Keysight Technologies CIO:科技公司也需要实现IT现代化

简介: 科技公司需要像其他企业一样实现IT现代化。电子产品制造商Keysight Technologies的CIO Dan Krantz的目标架构是,从传统的现场单体系统转向云优先的可组合架构,分为三个领域:参与性/交流系统,包括销售交易和客户支持,记录系统,以及洞察力系统。

电子产品制造商Keysight Technologies的架构是可组的,流程是敏捷的,但对其CIO Dan Krantz 及团队来说,保持“成长心态”同样重要。


1999年,惠普将旗下的测试和测量部门分离出来,正式成立安捷伦科技公司,这也成就了当时硅谷历史上规模最大的首次公开募股。


十年来,安捷伦的主营业务集中在两个方面:一项专注于电子仪器测量;另一项专注于生命科学和化学分析解决方案。2014 年,随着生命科学业务的高速增长,安捷伦的高管团队将电子业务分拆出来,成立了是德科技(Keysight Technologies)。领导安捷伦与是德科技完成IT分离工作的Dan Krantz于2017年就任是德科技的首席信息官(CIO)。


是德科技推行“三管齐下”的战略——将重点从产品销售转移到行业解决方案销售、增加研发支出和收购新公司,成功将企业年收入从28亿美元增长到46亿美元。


这种高速增长的业务自然需要一套新的业务能力,包括数字参与技术、更具活力的供应链,以及支持从基于保修的硬件转向基于订阅的软件的产品线的能力。


Krantz知道稳定新的IT环境只是摆在桌面上的“赌注”而已,为了提供一组新的业务能力并支持未来业务的巨大增长,他和团队必须变革IT。



云优先的可组合架构



Krantz表示,“科技公司需要像其他企业一样实现IT现代化。我们可能提供市场上最领先的量子计算能力,但底层IT基础设施却可能已有15岁‘高龄’。”


Krantz 的目标架构是,从传统的现场单体系统转向云优先的可组合架构,分为三个领域:参与性/交流系统,包括销售交易和客户支持;记录系统;以及洞察力系统。


对于参与性系统,我们倾向于订阅可配置的云架构,但如果没有什么可以满足我们需求的服务,我们将开发自己的解决方案并构建它们之间的集成。


例如,定价需要定制解决方案。是德科技拥有8000多个产品系列,每个系列都有多达10000种配置,这需要非常复杂的定价算法。Krantz介绍称,“我们使用AWS微服务编写定价引擎,因此无论是售前、售中、售后,甚至内部运营,每个平台都会对我们定制开发的定价引擎进行API调用。”


对于记录系统,该团队将其传统的企业资源计划(ERP)系统与新的支持云的解决方案相结合,以支持新的业务功能。例如,当销售流程从一次性销售转变为订阅时,是德科技需要一种新的方式来确认收入。Krantz 说,“来自我们全球78个法人实体的资金流和制造数据通过一个本地ERP运行。因此,我们没有尝试对我们的ERP进行现代化改造,而是在我们的传统ERP上安装了一个基于云的收入确认系统。这就是可组合架构的好处。”



如何提取数据



Krantz及其团队现在开始关注架构的第三层,即洞察力系统。Krantz表示,“一旦我们对参与性系统和记录系统进行了现代化改造,我们如何从中获取数据?这就是我们现在正关注的问题。我们一直在替换专为季度日历设计并与我们旧的单体系统相关联的报告工具,并将它们移至云平台。”


为此,Krantz 正致力于可视化层并与一家初创分析公司进行合作,因为“我们喜欢与渴望倾听大型复杂客户并快速迭代新功能的规模较小的饥饿玩家合作。”


改进分析的一个关键步骤是从ETL(提取、转换和加载)——提取系统数据,转换它,然后将其加载到数据仓库——转移到ELT(提取、加载和转换)——从记录系统中提取数据,将其加载到现代内存分析系统中,然后对其进行转换。就传统的ETL而言,转换步骤确实会放慢我们的速度。改变流程——即在加载数据之前不去转换数据——可以使我们更快地行动。


但架构只是是德科技IT转型的一部分。Krantz称,“当您拥有大型单体系统时,您需要花费 6 个月的时间来确定需求,然后是一年的构建期,另外6个月的时间是稳定期,然后两年后,您又需要重新开始这些步骤。借助可组合的架构,您可以在所有这些小构建块上独立、迭代、快速地工作。”



采用成长型思维



迭代构建块需要一种新的工作方式,因此Krantz及其团队正在进行大规模敏捷的实践,即拥有灵活的跨职能团队和产品负责人。Krantz解释称,“当我加入是德科技时,团队中只有 15% 是内部人员。我们的团队管理从事这项工作的 IT 供应商,无论是日常支持还是项目交付。IT 扮演了经纪人的角色。”


为了宣传培养内部人才的理念,Krantz向其领导们介绍了“成长型心态”的神经科学概念,该概念强调大脑弹性和学习潜力。但这种转变并不是一朝一夕能够实现的,为此,Krantz对人才发展采取了与IT现代化相同的迭代方法。Krantz介绍称,“随着我们对参与性系统进行现代化改造,我们引进了很多人才。我们不想与外包商合作推出新的数字产品。所以,当我们从传统的MPLS(多协议标签交换)过渡到软件定义网络时,我们决定使用更多的内部网络工程人才来运行我们的网络。结果就是,是德科技IT团队的内部人员已经从最初的15%增长至如今的55%。”



经验学习



虽然 Krantz 承认通往敏捷模型和云组合架构的旅程永远不会结束,但他也分享了一些经验教训:


1. Krantz建议称,CIO对其架构进行现代化改造时,可以找出一种方法让您的新系统与您当前的系统共存。“大刀阔斧”的转换是项目延迟永恒不变的症结。你永远无法让新系统和旧系统完全一样地工作,所以势必会对业务发展造成影响。


2. 将新解决方案称为“数字产品”而不是项目,是提供最大价值的关键所在。当你在市场上销售产品时,你不可能说“产品已经彻底完善了,永远不会添加其他功能或增强功能。”客户会无限期地期待得到改进和增强功能,这就是我们将新解决方案称为“收入型数字产品”的原因所在。


3. 在转型过程中尽早实现自动化测试。在我们的传统模型中,我们把60%的时间花在了测试上,40%的时间花在实际开发上。所以我们选择自动化测试过程,这样我们推送的每一段代码都会触发自动测试脚本,理想情况下,这些脚本会始终运行。测试不能是手动的或特定于平台的,因为在可组合的架构中,业务流程可能会跨越多个系统。



接下来就是IT战略规划



构建完目标体系结构,并且团队成员大部分为内部人员后,Krantz现在将目光投向了改进IT的战略规划流程。他说,“在我们的传统方法中,我们会询问我们的中级业务合作伙伴,他们需要从IT中获得什么。他们的需求很可能会超过我们的资源,因此我们会要求执行团队确定优先级。不得不说,我们浪费了很多时间。”


认识到流程效率低下,Krantz和其他执行团队做出了改变。在是德科技的损益(P&L)领导向董事会提交战略计划之前,他们会与Krantz及其团队会面,讨论他们的计划所需的IT资源,这些资源将纳入IT战略计划。将传统的“自下而上”的规划过程转变为“自上而下”的方法可以有效地改变效率低下的问题。


对于大多数CIO来说,他们非常清楚现代IT组织的“组成要素”:支持云的、基于微服务的架构,具有平台、API 和敏捷开发,可实现快速、迭代的发布。通过尽可能多地关注“如何”实现IT现代化——迭代、内包和战略规划——Krantz及其团队正在领导这家拥有80年历史的高科技公司实现技术现代化。

相关文章
|
开发工具 git
Git从远程仓库拉取指定的分支
Git从远程仓库拉取指定的分支
3433 0
|
11月前
|
存储 人工智能 分布式计算
湖仓实时化升级 :Uniflow 构建流批一体实时湖仓
本文整理自阿里云产品经理李昊哲在Flink Forward Asia 2024流批一体专场的分享,涵盖实时湖仓发展趋势、基于Flink搭建流批一体实时湖仓及Materialized Table优化三方面。首先探讨了实时湖仓的发展趋势和背景,特别是阿里云在该领域的领导地位。接着介绍了Uniflow解决方案,通过Flink CDC、Paimon存储等技术实现低成本、高性能的流批一体处理。最后,重点讲解了Materialized Table如何简化用户操作,提升数据查询和补数体验,助力企业高效应对不同业务需求。
1001 18
湖仓实时化升级 :Uniflow 构建流批一体实时湖仓
|
5月前
|
Prometheus 监控 Cloud Native
Grafana完整教程
本文介绍了Grafana与Prometheus的安装与配置流程,涵盖源配置、端口设置、服务端与客户端安装、Node Exporter部署及自启动设置,同时提供多服务器监控方案与推荐Dashboard。
Grafana完整教程
|
机器学习/深度学习 并行计算 PyTorch
GPU 加速与 PyTorch:最大化硬件性能提升训练速度
【8月更文第29天】GPU(图形处理单元)因其并行计算能力而成为深度学习领域的重要组成部分。本文将介绍如何利用PyTorch来高效地利用GPU进行深度学习模型的训练,从而最大化训练速度。我们将讨论如何配置环境、选择合适的硬件、编写高效的代码以及利用高级特性来提高性能。
2271 1
|
存储 缓存 NoSQL
Redis Quicklist 竟让内存占用狂降50%?
【10月更文挑战第11天】
317 2
|
前端开发 Unix Linux
揭秘 Electron 的 Linux 打包过程:你知道背后发生了什么吗?
本文详细介绍了 `electron-builder` 在 Linux 平台上如何打包 Electron 应用程序,涵盖了 AppImage、Flatpak、Snap 等多种格式的打包原理和具体实现。文章从初始化 `LinuxPackager` 到创建各种目标格式的包,详细解析了每个步骤的代码逻辑和关键方法,帮助开发者更好地理解和使用 `electron-builder` 进行 Linux 应用的打包。
819 2
揭秘 Electron 的 Linux 打包过程:你知道背后发生了什么吗?
|
9月前
|
人工智能
MV-MATH:中科院开源多模态数学推理基准,多视觉场景评估新标杆
MV-MATH 是中科院自动化所推出的多模态数学推理基准数据集,旨在评估多模态大语言模型在多视觉场景中的数学推理能力。该数据集包含2009个高质量的数学问题,涵盖11个数学领域和3个难度级别,适用于智能辅导系统和多模态学习研究。
247 0
|
存储 Prometheus 监控
在Linux中,如何进行系统资源的监控?
在Linux中,如何进行系统资源的监控?
|
数据可视化 项目管理
告别文档比对盲区,这个功能学术人一定要知道!
在学术研究和项目管理中,文档版本对比至关重要。传统工具仅限于纯文本比对,难以应对多格式文档的复杂变化。智能比对工具通过上下文感知、语义分析和格式识别,高效捕捉关键变更,显著提升研究效率和项目成功率。
|
SQL 自然语言处理 关系型数据库
Vanna使用ollama分析本地MySQL数据库
这篇文章详细介绍了如何使用Vanna结合Ollama框架来分析本地MySQL数据库,实现自然语言查询功能,包括环境搭建和配置流程。
1746 0