数据量可能正在呈指数级增长，但是我们从中收集到的情报并没有以这样的方式增长。
今天创造的数据量预计在不到十年的时间内将增长十倍，预计企业将在2025年之前生产全球数据的60%左右。但是，尽管数据量呈指数级增长，但从中收集到的情报并非如此增长。相反，公司可能会受制于各种不同来源的高速传输的非结构化数据，而这些来源将其转换为可操作的洞察力的能力有限。因此，企业将面临将有用的信息丢失在噪音的洪流之中的风险。
在消费和企业市场中广泛采用物联网技术，这一点将进一步加剧。物联网传感器、移动设备和数字服务的扩散，加上大数据技术和宽带网络的出现，增加了贯穿联网的世界的数据的数量、速度和种类。这意味着收集流经企业网络和联网的世界的相关数据的企业正坐拥大量的数据，这些数据只增不减。对这些数据的基于任务的情境分析可以为各个领域的公司提供宝贵的见解，并改善业务成果。例如，了解数字服务性能，以及客户体验，使用和行为，从而提高效率和收入，改善客户体验或以数字化的形式对业务进行转型。但只能访问大数据是不够的。企业必须有合适的工具将这些信息转化为业务洞察，并确保业务洞察得到适当的利用以同时支持运营和最关键的因素。
在相关的商业智能的背景下未被规范化、组织化、关联并分析的依赖于数据集的企业是没有效率的。例如，依靠有效提供数字服务和卓越用户体验的企业必须利用智能数据在这些领域获得有效的洞察。然后，这种洞察可以用于服务保障，以确保高服务性能和愉快的用户体验。
那么，在服务保障的情境下究竟什么是智能数据?智能数据是元数据的固有智能，它使分析工具能够清楚地了解应用程序的性能、基础设施的复杂性和服务依赖性。它是规范化、组织化的、结构化的、基于服务情境的，实时可用的。它是基于物理，虚拟和云环境中的端到端的普遍可见度生成的。普遍的可见度有两个关键方面：可见度的深度和广度。这意味着组织能完全了解整个IT基础架构中发生的所有交易，以及了解最终用户如何消费此基础架构所使用的所有服务。
贯穿IT服务交付的基础架构(“有线数据”)的所有信息都可用于生成智能数据，但必须妥善处理才能提炼最有意义的智能。一旦从有线数据中提取出情报，就可以把它压缩成一个更小的有意义的元数据，然后为及时备份或调查取证分析而存储。这不同于存储大量的日志数据这种非常低效且迫使企业支付过多的存储成本，智能数据方法意味着企业只付钱存储对它们有实际价值的数据。因此，它更具成本效益，并使企业能够快速轻松地访问重要的数据。
为了发掘智能数据的真实价值，时机至关重要。在这个竞争激烈的时代，公司已经变得十分依赖于形成其业务骨干的IT系统的速度和规模，以至于需要对每个调整、升级和数据包进行密切监控，以确保顺利运行。如今，由于引入了物联网、宽带无线和有线技术、云服务和应用程序，企业的IT基础设施变得如此庞大而复杂，中断和服务故障能占的空子就更大了——不仅对网络本身，而且还有对企业访问有价值的数据并对其洞察采取行动的能力。
因此，企业必须实时监控整个基础设施环境，包括网络、计算和存储系统，以便在最终用户受到影响之前发现并隔离问题。最终，无法处理时刻发生着的事情的企业将无法在这个新的数字经济中生存下去。相反，企业需要在问题发生前发现问题，在问题扩散前先解决掉。
虽然很多服务保障解决方案自称能供所谓的“实时”，但在进行数据分析之前，需要时间收集记录的事件，规范并组织事件。这意味着即使对日志数据的分析是及时的，也不会收集和组织此信息。结果，企业可能会在相当长的时间内冒着不能监测到中断和服务失败的风险，这可能会造成巨大的损失，特别是在有安全漏洞的情况下。因此，为了服务保障的目的，立即在源头上把流量和有线数据转换为智能数据很重要的。只有通过这种方式，公司才能从一开始就获得可操作的智能，并将问题扼杀在萌芽中。
在当今的数字时代，数据已成为企业的命脉。它使公司能够深入了解服务性能和安全问题、立即解决问题、更多地了解客户的习惯以创造最佳体验、提高效率并创建新的数据驱动的商业模式。然而，由于数据通常是非结构化的，并且来自不同的资源，要找到可行动的智能取决于是否有适当的工具来开始。因此，企业必须利用服务保障技术来发掘有线数据中包含的智能数据。通过这种方式，他们就能够促进内部和外部业务的成功，并通过数字化转型的混乱海域继续他们的智能数据旅程。
企业网D1Net编译
版权声明：
本文为企业网D1Net编译，转载需注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。
（来源：企业网D1Net）
点击
蓝色
字体
关注我哟
