IT-driftsanalys

Inom områdena informationsteknologi (IT) och systemförvaltning är IT-driftsanalys (ITOA) ett tillvägagångssätt eller metod för att hämta, analysera och rapportera data för IT-drift . ITOA kan tillämpa stordataanalys på stora datamängder för att producera affärsinsikter. Under 2014 Gartner att användningen skulle kunna öka intäkterna eller minska kostnaderna. År 2017 förutspådde den att 15 % av företagen kommer att använda IT-driftsanalysteknik.

Definition

IT-driftsanalysteknik (ITOA) (även känd som avancerad operationell analys, eller IT-dataanalys) används främst för att upptäcka komplexa mönster i stora volymer av ofta "bullriga" IT-systems tillgänglighet och prestandadata. Forrester Research definierade IT-analys som "Användningen av matematiska algoritmer och andra innovationer för att extrahera meningsfull information från havet av rådata som samlats in av lednings- och övervakningstekniker." Notera att ITOA är annorlunda än AIOps , som fokuserar på att tillämpa artificiell intelligens och maskininlärning på ITOAs applikationer.

Historia

Operationsforskning som en disciplin uppstod från andra världskriget för att förbättra militär effektivitet och beslutsfattande på slagfältet. Men först med framväxten av maskininlärningsteknik i början av 2000-talet kunde en artificiellt intelligent plattform för operativ analys faktiskt börja engagera sig i mönsterigenkänning på hög nivå som skulle kunna tillgodose affärsbehoven. En kritisk katalysator för ITOA-utveckling var uppkomsten av Google , som banade väg för en prediktiv analysmodell som representerade det första försöket att läsa in mönster av mänskligt beteende på Internet . IT-specialister tillämpade sedan prediktiv analys på IT-branschen och kom fram med plattformar som kan sålla igenom data för att generera insikter utan behov av mänskligt ingripande.

På grund av den vanliga omfamningen av cloud computing och den ökande önskan för företag att ta till sig mer big data- praxis, har ITOA-branschen vuxit avsevärt sedan 2010. En ExtraHop-undersökning från 2016 av stora och medelstora företag visar att 65 procent av de tillfrågade företagen kommer att strävar efter att integrera sina datasilos antingen i år eller nästa. De nuvarande målen för ITOA-plattformar är att förbättra noggrannheten i deras APM- tjänster, underlätta bättre integration med data och att förbättra deras prediktiva analysmöjligheter.

Ansökningar

ITOA-system brukar användas av IT-driftsteam och Gartner beskriver sju tillämpningar av ITOA-system:

  • Grundorsaksanalys: Modellerna, strukturerna och mönsterbeskrivningarna av IT-infrastruktur eller applikationsstack som övervakas kan hjälpa användare att lokalisera finkorniga och tidigare okända grundorsaker till övergripande systembeteendepatologier.
  • Proaktiv kontroll av tjänstens prestanda och tillgänglighet: Förutsäger framtida systemtillstånd och inverkan av dessa tillstånd på prestanda.
  • Problemtilldelning: Bestämmer hur problem kan lösas eller, åtminstone, rikta resultaten av slutsatser till de mest lämpliga individerna eller samhällena i företaget för problemlösning.
  • Servicepåverkansanalys: När flera grundorsaker är kända används analyssystemets utdata för att bestämma och rangordna den relativa påverkan, så att resurser kan ägnas åt att rätta till felet på ett så snabbt och kostnadseffektivt sätt som möjligt.
  • Komplettera den bästa teknologin: Modellerna, strukturerna och mönsterbeskrivningarna av IT-infrastruktur eller applikationsstack som övervakas används för att korrigera eller utöka utdata från andra upptäcktsorienterade verktyg för att förbättra tillförlitligheten hos information som används i operativa uppgifter (t.ex. serviceberoendekartor, applikationsruntime-arkitekturtopologier, nätverkstopologier).
  • Realtidsinlärning av applikationsbeteende: Lär sig och korrelerar applikationens beteende baserat på användarmönster och underliggande infrastruktur på olika applikationsmönster, skapa mätvärden för sådana korrelerade mönster och lagra det för vidare analys.
  • Tröskelvärde för dynamiskt baslinjer: Lär sig infrastrukturens beteende på olika applikationsanvändarmönster och bestämmer det optimala beteendet för Infra och tekniska komponenter, riktmärken och baslinjer, låg- och högvattenmärket för de specifika miljöerna och ändrar dynamiskt riktmärkets baslinjer med den föränderliga infralinjen. och användarmönster utan några manuella ingrepp

Typer

I deras Data Growth Demands a Single, Architected IT Operations Analytics Platform beskriver Gartner Research fem typer av analystekniker:

  • Logganalys
  • Ostrukturerad textindexering, sökning och slutledning (UTISI)
  • Topologisk analys (TA)
  • Flerdimensionell databassökning och analys (MDSA)
  • Complex operations event processing (COEP)
  • Statistisk mönsterupptäckt och -igenkänning (SPDR)

Verktyg och ITOA-plattformar

Ett antal leverantörer verkar i ITOA-utrymmet:

Se även

externa länkar

Hämtad från " https://en.wikipedia.org/w/index.php?title=IT_operations_analytics&oldid=1060360715 "