Ihre Mitarbeiter, die aus der Ferne oder von Außenstellen aus arbeiten, verlieren durch technologische Reibungsverluste wie Probleme mit der Desktop-Konfiguration, dem VPN-Zugang, der DNS-Suche, WiFi-Verzögerungen, API-Latenz oder Probleme mit Drittanbietern von Anwendungen an Produktivität.
Herkömmliche IT-Überwachungstools überwachen diese Komponenten auf dem Transaktionspfad zwischen entfernten Endbenutzern und den Systemen in den Rechenzentren des Unternehmens nicht, so dass sie weiterhin einen vollständigen Systemzustand melden. Die Lücke zwischen diesen Perspektiven kostet Unternehmen jährlich Milliarden an Produktivitätsverlusten, doch den meisten Unternehmen fehlen die Werkzeuge, um zu erkennen, wo diese Reibung auftritt.
Die Überwachung der digitalen Mitarbeitererfahrung (DEX) schließt diese Lücke, indem sie die Erfahrungen der Endbenutzer und nicht den Zustand der Anwendungsserver und Unternehmensnetzwerke misst. Die Lösung schichtet die Bewertung der Benutzererfahrung über die herkömmliche Überwachung und schafft so eine einheitliche Ansicht, die die Systemleistung mit den Auswirkungen auf die Benutzer verbindet.
Das nachstehende Dashboard zeigt zum Beispiel eine Gesamtbewertung der Benutzerfreundlichkeit, die sich aus drei Punkten oben rechts auf dem Bildschirm zusammensetzt:
- Gerätezustand, wie z. B. die Computer der Endbenutzer
- Netzqualität, d. h. das öffentliche Internet und die WiFi-Netze der Nutzer,
- Anwendungsleistung, die auch SaaS-Anwendungen von Drittanbietern umfasst.
Der Abschnitt unter den Zustandsbewertungen zeigt die grundlegenden Probleme, die zu der niedrigeren Bewertung beigetragen haben, z. B. die Desktop-Konfiguration oder die VPN-Latenz. Diese einheitliche Ansicht dient der Überwachung der Erfahrungen der Mitarbeiter und der Faktoren, die zu ihrer möglichen Verschlechterung beitragen.
In diesem Artikel wird untersucht, wie die digitale Bewertung der Mitarbeitererfahrungen in der Praxis funktioniert, warum sie die herkömmliche Überwachung übertrifft und wie technische Teams die digitale Mitarbeiterüberwachung effektiv umsetzen können, um die Messwerte mit der Realität abzugleichen.
Zusammenfassung der wichtigsten Konzepte zur Bewertung des digitalen Mitarbeitererlebnisses
Erfassen von Anwendungsmetriken zur Analyse der Produktivitätsauswirkungen
Die Frustration der Mitarbeiter findet auf der Anwendungsebene statt. Die meisten Überwachungsmechanismen machen jedoch auf der Infrastrukturebene halt.
Die Metriken der Anwendungsebene für die Bewertung der Mitarbeitererfahrung sollten sich darauf konzentrieren, wie eine Anwendung die Fähigkeit eines Mitarbeiters, seine Arbeit zu erledigen, beeinträchtigt, obwohl das Überwachungs-Dashboard anzeigt, dass "alle Systeme normal" sind.
Nachfolgend sind einige der wichtigsten Aspekte aufgeführt, die in direktem Zusammenhang mit der Leistung einer Anwendung, der Erfahrung der digitalen Mitarbeiter und der Produktivität stehen.
Messung der Frontend-Leistung
Eine wirksame Frontend-Messung erfordert die Verfolgung bestimmter Interaktionsmuster:
Verzögerungen im Frontend haben einen anderen Stellenwert als im Backend. Eine Google-Studie zeigt, dass 53 % der Benutzer Aufgaben abbrechen, wenn Schnittstellen mehr als 3 Sekunden für eine Antwort benötigen. Während Unternehmensnutzer die Schnittstelle aufgrund ihrer Abhängigkeit von dem Tool nicht sofort aufgeben können, entwickeln sie schließlich negative Assoziationen mit dem Tool.
Der folgende Screenshot veranschaulicht die typischen Auswirkungen von Workflow-Unterbrechungen auf die Erfahrung der Mitarbeiter. Die links gezeigte Reaktionszeit der Benutzeroberfläche der Anwendung trägt dazu bei, dass Benutzer Sitzungen abbrechen (mittlerer Abschnitt) und ein Verhalten an den Tag legen, das ein geringes Vertrauen in die Anwendung widerspiegelt, z. B. dass Benutzer ihre Dokumente aufgrund der langsamen Reaktion der Benutzeroberfläche mehrfach speichern.
API-Leistungsüberwachung
Wenn die Frontend-Überwachung ein Problem aufzeigt (z. B. "Anmeldeseite ist langsam"), besteht der nächste Schritt darin, die zugrunde liegenden API-Aufrufe zu untersuchen, um die Komponenten zu identifizieren, die zu der hohen Latenz beitragen. Moderne Anwendungen tätigen durchschnittlich 30-50 API-Aufrufe für gängige Operationen, um eine Benutzeroberfläche zu gestalten. Jeder Aufruf erhöht die Latenzzeit, und Fehler kaskadieren auf unerwartete Weise. Bei der Bewertung der Mitarbeitererfahrung liegt der Schlüssel in der Identifizierung und Überwachung der API-Ketten als kritische Erfahrungspfade hinter den häufigsten Aufgaben der Mitarbeiter.
Stellen Sie sich vor, Ihr durchschnittlicher Mitarbeiter erledigt täglich eine bestimmte Anzahl von Kernaufgaben (Aktualisierung von Kundendatensätzen, Protokollierung von Anrufen, Erstellung von Opportunities usw.). Sie können jede API, die an diesen Aufgaben beteiligt ist, abbilden und ihre Leistung auf der Grundlage der Aufgabenhäufigkeit und der geschäftlichen Bedeutung bewerten. Genauso wichtig ist es aber auch, die API-Leistung aus der Sicht des Benutzers zu messen. Die Authentifizierungs-API mag eine durchschnittliche Antwortzeit von 50 ms haben, aber dieser Durchschnitt kann kritische Datenpunkte verdecken, die zu Frustration führen.
Bei der API-Überwachung müssen auch Teilausfälle berücksichtigt werden. So kann beispielsweise ein Dokument erfolgreich hochgeladen werden, aber der Indizierungsdienst kann trotzdem fehlschlagen. Infolgedessen können die Mitarbeiter zwar Dateien speichern, aber später nicht nach ihnen suchen.
Zu den wertvollsten API-Metriken für die Erfahrungsbewertung gehören:
Fehlerverfolgung und Quantifizierung der Auswirkungen
Jede Anwendung, die für einen breiteren Einsatz gedacht ist, insbesondere in Unternehmen, wird entweder implizit Fehlerdaten erzeugen, aus denen sich Fehlerquoten ableiten lassen, oder sie kann explizit in Überwachungssysteme integriert werden, um sie zu berechnen und als Leistungskennzahl (KPI) anzuzeigen. Fehlerquoten geben jedoch nicht immer eine genaue Darstellung.
So mag eine Fehlerquote von 0,1 % vernachlässigbar erscheinen, bis Sie erkennen, dass sie Ihr tausendköpfiges Team in kritischen Zeiten betrifft, in denen jede Minute Nacharbeit und verspätete Berichterstattung zu erheblichen Verlusten führen kann.
Um wirklich nützlich zu sein, sollte sich die Fehlerklassifizierung innerhalb von Erfahrungsbewertungssystemen immer auf die direkten Auswirkungen auf die Effektivität der Mitarbeiter und den breiteren Unternehmenskontext konzentrieren. Verstehen Sie als Referenz, wie sich dies auf typische JavaScript-Fehler bezieht:
- Kritische Pfadfehler: Verhinderung von Kerngeschäftsfunktionen (kann keinen Stundenzettel einreichen, kann keine Rechnung genehmigen)
- Degradationsfehler: Einschränkung der Funktionalität (erweiterte Suche schlägt fehl, Rückfall auf einfache Suche)
- Kosmetische Fehler: Optische Pannen ohne funktionelle Auswirkungen
Jede Kategorie erfordert ein unterschiedliches Maß an Reaktion. Ein kosmetischer Fehler im Firmenverzeichnis wird vielleicht nie Aufmerksamkeit erregen. Andererseits erfordert ein kritischer Pfadfehler im Spesensystem während der Reisesaison sofortige Aufmerksamkeit. Solche Anwendungspriorisierungen können helfen, technische Metriken in Geschäftskosten zu übersetzen.
Um dieses differenzierte Verständnis der Auswirkungen zu unterstützen, können Sitzungswiederholungen Ihnen dabei helfen, die gesamte User Journey zu erfassen und zu sehen, was der Benutzer zu erreichen versucht hat, als der Fehler auftrat. Auf diese Weise können Sie Muster überwachen, wie z. B. Mitarbeiter, die dieselbe Aktion mehrmals versuchen, bevor sie aufgeben, oder die Workflows bei bestimmten fehleranfälligen Schritten konsequent abbrechen.
Messung der Auswirkungen auf das Netzwerk durch Telemetrie von Mitarbeitergeräten
Während der Netzwerkpfad einfach zu sein scheint, muss ein Mitarbeiter durch DNS-Lookups und CDN-Umleitungen navigieren, bevor er tatsächlich auf die Anwendung zugreifen kann. Die meisten Überwachungen konzentrieren sich auf die endgültige Verbindung, aber eine langsame DNS-Auflösung kostet wertvolle Sekunden, bevor etwas anderes passiert. Ähnlich verhält es sich, wenn statische Inhalte von einem schlecht funktionierenden CDN-Edge geladen werden und sich die Anwendung träge anfühlt, selbst wenn das Backend blitzschnell ist.
Um wirklich zu verstehen, wie sich das Netzwerk auf die Erfahrung der Mitarbeiter auswirkt, benötigen Sie Telemetriedaten von deren Geräten, die ihre Erfahrung während der Arbeit aufzeichnen, sei es vom Desktop eines Remote-Benutzers, der von zu Hause aus arbeitet, oder von einer Netzwerkanwendung, die in einem Außenbüro eingesetzt wird. Beachten Sie, dass wir uns auf tatsächliche Messungen während der realen Arbeit beziehen, und nicht auf synthetische Tests in Ihrem Rechenzentrum. Der knifflige Teil ist die Normalisierung dieser Daten, wenn jeder an verschiedenen Orten mit sehr unterschiedlichen Netzwerkbedingungen arbeitet.
Wenn sich Mitarbeiter über die Leistung beschweren, müssen Sie genau feststellen, wo das Problem liegt. Traceroute-Daten von den Standorten der Mitarbeiter zeigen Ihnen jeden Hop zwischen ihnen und den Anwendungen. Dies ist wichtig für die Erfahrungsbewertung, da eine Verzögerung von 200 ms bei Hop 3 (wahrscheinlich der ISP) andere Abhilfemaßnahmen erfordert als die gleiche Verzögerung bei Hop 12 (in der Nähe der Anwendung). Ohne diese Granularität zeigen Ihre Ergebnisse zwar an, dass etwas nicht in Ordnung ist, aber nicht, was zu beheben ist.
Da Netzwerkmetriken von Natur aus verrauscht sind, muss der Mechanismus zur Erfahrungsbewertung diese Daten auf intelligente Weise verarbeiten. Die wirklichen Erkenntnisse ergeben sich aus der Korrelation dieser Netzwerkmessungen mit Anwendungsereignissen. Ihr Support-Team muss wissen, dass die Spitze der Neuübertragungen während eines Datei-Uploads auftrat und nicht zu einem anderen Zeitpunkt. Um den richtigen Kontext zu erhalten, sollten Sie ein Überwachungstool wählen, das Netzwerke, echte Benutzererfahrung und APIs auf einer einzigen Plattform überwachen kann.
Instrumentierung von Endpunkten für kontextabhängige Leistungsdaten
Um die Auswirkungen von Endpunkten (z. B. Desktops oder mobile Geräte von Endbenutzern) zu verstehen, ist derselbe kontextbewusste Ansatz erforderlich, den Sie auch bei anderen Arten der Überwachung anwenden. Das bedeutet, dass Sie die Metriken und die Systemkonfiguration der Endgeräte überwachen müssen.
Um die Erfahrungen der Mitarbeiter zu verstehen, müssen auf den Endgeräten Agenten installiert werden, die die Systemmetriken (z. B. CPU- und RAM-Auslastung), die auf dem Betriebssystem laufenden Prozesse (z. B. die Microsoft Teams-Anwendung), die Aktivität der Netzwerkkarten (NICs), System- und Anwendungsprotokolle sowie die Systemkonfigurationseinstellungen überwachen.
Die Datenerfassung muss jedoch intelligent durchgeführt werden, um eine Verlangsamung des Systems aufgrund des Überwachungs-Overheads zu vermeiden, die sich für den Endbenutzer bemerkbar macht. Sie können zum Beispiel detaillierte Metriken während aktiver Microsoft Teams-Anrufe sammeln, aber nicht, wenn der Rechner Teams nicht aktiv nutzt.
Um optimale Ergebnisse zu erzielen, wird empfohlen, die adaptive Probenahme zu nutzen, um die Datenerfassung für Diagnosezwecke nur dann zu erhöhen, wenn Probleme auftreten (z. B. wenn ein Anwendungsfehler protokolliert wird), und die Erfassungshäufigkeit während des normalen Betriebs zu verringern.
Erlebnisplattformen auf Unternehmensebene erfordern eine Architektur, die auf Tausende von Endpunkten skaliert werden kann, ohne von Daten überflutet zu werden. Ein typisches Design sollte mehrere Erfassungsmethoden umfassen:
- Browser-Überwachung für Webanwendungen zur Erfassung von Timing und Fehlern
- Messungen auf Betriebssystemebene zur Überwachung der Desktop-Leistung
- API-Überwachung zur Erfassung von Telemetriedaten aus Cloud-basierten Anwendungsdiensten
Der mehrschichtige Ansatz ist notwendig, weil keine einzelne Technik alle relevanten Daten überwachen kann.
Verwendung mehrerer Datenerfassungsmethoden für eine genaue Bewertung
Moderne Plattformen zur Überwachung von Erfahrungen kombinieren mehrere Erfassungsmethoden. Jede Erfassungsmethode hat einen anderen Zeitstempel, verwendet eine andere Granularität und kann Ereignisse verpassen, die andere Methoden erkennen können.
Betrachten Sie beispielsweise den Ansatz, den führende Plattformen bei der Orchestrierung von Real User Monitoring (RUM) und synthetischen Überwachungsdaten verfolgen, um die blinden Flecken der einzelnen Mechanismen abzudecken. Jeder Ansatz sammelt grundlegend unterschiedliche Daten zu unterschiedlichen Zeitpunkten, doch ein ständiger Punkt der Verwirrung ist die Frage, welcher Ansatz Ihnen helfen kann, die "Nutzererfahrung" zu messen.
RUM erfasst die tatsächlichen Erfahrungen der Mitarbeiter durch JavaScript-Injektion, Browser-Plugins oder Anwendungs-Hooks. Es zeigt genau, was die Benutzer erleben, aber nur, wenn sie aktiv arbeiten. Die Implementierung erfordert die Änderung von Anwendungen oder die Bereitstellung von Browsererweiterungen, was Sicherheitsteams oft ablehnen.
Im Gegensatz dazu werden bei der synthetischen Überwachung kontinuierlich geskriptete Transaktionen ausgeführt, so dass Probleme erkannt werden, bevor die Mitarbeiter eine Anwendung nutzen. So kann beispielsweise ein Netzwerk- oder Anwendungsproblem über Nacht auf der Grundlage simulierter Transaktionen erkannt werden, bevor sich die Benutzer am Morgen bei den Anwendungen anmelden.
RUM erfordert eine Instrumentierung über Hunderte von Anwendungen, zeigt aber echte Probleme auf. Für die synthetische Überwachung sind nur wichtige Transaktionsskripte erforderlich, aber es können Grenzfälle übersehen werden, z. B. Verlangsamungen bei der Nutzung der fortschrittlichsten Funktionen einer Anwendung.
Nutzung von Datenkorrelation und KI für eine schnellere Lösung
Korrelations-Engines sind nicht entscheidend, wenn Sie einfache Überwachungstools evaluieren; stattdessen benötigen Sie nur eine genaue Datenerfassung. Die Korrelationsfähigkeit ist jedoch ein Muss, wenn Sie nach einer Lösung suchen, die die Produktivität der Mitarbeiter verbessert, indem sie deren technische Probleme schnell behebt.
Zum Vergleich: Die Vanille-Überwachung zeigt an, dass die CPU zu 90 % ausgelastet ist. Ein Überwachungssystem, das mithilfe von maschinellem Lernen und künstlicher Intelligenz Daten über Silos hinweg korrelieren kann, würde Ihnen sagen: "Das Finanzteam kann den Monatsabschluss nicht abschließen, weil seine Excel-Makros mit Antiviren-Scans um CPU-Ressourcen kämpfen."
Die von Ihnen gewählte Überwachungsplattform sollte in der Lage sein, Daten aus völlig unterschiedlichen Quellen zu korrelieren, die Berichte in verschiedenen Formaten erstellen. Die richtige Plattform kann nicht nur inkompatible Datentypen normalisieren, sondern auch fehlende Daten zuverlässig verarbeiten. Wenn zum Beispiel der Netzwerkmonitor 5 Minuten lang offline war, kann die Plattform dann immer noch Endpunkt- und Anwendungsprobleme während dieses Zeitraums korrelieren? In den meisten Fällen ist ein probabilistischer Abgleich erforderlich, anstatt perfekte Daten aus jeder Quelle zu verlangen.
Noch wichtiger ist, dass Ihre Überwachungsplattform weiß, welche Verbindung wichtig ist. Das Tool sollte so intelligent sein, dass es Ereignisse, die innerhalb von Sekunden auftreten, miteinander verknüpft, auch wenn ihre Zeitstempel nicht perfekt übereinstimmen. Es sollte verwandte Ereignisse anhand von Zeitfenstern gruppieren, etwa nach dem Motto: "Alles, was innerhalb von 5 Sekunden passiert, ist wahrscheinlich verbunden.
Bevor Sie sich für eine Überwachungslösung entscheiden, sollten Sie den Anbietern einfache Fragen stellen:
- Kann ihr System Ereignisse miteinander verbinden, die nur Sekunden auseinander liegen?
- Wie werden Daten aus Systemen mit unterschiedlichen Zeitzonen verarbeitet?
- Wenn ein Problem identifiziert wird, gibt es dann eine einzige Antwort oder werden die wahrscheinlichsten Ursachen zusammen mit Vertrauenswerten angegeben?
Wie Catchpoint die Bewertung der Mitarbeitererfahrung standardisiert hat
Der Zustand des digitalen Mitarbeitererlebnisses ist heute relativ einfach zu messen, auch wenn die Behebung der zugrunde liegenden Probleme komplex sein kann. Im Laufe der Jahre hat Catchpoint die Überwachung der digitalen Erfahrung vereinfacht, indem es die Bewertungskriterien in einer einheitlichen Bewertungsmethodik kodifiziert hat, die automatisch die Geräteleistung, die Netzwerkqualität und die Reaktionsfähigkeit der Anwendungen berücksichtigt.
Im Wesentlichen setzen Sie die Catchpoint an Ihrem digitalen Arbeitsplatz ein, und sie bewertet jede Komponente, um eine umfassende Erfahrungsbewertung zu erstellen. Die Plattform liefert eine Gesamtbewertung, die aus drei Unterbewertungen berechnet wird, nämlich Endpunkt, Netzwerk und Anwendung, und zeigt genau auf, welche Elemente die Leistung beeinträchtigen.
Die Standardisierung spiegelt das wider, was in anderen Überwachungsbereichen passiert ist. Genauso wie Website-Performance-Tools Standardmetriken wie Core Web Vitals etabliert haben, hat Catchpoint ein praxiserprobtes Rahmenwerk geschaffen, das Fortune-500-Unternehmen nun als einzige Quelle der Wahrheit für die Mitarbeitererfahrung nutzen. Der Score bietet IT-Teams einen unmittelbaren Einblick in die Qualität der Mitarbeitererfahrung und ermöglicht es ihnen, spezifische Probleme, die sich auf die Produktivität auswirken, genauer zu untersuchen.
Der eigentliche Durchbruch liegt in der Einfachheit. Anstatt unterschiedliche Datenquellen zu korrelieren oder sich auf Mitarbeiterbeschwerden zu verlassen, erhalten die Teams eine einzige verwertbare Kennzahl, die die grundlegende Frage beantwortet: Haben ihre Mitarbeiter gerade eine gute oder schlechte digitale Erfahrung?
Sind Sie noch unsicher, wie Catchpoint Ihnen helfen kann? Buchen Sie hier eine kostenlose Testversion.
