透過巨量資料預測分析,有效避免用戶端異常事件

很抱歉,此 PDF 僅以下載格式提供

透過巨量資料預測性分析,有效避免用戶端異常事件

Intel IT 在 2013 年設定了一個目標,就是要在年底之前將必須由人為介入處理的 IT 事件縮減 40%。 於是我們設計了一項用戶端事件預測的可行性驗證測試 (Proof of Concept,PoC) 計劃,其中採用 Intel® Distribution for Apache Hadoop* 軟體。藉由套用文字分析技術,分析數百萬筆用戶端事件日誌以及數千筆用戶端事件報告,我們識別了其中的相互關聯性,使我們得以預測用戶端問題,並在問題擴大之前獲得排解。

在進行可行性驗證測試 (PoC) 的過程中,我們也實現了下列成績。
• 開發了巨量資料預測性分析的解決方案,這能夠從 95,000+ 部用戶端系統每日所產生 (很少使用) 的數百萬筆 Windows* 事件記錄,找出具有價值的資訊
• 套用進階自然語言處理和資訊擷取技術,找出機器資訊 (事件資料) 以及內部客戶資訊 (事件報告) 之間的相互關聯性
• 整理與分析數百萬筆事件和事故,以預測其他用戶端發生異常事件的機率,準確度高達 78%
• 資料的視覺化,不但協助 IT 技術支援人員快速判斷發生問題的機率、嚴重性以及影響範圍,還能更準確地找到並解決問題,以及主動提供其他技術支援

閱讀完整的白皮書:透過巨量資料預測性分析,有效避免用戶端異常事件