soword科技言
永久公益免费API接口
提供永久免费的API接口,查看更多API接口,如果您有其他免费API资源,请联系我们,造福人类。
提供商务开发:小程序,系统,APP
定制开发,免费评估,免费咨询,价格便宜,售后保障,前往开发服务中心联系开发客服中心
DevOps和敏捷仍然受到企业孤岛、惯性的阻碍

二十年后http://agilemanifesto.org/“target=”\u blank“rel=”noopener noreferrer nofollow“data component=”externalLink“>敏捷宣言制定于https://www.appknox.com/blog/history-of-devops#:~:text=DevOps%20的%20概念%20出现,它成了一个时髦词。“target=”\u blank“rel=”noopener noreferrer nofollow“data component=”externalLink“>DevOps成了一件事,这两种相互关联的理念仍在进行中,而对于一些企业来说,进展非常缓慢。这些方法论有可能改变软件的设计和交付方式,但要使它们保持一致需要大量的组织工作。有什么问题?长期寻求的敏捷和快速冲刺的敏捷软件方法可能还没有完全为企业做好准备,这就是挑战,尤其是在改变游戏规则的计划正在进行时。

考虑向高级分析和人工智能发展的动力。在这个领域,“敏捷和DevOps在很大程度上仍然被误解、忽视和误用,”他说https://www.linkedin.com/in/chrisbergh/“target=”\u blank“rel=”noopener noreferrer nofollow“data component=”externalLink“>Chris Bergh,首席执行官https://datakitchen.io/“target=”\u blank“rel=”noopener noreferrer nofollow“data component=”externalLink“>DataKitchen。例如,DevOps在软件工程界被广泛接受,“但在数据分析领域却零零星星,通常由使用代码和配置工具来创建分析见解的数据科学家组成,“他说。

试图在整个企业中应用敏捷和DevOps“很难统一采用,”他同意Manoj Karanth,AVP和数据科学与工程全球负责人https://www.mindtree.com/“target=”\u blank“rel=”noopener noreferrer nofollow“data component=”externalLink“>Mindtree”鉴于这项工作的艰巨性,它必须得到变革管理职能的支持。有时,底层技术不允许DevOps团队所需的自动化水平,导致大量的意大利面代码增加了维护困难。“行业专家提供了以下见解,以提高DevOps和敏捷的成功几率:

拓宽了“产品”的定义。常见的Karanth在成功的努力中看到的主题是“形成总体产品团队和孤立的产品团队,”他说这些产品团队考虑从开始到生产的整个产品生命周期,同时考虑产品成熟度和工具集。这形成了一个良好的生态系统,可以应用和调整技术和团队成熟度所允许的敏捷原则,从而走上自动化的道路。”他补充说,需要的是打破组织孤立的能力,以及对新技术采用的开放性。

转向低代码和无代码。低代码和无代码不仅为最终用户提供了可能性,而且为更具弹性的敏捷和DevOps方法铺平了道路。采用具有凝聚力,因为许多解决方案要么是低代码的,要么是无代码的,这为组织快速实施技术和轻松维护技术打开了大门https://www.linkedin.com/in/shaxno/“target=”\u blank“rel=”noopener noreferrer nofollow“data component=”externalLink“>Borya Shakhnovich,公司首席执行官兼联合创始人https://www.airlate.com/“target=”\u blank“rel=”noopener noreferrer nofollow“data component=”externalLink“>空气板。

将繁重的工作交给API来完成。敏捷和DevOps驱动企业的关键要素“是通过软件API实现的自动化友好技术组件——这就是为什么云本地技术和低代码平台对实现这一点至关重要的原因,”Karanth说总而言之,这有助于提高超自动化操作的效率,这些操作具有生命周期自动化、跨业务流程、认知和对话的智能监视器和机器人。”

鼓励采用通用工具集。负责跨企业各部门提供解决方案的团队--IT、数据工程、数据科学、可视化和治理--“可能向不同的管理链报告,争夺有限的资源,或者居住在不同的地方,”Bergh说有时,他们的行为更像是交战部落,而不是同一个团队的成员。”因此,他继续说道,“在主数据管理平台上工作的数据工程师的日常存在与在Tableau中工作的数据分析师完全不同。工具影响它们的最佳迭代周期——月、周、日。工具决定了他们解决问题的方法。工具影响他们的风险承受能力。简言之,他们通过他们使用的工具来观察世界。将每个功能划分为一个工具库会产生一种隔离感,这会阻止组考虑他们在端到端数据管道中的角色。“

人工智能在动荡的一年中不断扩张,除了一些例外

阻碍devops:文化的障碍,通过注册交付和担保,您同意https://redventures.com/CMG-terms-of-use.html“target=”\u blank“rel=”noopener noreferrer nof


2023-03-22 10:04:31