菲洛嘉青春动能素135HA FILLMED® NCTF 135HA LED指示灯的常见故障分析 智微智能 Elkhartlake K075终端,零售产业新选择 天空蓝拓客管理系统详细介绍版 muso公链项目 天使计划 是什么?[秘] 独家揭秘最前沿的家装“黑科技”——掌赋 天博体育欧洲杯特辑,东道主法兰西的失意2016 亚马逊的送货侦察员 学习听起来像挡泥板 Google Comics Factory使ML变得容易 笑着说-男性或女性 Amazon Rekognition中更好的人脸检测 关于Spaun的真相-大脑模拟 两个聊天机器人彼此聊天-有趣又怪异 GANPaint:将AI用于艺术 WCF和WF给予社区 从耳朵到脸 所有神经网络的深层缺陷 蠕虫在尾巴上平衡杆子 Kickstarter上的OpenCV AI套件 TensorFlow-Google的开源AI和计算引擎 众包取代新闻工作者 Google的DeepMind学会玩街机游戏 哑机器人V智能机器人 .NET与.NET 5融为一体 Google的深度学习-语音识别 LInQer将.NET LINQ移植到Javascript 机器人TED演讲-新的图灵测试? GAN的发明者加入苹果 您的智能手机会监视您键入的内容 人工智能帮助改善国际象棋 Zalando Flair NLP库已更新 TensorFlow 1.5包含移动版本 AlphaGo输了一场比赛-比分3-1 虚拟机器学习峰会 Microsoft开源AI调试工具 SharePoint走向移动 F#4.0发出文化变革的信号 克里斯蒂拍卖AI艺术品 人工智能如何区分 Facebook在蒙特利尔的新AI实验室 Mozilla想要您的声音 微软使用极深的神经网络赢得ImageNet 建立AI合作伙伴关系 .NET Core 3-Microsoft几乎回到了起点 神经网络-更好的销售商? Google使用AI查找您的住所 虹膜-适用于Android的Siri证明苹果没有优势 TensorFlow 2提供更快的模型训练 深度学习研究人员将为Google工作
您的位置:首页 >大数据 >

企业大数据IT项目应避免的5个错误

来源:CPDA数据分析师网

到2022年将有60%的IT组织将部署人工智能(AI)来“增强,简化和加速IT运营”

过去两年来,50%的企业未能将AI项目从概念验证阶段过渡到生产部署,如果IT运营团队希望从AIOps部署中获得最大的业务价值,则应注意这五个常见错误,这些错误可能会使他们的最佳计划失败:

错误1:不分析您当前的IT运营状况

计划购买平台的技术领导者应仔细研究其团队如何处理事件。他们应该从一本剧本开始,该剧本记录团队如何应对问题并分析事件解决流程的有效性。否则,IT可能会在不了解现有事件管理工作流程,员工技能和工具如何阻碍业务成果和客户体验的情况下,购买非常适合的AIOps工具。

cpda数据分析师

以下是在审查事件管理流程时要考虑的问题:

1、技术格局。您当前支持哪些应用程序和基础架构平台?您如何看待IT行业在未来几年中的变化?

2、工具组合。您当前正在使用哪些IT操作工具(基础结构监视,应用程序性能监视,事件关联和服务台)?是否有计划淘汰或整合现有工具?

3、处理。当前需要什么(利益相关者,工具和工作流程)来解决重大故障?识别事件并将其分配给正确的利益相关者需要多长时间?

4、挑战。您的团队在识别,故障排除和解决问题时会面临哪些问题?

5、测量。您使用什么指标来跟踪客户满意度,它们如何为事件管理关键绩效指标(KPI)提供信息?

6、外部支持。您是否正在使用托管服务提供商或外部顾问来支持事件管理工作流程?

错误2:无法衡量您希望通过实现的业务成果

IT团队应评估当前事件解决流程的有效性,以确定可以通过改善基础设施可用性,增强操作敏捷性并降低管理复杂性的程度。

尽管事件和事件管理的数据驱动方法具有明显的好处,但IT领导者还应考虑成功实施过程中的权衡因素:

1、业务问题。您正在尝试使用现代事件管理工具解决哪些问题,例如降低故障率或减少支持单?

2、生产率。通过忽略误报,为事件抑制建立静态规则以及为根本原因诊断创建作战室,您的团队可以节省多少时间?

3、自动化。通过将事件自动分配给合适的值班团队或触发流程工作流以自动解决问题,可以节省多少精力?

4、数据要求。您是否确定了将流入平台的历史数据和流数据的不同来源,并分析了数据准备,建模,标准化和清理所花费的时间?

5、专长 您的员工将需要什么培训才能使用使用机器学习算法和统计见解的现代事件管理工具,并且您需要专业的服务来补充内部团队吗?

错误三:未起草由组织优先级驱动的工具选择标准

IT专业人员在评估不同的工具时倾向于使用功能比较清单。尽管技术权衡是一个有用的练习,但工具的选择应基于有助于业务结果的特定用例,例如更好的客户支持或更快的问题解决方案。

在起草工具选择清单时,请考虑以下因素:

1、工作流程。供应商如何支持和增强当前的事件管理工作流程并支持关键用例?

2、整合。供应商是否为我现有的基础架构和工具产品组合提供开箱即用的支持?

3、合作伙伴生态系统。提供商是否与领先的托管服务提供商和流行的IT运营工具建立了伙伴关系和联盟?

4、秘制酱。技术供应商采用了哪些专有且符合行业标准的机器学习算法和数据科学技术?

5、方法。提供者是否使用不同的技术(算法,统计或拓扑融合)进行根本原因分析?供应商将提供什么支持来模仿当前基于规则的事件过滤,分类和分析方法?

6、产品路线图。供应商如何计划在未来几个月和几个季度中增强产品功能和可用性?

7、指标。供应商如何跟踪和显示用于事件管理的关键KPI?

错误四:没有配备卓越中心

希望成功且可扩展地采用企业应建立一个跨职能的老虎团队,称为卓越中心,确保与业务需求保持一致,提供增量部署方法,并共享加速AIOps之旅的最佳实践。IT领导者可以如何支持CoE:

1、行政赞助。CoE是否有强大的行政支持来规定和管理AIOps实施框架?高级领导层是否有必要在其每周员工会议上强调欧洲委员会工作的重要性?

2、多学科组织。CoE是否具有将业务环境和技术排定相结合以定义解决方案体系结构,管理变更和推动价值创造的正确技能?

3、技能提升。组织是否已为CoE员工投资了有关统计模式分析,机器学习和特定于供应商的证书的进修培训课程,以确保成功转型?

错误5:没有将人类洞察力与机器数据智能结合起来

部署的一个隐含目标是减少负责事件管理的整体人员。尽管IT主管可以在平台成熟后重新部署现有的解决事件的人员,但减少人员数量不应成为使事件管理工作流程现代化的主要重点。

IT运营人员带来了宝贵的业务环境,对企业应用程序和基础架构的系统理解以及流程专业知识。除非您的员工共享他们的见解以完善和优化事件管理的算法建议,否则您的AIOps项目将是一个失败的失败。以下是一些注意事项:

1、合作。IT员工如何与数据科学家合作以促进更好的模式识别,异常检测和消除重复事件?

2、可解释性。您如何建立对IT绩效管理的现代分析方法的信任和信心,例如通过显示基于AI的建议的有效性数据?

3、认知增强。您如何提供以数据为依据的见解,以提高操作员识别问题并更快解决问题的能力?

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。