Ad-hoc-Analysen im IT-Servicemanagement – Mit Self-Service BI verborgene Optimierungspotenziale entdecken

Das Entdecken der Ursachen für mangelhaften IT-Betrieb gleicht einem Detektivspiel und erfordert oftmals kreativen Spürsinn. Self-Service-BI-Lösungen unterstützen die Spezialisten nicht nur bei der Ursachenforschung, sondern finden oft auch neue Optimierungsansätze.

Um ihre IT-internen Prozesse analysieren, überwachen und steuern zu können, benötigen IT-Organisationen umfangreiche Reports.

Üblicherweise werden hierfür Standard-Reports im IT-Servicemanagement-Tool eingesetzt, die das System in regelmäßigen Abständen automatisch erzeugt und zur Verfügung stellt. Häufig werden Reports auch manuell erstellt, indem Daten in Excel importiert und dort grafisch aufbereitet werden. In beiden Fällen entstehen statische Reports, die gut geeignet sind, um die wichtigsten IT-Kennzahlen darzustellen und Fehlentwicklungen erkennen zu können.

Weichen die aufgezeigten Kennzahlen aber von ihren Sollwerten ab, wirft das neue Fragen nach der Ursache auf, die der statische Report nicht beantworten kann. Für die tiefergehenden Analysen der Problemursachen und die Identifizierung von Optimierungsmöglichkeiten sind dann dynamische Auswertungen einer Self-Service-BI-Lösung erforderlich. In diesem Artikel werden die grundsätzlichen Funktionen von Self-Service-BI-Lösungen beschrieben und praktische Anwendungsfälle erläutert.

Self-Service BI – Was ist das? Eine Self-Service-Business-Intelligence-Lösung (Self-Service BI) konsolidiert Daten aus unterschiedlichen Quellen in einer eigenen Datenbank und stellt Anwendern Funktionen zur Analyse dieser Daten zur Verfügung (siehe Abbildung 1). Relevante IT-Daten aus verschiedenen Quellen sind etwa

  • Incidents, Problem- und Change-Tickets
  • Asset-Daten aus der CMDB
  • Support-Gruppen und deren Einsatzkalender
  • Daten zu Telefonaten (Anzahl, Dauer, Wartezeit) aus der Telefonanlage (ACD)
  • Daten aus dem Monitoring zur Überwachung von Service-Levels
Abbildung 1: Self-Service BI konsolidiert Daten aus unterschied­lichen Quellen in einem Data Warehouse und stellt Anwendern Funktionen zur Analyse dieser Daten zur Verfügung.

Abbildung 1: Self-Service BI konsolidiert Daten aus unterschied­lichen Quellen in einem Data Warehouse und stellt Anwendern Funktionen zur Analyse dieser Daten zur Verfügung.

Dabei können Anwender im Self-Service-Verfahren selbstständig wählen, welche Daten und welche Zusammenhänge sie visualisieren möchten. Mittels Drag-and-Drop-Funktionen lassen sich in der Oberfläche individuelle Analysen und Reports erstellen, auch bei variablen, mehrdimensionalen Fragestellungen. Ausgehend von aggregierenden Charts wird per Mausklick bis zu einzelnen Datensätzen navigiert (Drill-down) und gegebenenfalls auch per Link in die originären Quellsysteme verzweigt, aus denen die Datensätze stammen. Dadurch lassen sich die Plausibilität der dargestellten Reports überprüfen und etwa Ausreißerwerte oder Problemverursacher explizit auflisten.

Die Möglichkeiten der interaktiven Ad-hoc-Analysen sind vor allem dann wertvoll, wenn man bisher noch unbekannte Zusammenhänge erkennen möchte, beispielsweise um die Ursache eines erhöhten Ticket-Aufkommens aufzuspüren. Kennzeichnend für diese Ad-hoc-Analysen ist, dass der Anwender zu Beginn noch gar keine genaue Vorstellung davon hat, welche Analysen ihn der Problemursache näher bringen. Er geht vielmehr nach einem Trial-and-Error-Verfahren vor, indem er auf Basis seiner fachlichen Expertise Hypothesen formuliert und versucht, diese durch die Ad-hoc-Analysen entweder zu verwerfen oder letztlich zu bestätigen und somit die Problemursache aufzuspüren.

Ein Beispiel. Wenn eine Standard-Kennzahl einen auffälligen Verlauf aufzeigt oder ihren Soll-Bereich verlassen hat, kann die Ursache mit einer Self-Service-BI-Lösung gefunden werden. Dies wird im Folgenden anhand eines Praxisbeispiels erläutert.

Warum sinkt die Erstlösungsquote des IT-Helpdesks?

Symptom: Der statische Kennzahlenreport offenbart, dass die Erstlösungsquote des IT-Helpdesks im letzten Monat von bisher 85 % auf unter 60 % gefallen ist.

Analyseschritt  1: Durch die Verknüpfung der Erstlösungsquote mit den Support-Gruppen erkennt der IT-Helpdesk-Leiter im Self-Service-BI-Tool, dass dies vor allem in der für den Applikations-Support zuständigen Gruppe der Fall war (s. Abbildung 2).

Analyseschritt  2: Durch die Visualisierung aller Tickets dieser Gruppe entlang der Achsen »Applikations-Kategorie« und »Erstlösungsrate« lässt sich feststellen, dass es eine Häufung von Tickets mit niedrigen Erstlösungsraten im Bereich einiger weniger Applikationen gab.

Analyseschritt  3: Die Darstellung der Anzahl von Software-Releases bei diesen Applikationen über den Zeitverlauf zeigte einen starken Anstieg im letzten Monat.

Abbildung 2: Der statische Kennzahlenreport offenbart, dass die Erstlösungsquote des IT-Helpdesks im letzten Monat von bisher 85 % auf unter 60 % gefallen ist. Durch die Verknüpfung der Erstlösungs­quote mit den Support-Gruppen erkennt der Anwender im Self-­Service-BI-Tool, dass dies vor allem in der für den Applikations-­Support zuständigen Gruppe der Fall war.

Abbildung 2: Der statische Kennzahlenreport offenbart, dass die Erstlösungsquote des IT-Helpdesks im letzten Monat von bisher 85 % auf unter 60 % gefallen ist. Durch die Verknüpfung der Erstlösungs­quote mit den Support-Gruppen erkennt der Anwender im Self-­Service-BI-Tool, dass dies vor allem in der für den Applikations-­Support zuständigen Gruppe der Fall war.

Lösung: Die Support-Gruppe wurde offensichtlich vor Einführung der neuen Software-Releases nicht richtig geschult. Daraufhin wird eine zweistündige Schulung mit den wichtigsten Änderungsthemen konzipiert und das Support-Personal kurzfristig geschult. Die Erstlösungsrate ist daraufhin in den nächsten Wochen wieder messbar angestiegen.

Fazit. Wenn sich Kennzahlen im operativen IT-Betrieb verschlechtern, ähnelt das Aufspüren der Ursachen einem kreativen Detektivspiel, für das fachkundiger Spürsinn benötigt wird. Statische Reports können diesen Prozess nur ungenügend unterstützen, da die Nachfrage nach zusätzlichen Daten und Visualisierungsmöglichkeiten erst entlang des Rechercheprozesses entsteht. Damit diejenigen Personen die Ursachenforschung durchführen können, die auch das fachliche Know-how besitzen, müssen an dieser Stelle Self-Service-BI-Lösungen zum Einsatz kommen. Durch die Möglichkeit, mittels Drag-and-Drop flexibel neue Ad-hoc-Analysen zur Verfügung zu stellen, unterstützen diese Anwendungen die Ursachenforschung und helfen, bisher verborgene Optimierungspotenziale zu heben.


Martin Landis ist bei der
USU AG für die Vermarktung der
Business-Service-Management-Produkte
zuständig.

 

 

 

Titelbild: © ostill /shutterstock.com