Машинное обучение для ИТ-операций

Давайте решим сложность ИТ-данных

Как работает ваша ИТ-инфраструктура? Обеспечивает ли он качество обслуживания клиентов, время безотказной работы и почти мгновенное время отклика, которые вы ищете? Можете ли вы избежать простоев и устранить неполадки с минимальными затратами времени и усилий? На помощь приходит машинное обучение.

Реальность такова, что ИТ-системы стали настолько взаимосвязанными, настолько сложными и настолько массивными, что люди — даже самые талантливые инфраструктурные и инженерные команды — не могут за ними угнаться. Взять хотя бы недавний сбой в работе British Airways. Простая человеческая ошибка привела к скачку напряжения, который привел к сбою компьютеров авиакомпании и серьезному повреждению важных серверов, содержащих данные о пассажирах и рейсах. Кто мог знать все последствия одного действия?

Подобные проблемы преследуют бизнес по всему миру каждый день. Однако эти проблемы не связаны с отсутствием информации или данных. Просто слишком много данных. Становится невозможно получить доступ и применить все необходимые знания предметной области. Машинное обучение быстро становится необходимостью.

Вот три основные причины, по которым ИТ-специалисты ищут дружескую помощь от машин, с которыми они работают:

Настройка

Прелесть машинного обучения заключается в том, что его можно настроить с помощью неконтролируемого обучения в соответствии с потребностями уникальной бизнес-среды компании. Это достигается за счет использования алгоритмов, которые выявляют согласованные, последовательные и повторяющиеся закономерности в данных — закономерности, которые затем можно применять к реальным деловым событиям, задачам и возможностям.

Преимущества обучения без учителя многочисленны:

Вместо того, чтобы ИТ-специалисты программировали машину для получения конкретного вывода, машина способна идентифицировать закономерности в данных для получения оптимального результата.
Вместо того, чтобы машина знала, как реагировать в определенном наборе обстоятельств, машина становится способной реагировать на бесконечное разнообразие ситуаций.
Вместо того, чтобы генерировать общие идеи или результаты, машинное обучение генерирует персонализированные идеи и результаты.

Например, предположим, что есть две страховые компании. Компании используют одну и ту же инфраструктуру центров обработки данных и программные инструменты. Однако у каждого из них есть свои модели рабочей нагрузки, профили потребителей, бизнес-правила и методологии оценки. Оба используют машинное обучение. Несмотря на то, что они работают в одной отрасли и используют одни и те же технологии, машинное обучение будет давать полностью индивидуальные результаты для каждой компании на основе уникальных факторов в двух бизнес-средах.

Эффективность

Сегодня компании имеют в своем распоряжении огромные объемы данных, но они в основном не используются и непригодны для использования и, возможно, быстро меняются. Даже армия аналитиков не могла надеяться удержаться на вершине этих данных; он слишком велик, чтобы им управлять.

Благодаря машинному обучению преимущества больших данных могут быть эффективно реализованы за счет внедрения оперативного интеллекта в существующие инструменты управления производительностью. Например, предположим, что крупный универмаг использует машинное обучение для анализа транзакций продаж. Машинное обучение может легко оценивать и извлекать полезную информацию из миллиардов транзакций, а также из метаданных, которые окружают эти транзакции (например, где и когда была совершена транзакция? Как веб-сайт выполнял свои функции? Какое значение транзакции имеют для доходов, маркетинг, инвентаризация и т. д.?). Эти идеи можно использовать в существующих инструментах, чтобы помочь магазину усовершенствовать свои внутренние операции и повысить качество обслуживания клиентов.

Преемственность

Машинное обучение также может помочь заполнить пробел, который остается открытым, когда специалисты по ИТ-операциям уходят на пенсию или покидают компанию. Например, новое поколение ИТ-специалистов не всегда обучено работе с технологией мэйнфреймов, на которую полагаются многие ведущие компании и правительства для выполнения некоторых из своих наиболее важных приложений. Этот недостаток знаний в предметной области для оптимизации производительности мэйнфреймов и устранения неполадок можно смягчить путем внедрения интеллектуальных функций и применения методов машинного обучения, которые ассимилируют навыки и знания экспертов по мэйнфреймам для снижения рисков и обеспечения непрерывности и масштабируемости операций для организации.

Машинное обучение — это ключ к оптимизации производительности инфраструктуры, росту бизнеса, улучшению качества обслуживания клиентов, управлению знаниями и множеству других возможностей. Следующий шаг – сделать его своим.

Первоначально опубликовано на сайте blogs.ca.com 22 июня 2017 г. www.cssdelivers.com

Машинное обучение для ИТ-операций