Günümüzün her şeyin hibrit olduğu ortamları, anlaşılması ve görselleştirilmesi zor olan çok büyük miktarda veri üretiyor. 2020 yılında farklı şekillerde oluşturulan ve işlenen veri tahmini 59 zettabayt civarındaydı.
Her zettabayt bir trilyon gigabayttır ve Dünya Ekonomik Forumu, 2025 yılına kadar toplam sayının 175 ZB’ye ulaşacağını öngörüyor.
Bu arada Nesnelerin İnterneti (IoT) bağlantılı cihazların sayısı da istikrarlı bir şekilde artmaya devam ediyor.
Veri kaynakları, kullanıcıların iş ihtiyaçlarını karşılamak üzere tasarlandıkları için giderek daha karmaşık hale gelen kuruluşların ağları da dahil olmak üzere her yerdedir.
Büyük miktarda veriye sahip olmak başka bir şeydir, ama onun işinize yaramasını sağlamak başka bir şey. Ancak son şey doğru yapmak için kesinlikle çok önemli olabilir.
NEC’in Ulusal Portföy Yöneticisi Pankit Mehta, durumu “verilerde boğulmak, ancak içgörüye aç kalmak” olarak tanımlıyor.
Günümüzün ağ karmaşıklığı içgörü elde etmeyi zorlaştırıyor
Sorunu ağ bağlamında açıklamak için Mehta, kullanıcılar uygulamalara ve bilgilere eriştiğinde değerli bilgiler elde etmek için veri toplayabileceğini söylediği farklı aşamalara sahip beş alanı gösteren bir grafik kullanıyor.
Mehta, “Bu veriyi çekip ona anlam verecek bir yönetim olmadığında, ‘veri içinde boğulmak’ derken bunu kastediyorum” dedi.
“Günümüzün ağları karmaşık ve çok fazla hareketli parça var” diye ekledi.
“Daha önce her şey oldukça basitti: veriler bulutta değildi, veri merkezindeydi ve kullanıcılar uzakta değildi. Mehta, ofisteydiler ve toplu taşıma ağımız yoktu” dedi.
Mehta, bu durumda kullanıcı davranışı, uygulama performansı, ağ performansı ve hataları izlemek hakkında bilgi edinmek için verileri analiz etmenin çok daha fazla şey olduğunu söyledi.
“Sadece çok miktarda olması işi zorlaştırıyor. Yani görünürlüğünüz ve içgörünüz olmadığı sürece bunu eyleme dönüştüremezsiniz. ekledi.
Yapay zeka ve makine öğrenimi yardıma koşuyor
Mehta, bilgisayarların çok sayıda veriyi işlemenin kelimenin tam anlamıyla iyi olduğu bir konu olduğunu ve bu karışıma yapay zeka ve makine öğreniminin eklenmesinin bilgi akışlarını anlamlandırmaya yardımcı olabileceğini söyledi.
Tüm hareketli parçaları içeren günümüzün karmaşık ağlarını ele alalım; Mehta, AI ve ML’nin kendilerine görünürlük kazandırabileceğini, sorunlu alanları tespit edebileceğini ve hataların geçmişe göre çok daha hızlı çözülmesine yardımcı olabileceğini söyledi.
AI ve ML, kullanıcı uygulaması performansının karşılaştırılmasına da yardımcı olabilir.
“Diyelim ki Perth’te Microsoft’un Office 365’ine erişmeye çalışan bir kullanıcı tabanı varsa ve bunlar düşük performanstan şikayet ediyorlarsa, yalnızca kuruluş içinde değil, aynı zamanda kuruluş dışında da bir tür kıyaslama olacaktır; örneğin ne kadar süreyle erişilmesi gerektiği gibi. Al: bir saniye mi, iki saniye mi, yarım saniye mi, yoksa birkaç milisaniye mi?
Mehta, yöneticilerin performans geçmişine bakabileceğini, analiz edebileceğini ve örneğin akşam yediden dokuza kadar belirli bir kullanıcı için performansın en kötü olduğunu görebildiğini açıkladı.
Mehta, bunun normalde uzun bir süreç olacağını ancak yapay zeka ve makine öğrenimi ile çok daha hızlı olabileceğini söyledi.
“AI ve ML, otomatik kök neden analizi yapabilir; bu, birinin günde birkaç saatini temel nedeni anlamaya çalışarak geçirmesine kıyasla sorun çözümünü büyük ölçüde hızlandırır. Mehta, “Bu çok grafiksel bir şekilde yapılabilir” dedi.
Bu bağlamda AI ve ML, kullanıcı deneyimini iyileştirebilir ve çalışanların daha iyi performans göstermesine yardımcı olabilir.
Sadece bu da değil, yapay zeka ve makine öğrenimi ile verilerin tahmine dayalı analizi sorunları önceden tahmin edebilir ve yöneticilerin sorunlar ortaya çıkmadan önce onlarla ilgilenmesine olanak tanır.
Dahası, NEC’in Cisco tarafından desteklenen Tam Yığın Gözlemlenebilirlik Çözümü, kullanıcıların kurumsal güvenlik duvarlarının arkasında olmaktan uzaktan çalışmaya geçtiği karmaşık ağlar için görünürlük ve öngörüler sağlar.
İçgörülerle ödüller kazanın
Müşterilere NEC’in verilerden öngörü sağlamaya yardımcı olan çözümleri gösterildiğinde Mehta, ellerinde değerli, eyleme dönüştürülebilir bilgilerin bulunduğunu hemen fark ettiklerini söyledi.
Mehta, genel olarak üç kullanım durumu bulunduğunu belirtti.
Birincisi, yöneticiler hatanın örneğin son kullanıcıdan uygulamaya kadar olduğu durumlarda saf ağ performansına ilişkin görünürlük isterler.
NEC’in müşterilerden gördüğü ikinci kullanım durumu, bulut altyapısına yapılan harcamaların nereye gittiğini ve bu operasyonel harcamaların nasıl azaltılacağını daha iyi belirlemeye çalıştıkları zamandır.
Üçüncü ve sonuncusu uygulama performansının kendisini izlemek ve anlamak içindir.
Kendisi, yukarıdakilerin hepsinin müşterinin bulunduğu olgunluk aşamasına bağlı olduğunu açıkladı.
Sonuçta NEC, müşterilerle konuştuklarında, kavram kanıtını (PoC / PoV) sunduklarında, paranın faydalarını neredeyse gerçek zamanlı olarak görebildiklerini keşfetti.
Mehta, “Satış zor değil” diye tamamladı