Nybegynder vs. Ekspert: DevOps i København

Som en erfaren DevOps partner i København observerer vi ofte markante forskelle i tilgangen til udfordringer mellem virksomheder i forskellige modenhedsgrader. Denne checkliste illustrerer disse forskelle, med henblik på at skabe klarhed omkring de trin, der kan accelerere modenhed.

Infrastruktur og Automatisering

Nybegynder: Infrastruktur forstås primært som servere og netværk. Ændringer sker manuelt, hvilket er tidskrævende og fejlbehæftet. Der er en tendens til at betragte scripting som en separat aktivitet, snarere end en integreret del af DevOps. Man kan ofte finde sig selv uden Red Hat Enterprise support, og dermed mangler man vigtige sikkerhedsopdateringer og stabilitet. Læs mere om, hvorfor Red Hat support er vigtig.

Ekspert: Infrastruktur er defineret som kode (IaC) – måske via Terraform eller Ansible. Automatisering er integreret i alle aspekter, fra deployment til overvågning. Ændringer foretages via versionsstyrede filer, hvilket sikrer gentagelighed og sporbarhed. Kubernetes og containerorkestrering er anvendt til at optimere ressourceudnyttelse. Læs mere om infrastruktur som kode.

Applikationsudvikling og Deployment

Nybegynder: Applikationsudvikling foregår i siloer. Deployments er sjældne og manuelle. CI/CD pipelines eksisterer måske, men er ikke fuldt ud implementeret eller integreret med udviklingsværktøjer. Go, Java, eller JavaScript/TypeScript bruges måske, men man mangler måske den dybdegående ekspertise, der kræves for at optimere performance og arkitektur.

Ekspert: CI/CD pipelines er fuldt integreret i udviklingsprocessen. Automatiserede tests og deployments sikrer hurtig feedback og kontinuerlig levering. Der er en stærk fokus på arkitektur, skalering og performance tuning, og man bruger værktøjer som Prometheus og Grafana til overvågning og observabilitet. Se blogindlægget om benefits of modern CI/CD pipelines.

AI og Business Intelligence

Nybegynder: AI er måske et buzzword. Der mangler forståelse for, hvordan AI kan anvendes til at løse specifikke forretningsproblemer, som f.eks. anomalidetektion eller forecasting.

Ekspert: AI og machine learning er anvendt til at automatisere processer, forbedre beslutningstagning og skabe nye forretningsmuligheder. RAG-løsninger integreres for at udnytte store sprogmodeller (LLMs) effektivt. Business intelligence dashboards giver realtidsindsigt i performance. Se blogindlægget om RAG implementation. Der er en bevidsthed om, at AI-forecasting kan skabe forretningsværdi, og man investerer i kompetencer på dette område.