Интеллектуальный анализ событий
Предотвращайте сбои, выявляйте аномальное поведение ИТ-систем и сервисов и оперативно реагируйте на них
60%
80%
Быстрее устранять сбои
Быстрее выявлять инциденты
95%
40%
Сокращать сбои за счёт прогнозирования
Снижать шум событий
Выявлять причины возникновения сбоев
и их взаимосвязи
Прогнозировать возникновение сбоев
с учетом сезонности, производственного календаря и других факторов до достижения инструментами статистических порогов
Фильтровать и ранжировать инциденты
для повышения качества информирования
Формировать рекомендации по устранению сбоев
в том числе инструкций для автоматического исполнения неполадок
Сфера.Интеллектуальный анализ событий позволяет:
Сфера.
Интеллектуальный анализ событий позволяет:
Интеллектуальный анализ событий позволяет:
Решает задачи бизнеса
улучшая точность оценки состояния систем и бизнес-сервисов
за счёт быстрого реагирования на инциденты
Повышает операционную эффективность
Снижает стоимость сбоев
за счёт раннего предупреждения о возникающих аномалиях
и снижает вероятность ошибок
Прогнозирует
и предотвращает сбои
и предотвращает сбои
Автоматизирует процессы мониторинга
Сфера.
Интеллектуальный анализ событий решает задачи бизнеса
Запись на демо
Оставьте свои контакты и мы свяжемся с вами
Результаты внедрения Сфера.Интеллектуальный анализ событий
Результаты внедрения Сфера. Интеллектуальный анализ событий
Менеджер клиентского сервиса
«Благодаря использованию Сфера.Интеллектуальный анализ событий мы снизили на 35% время на обработку обращений в пиковый период»
Департамент клиентского обслуживания
Источник
Задача
Более 250 метрик основных показателей AHT, ASA, LCR, Нагрузка и прочие анализируются в реальном времени
CRM-система
Прогнозирование сбоев с учетом сезонности и трендов, оперативная реакция на аномальную активность, контроль качества работы
Менеджер департамента развития бизнеса
«Скорость реакции команды на сбои в работе сервисов повышена на 30%, снизили MTTR на 80%»
Переводы через СБП физическими лицами
Источник
Задачи
Комплексный мониторинг сервиса с оценкой поведения нескольких ИС
точки сбора пользовательской активности в онлайн-приложении
- Оценка работоспособности сервиса
- Организация бесперебойной работы сервиса переводов
Лидер управления мощностями
«Нам удалось снизить простои систем в обычном режиме работы до 50%»
Управление мощностями
Источник
Задача
CPU, RAM, HDD, количество пользовательских операций ИС
- Предупреждение о достижении порога НТ на 3-6 мес. вперёд с учётом трендов, сезонности и праздников
- Формирование плана закупок вычислительных мощностей
- Пиковые нагрузки предварительно обеспечиваются дополнительными мощностями
Старший специалист СЦ
«Используя Сфера.Интеллектуальный анализ событий, мы снизили количество сбоев в пиковые периоды нагрузки более чем на 20%»
Управление серверной инфраструктуры
Источник
Задачи
Мониторинг утилизации ресурсов в парке из более чем 20 тыс. серверов
CPU, RAM, HDD
- Выявление и прогнозирование групп с высокой нагрузкой для поиска узких мест в производительности
- Увеличение скорости обработки метрик за счёт оптимизации (500 метрик в сек на 1 CPU - 4 ГБ ОЗУ
Интерактивные демо-сценарии
Интерактивные демо-сценарии
Узнайте, как решаются комплексные задачи анализа с помощью Сфера.Интеллектуальный анализ событий
Подключение источника
Тина — ИТ-менеджер маркетплейса. Одним из ключевых показателей, позволяющих понять состояние их веб-сайта, является количество активных пользователей. Однако использование традиционных пороговых методов для выявления
аномалий приводило к огромному количеству оповещений, поскольку они не учитывали ежедневные, еженедельные и сезонные изменения.
Тина воспользовалась Сфера.Интеллектуальный анализ событий, чтобы обеспечить интеллектуальное обнаружение аномалий.
аномалий приводило к огромному количеству оповещений, поскольку они не учитывали ежедневные, еженедельные и сезонные изменения.
Тина воспользовалась Сфера.Интеллектуальный анализ событий, чтобы обеспечить интеллектуальное обнаружение аномалий.
Подключение источника
Тина извлекает данные временных рядов своих активных пользователей из базы данных Vertica, одного из многих поддерживаемых источников
данных.
Далее она осуществляет импорт метаданных, настройку полей и проверку извлеченных данных.
данных.
Далее она осуществляет импорт метаданных, настройку полей и проверку извлеченных данных.
Подключение источника
Тина извлекает данные временных рядов своих активных пользователей из базы данных Vertica, одного из многих поддерживаемых источников
данных.
Далее она осуществляет импорт метаданных, настройку полей и проверку извлеченных данных.
данных.
Далее она осуществляет импорт метаданных, настройку полей и проверку извлеченных данных.
Подключение источника
Тина извлекает данные временных рядов своих активных пользователей из базы данных Vertica, одного из многих поддерживаемых источников
данных.
Далее она осуществляет импорт метаданных, настройку полей и проверку извлеченных данных.
данных.
Далее она осуществляет импорт метаданных, настройку полей и проверку извлеченных данных.
Подключение источника
Тина извлекает данные временных рядов своих активных пользователей из базы данных Vertica, одного из многих поддерживаемых источников
данных.
Далее она осуществляет импорт метаданных, настройку полей и проверку извлеченных данных.
данных.
Далее она осуществляет импорт метаданных, настройку полей и проверку извлеченных данных.
Подключение источника
Тина извлекает данные временных рядов своих активных пользователей из базы данных Vertica, одного из многих поддерживаемых источников
данных.
Далее она осуществляет импорт метаданных, настройку полей и проверку извлеченных данных.
данных.
Далее она осуществляет импорт метаданных, настройку полей и проверку извлеченных данных.
Подключение источника
Тина извлекает данные временных рядов своих активных пользователей из базы данных Vertica, одного из многих поддерживаемых источников
данных.
Далее она осуществляет импорт метаданных, настройку полей и проверку извлеченных данных.
данных.
Далее она осуществляет импорт метаданных, настройку полей и проверку извлеченных данных.
Подключение источника
Тина извлекает данные временных рядов своих активных пользователей из базы данных Vertica, одного из многих поддерживаемых источников
данных.
Далее она осуществляет импорт метаданных, настройку полей и проверку извлеченных данных.
данных.
Далее она осуществляет импорт метаданных, настройку полей и проверку извлеченных данных.
Подключение источника
Тина извлекает данные временных рядов своих активных пользователей из базы данных Vertica, одного из многих поддерживаемых источников
данных.
Далее она осуществляет импорт метаданных, настройку полей и проверку извлеченных данных.
данных.
Далее она осуществляет импорт метаданных, настройку полей и проверку извлеченных данных.
Подключение метрики
Чтобы получать данные в режиме реального времени, Тина использует импортированные метрики в ИАС. В разделе «Метрики» она может подключать и настраивать загруженные метрики, прежде чем перейти к конкретному показателю для анализа.
При подключении метрик Тина выполняет настройку необходимых параметров и создает дашборд. Подключенные метрики отобразились во вкладке «Подключенные к ИАС» раздела «Метрики».
При подключении метрик Тина выполняет настройку необходимых параметров и создает дашборд. Подключенные метрики отобразились во вкладке «Подключенные к ИАС» раздела «Метрики».
Подключение метрики
Чтобы получать данные в режиме реального времени, Тина использует импортированные метрики в ИАС. В разделе «Метрики» она может подключать и настраивать загруженные метрики, прежде чем перейти к конкретному показателю для анализа.
При подключении метрик Тина выполняет настройку необходимых параметров и создает дашборд. Подключенные метрики отобразились во вкладке «Подключенные к ИАС» раздела «Метрики».
При подключении метрик Тина выполняет настройку необходимых параметров и создает дашборд. Подключенные метрики отобразились во вкладке «Подключенные к ИАС» раздела «Метрики».
Подключение метрики
Чтобы получать данные в режиме реального времени, Тина использует импортированные метрики в ИАС. В разделе «Метрики» она может подключать и настраивать загруженные метрики, прежде чем перейти к конкретному показателю для анализа.
При подключении метрик Тина выполняет настройку необходимых параметров и создает дашборд. Подключенные метрики отобразились во вкладке «Подключенные к ИАС» раздела «Метрики».
При подключении метрик Тина выполняет настройку необходимых параметров и создает дашборд. Подключенные метрики отобразились во вкладке «Подключенные к ИАС» раздела «Метрики».
Подключение метрики
Чтобы получать данные в режиме реального времени, Тина использует импортированные метрики в ИАС. В разделе «Метрики» она может подключать и настраивать загруженные метрики, прежде чем перейти к конкретному показателю для анализа.
При подключении метрик Тина выполняет настройку необходимых параметров и создает дашборд. Подключенные метрики отобразились во вкладке «Подключенные к ИАС» раздела «Метрики».
При подключении метрик Тина выполняет настройку необходимых параметров и создает дашборд. Подключенные метрики отобразились во вкладке «Подключенные к ИАС» раздела «Метрики».
Подключение метрики
Чтобы получать данные в режиме реального времени, Тина использует импортированные метрики в ИАС. В разделе «Метрики» она может подключать и настраивать загруженные метрики, прежде чем перейти к конкретному показателю для анализа.
При подключении метрик Тина выполняет настройку необходимых параметров и создает дашборд. Подключенные метрики отобразились во вкладке «Подключенные к ИАС» раздела «Метрики».
При подключении метрик Тина выполняет настройку необходимых параметров и создает дашборд. Подключенные метрики отобразились во вкладке «Подключенные к ИАС» раздела «Метрики».
Подключение метрики
Чтобы получать данные в режиме реального времени, Тина использует импортированные метрики в ИАС. В разделе «Метрики» она может подключать и настраивать загруженные метрики, прежде чем перейти к конкретному показателю для анализа.
При подключении метрик Тина выполняет настройку необходимых параметров и создает дашборд. Подключенные метрики отобразились во вкладке «Подключенные к ИАС» раздела «Метрики».
При подключении метрик Тина выполняет настройку необходимых параметров и создает дашборд. Подключенные метрики отобразились во вкладке «Подключенные к ИАС» раздела «Метрики».
Интеллектуальный анализ
При подключении новой метрики в ИАС ее данные обрабатываются*, а модель прогнозирования обучается на исторических данных. Также определяются границы зон предупреждения и критических зон. Обученная модель прогнозирует будущие значения метрики в реальном времени. Все новые данные сравниваются с зонами предупреждения и критическими зонами, при приближении к ним или пересечении генерируются уведомления.
На странице подключенной метрики Тина осуществляет настройку оповещений, управляет параметрами интеллектуального анализа исторических данных.
На странице подключенной метрики Тина осуществляет настройку оповещений, управляет параметрами интеллектуального анализа исторических данных.
Интеллектуальный анализ
При подключении новой метрики в ИАС ее данные обрабатываются*, а модель прогнозирования обучается на исторических данных. Также определяются границы зон предупреждения и критических зон. Обученная модель прогнозирует будущие значения метрики в реальном времени. Все новые данные сравниваются с зонами предупреждения и критическими зонами, при приближении к ним или пересечении генерируются уведомления.
На странице подключенной метрики Тина осуществляет настройку оповещений, управляет параметрами интеллектуального анализа исторических данных.
На странице подключенной метрики Тина осуществляет настройку оповещений, управляет параметрами интеллектуального анализа исторических данных.
Интеллектуальный анализ
При подключении новой метрики в ИАС ее данные обрабатываются*, а модель прогнозирования обучается на исторических данных. Также определяются границы зон предупреждения и критических зон. Обученная модель прогнозирует будущие значения метрики в реальном времени. Все новые данные сравниваются с зонами предупреждения и критическими зонами, при приближении к ним или пересечении генерируются уведомления.
На странице подключенной метрики Тина осуществляет настройку оповещений, управляет параметрами интеллектуального анализа исторических данных.
На странице подключенной метрики Тина осуществляет настройку оповещений, управляет параметрами интеллектуального анализа исторических данных.
Представление об аномалиях с помощью многомерного анализа
С помощью инструмента Сфера.ИАС Тина смогла быстро обработать данные активных пользователей, узнать о выявленных аномалиях и детализировать различные измерения, чтобы определить влияющие факторы.
Благодаря инструментам расширенного интеллектуального анализа Тина смогла настроить
отслеживание аномалий, что позволило ей понять текущее состояние её онлайн-бизнеса и спрогнозировать будущие показатели.
Благодаря инструментам расширенного интеллектуального анализа Тина смогла настроить
отслеживание аномалий, что позволило ей понять текущее состояние её онлайн-бизнеса и спрогнозировать будущие показатели.
Повышение точности обнаружения благодаря знанию предметной области
Тина — ИТ-менеджер маркетплейса. Отслеживая активных пользователей на веб-сайте с помощью Сфера.ИАС, она может выявлять необычную активность. Однако она обнаружила некоторые ложноположительные и отрицательные результаты.
Тина регулирует пороговые значения на странице метрики при помощи Инструментов ИАС.
Активность пользователей не постоянна в течение недели, а их поведение соответствует шаблонам, на которые влияют рабочие часы компании и выходные. Тина переходит от жестких пороговых значений к интеллектуальному обнаружению нежелательных событий на базе искусственного интеллекта и обеспечивает правильную маркировку более мелких инцидентов.
Активность пользователей не постоянна в течение недели, а их поведение соответствует шаблонам, на которые влияют рабочие часы компании и выходные. Тина переходит от жестких пороговых значений к интеллектуальному обнаружению нежелательных событий на базе искусственного интеллекта и обеспечивает правильную маркировку более мелких инцидентов.
Настройка модели
Настройка модели
Тина регулирует пороговые значения на странице метрики при помощи Инструментов ИАС.
Активность пользователей не постоянна в течение недели, а их поведение соответствует шаблонам, на которые влияют рабочие часы компании и выходные. Тина переходит от жестких пороговых значений к интеллектуальному обнаружению нежелательных событий на базе искусственного интеллекта и обеспечивает правильную маркировку более мелких инцидентов.
Активность пользователей не постоянна в течение недели, а их поведение соответствует шаблонам, на которые влияют рабочие часы компании и выходные. Тина переходит от жестких пороговых значений к интеллектуальному обнаружению нежелательных событий на базе искусственного интеллекта и обеспечивает правильную маркировку более мелких инцидентов.
Настройка модели
Тина регулирует пороговые значения на странице метрики при помощи Инструментов ИАС.
Активность пользователей не постоянна в течение недели, а их поведение соответствует шаблонам, на которые влияют рабочие часы компании и выходные. Тина переходит от жестких пороговых значений к интеллектуальному обнаружению нежелательных событий на базе искусственного интеллекта и обеспечивает правильную маркировку более мелких инцидентов.
Активность пользователей не постоянна в течение недели, а их поведение соответствует шаблонам, на которые влияют рабочие часы компании и выходные. Тина переходит от жестких пороговых значений к интеллектуальному обнаружению нежелательных событий на базе искусственного интеллекта и обеспечивает правильную маркировку более мелких инцидентов.
Тина настраивает параметры прогнозной модели с учетом специфики данных.
Тина также знает, что ее компания только недавно расширилась в восточном регионе. В результате продажи снижаются, а дисперсия выше. К счастью, она может снизить чувствительность модели обнаружения аномалий для определенных метрик.
Тина также знает, что ее компания только недавно расширилась в восточном регионе. В результате продажи снижаются, а дисперсия выше. К счастью, она может снизить чувствительность модели обнаружения аномалий для определенных метрик.
Линии прогнозирования
Когда структура данных меняется, класс метрики и цели анализа часто требуют адаптации. Например, задача по выявлению сезонных паттернов может смениться на обнаружение аномалий или предсказание будущих событий (проводится при помощи анализа временных рядов).
На странице подключенной метрики Тина изменяет тип для класса метрики с учетом новой специфики данных и текущих целей.
На странице подключенной метрики Тина изменяет тип для класса метрики с учетом новой специфики данных и текущих целей.
Выбор класса
