當前位置:龍圖IT服務 > 企業IT外包 >

機器學習將在IT服務中試圖“防火”而非“救火”

作者:IT服務外包 發布時間:04-03 閱讀: 轉至微博:

SysAid Technologies公司現任首席執行官和客戶關系副總裁Sarah Lahav剖析了機器學習,并如何故更快捷的方法為IT效勞辦理中的“防火(fireproofing)”供給也許——用機器學習的方法猜測并預防疑問,而不是等候疑問呈現。Sarah Lahav是SysAid Technologies的第一名職工,自2003年以來,Sarah一直是SysAid技術與其客戶之間的重要樞紐。
IT服務辦理中,“救火(firefighting)”這個詞常常用來比方很多作業任務。有些人或某些事引發了“數字火(digital fire)”,咱們擔任把它滅掉。救火能夠捕捉這種嚴重的、計劃外的事情。IT效勞的本質,將使得這項作業十分辛苦。
IT服務
這是由于如此,防火是體系辦理員應當對機器學習欣喜若狂的因素。算法不會替代IT從業者。相反,機器學習開端將使得IT效勞從“救火(firefighting)”改變為“防火(fireproofing)”。
“防火”聽起來像是猜測和預防疑問,而不是等候他們呈現。從IT歷史的視點看,防火是不也許的,由于它需求人類來剖析數據量十分大的數據。
假如機器學習算法能夠攝取數萬億的數據點,同時找到有用的形式,與人類同享,咱們有機會避免火災。并且更兇猛的是,機器學習算法能夠在沒有任何人為干涉的情況下處理疑問。
機器學習將在以下場景呈現:
資本運用
已然軟件和基礎設施要作為效勞運用,那么資本運用即是動態的。以磁盤空間為例,IT知道依據需求,添加和削減多少磁盤空間是合算的。例如,對于電商網絡來說,為了應對寒假,也許需求添加磁盤空間?墒,假如7月呈現了一個意想不到的峰值,那么該網站也許就沒有準備。
這即是機器學習能夠發作嚴重區別的當地。經過剖析流量、日志文件、買賣數據和別的信息等大數據,算法能夠假設決定出公司是不是需求在火災發作之前最大化磁盤空間。在這種情況下,IT能夠預先添加磁盤空間,以應對意外峰值并避免救火情況發作。
IoT安全
舉個比如,闡明物聯網(IoT)安全的重要性。我的轎車近來呈現了一個軟件bug,讓我十分抑郁。前兩天下雨,我轎車的擋風玻璃雨刷器壞了。當我把車帶到經銷商處時,他們發現有一個軟件過錯,并更新了它。雖然這個過錯很簡單修正,可是假如是制動器、轉向或許加速器有一個軟件過錯,那么后果不堪設想。
Gartner估計,到2020年,將有超越200億個物聯網設備在流轉。大多數一般性IT疑問只會形成不方便,或許形成生產力丟失,但IoT疑問也許會危及生命。咱們能夠期待,算法將主動監測,并對銜接的轎車、報警體系、醫療設備、工業設備和別的具有安全隱患的設備實時更新。
自助效勞
大多數IT部門經過創立腳本來完成任務,并處理基本疑問。舉例來說,腳本能夠主動創立新職工的電子郵件地址,相同,當這些職工在作業的第二天忘記暗碼時,腳本能夠生成新暗碼。
疑問是,腳本在自助效勞中受到限制。拜訪知識庫進行毛病掃除的用戶一般有必要手動找到處理方案,而不是一鍵修正,F在,機器學習將改動這一事情。
首要,算法將依據權證,查找并運用數據將權證轉換成文章,或許主張新的知識庫條目。這么,IT能夠在用戶請求之前供給自助式毛病掃除過程。終究,機器學習算法將繼續監控應用程序并運行預編程腳本,以在疑問影響用戶之前處理疑問。
只要人類才能做到的事
在2017年,機器學習算法將剖析數據以猜測和預防IT疑問。他們將IT從“救火”轉向“防火”,特別是在資本運用、物聯網以及自助效勞方面發揮作用。這種改變將降低成本,進步功率,削減過錯,并增強用戶體會。
因而,機器學習將開釋體系辦理員,使他們專心于需求創造力的疑問。他們將變成機器的牧羊人。編程、校準和監督算法將變成IT效勞技能組的一個組成部分。IT效勞的“防火”年代將推進IT效勞部門更有才智。

關鍵詞: IT服務
    日本一级婬片人妻