Uit onderzoek van Dynatrace blijkt dat investeringen in DevOps automatisering significante voordelen bieden voor organisaties, waaronder een verbetering van 61% in de softwarekwaliteit, 57% minder fouten bij implementaties en 55% lagere kosten voor IT. Toch komt DevOps automatisering vaak nauwelijks verder dan de beginfase. Dit blijkt uit een wereldwijd onderzoek onder 450 IT’ers verantwoordelijk voor DevOps en security automatisering bij grote organisaties.
Het ontbreken van een duidelijke strategie voor DevOps automatisering, de complexiteit van de gebruikte tools en de uitdagingen rond het analyseren van observability en security data weerhouden organisaties om het meeste rendement te halen uit hun investeringen. Dit onderzoek onderstreept de behoefte aan door data en AI gedreven automatisering waarmee organisaties beter kunnen inspelen op de bedrijfsbehoeften.
Enkele andere interessante bevindingen uit het onderzoek:
- In de komende 12 maanden zijn organisaties van plan om te investeren in DevOps automatisering voor security- en compliance beheer (55%), het inrichten en beheren van infrastructuur (52%) en optimalisatie van prestaties (51%).
- Slechts 38% van de organisaties heeft een duidelijke strategie voor DevOps automatisering om deze investeringen te onderbouwen.
- Gemiddeld hebben organisaties iets meer dan de helft (56%) van hun end-to-end DevOps lifecycle geautomatiseerd.
- De gemiddelde organisatie gebruikt zeven verschillende tools voor DevOps automatisering.
- De grootste obstakels voor organisaties om nieuwe DevOps use cases te automatiseren zijn zorgen over security (54%), problemen met operationeel inzetten van data (54%) en de complexiteit van de gebruikte tools (53%).
“Nu steeds meer organisaties ‘cloud-native’ software willen inzetten, is DevOps automatisering uitgegroeid tot een strategische noodzaak”, zegt Bernd Greifeneder, Chief Technology Officer bij Dynatrace. “De opkomst van Kubernetes-architecturen en moeilijk te beheren technologiestacks, zorgen voor een grotere behoefte aan geautomatiseerde ecosysteemorkestratie en bescherming. Organisaties proberen aan deze behoefte te voldoen door automatiseringsscripts te bouwen en het beheer te doen met een groeiend aantal open source tools, aangevuld met doe-het-zelf oplossingen en handmatige handelingen. De problemen die met deze manier van werken gepaard gaan worden echter steeds zichtbaarder. Teams zitten vastgeroest in data silo’s, automatiseringsonderdelen die van elkaar geïsoleerd zijn en reactieve, vaak intensieve handmatige operaties en security inspanningen. Ze hebben dringend behoefte aan een uniforme, door AI ondersteunde aanpak van DevOps-automatisering. Zonder een dergelijke aanpak zal het onmogelijk zijn om innovatie te versnellen met behoud van een hoge softwarekwaliteit en security.”
Andere resultaten uit het onderzoek zijn:
- 71% van organisaties maakt gebruik van observability data en ‑inzichten als basis voor beslissingen over automatisering en voor verbeteringen in DevOps-workflows;
- 85% van de organisaties staat echter voor uitdagingen bij het gebruik van observability- en securitydata bij DevOps-automatisering;
- De drie grootste uitdagingen voor organisaties zijn ontoegankelijke data (51%), data in silo’s (43%) en het feit dat data door te veel systemen moeten gaan voordat ze geanalyseerd kunnen worden (41%);
- 54% van de organisaties investeert in platforms om de integratie van tools te vereenvoudigen en de samenwerking tussen teams die betrokken zijn bij automatiseringsprojecten te verbeteren;
- 59% van de organisaties verwacht dat large language models (LLM’s) zoals ChatGPT en Bard een significante impact zullen hebben op hun DevOps automatiseringsmogelijkheden. Hierbij worden als de drie belangrijkste voordelen genoemd: verbeteringen door minder handmatige operaties (57%), verbeterde samenwerking tussen development, security en operations (56%) en de mogelijkheid voor teams om automatisch code te genereren (48%).
“Data-gedreven automatisering is de sleutel tot innovatie en is essentieel om te kunnen voldoen aan de verwachtingen van klanten in het cloud-native tijdperk”, vervolgt Greifeneder. “Dit vereist een platform dat het enorme volume en de verschillende soorten data aankan die door cloud-native stacks worden gegenereerd en dat AI gebruikt voor nauwkeurige en bruikbare inzichten voor DevOps automatisering. In tegenstelling tot traditionele AI-technieken die beperkt zijn in hun toepassingsmogelijkheden, kunnen platforms die voorspellende, causale en generatieve technieken combineren meer verschillende DevOps automation use cases invullen. Hierdoor maximaliseren teams de waarde van hun data, verdwijnen datasilo’s en kunnen ze DevOps-processen met vertrouwen automatiseren.”
Het aanvullende ‘2023 DevOps Automation Pulse Report’ kan hier worden gedownload. Verder kunnen organisaties gebruik maken van de DevOps automation assessment om er achter te komen hoe hun praktijken er voor staan.
