Organizace zaznamenaly exponenciální nárůst zařízení koncových uživatelů a IoT hnaný produktivitou. Důležité pro výkonnost těchto zařízení je jejich schopnost přistupovat k množství aplikací SaaS, včetně hlasu a videa v reálném čase a několika síťových služeb.

Moderní síť dneška je poskytována jako cloudová služba v infrastruktuře bezdrátového připojení. Různorodost zařízení a mobilita zařízení kombinovaná s vysokým objemem transakcí a dat učinila síť daleko více dynamickou a operace více komplexní na Edge. Starší řešení správy byla navržena tak, aby spravovala statické sítě používané omezenou skupinou IT schválených klientů a aplikací. Těmto zastaralým řešením schází koherentní a smysluplné přehledy z kontextu klienta. Pokud má klient problémy s výkonem aplikace, je obtížné určit, zda je problém systémový, nebo izolovaný, zda jde o výsledek nedostatečného výkonu Wi-Fi, vadu WAN, problém se síťovými službami, nebo o potíže s aplikací. IT týmy se nemohou spoléhat na tyto zastaralé nástroje při zajišťování, že moderní klienti získají nejlepší výkon ze síťové infrastruktury, síťových a bezpečnostních služeb a aplikací. IT týmy a organizace, které podporují, požadují pokročilé analýzy a informace potřebné na provedení akce, které jsou k dispozici díky řešení AIOps.

VMware Edge Intelligence: Komplexní řešení AIOps

VMware Edge Intelligence je řešení AIOps agnostické vůči dodavateli a zaměřené na podniková zařízení Edge. Zajišťuje výkon, zabezpečení a automatickou opravu pro koncové uživatele a klienty z oblasti internetu IoT bezdrátové a kabelové sítě LAN, SD-WAN a služby SASE.

Obrázek 1. Přehled služby VMware Edge Intelligence
Řešení využívá algoritmy strojového učení (ML) a moderní analýzy veledat pro zpracování vysokých objemů dat z široké škály zdrojů zahrnující sítě, zařízení a aplikace. Přitom řešení automaticky objevuje zařízení koncových uživatelů a internetu věcí (IoT), automaticky vytváří standardní hodnoty, porozumí každé interakci klienta a monitoruje odchylky, aby mohlo poskytnou akční vhledy, které operační týmy mohou využít k proaktivní opravě.

Klíčové poznatky

  • Řešení AIOps zaměřené na podnikový Edge. Zajišťujte výkon, zabezpečení a automatické opravy pro koncové uživatele a IoT klienty přes bezdrátové a kabelové LAN, SD-WAN a SASE.

  • Zákazníci zaznamenali 40–55% vylepšení produktivity klientského zařízení při nasazení tohoto řešení.

  • Urychluje transformaci provozu IT do proaktivního režimu.

Výhody řešení

  • Bohatá klientská zkušenost

    Služba VMware Edge Intelligence značně vylepšuje a kvantifikuje zkušenost koncového uživatele a IoT zařízení na libovolném umístění. S distribuovanou pracovní silou IT týmy nemají přehled o klientských zkušenostech na všech umístěních. Potřebují řešení, které snižuje nutnost návštěvy IT. VMware Edge Intelligence může objasnit, zda je vnímaný problém s aplikací způsoben problémy s místní sítí Wi-Fi, širokopásmovou sítí, WAN, síťovými službami, nebo s aplikací. Zákazníci používající VMware Edge Intelligence zaznamenali 40–55% vylepšení produktivity klientského zařízení.

  • Proaktivní náprava

    Služba VMware Edge Intelligence využívá techniky ML, včetně algoritmů nejbližší soused a seskupení bez dozoru, a to k automatické izolaci poruch, určení hlavní příčiny, uskutečňování doporučení a předpovědím přínosů. Za použití interních a průmyslových měřítek poskytuje řešení příležitosti pro kontinuální vylepšení. Při používání služby VMware Edge Intelligence zákazníci zaznamenali 50% zkrácení času potřebného k nalezení a odstranění problémů.

  • Zajišťování aplikací

    Podniky využívají stovky aplikací SaaS. Zatímco je malé procento těchto aplikací sankcionováno dle IT, většina aplikací produktivity není. Sledování těchto aplikací se pro IT týmy stává neudržitelným. Služba VMware Edge Intelligence poskytuje záruku pro více než 3 000 aplikací s kontextuálními ukazateli výkonnosti, jako je počet ovlivněných klientů nebo počet zasažených stránek.

  • Jednoduchost provozu

    Služba VMware Edge Intelligence aktuálně detekuje a analyzuje přes 30 milionů zařízení. V důsledku široké pestrosti a nárůstu počtu zařízení je nemožné manuálně identifikovat, klasifikovat a analyzovat výkonnost. Toto řešení využívá ML algoritmů založených na časové sérii k automatickému zjištění těchto zařízení a stanovuje standardní hodnoty pro monitorování.