Deze opinie is van een externe deskundige. De inhoud vertegenwoordigt dus niet noodzakelijk het gedachtegoed van de redactie.

Meer plezier in je werk dankzij Machine Learning

Werken in de it is leuk en uitdagend. Op zijn best is het een combinatie van puzzels oplossen en spelen met nieuwe technologie. Maar hoe uitdagend en bevredigend de wereld van it ook kan zijn, het heeft ook zijn schaduwkanten.

Eén van die schaduwkanten waar ik me wel eens over verbaas, is de totale paniek die soms uitbreekt als it-oplossingen niet helemaal doen wat ze moeten doen. Waar je ook mee bezig bent en hoe geconcentreerd je ook zit te werken, als de business even niet verder kan omdat appje X of toepassing Y wat kuren vertoont, mag jij komen opdraven. Desnoods midden in de nacht, in het weekend of op vakantie.

Natuurlijk, als toepassingen niet doen wat ze moeten doen, is het logisch dat dat moet worden opgelost. Maar om nou van iedere vertraging zo’n punt te maken? Omdat je als it’er vaak bezig bent met zaken die in het grotere geheel vele malen belangrijker lijken dan een app die zijn data een paar seconden later oplevert, is het nog wel eens lastig begrip op te brengen voor de wijze waarop collega’s eisen dat er nú iets moet gebeuren omdat ze hélemaal gek worden van die voortdúrende vertraging. Een paar seconden op een mensenleven - waar gaat het nou helemaal over?

Nou, als je dat eens op een rijtje legt, blijkt dat nog best veel te zijn. Oxford Economics heeft daar (in opdracht van mijn werkgever) onderzoek naar gedaan, en daaruit bleek dat gemiddeld de helft van de werknemers dagelijks minstens 10 procent van zijn tijd kwijt is aan wachten op software. Als je dat omrekent naar verloren uren, kost dat bedrijven in de VS alleen al jaarlijks 7,5 miljard dollar! Dat niet alleen - driekwart van de jongere medewerkers zegt dat het hun prestaties negatief beïnvloedt. Ze vinden dat zo frustrerend dat een deel zelfs op zoek gaat naar een andere werkgever die zijn zaken beter voor elkaar heeft.

Onderschat

Misschien dat de impact van die paar seconden vertraging op het grotere geheel toch wordt onderschat. Ik ben zelf ook veel liever bezig met nieuwe uitdagingen dan dat ik problemen moet oplossen die al lang opgelost hadden moeten zijn. Maar je moet er als it’er toch niet aan denken dat je een geheel werkend leven alleen maar bezig bent met onderhoud? Dat je je tijd alleen vult met processen tweaken en de prestaties en beschikbaarheid van bestaande systemen optimaliseren? Dan is de lol er snel vanaf.

Wij hebben de oorzaken van vertragingen en prestatieproblemen op storage-gebied in kaart gebracht. De belangrijkste reden voor vertraging ligt in storage (46 procent). Dat zou je kunnen oplossen met snellere (flash) oplossingen. Maar 26 procent is terug te voeren op configuratieproblemen, 11 procent zit in de samenwerking van verschillende systemen (interoperability), 7 procent zijn host- en setup-problemen, en dan heb je nog 8 procent diverse netwerkinstellingen. Voordat je doorhebt waar de oorzaak zit (en vaak zijn er natuurlijk meerdere oorzaken) ben je zo vele uren verder - en zodra er ergens iets verandert, begint het hele feest weer van voren af aan.

Maar als je dat landschap in kaart hebt gebracht en meetbaar hebt gemaakt, zijn er programma’s beschikbaar die met behulp van data-analyse en machine learning een heel groot deel van dit werk van je kunnen overnemen. Als je er voor zorgt dat je gebruikmaakt van leveranciers die dit ondersteunen, kunnen dit soort systemen razendsnel problemen detecteren en zelfs direct en automatisch voor je oplossen. Daarnaast zijn ze in staat downtime te voorkomen door problemen te signaleren voordat ze ontstaan, en optimaliseren ze de samenwerking tussen al je componenten zodat iedere vertraging tot een minimum wordt teruggebracht.

Misschien stond machine learning nog niet bovenaan je wensenlijstje. Maar ga voor jezelf eens na hoeveel het je waard is om niet bij nacht en ontij naar je datacenter te hoeven rijden omdat er onverwacht een bedrijfskritisch systeem kuren krijgt. Hoeveel tijd het je scheelt als je niet voortdurend wordt gestoord voor kleine beheerproblemen met grote gevolgen. En hoeveel ergernis je kunt wegnemen bij je business collega’s door ervoor te zorgen dat hun data en systemen gewoon altijd optimaal beschikbaar zijn. Ik denk dat het een inkopper is. Data science en machine learning: ze maken werken leuker. Niet alleen voor jou en je collega’s in it, maar voor de hele organisatie.

x

Om te kunnen beoordelen moet u ingelogd zijn:

Dit artikel delen:

Lees verder


Reacties

Ja, mijn ervaring met .NET of Java VMs met garbage collection heeft niet geleid tot meer betrouwbare software, maar slechtere programmeurs. Met C/C++ was het al snel duidelijk of je wel of geen talent had als ontwikkelaar. Tegenwoordig kan een aap al een appje in elkaar draaien, en daarom is de kwaliteit gemiddeld genomen niet echt veel beter geworden door de jaren.

Ik overdrijf maar Java heeft buiten performance zijn voordelen wel bewezen. .NET een stuk minder, in theorie vergelijkbaar, in de praktijk een Microsoft ding die hopelijk net als Silverlight en Windows Phone het onderspit zal delven.

Er is meer vraag naar goede ontwikkelaars dan software testers is mijn indruk, waarschijnlijk om het feit dat er een stuk eenvoudiger is voor een eenling om een speld in een hooiberg te laten vallen dan het aantal testers die er vervolgens naar op zoek moeten. Voorkomen is beter dan genezen zou je denken, en toch gaat er steeds meer geld naar processen en methodieken om bij de anus het product te controleren in plaats van te kijken wie er wat in zijn mond stopt.

Ik begrijp best dat de kapitalistische definitie van efficiency een hele andere is dan de natuurkundige en het daarom efficienter is om olie op te pompen voor wegwerp spullen dan te recyclen, maar dat dat lijkt alleen op korte termijn efficient. In feite wordt het energiespaarpotje van miljoenen jaren in zeer korte tijd uitgegeven en wanen we ons voor even welvarend. Maar dat het niet duurzaam is merken we pas als het geld opraakt.

Het feit is dat jouw oude smartphone van slechts 3 jaar geleden nu al in het milieu terecht gekomen is en lange termijn schade veroorzaakt aan het milieu, maar ja, die nieuwe OS van apple was ZO traag geworden op je iPad2 dat je wel moest upgraden! Het feit is echter dat als software efficienter (als in natuurkundig) was geschreven, je apparaat 5x sneller zou werken en 5x langer zou meegaan met de batterij.

Ik ben dan ook een voorstander van een energielabel op software, zoals op huizen, met een milieutax, zodat we de werkelijke kosten gaan zien op investeringen, performance en milieu.

Hogere programmeertalen zijn weinig meer dan tools die in handen van ervaren programmeurs die WEL weten hoe een computer van binnen werkt voor bepaalde taken handig en efficient kunnen zijn maar applicaties die door heel veel gebruikers vrijwel dagelijks worden gebruikt verdienen een andere afweging.

Daarnaast heb ik weinig vertrouwen in ontwikkelaars die automatische garbage collection nodig heeft om zijn achterwerk schoon te houden en niet in C/C++ kunnen ontwikkelen. Krijg je alleen maar slordigere programmeurs van, of bovengemiddeld intelligente apen.

Nieuwsbrief

Wil je dagelijks op de hoogte gehouden worden van het laatste ict-nieuws, trends en ontwikkelingen? Abonneer je dan op onze gratis nieuwsbrief.

Vul een geldig e-mailadres in

Stuur dit artikel door

Uw naam ontbreekt
Uw e-mailadres ontbreekt
De naam van de ontvanger ontbreekt
Het e-mailadres van de ontvanger ontbreekt

×
×
article 2016-08-31T13:34:00.000Z Jeroen Venema


Wilt u dagelijks op de hoogte worden gehouden van het laatste ict-nieuws, achtergronden en opinie?
Abonneer uzelf op onze gratis nieuwsbrief.