معنی رشد راه حل های AIops برای شرکت چیست


آیا نتوانستید در Transform 2022 شرکت کنید؟ اکنون تمام جلسات اجلاس را در کتابخانه درخواستی ما بررسی کنید! اینجا را تماشا کنید.


بدون اغراق، تحول دیجیتال با سرعت سرسام آوری در حال حرکت است و حکم این است که فقط سریعتر حرکت می کند. به گفته گارتنر، سازمان‌های بیشتری به ابر مهاجرت می‌کنند، محاسبات لبه‌ای را اتخاذ می‌کنند و از هوش مصنوعی (AI) برای فرآیندهای تجاری استفاده می‌کنند.

سوخت رسانی به این سفر سریع و وحشی داده است، و به همین دلیل است که برای بسیاری از شرکت ها، داده ها – در اشکال مختلف آن – یکی از با ارزش ترین دارایی های آن است. از آنجایی که کسب‌وکارها اکنون داده‌های بیشتری نسبت به گذشته دارند، مدیریت و استفاده از آن برای بهره‌وری به یکی از دغدغه‌های اصلی تبدیل شده است. در میان این نگرانی‌ها، ناکافی بودن چارچوب‌های سنتی مدیریت داده برای مدیریت پیچیدگی‌های روزافزون فضای کسب‌وکار پیشرو دیجیتالی است.

اولویت ها تغییر کرده اند: مشتریان دیگر از مراکز داده سنتی غیرمتحرک راضی نیستند و اکنون به مراکز پرقدرت، درخواستی و چند ابری مهاجرت می کنند. بر اساس نظرسنجی Forrester از 1039 متخصص توسعه و ارائه برنامه های کاربردی بین المللی، 60٪ از متخصصان فناوری و تصمیم گیرندگان از multicloud استفاده می کنند – این رقم انتظار می رود در 12 ماه آینده به 81٪ افزایش یابد. اما شاید مهم‌ترین این نظرسنجی این باشد که «۹۰ درصد از کاربران چند ابری پاسخ‌دهنده می‌گویند که به آنها کمک می‌کند تا به اهداف تجاری خود برسند».

مدیریت پیچیدگی های مراکز داده چند ابری

گارتنر همچنین گزارش می دهد که استقرار چند ابری سازمانی چنان فراگیر شده است که حداقل تا سال 2023، “10 ارائه دهنده بزرگ ابر عمومی بیش از نیمی از کل بازار ابر عمومی را در اختیار خواهند داشت.”

رویداد

MetaBeat 2022

MetaBeat رهبران فکری را گرد هم می‌آورد تا راهنمایی کنند که چگونه فن‌آوری متاورس نحوه برقراری ارتباط و انجام تجارت همه صنایع را در 4 اکتبر در سانفرانسیسکو، کالیفرنیا تغییر خواهد داد.

اینجا ثبت نام کنید

اما اینجا به پایان نمی رسد – مشتریان همچنین در جستجوی مراکز داده چند ابری لبه، خصوصی یا ترکیبی هستند که دید کاملی از پشته فناوری در سطح سازمانی و همبستگی بین دامنه ای اجزای زیرساخت فناوری اطلاعات را ارائه می دهند. در حالی که این قابلیت ها قابل توجیه هستند، با پیچیدگی های زیادی همراه هستند.

به طور معمول، لایه ها بر لایه های پیکربندی های متقابل دامنه، محیط چند ابری را مشخص می کنند. با این حال، همانطور که قابلیت‌های جدیدتر رایانش ابری وارد جریان اصلی می‌شوند، لایه‌های جدیدی مورد نیاز است – بنابراین یک سیستم از قبل پیچیده را پیچیده می‌کند.

این امر با گسترش شبکه 5G و مراکز داده لبه‌ای برای حمایت از تقاضای فزاینده مبتنی بر ابر در آب و هوای جهانی پس از همه‌گیری پیچیده‌تر می‌شود. این بازسازی با آغاز چیزی که بسیاری آن را «موج جدید مراکز داده» می نامند، پیچیدگی های بزرگتری ایجاد می کند که فشار زیادی را بر مدل های عملیاتی سنتی وارد می کند.

تغییر ضروری است، اما با توجه به اینکه کوچکترین تغییر در یکی از لایه‌های زیرساخت، امنیت، شبکه یا برنامه می‌تواند منجر به اثرات پروانه‌ای در مقیاس بزرگ شود، تیم‌های فناوری اطلاعات سازمانی باید با این واقعیت کنار بیایند که به تنهایی نمی‌توانند این کار را انجام دهند.

AIops به عنوان راه حلی برای پیچیدگی چند ابری

اندی تورای، معاون و تحلیلگر اصلی Constellation Research Inc. نیز این موضوع را تایید کرد. برای او، ماهیت خاموش مدیریت عملیات چند ابری منجر به پیچیدگی فزاینده عملیات فناوری اطلاعات شده است. راه حل او؟ هوش مصنوعی برای عملیات فناوری اطلاعات (AIops)، یک دسته صنعت هوش مصنوعی است که توسط شرکت تحقیقاتی فناوری گارتنر در سال 2016 ابداع شد.

به طور رسمی توسط گارتنر به عنوان “ترکیب داده های بزرگ و ML” تعریف شده است [machine learning] در اتوماسیون و بهبود فرآیندهای عملیات فناوری اطلاعات، تشخیص، نظارت و قابلیت‌های تحلیلی AIops به آن اجازه می‌دهد تا به طور هوشمندانه اجزای بی‌شماری متفاوت مراکز داده را بررسی کند تا تحولی جامع در عملیات خود ایجاد کند.

تا سال 2030، افزایش حجم داده ها و در نتیجه افزایش آن در پذیرش ابری به اندازه بازار جهانی AIops پیش بینی شده 644.96 میلیارد دلار کمک خواهد کرد. این بدان معنی است که شرکت هایی که انتظار دارند سرعت و مقیاس مورد نیاز انتظارات مشتری رو به رشد را برآورده کنند، باید به AIops متوسل شوند. در غیر این صورت، آنها در معرض خطر مدیریت ضعیف داده ها و در نتیجه سقوط عملکرد تجاری هستند.

این نیاز تقاضا برای مدل‌های عملیاتی جامع و جامع برای استقرار AIops ایجاد می‌کند – و اینجاست که Cloudfabrix وارد می‌شود.

AIops به عنوان یک راه حل تجزیه و تحلیل قابل ترکیب

Cloudfabrix با الهام از کمک به شرکت‌ها برای سهولت پذیرش استراتژی داده‌ها، اول هوش مصنوعی و خودکارسازی همه جا، امروز در دسترس بودن مدل عملیاتی جدید AIops خود را اعلام کرد. این دستگاه به تجزیه و تحلیل‌های قابل ترکیب، داده‌ها و خطوط لوله مشاهده‌پذیری AI/ML و قابلیت‌های گردش کار اصلاح حادثه مجهز است. این اعلامیه پس از انتشار اخیر آن چیزی که به عنوان «اولین فناوری پارچه اتوماسیون داده رباتیک (RDAF) در جهان توصیف می‌کند که AIops، اتوماسیون و قابلیت مشاهده را یکپارچه می‌کند، منتشر شد.

تجزیه و تحلیل های ترکیبی که به عنوان کلید مقیاس سازی هوش مصنوعی شناخته می شوند، به شرکت ها این فرصت را می دهند تا زیرساخت های فناوری اطلاعات خود را با ایجاد اجزای فرعی که می توانند به دلخواه به ماشین های راه دور دسترسی داشته باشند، سازماندهی کنند. در مدل عامل جدید AIops Cloudfabrix یک ادغام تجزیه و تحلیل قابل ترکیب با داشبوردها و خطوط لوله قابل ترکیب است.

داشبوردهای ترکیبی Cloudfabrix با ارائه تجسم 360 درجه از منابع و انواع داده های متفاوت، دارای داشبوردهای مبتنی بر شخصیت قابل تنظیم میدانی، دید متمرکز برای تیم های پلت فرم و داشبوردهای KPI برای عملیات توسعه تجاری هستند.

Shailesh Manjrekar، معاون هوش مصنوعی و بازاریابی در Cloudfabrix، در مقاله‌ای که در فوربس منتشر شد، خاطرنشان کرد که تنها راهی که AIops می‌تواند تمام انواع داده‌ها را برای بهبود کیفیت آنها پردازش کند و بینش‌های منحصربه‌فرد را به دست آورد، از طریق خطوط لوله قابل مشاهده بلادرنگ است. این موضع در پذیرش Cloudfabrix نه تنها از خطوط لوله قابل ترکیب، بلکه همچنین ترکیبات خط لوله قابل مشاهده در جریان کار اصلاح حادثه، تکرار شده است.

در این سنتز، نقص های احتمالی برای نظارت بر رفتار خط لوله و درک علل احتمالی و راه حل های آنها شبیه سازی می شود. همچنین در جریان کار اصلاح حادثه مدل، موتور توصیه است که از رفتار آموخته شده از متاستور عملیاتی و تجزیه و تحلیل NLP برای توصیه اقدامات اصلاحی واضح برای هشدارهای اولویت‌دار استفاده می‌کند.

راجو داتلا، مدیرعامل Cloudfabrix، برای درک این حوزه گفت که راه‌اندازی تجزیه و تحلیل‌های قابل ترکیب آن «صرفاً بر شخصیت‌های BizDevOps در ذهن متمرکز است و تجربه کاربری و اعتماد آن‌ها به عملیات‌های هوش مصنوعی را تغییر می‌دهد».

او افزود که این راه‌اندازی همچنین «با ادغام یکپارچه گردش‌های کاری AIops در مدل عملیاتی شما و ایجاد اعتماد در اتوماسیون داده‌ها و خطوط لوله قابل مشاهده از طریق شبیه‌سازی خطاهای مصنوعی قبل از راه‌اندازی در تولید، بر اتوماسیون تمرکز دارد». برخی از آن پرسوناهای عملیاتی که این مدل برای آنها طراحی شده است عبارتند از کلوداپ، بیزوپس، گیت اوپس، فینوپس، devops، DevSecOps، Exec، ITops و serviceops.

Cloudfabrix که در سال 2015 تأسیس شد، در ایجاد امکان ساخت شرکت‌های مستقل با راه‌حل‌های فناوری اطلاعات مبتنی بر هوش مصنوعی به کسب‌وکارها تخصص دارد. اگرچه این شرکت نرم‌افزاری مستقر در کالیفرنیا خود را به‌عنوان پیش‌ترین فروشنده پلت‌فرم AIops مبتنی بر داده‌ها به بازار عرضه می‌کند، اما بدون رقابت نیست – به‌ویژه با رقبای مانند Watson AIops، Moogsoft، Splunk و دیگران IBM.

ماموریت VentureBeat این است که یک میدان شهر دیجیتال برای تصمیم گیرندگان فنی باشد تا دانشی در مورد فناوری سازمانی متحول کننده کسب کنند و معامله کنند. جلسات توجیهی ما را کشف کنید.