在IT监控方面，仪表板的日子更好了。虽然确实可以提供重要的组织指标的最新重要视图，但它们提供的明显细节也掩盖了一些重要的盲点。您的组织如何超出仪表板的范围仪表板通常仅显示历史数据，通常是过去几个小时，几天或几周内收到的时间序列。数据分析可以进行实时预测，甚至可以提供决策支持，而这是传统仪表板所无法提供的。此外，仪表板仅显示有限数量的指标。由于选择了这些指标，因此您可能认为它们很重要。但是它们真的符合您的业务模式吗？例如，地区经理可能决定保留一个显示EBITDA，每日网站访问者和支持电话的仪表板。尽管这些都是要遵循的重要指标，但它们是否与用户的职位相匹配？他们有可能遵循的指标但不是吗？就可用性而言，最好不要使用仪表板。目前，您选择的是您认为重要的指标。最好创建一个不断监视异常并向其发出警报并生成整个指标范围内的预测的系统。这比传统的仪表板需要更多的功率。这是只有人工智能才能真正达到的规模。基于AI的监视对仪表板有什么好处？仪表板的主要问题在于，它们是大数据的简单实现。您的公司生成了无数的指标，而仪表板所能做的最多就是浏览其深度表面。它们具有对异常进行推断或警报的能力有限。仪表板是实时解释大数据量的最佳方法之一，至少在最初使用时如此。但是，自那时以来，人工智能的进步（加上IT硬件的商品化，云计算能力的广泛可用性以及GPU技术的不断完善）使它成为更好的选择。AI使用户能够监视数千个应用程序中的数百万个指标。即使在如此规模的情况下，AI仍可提供细粒度的警报功能-异常发生后立即通知管理员，几乎没有误报或误报。与使用仪表板的功能齐全的网络运营中心（NOC）相比，人工智能现在更易于实现，易于使用并以更低的成本提供更多收益。由AI支持的组织AI可以通过快速帮助组织重新获得原本会损失的收入，防止欺诈，数据泄露和计划外停机等收益来收回成本。例如，信用卡公司在欺诈方面存在巨大问题。该问题呈下降趋势，但欺诈者仍然设法在年以约64亿美元的价格挤占信用卡客户。这项活动大部分涉及窃取客户的身份，在客户名下创建假账户，然后对账户进行修饰-定期进行小额借记和付款以增加信用额度。一旦信用额度被认为足够高，欺诈者就会向借款人借钱，然后消失。在这种情况下，欺诈会伤害双方。受害人的信用评分遭受重大打击，这将使他们花费很长时间来解决问题。信用卡公司贷出了可能无法收回的款项。使用AI，您将能够看到假帐户上的欺诈交易模式看起来与正常客户的模式不同。欺诈可能涉及迅速收回小额交易，而真正的消费者则进行较大笔交易并缓慢还清。利用这些因素和其他因素，您可以开始使用人工智能来识别欺诈性帐户并对其进行警报以进行进一步调查。现在，许多公司利用大规模的NOC来检测和减轻欺诈，数据泄露和计划外中断。即使是一个小的NOC，也至少需要6个人才能运行-每班2人，每天3班-一名技术人员每年的费用约为60,美元。因此，为尽可能少的NOC配备人员每年将花费至少,美元-不包括设备和福利的价格。而且，配备仪表板的NOC不可能完全防止欺诈，安全漏洞或计划外停机。仪表板的局限性使得NOC团队成员无法发现所有异常。因此，应该对NOC的成本进行调整，以包括它无法避免的所有事件。添加AI后，您可以随时检测所有事件和异常并发出警报。AI比手动监控更准确，并且可以涵盖每个指标。因此，您可以减少NOC员工，将他们的时间用于解决AI发现的错误，而不是让他们将大部分时间都花在盯着屏幕上。实施AI监控构建AI监视系统需要构建一种体系结构，该体系结构可以从应用程序中提取数据，将数据排列为模式，将这些模式发送到AI监视系统，然后将所有由此引起的异常警报发送给技术人员，甚至自动修复问题。收集器将对您的应用程序进行检测，使您可以将其信号转换为时间序列，并将其推送到异常检测和关联引擎。规则引擎将自动处理异常，将警报推送给技术人员或将警报发送给工作流引擎。这些反过来又能够执行自动解决措施，重新启动计算机并按照已知的步骤将异常转变为非事件。拥有全面的异常检测架构，您的员工将能够花费更少的时间在屏幕上，而将更多的时间主动地维护和改进您的平台。这样一来，您将能够节省资金，更高效地重新部署员工，并使用户和客户满意。

转载请注明:http://www.aideyishus.com/lkjg/6898.html