Technologie pro prediktivní analýzu jsou schopny předpovídat počasí nebo odhadovat pravděpodobnost určitých politických událostí – a tento typ algoritmů lze s výhodou využívat i pro předpovídání událostí v počítačových sítích. Tak lze přijmout příslušná opatření ještě předtím, než dojde k výpadku komunikačních služeb.
Technologie pro prediktivní analýzu jsou schopny předpovídat počasí, ale i problémy v počítačových sítích. Foto: OpenImageBank.comPrediktivní analýza obecně využívá historických dat k tomu, aby identifikovala vzory standardního chování a na jejich základě pak z aktuálních dat odhadovala budoucí vývoj. Její postupy nacházejí uplatnění při optimalizaci obchodních vztahů, při poskytování nejrůznějších služeb – od pojišťovnictví po cestovní průmysl, v marketingu i v IT infrastruktuře. Je tedy zřejmé, že systémy pro prediktivní analýzu se IT oddělení týkají jak při jejich nasazování na podporu dalších obchodních jednotek organizace, tak při snaze o optimalizaci správy IT systémů. Nás bude tentokrát zajímat především druhá uvedená varianta.
V IT systémech je běžně využívána řada monitorovacích prvků sledujících jednotlivé subsystémy IT infrastruktury. Sledována je řada parametrů a zpravidla jsou ručně nastavené prahy hodnot, případně souvislosti mezi nimi, při nichž má dojít k varování nebo k nápravné akci. Pečlivé nastavení je přitom zásadní pro to, aby byl systém monitorování použitelný; s rostoucím rozsahem infrastruktury je ale stále komplikovanější vše propojit v rámci jednoho systému, který je schopen zajistit bezproblémovou funkčnost všech subsystémů dohromady.
Systémy pro prediktivní analýzu jsou v optimálním případě integrovány s existujícími monitorovacími nástroji a mají k dispozici všechna jejich data – od stavu diskového prostoru přes využití CPU a paměti až po přenášené objemy dat v síti. Na základě těchto dat poznají normální fungování IT systémů a rozpoznají významné odchylky od něj, takže jsou schopny předpovídat nastávající problémy.
S výhodou přitom lze použít nejen data infrastruktury, ve které je prediktivní systém nasazen, ale i data obecná; systémy tedy mohou mít integrovanou inteligenci založenou na znalostech z jiných podobných infrastruktur. I díky ní pak lze snáze objevit příčinu problémů, které jsou běžnými prostředky jen obtížně odhalitelné, a které mohou být výsledkem nečekané souhry (nebo spíše nesouhry) konfigurace aplikací, databází, sítě, virtuálních strojů...
Systémy prediktivní analýzy využívají technik strojového učení i analýzy velkých dat (big data) ke zpracování velkého množství systémových a infrastrukturních dat, což jim umožňuje zjistit běžné souvislosti provozu jednotlivých komponent i typické řetězce událostí. Tak mohou předvídat nadcházející vývoj a případně rovnou přijímat příslušné automatizované akce. Ty mohou pomoci předejít hrozícímu výpadku služeb, ale i ušetřit náklady – třeba v případě, kdy je možné na určitou dobu odpojit nevyužívanou část infrastruktury.
Kvalitní řešení pro prediktivní analýzy mnohdy nevyžadují ani složitou instalaci, ani na know-how náročný konfigurační proces. Oproti starším řešením není třeba ručně nastavovat hraniční hodnoty, při nichž má dojít k nějaké akci, ani nastavovat složité vztahy mezi sledovanými zařízeními nebo veličinami. O to vše se inteligentní systém postará sám.
Podstatnou vlastností moderních prediktivních systémů je i schopnost průběžného učení se a přizpůsobování se změnám. A jak už bylo zmíněno výše, nejde jen o změny v IT infrastruktuře. Prediktivní systémy určené pro další složky organizace tak jsou schopny použit se třeba i o nových vzorcích chování klientů či dodavatelů. Lze přitom očekávat, že během následujících let využitelná inteligence prediktivních systémů – ať už pomáhajících zajišťovat bezproblémový chod IT infrastruktury, nebo lépe prodávat produkt či služby firmy – dále výrazně poroste.
V oblasti bezdrátových sítí je žhavým tématem dneška nastupující standard 802.11ac, ve firmách se ale hodně mluví také o SDN...
