退出到期模型

安德鲁·戴维斯（Andrew Davis）的本文探讨了成熟度模型以及在进行DevOps之旅时可以对此方法进行哪些改进。寻找改善组织的方法以及如何从科学方法中学习。

成熟度模型是描述组织如何改进的非常流行的方式。简单模型具有一个维度：首先执行A，然后执行B，最后实现C。更复杂的模型可能具有两个维度，确定在开发的初始阶段要完成的各种目标，然后继续执行各种更复杂的目标。 ， 等等。诸如可扩展敏捷框架之类的高度发达的模型可能包含复杂的模式，以使您的组织融入其中。所有这些成熟度模型都是对不知道如何改进或进步的巨大改进。它们类似于指导从幼儿园到高中的个人的结构化教育过程。

解决问题的方法有两种：算法和启发式。一种算法方法意味着可以遵循某些模式和公式来产生特定的结果。启发式方法是您尝试特定的实验，然后检查以确定您是否成功的一种方法。

遵循成熟度模型是算法方法的一个示例：它建议应遵循的一组特定实践，领导者或团队将这些实践应用于其组织，以期进行必要的改进。许多企业对改善其开发流程和IT组织的各种方法缺乏了解。技术娴熟的顾问处在适当的位置，可以分享可能的愿景，如何到达那里的路线图，并为取得进步所需的方法提供战术帮助。在许多情况下，这些企业可能一直在尝试简单的启发式方法，尝试进行不同的改进，但缺乏明确的愿景或计划来实现系统的进步。在其他情况下，该方法可能更加随意。

但是，相信公式化方法在跨不同人员，在不同时间为不同市场服务的不同组织中应用时可以产生可重复的结果，这将是一个严重的错误。尽管我们可能试图揭开DevOps旅程的神秘面纱，但它最终还是通往未知世界的旅程。完全有可能花费大量的时间，金钱和精力来检查成熟框架中的复选框，而带来的净收益却很小。在某些情况下，过程改进方面的投资可能会超过返回的价值。因此，评估改进的影响至关重要。真正成熟的组织会为基本实践奠定坚实的基础，然后逐步采用启发式方法进行迭代不断改进。

持续改进的特点是一种学习文化，团队中的所有成员都与组织的总体目标保持一致，但是仍在积极尝试以最有效的方式实现该目标的方法。IBM的Cynefin框架将系统分为简单，复杂，复杂和混乱。简单和复杂系统中的问题可以通过公式化的方法解决，但是复杂系统中的问题不能用这种方式处理。

从定义上讲，复杂的系统是在您对其采取行动时会发生变化的系统，因此必须在每个步骤之后重新评估情况，并且如果重复执行相同的操作也无法保证产生相同的结果。组织和个人都是复杂的系统。复杂的系统需要启发式方法，也称为科学方法。

科学方法不是也不应该被视为科学家的专有领域！这只是意味着要谦虚地事先确认我们不知道采取行动时会发生什么。我们对系统所做的更改实际上是假设：我们相信，如果实施此更改，我们将看到特定的结果。必须对这些假设进行调查，以确定我们是否达到了预期的结果。此类调查充分利用了跟踪指标的力量，例如监视四个关键的DevOps指标（提前期，部署频率，变更失败率和恢复时间），以便我们可以确定我们的努力是否真正带来了积极的结果。

在科学的背景下，不成功的实验是完全正常的。他们可能没有取得预期的效果，但它们仍然没有带来价值：他们教给我们的东西，不工作。这些知识非常有价值，但是我们采用科学方法的目标是尽可能快地，廉价地学习无效的东西。这是精益创业以及其他精益方法的基本前提，这些方法强调经过验证的知识作为最终目标。

如果一种方法被认为是有效的，则可以将其集成到组织的工作流程中。这种方法称为计划-做-学习-调整，通常称为“戴明周期”。这部分工作没有地图，也没有专家事先知道对每个组织都适用的方法。相反，此阶段的最佳指南是可以帮助组织发展学习文化的人。

学习文化是成功的知识工作组织的缩影。在这里，每个贡献者都可以充分利用自己的思想，观察实际情况，想象可能的替代方案，并设计有助于实现这些目标的解决方案。尽管我们可以指导组织度过成熟度模型的初始阶段，但我们应该认识到，真正的成熟度是在未知世界中探索，学习，发明并取得成功的能力。