoch in anderen Self-Service-BI-Tools reproduziert werden, die vergleichbare Integrationsoptionen bieten.

Beispiel 1: Analyse von agilen Produktivitäts- und Qualitätskennzahlen

Teams, die eine agile Entwicklungsstrategie verfolgen, wählen häufig ein Management-Tool wie Atlassian Jira, Microsoft DevOps, VersionOne oder ein anderes agiles Tool aus, um Projekte zu verwalten, Teams zu organisieren, das Backlog für User Storys zu erfassen und Sprints, Epics und Releases zu verfolgen. Diese Tools verfügen normalerweise über Standardberichte, z. B. Burndown-Berichte, die die für einen Sprint, eine Veröffentlichung oder ein Epic abgeschlossene Arbeit anzeigen. Andere typische Berichte umfassen Teamgeschwindigkeitsberichte, Kontrollberichte mit Vorlauf- und Zykluszeiten sowie Zeiterfassungsberichte.

Obwohl die in agilen Tools integrierten Berichte nützlich sind, können sie in größeren Unternehmen nur schwer verwendet werden. Zum Beispiel:

Burndown- und Velocity-Berichte können für Prognosen nützlicher sein, wenn sie Dimensionen in Bezug auf Entwicklungsfertigkeiten, Arbeitstypen (z. B. neue Funktionen, Fehler, Verbesserung der Benutzerfreundlichkeit oder technische Verschuldung) oder technische Komponenten (z. B. Benutzeroberfläche, Datenbank oder Datenintegration) verwenden.
Entwicklungsteams möchten möglicherweise Messdaten zu Fehlern, Produktionsproblemen und technischen Schulden verwenden, um die Ursachen zu ermitteln und Prozessverbesserungen oder -standards zu implementieren.
Besitzer von agilen Produkten möchten möglicherweise den Geschäftswert oder den Kostenvorteil der implementierten Funktionen messen, indem sie Kostenkennzahlen zu Funktionen des Agile-Tools mit Nutzenkennzahlen kombinieren, die aus anderen Datenquellen stammen.
Größere Organisationen verfügen möglicherweise über Programmverwaltungsbüros, die längerfristige Vorhersagen bezüglich der Ergebnisse, Ressourcen, Kosten und Qualität vornehmen müssen.

Viele der agilen Projekte, an denen ich arbeite, nutzen Jira. Um eine Verbindung zwischen Tableau und Jira-Daten herzustellen, verwende ich den AIO Tableau Data Connector für Jira. Dieser ist gut geeignet, wenn Sie Jira-Daten als eine einzige Quelle analysieren wollen und lässt sich relativ leicht verbinden und mit den Datenobjekten konfigurieren, um die erforderlichen Datenspalten zu extrahieren. Wenn Jira-Daten mit anderen Datenquellen verbunden werden müssen, ist eine zweite Option die Verwendung von ETL (Extrahieren, Transformieren, Laden) oder eines Integrationstools wie StitchData, XPlenty, Tray.io oder Boomi, um Jira-Daten in eine Datenbank zu verschieben.

Sobald die Daten verfügbar sind, gibt es mehrere Worksheets, die es wert sind, implementiert zu werden. Erstens sollten Worksheets erstellt werden, um ein Vordringen in Schlüsseldimensionen wie Projekt, Entwicklungsteam, Entwicklungsfähigkeiten, Arbeitstypen und technischen Komponenten zu ermöglichen. Von dort aus erstelle ich häufig ein Burndown-Dashboard, das das Umschalten zwischen Sprint, Epic und Release-Bereich mit den wichtigsten Dimensions-Worksheets ermöglicht. Separate Dashboards können verwendet werden, um die Geschwindigkeit, Fehler oder Prognosen von agilen Projekten genauer zu untersuchen.

Beispiel 2: Überprüfen der AWS-Cloud-Ausgaben

Ein zweiter Anwendungsfall, bei dem zusätzliche Analysen von Vorteil sind, ist die Erforschung der Cloud-Nutzung und der damit verbundenen Kosten.

Obwohl in AWS Kosten- und Nutzungsberichte integriert sind, die von Administratoren und Devops-Ingenieuren verwendet werden können, ist es oftmaks wichtig, zusätzliche Analysen durchzuführen oder die Daten einer großen Anzahl von Benutzern zugänglich zu machen. Zum Beispiel:

Größere Unternehmen befinden sich möglicherweise in mehreren Clouds und belasten Geschäftseinheiten für die Nutzung. Diese Organisationen wollen vielleicht die Kostendaten ihrer Cloud-Umgebungen zentralisieren und ihren Business-Teams Dashboards zu den Kosten zur Verfügung stellen.
Entwickler könnten wiederum daran interessiert sein, Verwendungsberichte zu überprüfen, um besser zu verstehen, wie ihre Architektur- und Implementierungsentscheidungen die Kosten beeinflusst werden können. Dies kann besonders in frühen Stadien der Anwendungsentwicklung nützlich sein, wo Kosteninformationen zur Steuerung von Implementierungsentscheidungen eine wesentliche Rolle spielen.
Datenwissenschaftler, die Datensätze laden und mit Algorithmen für maschinelles Lernen experimentieren, sollten der Verwendung und den Kosten ihrer Experimente ausgesetzt sein.
Die Devops-Entwickler sollten die Nutzung der Cloud-Ressourcen überwachen und die Konfigurationsparameter proaktiv basierend auf der Nutzung optimieren.

Tableau hat kürzlich ein ‚Rezept‘ veröffentlicht, um AWS-Kosten- und Nutzungsberichte in Tableau zu verbinden. Dabei verwendet es Amazon Athena, um Kostendaten abzufragen, die stündlich oder täglich nach Amazon S3 extrahiert werden. Wenn der Connector aktiviert ist, enthält das Rezept ein Beispiel für eine Tableau-Arbeitsmappe mit Dashboards, um die monatlichen Ausgaben und Informationen zu Amazon EC2-Assets zu überprüfen.

Dies sind nur Anfangsberichte; Unternehmen, die AWS verwenden, sollten die Entwicklung von Dashboards in Betracht ziehen, die ihrer Architektur und den jeweiligen Benutzeranforderungen entsprechen. Einige davon können durch das Erstellen von Benutzerfiltern je nach Verwendungsart erreicht werden. Datenwissenschaftler könnten so beispielsweise die mit Datenbanken und maschinellem Lernen verbundenen Kosten einsehen. Andere Dashboards können dabei helfen, die Kosten für Anwendungen und sogar die mehrerer Cloud-Anbieter miteinander zu vergleichen.

Beispiel 3: Analyse der Web- und Mobile-Site-Leistung

Ein drittes potenzielles Gebiet zur Verwendung eines Analysetools wie Tableau ist das bessere Verständnis für Benutzererfahrungen im Web und auf Mobilgeräten.

Die meisten Unternehmen mit kundenorientierten Web-Anwendungen und mobilen Websites konfigurieren ein Analysetool, um das Verhalten ihrer Benutzer zu erfassen. Gängige Plattformen wie Google Analytics, Adobe Analytics und Heap verfügen über integrierte Analyse- und Reporting-Funktionen sowie diversen Integrationsmethoden.

Technologen können diese Tools sicherlich dazu verwenden, um grundlegende Messwerte zu erhalten. Das Verständnis der Antwortzeiten für Seitenaufrufe, der Spitzenverbrauchszeiten, der Top-Geräte und Browser sowie der Top-Regionen sind allesamt Standardberichte in den meisten Webanalysetools. Je mehr Technologen jedoch die Muster nach Anwendertypen, Zugriffsorten und anderen Dimensionen segmentieren möchten, desto wahrscheinlicher ist die Verwendung von Tools wie Tableau für die Analyse der Analysen für sie von Vorteil.

Darüber hinaus sollten Ingenieure auch die Integration von Webanalysen in andere Datenquellen in Betracht ziehen. Beispielsweise kann die Integration von Webanalysen mit System- oder Cloud-Leistungskennzahlen dazu beitragen, Spitzenwerte bei einer schlechten Anwendungsleistung mit Informationen auf Systemebene und Anwendungsprotokolldaten in Verbindung zu bringen. Das Überprüfen von Zugriffsmustern mit Messdaten zur Systemauslastung kann auch zur Optimierung von Cloud- und Infrastrukturressourcen beitragen.

Am wichtigsten ist es jedoch, detailliertere Informationen über das Benutzerverhalten zu erhalten, um zu bestimmen, wo und wie die Benutzererfahrung verbessert werden soll.

Tableau verfügt über einen sofort einsatzbereiten Connector für Google Analytics, der Benutzern, die Dashboards aus einer Quelle entwickeln möchten, die Integration in diese Plattform erleichtert. Nutzer, die Google Analytics mit anderen Datenquellen verwenden möchten, oder Benutzer, die eine Verbindung zu anderen Webanalyse-Plattformen herstellen, benötigen möglicherweise andere Integrationsoptionen. StitchData und Xplenty unterstützen beide automatisierte Datensynchronisierungen von Google Analytics und Heap zu Datenbanken. Und es gibt mehrere Optionen für die Integration mit Adobe Analytics.

Traffic-Analyse der Blogbeiträge des Autors in Bezug auf das Veröffentlichungsdatum unter Verwendung von Google Analytics-Daten in Tableau (c) Tableau

Wenn Tableau mit den Webanalysedaten verbunden und mit anderen Datenquellen verknüpft ist, sollten Sie die Datenquellen-Veröffentlichungsfunktionen von Tableau in Betracht ziehen, um das Datenmodell mit anderen Benutzern gemeinsam nutzen zu können. Webanalysedaten sind für Geschäfts- und Marketingabteilungen von großer Bedeutung, daher sollte ein einfacherer Zugriff die Entscheidungsfindung erleichtern.

Beispiel 4: Ein datengesteuertes Technologie-Unternehmen werden

Die Zentralisierung des Zugriffs auf Analysen und Datenvisualisierungen ist ein erster Schritt, um datengesteuertes Unternehmen zu werden. Da Daten zugänglich sind, integriert und gemeinsam genutzt werden, sollten die Mitarbeiter des Tech-Unternehmens damit beginnen, diese für bessere Entscheidungen zu nutzen. Zum Beispiel:

Für welche Teile einer Anwendung sollten technische Schulden mit höherer Priorität behandelt werden? Die Messdaten zur Anwendungsnutzung sollten ein Faktor sein, um die Priorisierung von Fokusbereichen zu unterstützen.
Welche Applicationsstacks sind nicht kostenoptimiert? Erwägen Sie die Verwendung mehrerer Anwendungen, um Kosten zu vergleichen, Ausreißer zu finden und Optimierungsoptionen zu ermitteln.
Wie sollten Entwicklungsteams die Konsistenz der Lieferung verbessern? Überprüfen Sie User Storys mit langen Zykluszeiten oder Fehlerquellen, suchen Sie nach Mustern und diskutieren Sie Prozessverbesserungen.

Viele Technologieabteilungen sehen sich einer erhöhten Nachfrage nach häufigeren Anwendungsversionen gegenüber, die sowohl die Zuverlässigkeit als auch die Leistung verbessern sollen. Wenn Sie Fragen stellen und mithilfe von Analysen Optionen nach Antworten suchen, erhalten Sie sogleich einen datengesteuerten Ansatz zur Verbesserung ihres Produkts.

*Isaac Sacolick ist der Autor von Driving Digital: The Leader’s Guide to Business Transformation through Technology, das viele der gängigen Praktiken wie Agilität, Devops und Data Science abdeckt, die für erfolgreiche digitale Transformationsprogramme von entscheidender Bedeutung sind. Sacolick ist ein anerkannter Social-Top-CIO, ein langjähriger Blogger bei Social, Agile and Transformation und CIO.com sowie Präsident von StarCIO.