在我们之前博客文章，我们讨论了构成的三个核心能力AIOps解决方案s:数据摄取和处理、机器学习分析和补救。随着所有这些设备和竖井工具集生成的数据量呈指数增长，IT Ops的工作只会变得更具挑战性。这包括缺乏及时的洞察力来帮助提前处理问题，这就是为什么重要的是为您的ITOM系统配备企业监控解决方案它不仅能够查询IT环境，以便实时发现、创建和维护IT基础设施模型，而且还能够理解模型的内容。
这将通过将模型信息与性能度量、事件等关联起来，建立主动行动，并在问题发生时确定根本原因，从而更好地驱动IT决策。大多数组织并没有考虑是否备份了数据，它们可能会暴露什么服务质量影响，应该授予什么应用程序或数据权限，或者可能会引入什么审计或遵从性挑战——它们只是需要满足业务需求。现代计算环境的短暂本质是为了以业务的速度移动而设计的。
根据2019年Gartner AIOps平台市场指南“人工智能（AI）技术，例如机器学习已经影响ITOM的演变间歇过去二十年，AIOps平台都只是影响了最近的一个例子。AI在IT操作使用已经通过采用数字化转型的驱动“。
ITOM的4个阶段需要AIOps的支持
到目前为止，AIOps功能主要用于支持IT操作流程，支持对IT基础设施、应用程序行为或数字体验进行监视或观察。根据2019年Gartner AIOps平台市场指南，IT这四个阶段的运营管理是那些需要AIOps支持：
- 描述它- 通过可视化和统计分析
- 异常检测与诊断- 通过自动模式发现和相关性
- 主动的行动-通过基于模式的预测
- 避免高安全性中断-通过使用分析来揭示IT操作员可能忽略的根本原因分析
传统的点工具只能允许IT团队从他们控制和管理的资源中获取特定于硬件的数据。随着新技术的出现(例如，容器和微服务）继续发展。然而，过时的做法不可避免地造成墙体脱落群体之间的信息，导致缺乏可视性，甚至手指指向出现问题时的感觉。由于Gartner的报告指出，“现代IT操作需要跨IT实体的可见性，打破竖井(silo)，包括应用程序、它们的关系、相互依赖和过去的转换，以洞察IT环境的当前状态。”
用AIOps转换ITOM
几乎总是AIOps平台投资说得过去的他们减少平均时间来解决问题将得到降低成本能力的基础上。你需要从所有来源/类型的机器数据，以全面实现服务环境，和机器学习可以帮助你做出的混合感高聚合度的数据。当您以来自不同来源的健壮的、上下文相关的数据收集机制作为基础时，它将支持可观察性，并帮助您根据关键的见解采取行动，从而分析根本原因并加速故障排除和解决过程。
无论你是在创造您的IT部门一个全新的环境或重新评估监测工具和托管IT服务的潜在之中，你需要像AIOps解决方案Zenoss的，旨在驯服最复杂、最现代的IT环境。要了解更多关于AIOps的信息，下载2019 Gartner的市场指南AIOps平台。
