在数字化转型中挖掘AIOps的应用潜力

标签: 数字化 转型 aiops | 发表时间:2021-05-17 18:45 | 作者:机器之心
出处:https://www.jiqizhixin.com/

图片

「AIOps」是IT的AI增强版,利用AI优化IT运营。基于IT团队管理开发环境中的数据和信息训练AI,由此重构运营模式。AIOps可以为宕机和IT故障提供敏捷解决方案,从而缓解IT部门面临的问题,并降低解决问题的成本。
AIOps平台利用大数据,机器学习和数据分析功能,使用多种数据源和数据收集方法,通过AI信息流监控和自动化服务平台,为决策者提供可行性建议,主动增强IT运营,AIOps的应用优势也正在加速这种技术落地企业。

报道 | 机器之能

近日,OpsRamp公布了一项对全美200位IT经理进行的AIOps经验调查,数据显示,87%的受访者认为AIOps工具正在以数据驱动协作流程的优化。研究机构Gartner则预测,到2023年AIOps服务的使用将从2018年的5%增长到30%。

虽然AIOps可以帮助企业提升IT运营管理效率,但在部署AIOps解决方案之前,如果对AIOps技术没有清晰的认识,对业务与AIOps的结合点把握不准的话,在前期实施和后期运营过程中难免会遇到挫折。

 一 

什么是AIOps?

AIOps平台在运营过程中,从各种IT运营工具中收集数据,以便在提供历史分析的同时自动发现问题。通过大数据分析和机器学习,把孤立的工单、事件等IT数据汇总在一起。

BMC Software的运营总监Seth Paskin认为,IT专业人员对AIOps的期望通常可以归类为自动化和预测。他们对AIOps最初的期望是以人工智能代替人工操作,从而提高执行速度。例如:将客户资料信息与财务处理应用程序和基础结构数据相关联,以识别交易持续时间异常值并突出显示性能影响因素;评估服务单中的非结构化数据,以自动识别待办任务;对工作负载进行分类,以优化基础架构的位置;将流程中的事件,变更过的数据,以及工作日志等,与应用开发活动相关联,以衡量基础架构和应用变更对生产的影响。

AIOps平台可以自动在基础架构和应用程序域之间收集数据,从而在日志、性能警报、故障单,以及其他项目中查找数据。在这个过程中,AI可以自动识别基础设备、正在运行的应用程序和业务交易,并将其与上下游数据进行关联。

通过将应用程序流映射到基础架构、业务交易及引用程序中,确定网络层中诸如物理和虚拟连接之类的元素之间的关系,从而实现自动化运营。

AIOps基于映射的自动运营还有另一个优势,可以跟踪混合基础架构实体之间的关系。AIOps平台可以跨技术领域和环境创建服务和应用程序拓扑图,从而使IT团队可以加快事件响应速度,并量化程序中止对业务的影响。

AIOps采用监督学习、无监督学习以及基于预期行为和阈值的异常检测,来训练系统识别IT运营的各种状态,并预测服务中断等问题。

对于AIOps来说无监督学习尤其重要,它可以使AIOps平台学习识别预期行为并跨数据和性能指标设置阈值。该平台可以实时分析事件模式,并将其与预期行为进行比较,并通过一系列事件(或一组事件)模拟,向IT团队预报即将发生的系统异常。

AIOps平台的分析结果,可以转化为自动执行的一系列智能操作,从加快服务台请求,到端到端的供应网络,再到计算、云和应用程序的部署。总之,AIOps将来自IT运营管理和IT服务管理的数据汇集在一起,使安全团队能够比以往更有效地观察,参与和处理问题。

 二 

AIOps的主要担忧

  • 数据准确性:与人类相比,当下的机器学习准确度尚有待提高。

  • 技能差距:团队在学习如何使用新工具方面面临困难,尤其是随着机器学习的发展。

  • 错误/控制失误:移交控制权和采用自治系统可能会引起问题和担忧。

  • 漫长的实施周期:在整个企业中采用新的解决方案或工具,可能会花费很长时间,并且会中断工作流程。大多数(40%)的受访者表示,实施AIOps解决方案需要3-6个月的时间。25%的人表示需要超过6个月的时间。

  • 消除工作:借助工作自动化,可以进行部门重组和失业。

图片

并非每个AIOps部署都能按计划顺利进行。从数据质量到IT团队执行力,再到员工对新工具的接受度,以及控制权限由人向AI自动控制移交过程中的流程问题。

由于AIOps平台完全赖于机器学习,因此在实施过程中的数据科学问题,可能会直接影响AIOps的实施。直接访问高质量数据,由此训练机器学习对系统来说并不容易。根据Rackspace Technology的最新调查显示,34%对受访者曾因为数据质量差直接导致机器学习等研发失败,31%等人认为他们缺乏可用于生产的数据。

除了数据挑战之外,技能差距也给实施AIOps造成了困难。Juniper在2021年公布的调研结果表明,大多数受访者的企业或组织正在努力开展员工与AI系统的集成。

在另一方面,AI人才短缺也正在限制着AIOps在企业中的发展,O’Reilly的2021 AI应用报告指出,19%的企业认为缺少专业技术人员和照片困难时AI落地的主要障碍。

此外,大量企业高管对AI不切实际额的期望,也是机器学习项目落地失败的主要原因之一。

 三 

AIOps的优势

AIOps的成功落地对很多企业来说并非易事,但实施过程中的挑战与落地后带来的效率提升相比还是能够值回票价的。

AIOps系统减少了警报「洪流」在IT团队中泛滥的次数,并随着时间的推移,更加精准地向团队发送真实的警报,从而减少冗余。AIOps可用于处理例行任务,例如:备份、服务器重启和低风险的维护活动。且可以在事件发生之前进行预测,例如网络带宽何时达到极限。

正如埃森哲在最近的白皮书「AIOps如何帮助IT成为更好的商业伙伴」中解释的那样,AIOps最终将提高IT组织的能力,使其成为业务有效的合作伙伴。埃森哲认为,具有内置AIOps功能的IT运营平台可以帮助IT运营主动识别其为企业提供的服务和技术的潜在问题,并在问题出现之前进行纠正。这就是拥有服务、应用程序管理,并将其与系统和程序无缝共享的单一数据模型的价值。图片

参考链接:

https://venturebeat.com/2021/05/16/how-aiops-can-benefit-businesses/

相关 [数字化 转型 aiops] 推荐:

在数字化转型中挖掘AIOps的应用潜力

- - 机器之心
「AIOps」是IT的AI增强版,利用AI优化IT运营. 基于IT团队管理开发环境中的数据和信息训练AI,由此重构运营模式. AIOps可以为宕机和IT故障提供敏捷解决方案,从而缓解IT部门面临的问题,并降低解决问题的成本. AIOps平台利用大数据,机器学习和数据分析功能,使用多种数据源和数据收集方法,通过AI信息流监控和自动化服务平台,为决策者提供可行性建议,主动增强IT运营,AIOps的应用优势也正在加速这种技术落地企业.

数字化转型是“人”的转型

- - 产品100
第十一届中国管理·全球论坛在沪成功举行,中国管理模式50人+(以下简称“C50+”)发表前沿洞察. 其中,中国人民大学商学院原院长、C50+成员毛基业教授发表题为 《一把手的数字化转型领导力》主旨演讲. 数字化转型都说是“一把手工程”,为什么讲“一把手工程”. 我近年调研了一些企业, 跟大家分享一下我观察到的“一把手”领导数字化转型的行为.

AIOps 中的四大金刚

- - IT瘾-dev
在传统的自动化运维体系中,重复性运维工作的人力成本和效率问题得到了有效解决. 但在 复杂场景下的故障处理、变更管理、容量管理、服务资源过程中,仍需要人来掌控决策的过程,这阻碍了运维效率的进一步提升. 而AI方法的引入,使得机器能够代替人来做出决策,从而让真正意义上的实现完全自动化成为了可能. 在AIOps的落地实施过程中,最关键的因素还是 人,即AIOps的建设者们.

数字化转型需要双模IT – 华为期刊

- -
大数据、云计算、社交媒体和移动互联等技术日臻成熟,智能机器、物联网、3D打印、AR/VR和区块链等技术也逐渐兴起,这些新兴技术正在深刻地改变各行各业的业务模式,涉及企业的方方面面,包括营销、研发、供应链、制造和服务等诸多领域. 企业必须进行数字化转型,否则将难以在竞争日益激烈的市场上立足. 企业的IT部门需要支持甚至引领企业的数字化转型.

怎么理解数字化转型(一) - 知乎

- -
最近几年,数字化转型(Digital Transformation)在国外一直很火,国内也慢慢火了起来,当然,这个概念是针对企业级的;中国消费互联网的发展已经接近甚至超越全球,但是在企业级,还是由于历史和时机的问题,还是落后于全球发展. 什么是数字化,就是以计算机为代表的数字技术,涉及到计算,存储,传输,交互等.

当我们谈数字化转型时,我们在说什么

- - InfoQ推荐
说白了,就是使用数字化信息来使既定的工作方式更简单、更高效. 数字转型的目的和核心都是实现业务转型、创新和增长,而我们的基石就是数字化技术. 因此,企业做数字化转型,无非就三个目的:业务转型、业务创新、企业增长. 自党的十八大以来,习总书记指出:“世界经济数字化转型是大势所趋,新的工业革命将深刻重塑人类社会”“要促进数字经济和实体经济深度融合”.

券商数字化转型破局之道:概览篇

- - 互联网数据资讯网-199IT
随着金融科技浪潮席卷资本市场、证券行业生态竞争加剧、监管政策积极引导支持,数字化转型已成为券商未来发展的全新战略高地. 各大机构积极入场开启转型新征程,铺资源、拉队伍、打基础,初步取得阶段性进展. 近年来中资券商数字化投入幅度整体显著提升,部分中资券商追平外资领先机构的投入力度. 自 2017 年以来,国内各券商纷纷加大数字化转型投入力度,全行业信息科技投入 1 规模以 18% 的增速持续增长,至 2020 年已突破 260 亿元,营业收入占比从上年的 4.9% 提升至 7.5%.

AIOps 核心技术和算法要点

- - IT瘾-dev
AIOps已经逐渐兴起,AI算法已较为成熟,使之与运维结合到了一起,下面列出AIOps相关技术和算法要点,有空了再展开写,懂大数据和机器学习的基本都知道各个组件及算法的作用. elasticsearch(支持时序). clickhouse(支持时序). -------------推荐阅读------------.

AIOps 需要翻越的「三座大山」

- - OneAPM 博客
最近 AIOps 火热的就像8月里的盛夏,运维圈子里的每一个人都在讨论着 AIOps,仿佛不聊点AIOps的东西,就透着那么out. 原来做运维产品的一众厂商也像打了鸡血似的,纷纷推出花样繁多的AIOps产品,仿佛AIOps是什么传说中的灵丹妙药,一试就灵、包治百病一样. Gartner 更是推波助澜,颇为大胆的预测到2022年,将有超过40%的企业会采用 AIOps 平台技术.

DevOps让金融业数字化转型更敏捷 | 分享实录

- - DockOne.io
以下为博云近期在活动中分享的关于《如何通过 DevOps 让数字化转型变得更加敏捷》的主题演讲实录. 大家好,今天分享的题目是《如何通过 DevOps 让数字化转型变得更加敏捷》. 首先,我们认为现在金融科技已经进入到了 VUCA 时代. VCUA 是关于四个词的缩写,即易变性、不确定性、复杂性和模糊性.