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 utilise le Big Data, l'apprentissage machine et l'analyse pour aider l'ITOps à anticiper, détecter et résoudre les problèmes plus rapidement.

La transformation numérique nécessite une approche automatisée et assistée par machine

La transformation de l'entreprise numérique oblige les organisations informatiques à repenser leur façon de garantir les performances de l'infrastructure et des applications. La rapidité, l'évolutivité et la complexité de la numérisation et des infrastructures multi-clouds mettent en exergue une surveillance et une gestion traditionnelles des performances basées sur des règles. AIOps applique l'apprentissage machine et des techniques d'analyse avancées pour identifier des schémas dans les données de surveillance, de centre de services et d'automatisation, ces dernières étant si vastes qu'elles ne peuvent pas être comprises par l'homme. L'adoption d'AIOps permet aux opérations informatiques de :

  • réduire le bruit des événements et de hiérarchiser les problèmes les plus critiques pour l'entreprise afin d'améliorer les performances ;
  • prendre en charge la vitesse des changements de l'architecture des applications et de l'adoption du DevOps ;
  • détecter proactivement les problèmes et d'analyser rapidement les causes premières pour réduire le MTTR ;
  • modéliser et prévoir les exigences en termes de capacité de charge de travail afin d'optimiser l'utilisation et le coût des ressources.

« Les plates-formes AIOps combinent les Big Data et la fonctionnalité d'apprentissage machine pour prendre en charge l'ensemble des principales fonctions des opérations informatiques grâce à l'intégration et à l'analyse évolutives du volume, de la variété et de la vitesse toujours plus élevées des données générées par les services informatiques. »

Source : Market Guide de Gartner pour les plates-formes AIOps, 12 novembre 2018
AIOps_Key-Elements-of-an-AIOps-approach_450x450

Éléments clés d'une approche AIOps

La mise en œuvre d'une approche AIOps va au-delà de l'amélioration de l'analyse des données existantes. La conception d'un système d'apprentissage machine qui donnera des informations continues nécessite :

Accès aux données ouvertes

Parmi les quatre éléments clés, le plus important est l'accès aux données ouvertes. Le service informatique de base disposera toujours de plusieurs technologies et systèmes d'enregistrement provenant de différents fournisseurs. Ces éléments peuvent également varier d'une discipline informatique à l'autre. La libération des données de leurs silos organisationnels pour l'agrégation et l'analyse des Big Data constitue peut-être le défi le plus difficile que les équipes informatiques doivent relever pour mettre en œuvre AIOps.

Une plate-forme AIOps efficace doit disposer d'un schéma de données qui peut utiliser des données provenant de diverses sources informatiques, en les structurant, les identifiant et les organisant pour qu'elles soient utiles en vue d'une analyse cohérente et reproductible.

Évolutivité et vitesse du Big Data

La transformation numérique implique des volumes importants de données informatiques en constante évolution. Les entrepôts de données relationnelles traditionnels ne sont ni suffisamment évolutifs ni suffisamment réactifs pour prendre en charge la quantité et la vitesse des données numériques. L'analyse doit avoir lieu en temps réel sur les données telles qu'elles apparaissent et non uniquement hors ligne lorsque des ressources sont disponibles.

Une plate-forme de Big Data AIOps doit également prendre en charge l'exploration réactive des données ad hoc et les requêtes approfondies. Les technologies de Big Data, initialement créées pour gérer les vastes « data lakes » des entrepôts de données, ont rapidement évolué en moteurs de manipulation de données évolutifs et réactifs, capables de répondre aux besoins d'AIOps. AIOps représente l'unification de la recherche approfondie des données et de l'analyse en ligne et en temps réel pour améliorer la prise de décision informatique.

Apprentissage machine

AIOps permet aux services informatiques de passer de la gestion humaine basée sur des règles à l'analyse assistée par machine et aux systèmes d'apprentissage machine. Cette transition est nécessaire non seulement en raison des limites de la quantité et de la complexité des analyses par des agents humains, mais aussi pour permettre un niveau d'adaptation aux changements qui n'a pas été possible.

L'analyse informatique consiste à terme à établir des correspondances de modèles. Les systèmes informatiques, les utilisateurs et les écosystèmes présentent des comportements et des relations qui peuvent mener aux causes premières, isoler des problèmes et indiquer les problèmes futurs. L'apprentissage machine applique la puissance de calcul et la vitesse des machines à la découverte et à la corrélation des modèles dans les données informatiques. Il le fait plus, et plus vite, que les agents humains et modifie dynamiquement les algorithmes utilisés par les analyses en fonction des modifications apportées aux données.

AIOps_AIOPs-and-automation_450x450

AIOps et automatisation

AIOps connecte et stimule l'automatisation dans l'environnement cloud hyper-complexe et multi-source. La réalisation d'analyses assistées par machine à échelle sur de gros volumes de données informatiques numériques est inutile si les résultats nécessitent toujours une intervention humaine. AIOps peut générer des flux de travail et mesurer les effets de ces processus en réinjectant les résultats dans le système sous forme de données à analyser et à exploiter. De plus, la plate-forme AIOps doit être appliquée automatiquement par le système en fonction des données, sans intervention ni décision de l'utilisateur.

La démocratie des données

Les services informatiques doivent se concentrer sur la transformation de l'entreprise numérique. Ils ne devraient pas avoir à faire appel à des spécialistes ou des scientifiques spécialisés dans les données pour alimenter et créer des systèmes d'analyse, ni à embaucher et à développer des compétences en analyse de données au sein du personnel informatique. AIOps exploite les machines pour effectuer ces tâches sans avoir besoin de ressources spécialisées. Le résultat de l'analyse peut être utilisé et personnalisé par n'importe quel membre du service informatique et peut facilement être étendu aux partenaires de l'entreprise.

AIOps_The-democracy-of-data-_450x450

La prise en main d'AIOps est un jeu d'enfant