AIOps ：改善客戶滿意度的關鍵技術
企業(yè)如何快速解決運營問題，并為企業(yè)帶來更理想的業(yè)務產(chǎn)出？這個問題的答案，可能就在AIOps當中。隨著基礎設施與業(yè)務應用生成的數(shù)據(jù)量越來越大，IT團隊往往需要在彼此離散的孤島中工作，這意味著運營管理與改進，包括監(jiān)控與服務臺流程等層面的全面自動化將成為一種必需。
作為由Gartner Research在2016年創(chuàng)造的新興詞匯，AIOps 是指利用分析與機器學習技術并運用IT運營工具中的各類歷史數(shù)據(jù)。AIOps平臺能夠實時響應各類問題，并以此提供智能洞見以協(xié)助各團隊持續(xù)改進核心IT職能，避免潛在故障。
自2020年疫情以來，大部分IT運營體系開始轉向在線模式，特別是性能監(jiān)控等，流程中收集的數(shù)據(jù)也越來越多。在這一背景下，企業(yè)承受的數(shù)據(jù)收集與處理的壓力不斷提升，而且必須在基礎設施發(fā)生任何問題的同時盡快處理。簡而言之，如今IT環(huán)境的特性與要求遠遠超出了人類的能力極限，我們已經(jīng)不可能結合信息采取行動并快速做出反應。為了保障業(yè)務成功，這些流程需要也必然要走向自動化。
AIOps平臺能夠為IT企業(yè)提供這種必要的運營敏捷性優(yōu)勢。通過將數(shù)據(jù)移出孤島，企業(yè)能夠極大提升可擴展性與運營速度，顯著強化IT運營的敏捷水平。只有這樣，企業(yè)才有可能支撐復雜全球服務與物流運營所產(chǎn)生的海量數(shù)據(jù)集。
此外，AIOps平臺還能夠減少各類本地解決方案的依賴性，借此消除外包成本。AIOps技術幫助企業(yè)以無縫方式擴展基礎設施，幫助整個服務交付生態(tài)系統(tǒng)高效運行，進而改善客戶體驗。在它的支持下，制造生產(chǎn)或分銷中心不再時刻被籠罩在服務中斷的陰影之下。通過智能化自動運營，企業(yè)還將持續(xù)提升決策準確性、業(yè)務可預測性，借此迎來理想的客戶留存率。
如何發(fā)掘AIOps潛能
企業(yè)首先需要完成大量準備工作，才能將AIOps的各個組件拼湊起來，真正建立起易用且可靠的自動化運營解決方案。下面來看其中的幾個關鍵步驟：
第一，收集廣泛而多樣的數(shù)據(jù)。數(shù)據(jù)是AIOps得以成功實施的基礎，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)，包括內部部署系統(tǒng)、云平臺以及應用程序等。最終，采集到的數(shù)據(jù)應存儲在集中式數(shù)據(jù)湖內。得益于AI的強大功能，AIOps平臺將自動完成這一系列操作，并保證更快、更全面地做出高質量決策與有意義分析。
第二，將數(shù)據(jù)內容劃分為多個有意義類別。在數(shù)據(jù)攝取過程中，我們需要根據(jù)企業(yè)的運營需求對數(shù)據(jù)內容進行重組。這種重組處理對歷史乃至實時攝取數(shù)據(jù)都非常重要。根據(jù)AIOps具體用例，企業(yè)應定義出與業(yè)務規(guī)則相匹配的分類機制。例如，對于制藥企業(yè)，可能需要考慮合成設備健康數(shù)據(jù)、設備運行效率數(shù)據(jù)以及環(huán)境因素等。
第三，將AIOps機器學習技術應用于初始大數(shù)據(jù)測試用例。一切轉型都可以從細微處著手，AIOps也同樣如此。大家不妨從積累專業(yè)知識開始，首先嘗試將機器學習功能應用于有限的少數(shù)測試用例，再以此為基礎逐步推進更大規(guī)模的迭代。
第四，通過量化與反饋提高預測準確性。一旦AIOps平臺解析出數(shù)據(jù)模式，即可智能預測出接下來可能出現(xiàn)的各類情況，甚至根據(jù)實時數(shù)據(jù)做出準確推理。企業(yè)可以設計測試與量化指標，向模型提供反饋以改進預測質量。接下來，AIOps平臺即可將摸索出的邏輯應用于離散數(shù)據(jù)，一步步設計出更合理的行動路線。AIOps平臺將通過歷史與最新數(shù)據(jù)不斷學習，持續(xù)自我改進并帶來更快、更準確的決策能力。最終，AIOps將為企業(yè)建立起這樣一個持續(xù)且穩(wěn)健的反饋加改進周期。
AIOps平臺的探索之旅
Gartner公司預計，到2023年，使用AIOps及其他數(shù)字體驗監(jiān)控工具跟蹤應用程序與基礎設施的大型企業(yè)比例將由2018年的5%上升至30%。面對突如其來的疫情，這種趨勢只會進一步加速，IT部門也迫切需要這種能力快速處理大量在線服務與運營信息，最終根據(jù)數(shù)據(jù)分析結論與自動化運營、幫助企業(yè)取得更大的商業(yè)成功。
這里需要再次強調，成功實現(xiàn)AIOps可能并不像想象中那么困難。IT企業(yè)已經(jīng)具備收集及攝取數(shù)據(jù)的成熟方法，接下來只需要選擇正確的AIOps平臺、經(jīng)驗豐富的開發(fā)合作伙伴，并根據(jù)預期業(yè)務收益挑選出合適的試驗性用例。
