ブログ | CTO オフィス

テレメトリとデジタルビジネス

ロリ・マクヴィッティ サムネイル
ロリ・マクヴィッティ
2023年4月11日公開

データとデジタルビジネスの融合は驚くべきことではありません。 携帯電話を一目見れば、業界を問わずあらゆる組織に飽くことのないニーズがあることがわかります。

しかし、求められているのは私たちの個人的なプライベートなデータだけではありません。 アプリをインストールすると、診断データとパフォーマンス データを開発者と共有するように要求される可能性があります。 このデータ、このテレメトリは、データの内容を活用し、分析し、それに基づいて行動できる組織にとって、まさに金塊に満ちています。

しかし、組織がパフォーマンスを最適化し、欠陥に対処するために必要な洞察が、アプリケーションの配信に使用されるさまざまなネットワーク、システム、サービスに散在しているため、そのような組織はほとんどありません。

ほとんどの組織は、「なぜ失敗したのか」という暗号を解読するために必要なデジタル信号をつなぎ合わせるのが難しいと感じています。ましてや、「なぜこのユーザーではパフォーマンスが低いのに、あのユーザーではそうではないのか」という疑問は、さらに困難です。

しかし、パフォーマンス低下の原因、停止の原因、攻撃の初期兆候を収集、分析、特定する能力は、デジタル ビジネスにとって重要な能力です。 多くの人は、これらがほぼすべての組織(正確には 98%)が欠落している重要な洞察であると認識するかもしれません。

しかし、こうした運用調査にテレメトリを使用することは目新しいことではありません。 アプリケーション パフォーマンス モニタリング (APM) とネットワーク パフォーマンス モニタリング (NPM) は十分に確立され、理解されています。

デジタル ビジネスにおいてテレメトリが他と異なるのは、テレメトリが運用上の使用を補完する機能としてビジネスでどのように使用されるかという点です。

デジタル信号とビジネス成果

昔、インターネットがまだ未開で未知の時代だった頃には、実店舗が存在していました。 レンガとモルタル、時には金属で作られたこれらの建物には、食欲をそそる商品が何列にも並んでおり、その中に含まれる多様性に終わりのない喜びを約束していました。 

買い物客が敷居をまたぐと数えられ、ベルを鳴らして知らせられました。 

店員は通路を歩き回り、助けを必要としている買い物客を探し、店舗によっては、最新かつ最高の家電製品やエンターテインメント システムを販売していました。 

最後に、カートに商品を詰め込み、レジで会計を済ませた買い物客は顧客になりました。 

現在、これはデジタル ビジネスでも起こっていますが、すべてオンラインで行われ、ビジネスの健全性や改善の余地がある領域を判断するためにビジネスが使用できるデジタル シグナルが伴います。 

訪問者とは、境界を越える買い物客のことです。 トラバーサル パスとセッション ログにより、買い物客が何を閲覧したか、デジタル ストアのどこに移動したかがわかります。 コンバージョンは、何人の買い物客が顧客になったか、そして彼らがいくら使ったかを示します。 

デジタル信号は、従来の測定方法よりも多くの情報を提供します。 買い物客が、欲しいものを見つけるまでに、何列も何列も通路を探し回ってどれだけの時間を費やしたかを知ることは困難です。 デジタル信号は、買い物客がページにどれだけ長く滞在したか、次のページに移動するのにどれだけの時間がかかったかを教えてくれます。 

より多くのデジタル信号により、買い物客がチェックアウトして顧客になるまでにどれくらいの時間がかかったかがわかります。 購入フォームの記入にどのくらいの時間がかかりましたか。また、支払いの処理にはどのくらいの時間がかかりましたか。 

これらすべてのシグナルは、IT とビジネスの両方にとって価値があります。 このテレメトリの多くは、特定のシステムのパフォーマンスと健全性に関する IT の洞察を提供する一方で、コンバージョンを損ない、ビジネスの成長を妨げる可能性のある要因を把握する手段をビジネスに提供します。 ここで、IT とビジネスの境界が曖昧になり、ビジネス成果がコンバージョンやトランザクション値などの測定可能な指標として定義されます。 これらの結果は、ページ上での過剰な時間によって測定されるパフォーマンス、可用性、複雑さによって影響を受けるため、テレメトリはビジネスにとっても貴重なリソースになります。 

デジタルビジネスとは監視の域を超えるもの

ビジネス成果を達成するためにデジタル信号 (テレメトリ) を使用することは、成熟したデジタル ビジネスを示す指標の 1 つです。 しかし、ログ、メトリック、トレースを収集し、それに対して魔法のような分析を実行するほど簡単ではありません。 実践と文化に細心の注意を払う必要があり、必然的に新しい役割とスキルが生まれます。

データ サイエンティスト、機械学習エンジニア、データ パイプライン、MLOps。 これらは、デジタル ビジネスのデータ実践においてますます重要になっている役割と実践のほんの一部です。 戦略的な決定には、データ レイクの場所とアーキテクチャ (クラウドかオンプレミスか、フェデレーションか統合か) が含まれます。

これらのトピックの詳細と、テレメトリの組み込みが IT とアーキテクチャの最新化にどのように役立つかについては、O'Reilly の書籍『 Enterprise Architecture for Digital Business 』の F5 エンジニアリング担当副社長 Mike Corrigan と開発オペレーション担当ディレクター James Hendergart による章「運用データは新しい石油」をお読みください