AIOps，或用于 IT 运营的人工智能，可能正是医生为陷入困境的 IT 商店订购的产品。 将先进的自动化应用于无数死记硬背的 IT 功能将使 IT 部门腾出时间来专注于更大、更有意义的事情，例如数字化转型和促进软件的持续集成和部署。
然而，存在一个问题：AIOps 需要在正确的时间提供正确类型的数据，但这些数据中的大部分要么还没有准备好，要么需要进行质量检修。 虽然 AIOps 在系统日志和指标、历史性能、事件数据、流式实时操作事件、事件相关数据和票务等数据点上发挥作用，但这些数据中的大部分可能不完整或隐藏在孤岛中。 简而言之，如果数据达不到标准，AIOps 可能会失败，或者更糟糕的是，将技术决策引向错误的方向。
在现场引入一种专门解决此问题的新兴方法，称为机器人数据自动化或 RDA，正如 Shailesh Manjrekar 在福布斯的一篇文章中所指出的那样。 虽然它的近亲机器人流程自动化 (RPA) 使业务流程、数据工作流和用户任务自动化，但 RDA 专注于使用机器人自动化数据管道。
引入 RDA 来支持 AIOps 是最近一次网络广播的主旨，Enterprise Management Associates (EMA) 的研究总监 Valerie O’Connell 与 CloudFabrix 的首席产品官 Bhaskar Krishnamsetty 一起为这种新方法提供了理由。
虽然 RDA 有可能提高 AI 在所有形式的业务应用程序中可用数据的可用性和质量，但小组成员关注的是它对 IT 运营本身的影响。 正如 EMA 最近的一项调查所发现的，通过 AIOps 支持的自动化形式包括“跨 IT 工作流”是最常被引用的用例 (60%)，其次是“运行手册或 IT 流程自动化”，在大约 一半的 AIOps 场景 (49%)。 另有 43% 的人转向 AIOps 以获得更智能的警报驱动通知。
O’Connell 说，接受调查的 IT 经理认为 AIOps 带来了价值——62% 的人将其价值评为高到非常高。 AIOps 有助于改善 IT/业务一致性、IT 和业务服务的质量以及最终用户和客户体验。
然而，AIOps 很难实施，她继续说道。 “大多数人发现它具有挑战性。收益和收益几乎是有保证的，但同样几乎无一例外，它将变得复杂和困难。” 主要挑战包括数据准确性或可访问性、IT 内部的冲突、对人工智能的恐惧或不信任以及技能可用性。
O’Connell 专注于与 AIOps 相关的数据困难。 “数据要么成为获得 AIOps 优势的障碍，要么成为捷径，”她说。 “如果你能很好地处理你的数据和你的数据问题，那么你就可以直接打击 AIOps 实施的复杂性，”她解释道。
AIOps 的成功与“数据、数据、数据，以及你处理和处理数据的能力”密不可分，Krishnamsetty 对此表示赞同。 他指出，最令人头疼的问题之一是数据访问和获取。 “您想从 AWS 环境、应用程序性能监控工具或日志分析工具中提取数据。但所有这些数据都采用不同的格式。”
RDA 解决了与 AIOps 相关的数据挑战，Krishnamsetty 继续说道。 “如果你没有合适的数据，那就是垃圾输入，垃圾输出。但是，即使你的机器学习算法很强大，如果你的数据质量很差，你也不会获得好的见解和分析。”
例如，“如果你查看来自任何管理或监控系统的任何原始警报，你就会知道数据是多么稀疏，”他解释道。 “除非自动丰富，否则人类无法快速做出决定。数据不完整。什么应用程序，什么基础设施等等。”
他继续说道，RDA 还有助于解决技能差距问题，而技能差距对于确保输入 AI 系统的数据质量来说是供不应求的。 “除非提供开箱即用的自动化数据操作能力，否则你必须依赖昂贵的数据工程师或数据科学家。” 为公民开发者提供自助服务能力的无代码和低代码是 2024 年的重要趋势。
他指出，数据可观察性通常取决于有多少人可以通过雇佣更多员工或与咨询公司合作来确保数据管道的质量。 “我们的客户有时不得不让大量数据工程师手动进行大量数据探索、数据准备和数据丰富。这增加了总体拥有成本，增加了实现价值的时间。这就是许多 AIOps 实施的地方 短期下跌。”
借助 RDA，软件机器人可以部署在数据管道中，以“简化和抽象大量数据操作和数据或机器学习操作，”他说。 这是数据自动化的关键。 “通过在管道和自动化工作流程中使用软件机器人，您可以实现 AIOps 的数据质量。”
本文内容由互联网用户自发贡献，该文观点仅代表作者本人。商机网仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 tenspace2022@163.com 举报，一经查实，本站将立刻删除。 本文链接：https://www.315965.com/n/66682.html
