Há empresas que estão indo além do DevOps e se tornando XOps, onde diferentes as áreas atuam a partir de várias operações. Necessidade ou exagero?
O DevOps (saiba 5 benefícios da prática aqui) se popularizou nas empresas e impulsionou novas formas de integrar as operações com outros times de uma organização. Um exemplo é o FinOps, que ajuda a entender e ter uma visão holística dos gastos com soluções em nuvem.
No entanto, como mostra um artigo da InformationWeek, várias outras metodologias foram criadas a partir do DevOps: BizOps, MarketingOps, DevOps, AIOps, MLOps, DataOps são algumas delas.
Apesar de, cada vez mais, as organizações precisarem dos benefícios proporcionados pelos diferentes tipos de operações, essas empresas precisam ser XOps?
O artigo da InformationWeek destaca que as organizações estão em diferentes estágios de maturidade, seja por conta do setor, do porte, da cultura e até mesmo das tecnologias adotadas e do orçamento.
A questão é que, assim como DevOps, o XOps visa acelerar os processos e melhorar a qualidade das entregas por meio de: dados (DataOps), aprendizado de máquina (MLOps) e insights analíticos (AIOps), por exemplo. Ter todas as áreas baseadas nessas metodologias divide opiniões.
Para alguns especialistas, adotar diferentes tipos de operações é importante, porque a experiência para cada uma é diferente. Para outros, fragmentar cada área com processos específicos pode criar uma maior burocracia, impedindo a entrega de valor mais rápida.
Então, o XOps pode ser um exagero ou realmente pode fazer diferença nas empresas? Leia a seguir a opinião de alguns especialistas ouvidos pela publicação norte-americana.
DevOps impulsionando o XOps
A metodologia ágil e o desenvolvimento ágil de software estão em alta nos negócios há algum tempo. Porém, foi em 2020, com a pandemia, que muitas empresas passaram a entregar projetos ainda mais rápido para se manterem competitivas.
Equipes de desenvolvimento de software ágil já têm certa maturidade com DevOps. Isso se reflete na adoção mais assertiva de integração contínua e entrega contínua (abordamos um pouco mais do conceito aqui).
O uso desses conceitos dentro do DevOps automatiza tarefas adicionais para permitir um pipeline de ponta a ponta. A vantagem é que as equipes têm uma visibilidade total de tudo que é feito e fluxos de processo mais fáceis do que um modelo em cascata (entenda o conceito aqui), por exemplo.
Na mesma linha do DevOps, o DataOps, o MLOps e o AIOps (principais metodologias do XOps) são abordagens multifuncionais com foco na melhoria contínua, eficiência e melhoria de processos.
Entenda mais sobre essas três metodologias nos próximos tópicos.
Entendendo os tipos de metodologia além do DevOps
Como citamos no início deste artigo, diversas metodologias foram criadas a partir do DevOps, mas três delas têm se destacado: DataOps, MLOps e AIOps.
– DataOps
Esta metodologia é orientada a processos e vai usar automação para aprimorar a velocidade das demandas relacionadas a dados e melhorar a qualidade dos insights extraídos deles.
O DataOps reúne iteração (repetição), medição e monitoramento rápidos para facilitar o entendimento de ponta a ponta. Aqui, a pessoa responsável pela engenharia de dados tem um papel de destaque.
Nesta metodologia, um Chief Data Officer (CDO) será essencial para conduzir a otimização do processo para garantir a confiabilidade e governança dos dados.
– MLOps
O MLOps vai fazer a ponte entre a criação de modelos de Machine Learning (ML) com a implementação e operação desses modelos na produção.
É uma abordagem que reúne profissionais de TI, arquiteto de dados, cientistas de dados e especialistas em segurança. Por sinal, o MLOps pode e deve ser integrado com outras metodologias, como DataOps e DevSecOps.
Além de ver todos os tipos de insights, essa integração vai trazer a rastreabilidade dos modelos de ML: entender o que está acontecendo neles quando eles são implementados, como eles estão rodando e como eles são atualizados.
– AIOps
A Gartner define AIOps como uma “combinação de Big Data e Deep Learning para automatizar os processos de operações de TI. Isso inclui correlação de eventos, detecção de anomalias e determinação de causalidade.”
O principal benefício do AIOps são insights acionáveis, porque ele está em um nível de aplicação, enquanto MLOps e DataOps estão numa etapa de transformar os dados.
O que os especialistas acham de “tudo como operações”?
Para Arvind Prabhakar, CTO da DataOps StreamSets, a “infraestrutura de dados está mais complexa do que costumava ser há 10 anos”. O executivo destaca que o DataOps se torna necessário para empresas que tentam acompanhar a quantidade de dados de seus negócios.
Já sobre MLOps, John Larson, vice-presidente sênior da Booz Allen, afirma que não é intuitivo pensar em construir algo que precisa ser em contêiner (isolado). “[No MLOps], o primeiro princípio da modelagem tende a ser: qual é o meu algoritmo?”
Na opinião de Charles Betz, analista principal da Forrester, o conselho é não se deixar levar pela onda do XOps. “Há uma agitação de pessoas jogando ideias contra a parede para ver o que é que vai grudar nela, apesar [do XOps] direcionar a uma forma mais multifuncional de trabalhar.”
O que Betz defende é o mínimo possível de burocracias. “Você não deve ter um modelo operacional que dependa de intercâmbio e transação, mas sim um modelo operacional que dependa da colaboração.”
Por fim, as empresas precisam do XOps?
Como destaca o artigo da InformationWeek, organizações de diversos setores estão adotando o DevOps. Já os fornecedores de soluções para essas empresas têm respondido a esse movimento com a adoção de DataOps.
No entanto, do ponto de vista competitivo, ter as competências certas é mais importante do que o nome que elas recebem.
Principais destaques desta matéria
- Empresas têm adotado cada vez mais o DevOps para a entrega de soluções.
- Essa abordagem impulsionou outros tipos de metodologia, como o XOps, em que todas as áreas estarão em contato com o time de operações.
- Confira mais sobre o conceito e a opinião de especialistas se as empresas precisam de XOps.
