icon_CloudMgmt icon_DollarSign icon_Globe icon_ITAuto icon_ITOps icon_ITSMgmt icon_Mainframe icon_MyIT icon_Ribbon icon_Star icon_User icon_Users icon_VideoPlay icon_Workload icon_caution icon_close s-chevronLeft s-chevronRight s-chevronThinRight s-chevronThinRight s-chevronThinLeft s-chevronThinLeft s-trophy s-chevronDown
BMC
BMC Contact Options

Select the link below that best matches your interest.

For questions about BMC products, solutions, and services, you can also phone the number below:

1‑855‑834‑7487

AIOps leverages machine learning, analytics, and big data technologies to reduce MTTR and drive the digital enterprise.

AIOps emplea los macrodatos, el aprendizaje automático y el análisis para ayudar a ITOps a predecir, encontrar y solucionar problemas más rápido.

La transformación digital requiere un enfoque automatizado y asistido por máquina

La transformación digital del negocio obliga a las organizaciones de TI a reconsiderar cómo garantizar el rendimiento de la infraestructura y las aplicaciones. La velocidad, la escala y la complejidad que conllevan las infraestructuras de varias nubes y la digitalización hacen hincapié en la monitorización y la gestión tradicionales del rendimiento basadas en reglas. AIOps aplica técnicas de análisis avanzado y aprendizaje automático para identificar patrones en datos de monitorización, centro de servicio al usuario y automatización tan amplios que van más allá de la comprensión humana. La adopción de AIOps permite a las operaciones de TI:

  • Reducir el ruido de los eventos y priorizar los problemas más importantes para la empresa a fin de mejorar el rendimiento
  • Respaldar la velocidad del cambio en la arquitectura de aplicaciones y la adopción de DevOps
  • Identificar los problemas de forma proactiva y analizar rápidamente la causa raíz para reducir el MTTR
  • Modelar y predecir los requisitos de capacidad de carga de trabajo para optimizar el uso y el coste de los recursos

“Las plataformas AIOps combinan la funcionalidad de los macrodatos y el aprendizaje automático para respaldar todas las funciones principales de las operaciones de TI mediante la incorporación y el análisis escalables del volumen, la variedad y la velocidad cada vez mayores de los datos generados por el personal de TI”.

Fuente: Guía de mercado de Gartner para plataformas AIOps, 12 de noviembre del 2018
AIOps_Key-Elements-of-an-AIOps-approach_450x450

Elementos clave de un enfoque AIOps

La implementación de un enfoque AIOps va más allá de obtener mejores análisis de los datos existentes. Para crear la base de un sistema de aprendizaje automático que proporcione información continua, es necesario contar con:

Acceso abierto a los datos

De los cuatro elementos clave, lo más importante es el acceso a datos abiertos. El personal de TI principal siempre dispondrá de varias tecnologías y sistemas de registro de diferentes proveedores. Estos también variarán en todas las disciplinas de TI. La liberación de datos de los silos organizativos para la agregación y el análisis de los macrodatos es, quizás, el reto más difícil al que se enfrentan los equipos de TI que intentan implementar AIOps.

Una plataforma AIOps eficaz debe tener un esquema de datos que pueda consumir datos de diversas fuentes de TI, así como estructurarlos, etiquetarlos y organizarlos a fin de que sean útiles para un análisis consistente y repetible. .

Velocidad y escala de los macrodatos

La transformación digital implica grandes volúmenes de datos de TI que cambian rápidamente. Los almacenes de datos relacionales tradicionales no son lo suficientemente escalables ni adaptativos para soportar la cantidad y la velocidad de los datos digitales. El análisis debe realizarse en tiempo real en los datos a medida que se presentan, no solo fuera de línea cuando hay recursos disponibles.

Una plataforma de macrodatos de AIOps también debe admitir una exploración de datos ad hoc adaptativa y consultas profundas. Las tecnologías de macrodatos, creadas originalmente para manejar grandes lagos de datos de los almacenes de datos, se han convertido rápidamente en motores de manipulación de datos no solo escalables sino también adaptativos que pueden satisfacer las necesidades de AIOps. AIOps representa la unificación de la investigación profunda de datos y el análisis en línea en tiempo real para mejorar la toma de decisiones de TI.

Aprendizaje automático

AIOps permite al personal de TI pasar de la gestión humana de análisis basada en reglas al análisis asistido por máquina y los sistemas de aprendizaje automático. Esto es necesario no solo debido a los límites en la cantidad y complejidad de análisis que los agentes humanos pueden lograr, sino también para permitir un nivel de adaptación al cambio que no ha sido posible.

Básicamente, el análisis de TI se basa en la coincidencia de patrones. Los sistemas de TI, los usuarios y los ecosistemas muestran comportamientos y relaciones que pueden apuntar a causas raíz, aislar problemas e indicar problemas futuros. El aprendizaje automático aplica la potencia y velocidad computacionales de las máquinas a la detección y correlación de patrones en los datos de TI. Logra esto de manera más rápida y en mayor cantidad que los agentes humanos y cambia dinámicamente los algoritmos utilizados en los análisis en función de los cambios de los datos.

AIOps_AIOPs-and-automation_450x450

AIOps y la automatización

AIOps conecta y controla la automatización en el entorno de nube hipercomplejo de varias fuentes. La entrega de análisis asistidos por máquina a gran escala en grandes volúmenes de datos digitales de TI es inútil si los resultados siguen necesitando intervención humana. AIOps puede generar flujos de trabajo y medir los efectos de esos procesos, lo que devuelve los resultados al sistema como datos que se analizarán y de los cuales se aprenderá. Además, el sistema debe aplicar AIOps automáticamente en función de los datos, sin la necesidad de que el usuario intervenga o tome alguna decisión.

La democracia de los datos

El personal de TI debe centrarse en hacer posible la transformación del negocio digital. No es necesario contar con especialistas o científicos dedicados a la información para alimentar y crear sistemas de análisis, ni realizar contrataciones o desarrollar habilidades de análisis de datos en el personal de TI. AIOps aprovecha las máquinas para realizar este trabajo sin la necesidad de tener recursos especializados. Cualquier persona de la organización de TI puede consumir y personalizar el resultado del análisis, el cual se puede extender fácilmente a los socios de toda la empresa.

AIOps_The-democracy-of-data-_450x450

Comenzar a usar AIOps es sencillo