211service.com
AIOps-missionen: Forenkle komplekset
AIOps-missionen: Forenkle komplekset
Fremstillet i samarbejde med AppDynamics
For Sergio Puga kan et uopdaget problem inden for informationsteknologi (IT) have katastrofale konsekvenser. Puga er senior teknisk programleder hos FedEx Services, som leverer IT til det globale rederi. Problemer som ikke nok computerkraft til at komme til applikationer kan udløse timevis med dyr nedetid, tabt produktivitet og fejlfinding. Det betyder, at leveringspersonalet ikke får den rigtige information, pakker bliver ikke leveret, og kunderne bliver vrede.
AIOps-missionen: Forenkle komplekset
FedEx kan ikke fejle; pålidelighed er altafgørende. Vi kan ikke have nogen tjenesteafbrydelser, siger Puga.
Efterhånden som virksomheder som FedEx hurtigt går over til digitalisering, kæmper de med den skræmmende udfordring at administrere og behandle enorme mængder data, der lever i siloformede, forskellige systemer. It-teams, der manuelt overvåger og overvåger disse komplekse datasæt, drukner i et hav af ofte uforklarlige data og ender som følge heraf med at bruge en masse tid og penge på at fejlfinde problemer og udføre rutinemæssige driftsopgaver.
En løsning på problemet kan være AIOps-teknologi, som kombinerer kunstig intelligens og maskinlæring for at automatisere datakorrelation, muliggøre rodårsagsanalyse og levere forudsigelig indsigt på tværs af virksomhedens økosystem. AIOps øger it-afdelingernes operationelle effektivitet ved at få adgang til virksomhedsdækkende data, udtrække indsigt om it-systemer, overvåge drifts- og brugsstatistikker og proaktivt løse applikationsydelsesproblemer. På den måde kan IT undgå lammende udfald, der påvirker kunderne negativt og skader bundlinjen. Og da AIOps skaber forbindelser på tværs af datasiloer, kan forretningsbrugere høste fordelene ved at træffe informerede, intelligente beslutninger baseret på realtidsdata.
FedEx er for eksempel i de tidlige stadier af AIOps-implementering. Ved at bruge teknologien til at overvåge applikationer kan Pugas it-team fejlfinde, løse og afværge potentielle problemer på få sekunder.
Hvis vores team undersøgte det samme CPU-udnyttelsesproblem ved hjælp af nuværende overvågningsværktøjer, ville det tage seks til 10 fuldtidsansatte to til fem timer at finde kilden og udføre afhjælpning, siger Puga.