如何發(fā)掘AIOps潛能

時(shí)間：2022-03-10 09:21:01 | 來源：行業(yè)動(dòng)態(tài)

時(shí)間：2022-03-10 09:21:01 來源：行業(yè)動(dòng)態(tài)

企業(yè)首先需要完成大量準(zhǔn)備工作，才能將AIOps的各個(gè)組件拼湊起來，真正建立起易用且可靠的自動(dòng)化運(yùn)營解決方案。下面來看其中的幾個(gè)關(guān)鍵步驟：

第一，收集廣泛而多樣的數(shù)據(jù)。數(shù)據(jù)是AIOps得以成功實(shí)施的基礎(chǔ)，因此，我們必須思考如何將不同來源的數(shù)據(jù)組合起來并高效利用。企業(yè)需要從各種來源處收集數(shù)據(jù)，包括內(nèi)部部署系統(tǒng)、云平臺(tái)以及應(yīng)用程序等。最終，采集到的數(shù)據(jù)應(yīng)存儲(chǔ)在集中式數(shù)據(jù)湖內(nèi)。得益于AI的強(qiáng)大功能，AIOps平臺(tái)將自動(dòng)完成這一系列操作，并保證更快、更全面地做出高質(zhì)量決策與有意義分析。

第二，將數(shù)據(jù)內(nèi)容劃分為多個(gè)有意義類別。在數(shù)據(jù)攝取過程中，我們需要根據(jù)企業(yè)的運(yùn)營需求對數(shù)據(jù)內(nèi)容進(jìn)行重組。這種重組處理對歷史乃至實(shí)時(shí)攝取數(shù)據(jù)都非常重要。根據(jù)AIOps具體用例，企業(yè)應(yīng)定義出與業(yè)務(wù)規(guī)則相匹配的分類機(jī)制。例如，對于制藥企業(yè)，可能需要考慮合成設(shè)備健康數(shù)據(jù)、設(shè)備運(yùn)行效率數(shù)據(jù)以及環(huán)境因素等。

第三，將AIOps機(jī)器學(xué)習(xí)技術(shù)應(yīng)用于初始大數(shù)據(jù)測試用例。一切轉(zhuǎn)型都可以從細(xì)微處著手，AIOps也同樣如此。大家不妨從積累專業(yè)知識(shí)開始，首先嘗試將機(jī)器學(xué)習(xí)功能應(yīng)用于有限的少數(shù)測試用例，再以此為基礎(chǔ)逐步推進(jìn)更大規(guī)模的迭代。

第四，通過量化與反饋提高預(yù)測準(zhǔn)確性。一旦AIOps平臺(tái)解析出數(shù)據(jù)模式，即可智能預(yù)測出接下來可能出現(xiàn)的各類情況，甚至根據(jù)實(shí)時(shí)數(shù)據(jù)做出準(zhǔn)確推理。企業(yè)可以設(shè)計(jì)測試與量化指標(biāo)，向模型提供反饋以改進(jìn)預(yù)測質(zhì)量。接下來，AIOps平臺(tái)即可將摸索出的邏輯應(yīng)用于離散數(shù)據(jù)，一步步設(shè)計(jì)出更合理的行動(dòng)路線。AIOps平臺(tái)將通過歷史與最新數(shù)據(jù)不斷學(xué)習(xí)，持續(xù)自我改進(jìn)并帶來更快、更準(zhǔn)確的決策能力。最終，AIOps將為企業(yè)建立起這樣一個(gè)持續(xù)且穩(wěn)健的反饋加改進(jìn)周期。