As organizações têm observado um aumento exponencial nos dispositivos IoT e de utilizadores finais baseados na produtividade. Fundamental para o desempenho destes dispositivos é a respetiva capacidade de aceder a uma grande variedade de aplicações SaaS, incluindo voz e vídeo em tempo real e vários serviços de rede.
A rede moderna de hoje em dia é fornecida como um serviço baseado na cloud numa infraestrutura sem fios. A heterogeneidade e a mobilidade dos dispositivos, aliadas a elevados volumes de dados e transações, tornaram a rede muito mais dinâmica e as operações mais complexas no Edge. As soluções de gestão legadas foram concebidas para gerir redes estáticas utilizadas por um conjunto limitado de aplicações e clientes sancionados por TI. Estas soluções desatualizadas carecem de informações coerentes e significativas do contexto do cliente. Se um cliente tiver problemas com o desempenho da aplicação, é difícil identificar se o problema é sistémico ou isolado, resultado de um fraco desempenho do Wi-Fi, uma deficiência na WAN, um problema com os serviços de rede ou um problema com a aplicação. As equipas de TI não podem confiar nestas ferramentas antiquadas para garantir que os clientes dos dias de hoje obtêm o melhor desempenho da infraestrutura de rede, dos serviços de rede e de segurança e das aplicações. As equipas de TI, bem como as organizações que apoiam, requerem uma análise avançada e uma inteligência acionável possibilitadas por uma solução AIOps.
VMware Edge Intelligence: uma solução AIOps abrangente
O VMware Edge Intelligence é uma solução AIOps agnóstica de fornecedor focada no Edge empresarial que assegura o desempenho, a segurança e a reparação automática do cliente IoT e do utilizador final através de LAN, SD-WAN e Secure Access Service Edge (SASE) sem fios e com fios.
Destaques fundamentais
-
Uma solução AIOps focada no Edge empresarial. Assegura o desempenho, a segurança e a reparação automática do cliente IoT e do utilizador final através de LAN, SD-WAN e SASE sem fios e com fios.
-
Os clientes observaram uma melhoria de 40 a 55% na produtividade do dispositivo cliente através da implementação desta solução.
-
Acelera a transformação das operações de TI num modo proativo.
Benefícios da solução
-
Experiência avançada dos clientes
O VMware Edge Intelligence quantifica e melhora significativamente a experiência do dispositivo IoT e do utilizador final em qualquer localização. Com uma força de trabalho distribuída, as equipas de TI carecem de visibilidade sobre a experiência do cliente em todas as localizações. Precisam de uma solução que reduza a necessidade de visitas de TI. O VMware Edge Intelligence consegue identificar claramente se um problema da aplicação detetado se deve a problemas com a rede Wi-Fi local, a rede de banda larga, a WAN, os serviços de rede ou a aplicação. Os clientes que utilizam o VMware Edge Intelligence observaram uma melhoria de 40 a 55% na produtividade do dispositivo cliente.
-
Solução proativa
O VMware Edge Intelligence utiliza técnicas de ML, incluindo o vizinho mais próximo e algoritmos de clustering não supervisionados, para isolar falhas automaticamente, identificar a causa principal, fazer recomendações e prever benefícios. Através de referências internas e industriais, a solução oferece oportunidades de melhorias contínuas. Ao utilizar o VMware Edge Intelligence, os clientes observaram uma redução de 50% no tempo necessário para detetar e corrigir os problemas.
-
Garantia das aplicações
As empresas utilizam centenas de aplicações SaaS. Embora uma pequena percentagem destas aplicações seja sancionada por TI, a maior parte das aplicações de produtividade não o são. O controlo destas aplicações torna-se insustentável para as equipas de TI. O VMware Edge Intelligence oferece garantias para mais de 3000 aplicações com indicadores de desempenho contextual, como o número de clientes afetados ou o número de sites afetados.
-
Simplicidade operacional
Atualmente, o VMware Edge Intelligence deteta e analisa mais de 30 milhões de dispositivos. A grande variedade e o aumento do número de dispositivos torna impossível identificar, classificar e analisar manualmente o desempenho. A solução utiliza algoritmos de ML com base em séries de tempo para detetar automaticamente estes dispositivos e estabelecer uma linha de base para a monitorização.