SCCM-deploymentdata als basis voor infrastructuurplanning

·

SCCM-deploymentdata als basis voor infrastructuurplanning

Je hebt honderden deployments gedraaid, duizenden clients beheerd en toch weet je eigenlijk niet precies waarom die ene softwareverdeling elke dinsdag vastloopt. De data is er wel, maar niemand kijkt ernaar. Dat is zonde, want in je SCCM-omgeving zit meer bruikbare informatie dan je denkt.

Wat SCCM allemaal bijhoudt (en jij waarschijnlijk negeert)

SCCM verzamelt continu gegevens over clients, deployments en hardware. Elke keer dat een client incheckt, een installatie slaagt of mislukt, of een baseline wordt geëvalueerd, schrijft SCCM dat weg naar de database. Die database groeit rustig door, terwijl de meeste beheerders alleen kijken als er iets fout gaat.

De deployment status per collection, de hardware-inventaris per subnet, de softwareversierapportages: het zijn allemaal bronnen die je proactief kunt gebruiken. Niet alleen om problemen op te lossen, maar om te voorspellen waar problemen gaan ontstaan. Dat is het verschil tussen brandjes blussen en een infrastructuur die je écht begrijpt.

Concreet gaat het om tabellen als v_DeploymentSummary, v_R_System en v_GS_PROCESSOR. Wie even de moeite neemt om daar SQL-queries op los te laten, ziet al snel patronen die in de standaardrapportages volledig verborgen blijven.

Patronen herkennen in deployment-gedrag

Stel: je ziet dat een bepaald softwarepakket consistent mislukt op machines in een specifiek kantoor. In de standaardweergave zie je gewoon een rood percentage. Maar als je de faaldata uitsplitst naar subnet, locatie of hardware-generatie, zie je ineens dat het probleem zich concentreert bij oudere laptops met minder dan 8 GB RAM. Dat is geen deployment-fout, dat is een hardwaresignaal.

Dit soort analyse doe je niet met de ingebouwde rapporten alleen. Je hebt een query nodig die deploymentresultaten koppelt aan hardware-inventarisgegevens. Dat klinkt ingewikkelder dan het is. Een JOIN tussen v_DeploymentSummary en v_GS_PHYSICAL_MEMORY geeft je al een werkbaar overzicht.

Zodra je die patronen ziet, kun je je collection-structuur aanpassen. In plaats van generieke device collections maak je subgroepen op basis van hardware-klasse. Zo target je toekomstige deployments meteen op de juiste groep, en voorkom je dat je een zware applicatie uitrolt naar machines die dat niet aankunnen. Want wie heeft er nou niet een keer een verkeerde collection getarget en daarna drie uur zitten troubleshooten.

Data-analyse koppelen aan infrastructuurplanning

Hier wordt het interessant. Als je deployment-data structureel bijhoudt, kun je er trendanalyses op loslaten. Hoeveel clients per kwartaal zakken onder de minimale schijfruimte? Welke locaties hebben consistent langere installatietijden, wat kan wijzen op netwerkproblemen? Welke hardware-generaties lopen achter op patchniveau?

Die vragen zijn niet moeilijk te beantwoorden, maar je moet ze wel stellen. En dat begint met het opzetten van een rapportagestructuur die verder gaat dan de standaard SCCM-dashboards. Veel organisaties exporteren SCCM-data naar een apart analyseplatform, bijvoorbeeld Power BI of een datawarehouse. Om infrastructuurkeuzes echt op feiten te baseren in plaats van onderbuikgevoel, is het essentieel om die operationele IT-data structureel te analyseren. Daarvoor kan data advies helpen om de juiste koppelingen en rapportages op te zetten.

Het praktische voordeel: als jij met data kunt aantonen dat 30% van je endpoints binnen 18 maanden de minimale hardwarevereisten voor Windows 11 niet meer haalt, heb je een concreet argument voor een vervangingsbudget. Dat is een ander gesprek dan “we moeten binnenkort wat laptops vervangen”.

Wat je concreet kunt meten en verbeteren

Om te beginnen met data-gedreven infrastructuurplanning hoef je geen datawetenschapper te zijn. Een paar gerichte queries en een consistente rapportagecyclus zijn al genoeg om grip te krijgen. Dit zijn de gebieden waar je het meeste uit haalt:

  • Deployment success rate per hardware-klasse: hiermee zie je snel welke apparaten structureel achterblijven
  • Patchcompliance per locatie of subnet: nuttig voor het detecteren van netwerkproblemen of firewall-issues
  • Schijfruimte-trends over tijd: voorspel wanneer clients storage-problemen gaan krijgen voordat het een incident wordt
  • Installatieduur per softwarepakket: uitschieters wijzen op problemen met distributie-points of netwerkbandbreedte
  • Hardware-leeftijdsdistributie: combineer dit met compliance-data voor een vervangingsplanning
  • Softwareversieverspreiding: hoeveel procent van je clients draait nog op een verouderde versie, en waarom

Elk van deze metingen levert bruikbare input op voor beslissingen die anders op gevoel worden genomen. En als je ze over meerdere kwartalen bijhoudt, bouw je een historisch beeld op dat je helpt bij capaciteitsplanning en budgetonderbouwing.

Veelgestelde vragen over SCCM en gegevensanalyse

Welke database-tabellen zijn het meest nuttig voor deployment-analyse?

De meest gebruikte views zijn v_DeploymentSummary voor een overzicht van deploymentstatus, v_R_System voor client-eigenschappen en de v_GS_*-views voor hardware-inventarisgegevens zoals geheugen, schijfruimte en processor. Door deze te combineren in SQL-queries krijg je inzicht dat de standaardrapporten niet bieden.

Moet ik SCCM-data exporteren naar een apart systeem voor analyse?

Dat hoeft niet per se, maar het helpt wel. Directe SQL-queries op de SCCM-database werken prima voor eenmalige analyses. Voor structurele rapportages en trendanalyses is een koppeling met Power BI of een datawarehouse handiger, omdat je dan historische data kunt bewaren zonder de productiedatabase te belasten.

Hoe vaak moet ik deployment-rapportages draaien?

Voor patchcompliance is wekelijks een goede cyclus. Hardware-trends en vervangingsplanningen bekijk je beter per kwartaal, zodat je genoeg datapunten hebt om echte trends te zien en niet reageert op tijdelijke uitschieters. Stel vaste rapportagemomenten in en exporteer de resultaten naar een centrale locatie, zodat je na verloop van tijd kunt vergelijken.

Meer om te lezen