必须了解AIOps成熟度的5个级别

Posted 2021-04-24 Present呈现

随着许多企业寻求扩展运营规模和提高客户满意度的方法，证明其价值的一个领域是用于IT运营或AIOps的人工智能。据Gartner称，预计40％的组织将战略性地实施AIOps平台，以在2022年之前增强性能监控，并且AIOps Exchange发现84％的IT领导者正在为即将到来的AIOps项目进行预算。

就是说，AIOps不应被视为另一家自动化工具企业来巩固其工具组合，而应被视为一种整体策略。随着IT团队努力建立和持续评估AIOps策略，他们必须从长期成功的愿景开始。从那里开始，重点应该转移到建立一个基础，该基础可以确定如何跟踪进度以及部署机器学习和自动化以在整个企业范围内创造价值和透明度。

作为拥有近二十年第一手经验的行业高管，我鼓励组织首先通过五个不同级别的AIOps成熟度来评估可能性和能力，从而开始其AIOps之旅。这种方法通过战略方法有助于实现完全自动化系统和复杂操作的全部希望。

让我们看看企业需要了解AIOps成熟度的五个级别：

＃1反应性

在反应阶段，仅出于反应目的收集事件和日志。团队试图通过孤立的操作与其他业务进行很少甚至没有沟通。此阶段通常会导致不断扑灭大火，以保持运营正常运行并确保客户满意度。被动阶段不仅阻止IT团队向其他业务展示其价值，还使他们陷入无休止的解决问题状态，而不是制定主动的策略。

＃2综合

随着组织进入集成级别，运营孤岛开始恶化，组织与IT团队之间的对话频繁而富有成效。在集成阶段中，数据源被编织到一个统一的体系结构中，而ITSM流程则朝着改进的方向迈进。此外，人工智能和机器学习也开始融入这一过程。

＃3分析型

在AIOps成熟度的第三级，更多的人工智能和机器学习功能可带来显着的进步。数据透明性在所有利益相关者之间以及整个企业之间建立，而团队则建立更定义的基准指标。随着数据的可用，通过使用AI和ML可以更加衡量指标，这为IT团队扩展了支持AIOps和证明业务价值的机会。

＃4说明性

在说明性级别上，团队实施ML和自动化以提供对更多分析和数据的访问，以进行持续改进。此阶段还涉及对ITSM流程的更优化方法。

＃5自动化

AIOps成熟度的第五个也是最后一个层次是完全自动化，无需人工干预。团队通过规定性模型利用ML，该模型提供了所有业务级别的完全透明性。这最后一个级别使团队有机会在业务运营中扮演更具战略性的角色，而自动化则在后台完成任务。

在每个级别进行操作时，都应将长期AIOps策略和目标放在中心，以实现AIOps的真正潜力。通过一次一步地执行该过程，组织可以实现最佳性能以取得长期成功。