In een eerder artikel over voorspellend beheer en een optimale inzet van it-personeel worden wel argumenten aangedragen rondom het belang van voorspellend beheer, maar concrete voorbeelden worden er niet gegeven. Toch zijn het juist dit soort methodes en analyses die steeds belangrijker worden. Daarom wil ik langs deze weg het onderwerp wat verder uitdiepen en tegelijk wat meer handen en voeten geven.
Forecasting is een methode die ik veel tegenkom in de wereld van supply chain management. Het beoogd de toekomstige vraag uit de markt te bepalen zodat de inkoop van grondstoffen en de productiecapaciteit daar op afgestemd kan worden.
In de wereld van it wordt deze methode nauwelijks toegepast terwijl ik wel veel raakvlakken zie. Immers, met een beetje fantasie zijn de onderdelen van een it-infrastructuur te vergelijken met de machines in een productiestraat die samen zorgen voor de fabricage en assemblage van de producten (de applicaties) zoals geleverd aan de afnemers (de gebruikers). Met allemaal verschillende toeleveranciers.
Anders gezegd, neem een willekeurige it-operatie en er is sprake van een supply chain! Dus waarom dan niet dezelfde methode van management toepassen? De cijfers zijn immers beschikbaar dankzij de automatisering middels een scala aan beheer tools! Zeker als er gebruik gemaakt wordt van een hybride model met een eigen data center, outsourcing en cloud diensten zorgt forecasting ervoor dat je in een dergelijke supply chain de zaak onder controle houdt. Terwijl er tegelijkertijd behoorlijk wat kosten bespaard worden.
De berekeningen
Rekenkundig gezien is de verwerking van die cijfers geen probleem. In de beschrijvende statistiek zijn verschillende methodes en formules beschikbaar om iets te roepen over de toekomst. Waarbij er in veel gevallen ook iets gezegd wordt over de betrouwbaarheid van zowel de broncijfers als de gedane voorspellingen.
Het zijn vooral de regressie analyses die ondersteuning bieden aan een invulling van voorspellend beheer. De meest eenvoudige methode is die van lineaire regressie met een daaraan gekoppelde extrapolatie. Hierbij wordt er een gefingeerde, rechte lijn getrokken op basis van een bepaalde set meetwaardes uit het verleden.
Kortom, de methodes en formules zijn klaar voor gebruik. In andere vakgebieden worden die ook al jaren toegepast. Nu alleen nog een vertaalslag naar het it-landschap en de bijbehorende operatie!
Toepassingsmogelijkheden
De toepassingsmogelijkheden zijn legio. Ik geef hier een paar voorbeelden.
Zou het niet prachtig zijn als een helpdeskpakket management rapportages op zou leveren waaruit zoiets te lezen is als:
- Voor het volgende kwartaal verwachten we 23 procent meer incidenten met een gemiddelde oplostijd die 12 procent hoger ligt in vergelijking met het huidige kwartaal.
- Uitgesplitst naar de verschillende it-domeinen verwachten we 10 procent meer applicatie-incidenten, 8 procent meer netwerk incidenten en 5 procent meer server/storage incidenten.
- De kans dat dit werkelijkheid wordt is tenminste 90 procent.
Of stel je eens voor dat dit soort management rapportages ook beschikbaar zijn over de prestaties van de SaaS applicaties, zoals geleverd door bijvoorbeeld Microsoft met hun Office365:
- Voor het volgende kwartaal verwachten we dat de prestaties met 12 procent verbeteren in vergelijking met het huidige kwartaal.
- Uitgesplitst naar de verschillende applicaties verwachten we dat de prestaties voor Word met 3 procent verslechteren, die voor Excel met 8 procent verbeteren en die voor Outlook met 7 procent verbeteren.
- De kans dat dit werkelijkheid wordt is meer dan 80 procent.
Zoals te zien bieden de voorspellingen geen 100 procent zekerheid. Er is dus nog steeds een kans dat een beslissing niet het beoogde effect heeft. Wel is duidelijk hoe groot die kans is. Vervolgens is het aan de betreffende organisatie en diens managers om te bepalen of ze dat risico acceptabel vinden. En dus of ze zich in hun besluitvorming laten leiden door deze voorspellingen.
Een hele verbetering
Ondanks dat er geen zekerheid is, is het toch een hele vooruitgang in vergelijking met de huidige achteraf rapportages; zeker bij een it-operatie. In die rapportages wordt vooral gesproken over storingen in de afgelopen maand, om af te sluiten met de conclusie dat ondanks die storingen toch de afgesproken sla’s gehaald zijn. Iedere keer dat ik dit soort rapportages langs zie komen bekruipt mij het gevoel van 'operatie geslaagd, patiënt overleden'.
Hoe dan ook, het gaat allemaal over zaken die in het verleden zijn gebeurd waardoor er niet meer bijgestuurd kan worden. Terwijl een vorm van forecasting en voorspellend beheer die mogelijkheid wel biedt!
Kostenbesparing en klanttevredenheid
Zeker it-dienstverleners zullen hun klanttevredenheid aanzienlijk zien stijgen bij een sturing op basis van dit soort voorspellende analyse,s doordat hun klanten nauwelijks meer verrast worden door grootschalige storingen. Terwijl er tegelijkertijd een kostenbesparing wordt gerealiseerd doordat ze met een hoge(re) mate van zekerheid kunnen voorspellen wat ze aan capaciteit nodig hebben binnen de verschillende disciplines in een it-operatie. Met een mooie kreet ook wel ‘right sizing’ genoemd.
Hetzelfde is ook van toepassing voor de verschillende vormen van cloud(-achtige) -diensten. Zij hebben hierdoor de mogelijkheid om zeer gericht en tijdig verwerkingscapaciteit op- en af te schakelen waardoor hun klanten nauwelijks meer verrast worden door grootschalige prestatie problemen. Dit voorkomt onnodig hoge investeringen in vergelijking met de spoedbestellingen zoals vandaag de dag vaak wel het geval is.
