データ駆動型の世界でコンテキストが重要である理由

状況に応じたデータ駆動型IT運用を採用する必要性

調査会社IDCは、全体的なデータ量が2018年の33ゼタバイトから2025年までの175ゼタバイト。データの50％はIoTデバイスからのものであり、データの30％近くは2025年までにリアルタイムで消費されます。データ経済は、企業がより効果的で競争力のあるものになるためにデジタルテクノロジーと連携する必要がある方法に関するゲームを変えました。、そして革新的です。

ハイブリッドインフラストラクチャ管理のコンテキストでは、機械学習なしで最新のアプリケーションとインフラストラクチャスタックを管理することは急速に不可能になりつつあります。 IT運用のための人工知能（AIOps）ガイドの可視性を歓迎し、より速いな閉鎖するし、大摩ななな顧客体験を提供します。はじめて。

データが豊富な洞察と結びついたコンテキストは、企業に適切なレベルの透明性、チームコラボレーション、および生産性を提供します。 IT運用チームの場合、生データには多くの欠落したリンクが含まれる可能性があり（各ツールの形式が異なり、同じメトリックに固有の意味が割り当てられる可能性があります）、目前の問題を把握するためにデータサイエンティストによる広範な分析が必要になります。コンテキストが欠落しているデータは、次の3つの問題を引き起こす可能性があります。

文脈的盲目。 ネットワークデバイスからアラームを受信したときに、ネットワークでセキュリティの問題が発生しているか、データの過負荷や輻輳の問題が発生しているかを確認できますか？文脈上の盲目は、何かを孤立して見たときに起こります。コンテキストがない場合、IT運用チームは通常盲目的に飛んでいます。
ギャップステッチ。 何かをモデル化できない場合、それを監視することはできません。一連のインフラストラクチャリソースをモデル化し、それらの依存関係を調べ、ビジネス全体への影響を理解して、問題を自信を持って分析、トラブルシューティング、および解決する必要があります。
関係。 関係は、予測的な問題の特定と加速された根本原因分析のためのメタデータモデルを定義します。機械学習モデルをトレーニングし、コンテキスト内のデータを理解するための適切な信頼を構築するには、適切な速度、多様性、および量のデータが必要です。

right-context-for-problem-solving

図1-マシンデータインテリジェンスが問題解決のために適切なコンテキストを必要とする理由。

データ駆動型組織を作成する5つの方法

機械学習ベースの問題解決をIT運用機能全体に適用する前に、まず、特定の狭いユースケースのセットで明確な価値を実証する必要があります。組織でデータファーストの文化を構築するために推奨する5つのステップは次のとおりです。

最初にビジネス目標に焦点を合わせます。リアルタイムの分析的洞察で達成しようとしているビジネス成果は何ですか？ IT部門は、適切なスキルと専門知識のセットを構築し、データ主導のアクションと結果の文化を受け入れて、ビジネスの利害関係者との信頼を築く必要があります。 ITチームは、AIOpsツールを使用して、従業員と顧客の両方がより効率的かつ効果的に運用できるようにする適切なビジネス上の問題を解決する必要があります。
プロセスベースの値からデータベースの値へのシフト。 既存のプロセスに固執するのではなく、データ主導の洞察をビジネスの編成方法のガイドにします。明確なデータ戦略を作成し、既存のエンタープライズデータセットから生成された洞察を最大化するための適切な組織プロセスを構築できるチーフデータオフィサーを雇います。
データを正しく取得します。 企業は、ビジネスクリティカルなサービスと技術インフラストラクチャの間の関係を確立するデータモデルを作成することにより、すべてのデータソースを発見、理解、および合理化する必要があります。 IT運用管理のメタデータモデルは、ありふれたタスクを排除し、人間と同等のマシンの専門知識をもたらし、光の速さで問題を解決します。
定性的データと定量的データをまとめます。 定量的データは問題を特定するのに役立ち、定性的データは問題の背後にある理由を理解するのに役立ちます。 ITチームは、メトリックを分析するだけでなく、顧客満足度調査とチャーン分析を研究することによって、適切な決定に到達できます。
ターゲットを絞ったユースケースから始めましょう。 自動化を使用して、価値が高く、人間との対話が制限されている反復的なタスクを排除します。より積極的で戦略的な作業を人間のオペレーターに任せながら、機械に事後対応型の作業を処理させます。

図2-データ駆動型のIT運用は、適切なビジネス成果を大規模に提供します。