在 IT 监视方面，仪表板已经看到了更好的日子。虽然它们确实提供了关键组织指标的重要、最新的视图，但它们提供的明显细节也掩盖了一些重要的盲点。
您可能还喜欢：
我们需要讨论仪表板
您的组织如何扩展仪表板
仪表板通常仅显示历史数据，通常是过去几个小时、几天或几周内收到的时间序列。数据分析可以进行实时预测，甚至决策支持，这是传统仪表板无法提供的。
此外，仪表板仅显示数量有限的指标。由于您选择了这些指标，因此您可能认为它们很重要。但是，它们真的与您的商业模式一致吗？
例如，区域经理可能会决定保留显示 EBITDA、每日网站访问者和支持呼叫的仪表板。虽然这些都是要遵循的重要指标，但它们与用户的作业标题匹配吗？是否有他们可以遵循但未遵循的指标？
就可用性而言，最好消除仪表板。现在，您正在选择您认为重要的有限数量的指标。最好创建一个系统，持续监视和提醒异常情况，并在整个指标环境中生成预测。这比传统仪表板需要更多的马力。这种规模水平只有通过人工智能才能真正达到。
基于 AI 的监视对仪表板有何好处？
仪表板的主要问题是它们是大数据的简单实现。您的公司会生成无数的指标，仪表板能做的最多就是浏览其深度的表面。它们对异常进行推断或警报的能力有限。
仪表板是实时解释大量大数据的最佳方式之一，至少早在首次使用大数据时是这样。然而，自那以后，人工智能的进步——加上IT硬件的商品化、云中计算能力的广泛可用性以及GPU技术的日益完善——使得它成为一个更好的选择。
AI 使用户可以跨数千个应用程序监控数百万个指标。即使在此规模上，AI 也提供精细的警报功能 – 一旦出现异常情况，就会立即通知管理员，误报或误报很少。与使用仪表板的配备齐全的网络运营中心 （NOC） 相比，AI 现在易于实施、易于使用，并且以更低的成本提供了更多优势。
您的组织由 AI 提供支持
AI 可以通过快速帮助组织重新获得本来会丢失的收入，防止欺诈、数据泄露和计划外停机等行为，从而自行支付费用。
例如，信用卡公司存在巨大的欺诈问题。这个问题正在减少，但欺诈者仍然设法以6美元左右的信用卡客户。这种活动大部分涉及窃取客户的身份，在其名下创建一个假帐户，然后整理帐户 – 进行小额定期借记和付款，以增加信用额度。一旦信用额度被认为足够高，欺诈者就会借钱，然后消失。
在这种情况下，欺诈会伤害双方。受害者对他们的信用评分受到巨大的打击，这将需要他们很长时间来修复。这家信用卡公司借钱，但可能无法收回。
使用 AI，您可以看到假帐户上的欺诈交易模式看起来与普通客户不同。欺诈可能涉及小额交易快速付清，而真正的消费者则进行较大的交易，并缓慢地付清。利用这些因素和其他因素，您可以开始使用人工智能来识别欺诈帐户，并提醒他们进行进一步调查。
许多公司现在使用大量 NOC 来检测和缓解欺诈、数据泄露和计划外停机。即使是小型的NOC，也需要至少6人才能运行——每个班次2人，每天三班制——一名技术人员每年的费用约为6万美元。因此，为尽可能小的NOC配备人员每年至少需要360，000美元，这还不包括设备和福利的价格。
此外，配备仪表板的 NOC 无法完全防止欺诈、安全漏洞或计划外停机。仪表板的局限性使得 NOC 团队成员无法发现每个异常。因此，国家安全委员会的成本应进行调整，以包括它无法预防的所有事件。
添加 AI 后，您可以随时检测并提醒所有事件和异常。AI 比手动监控更准确，可以覆盖每个指标。因此，您可以减少 NOC 员工，并花时间修复 AI 发现的错误，而不是让他们将大部分时间都盯着屏幕。
实施 AI 监控
构建 AI 监控系统需要构建一个架构，该体系结构可以从应用程序中提取数据、将数据排列成模式、将这些模式发送到 AI 监控系统，然后将任何生成的异常警报推送到技术人员手中，或者甚至自动修复问题。
收集器将检测您的应用程序，允许您将其信号转换为时间序列，并将它们推送到异常检测和相关引擎。规则引擎会自动对异常情况执行操作，将警报推送给技术人员，或者将它们发送到工作流引擎。反过来，它们能够执行自动解析操作、重新启动计算机并遵循已知过程将异常转换为非事件。
借助全面的异常检测架构，您的员工将能够减少查看屏幕的时间，将更多时间用于主动维护和改进您的平台。因此，您将能够节省资金，更高效地重新部署员工，并让您的用户和客户满意。