Harness（ハーネス）は、ソフトウェアデリバリーワークフローへの実験分析の統合方法に変化をもたらす、Feature Management & Experimentation（FME）でWarehouse Native Experimentationが一般提供開始になったと発表した。この機能は、トライアルを経てベータ版を終了し、イベントストリームを別の分析スタックにエクスポートするのではなく、製品やビジネス イベントデータが既に存在する場所でチームが直接実験を実行できるようにすることを目的としている。
新しいウェアハウスネイティブモデルは、割り当て、イベント、メトリクスロジックを管理されたデータ環境に保持することで、実験ワークフローにおける継続的な障害に対処することを目的としている。発表では、3つの主要な利点が強調された。ビジネスで使用される信頼できる唯一の情報源にしっかりと固定されること、データ移動やシャドーパイプラインに関連する運用上のオーバーヘッドを削減すること、製品、エンジニアリング、データチームが矛盾する数値について議論するのではなく、結果について合意できるように部門横断的な信頼性を向上させることだ。この機能は、ウェアハウステーブルから直接メトリクスを定義することをサポートしており、メトリクスのずれや、ツール間で定義が異なるためにチームが成功の意味について合意できないという一般的な失敗モードへの対策として提示されている。ガードレールメトリクスとビジネスに合わせた成功指標は、同じ管理されたデータセットに対して作成できるため、実験結果を検証でき、結果が予期しないように見える場合にステークホルダーがロジックを検証できるようになる。
同社は、Warehouse Native Experimentationを、パイプライン、機能管理、測定を再現可能な運用モデルに結びつける、より広範なプラットフォーム戦略の一部として位置付けた。パイプラインは、フラグステータス、ターゲティング、承認、ロールアウトの進行、クリーンアップを自動化することでリリースのタイミングを標準化するものと説明され、そのワークフローの95%を単一のパイプラインから実行できるという例が挙げられた。FMEは、デプロイとエクスポージャーを切り離し、段階的なロールアウト、ターゲットを絞ったコホート、より安全な実験を可能にするメカニズムとして特徴づけられた。Warehouseネイティブ分析は、実験結果を同じ統制されたデータ基盤にフィードバックすることでループを閉じるように位置付けられ、プラットフォームチームが拡張可能なリリース-検証-学習-標準化サイクルを可能にする。発表では、従来のダウンストリーム分析モデルは開発速度の増加に追い付くのに苦労していると警告し、各実験のためにデータを移動することでボトルネックと検証オーバーヘッドが発生し、リスクはデプロイから分析に移転するだけで排除されないと指摘されている。
今回の一般提供開始は、信頼性、再現性、プラットフォームレベルの一貫性を必要とする本番環境での実験プログラムに対応できる機能が備わったことを示すものだ。このアップデートは、既に製品やビジネスイベントをデータウェアハウスに集約している組織、個別の実験インフラストラクチャーのオーバーヘッドを削減したい組織、分析に関するより強力なガバナンスを求める組織、そして複数のチームにまたがるプログレッシブなデリバリープラクティスに実験を組み込もうとしている組織にとって、すぐに役立つものとなる。今回のリリースでは、ビジネス指標に使用されるデータインフラストラクチャーに実験を統合することで、フリクションを軽減し、シャドーデータの問題を防ぎ、機能公開後の意思決定のための単一の監査可能な基盤を提供できるだろう。
出典：Harness
この製品の詳細については、Harness製品ページをご覧ください。
