通过大数据预测分析减少客户端事故要点.PDFVIP

IT@lntel 白皮书 英特尔 IT 部门 IT 最佳实践 大数据预测分析 2013 年 12 月 通过大数据预测分析 减少客户端事故 总体概述 相比过去的被动反应， 在概念验证 （proof of concept ，简称 PoC ）中，英特尔 IT 将自然语言处理和统计建 我们现在能够更容易主动 模应用于 PC 客户端事件日志和 IT 帮助中心事故报告，并预测到之后 28 天内发生的 20% 的事故。相比过去的被动反应，我们现在能够更主动找出并解决可能会发生的客 找出客户端问题，并及时 户端问题，以免问题扩大,从而有望为企业节约大量成本。 将其修复以免问题扩大， 在 2013 年，英特尔 IT 设定了目标，在 • 应用了高级自然语言处理和信息检索技 从而为企业节约大量成本。 年底之前将所有已知并应受到重视的报告 术，后者支持将机器信息（事件数据） IT 事故（发生在客户端、服务器和其他 与内部客户信息（事故报告）进行关联 设备上）减少 40% 。我们意识到客户端 • 将数百万个事件和数千个事故分类，而 是造成各类事故的主要“元凶”，所以使 且在预测其他客户端会发生的事故方面 用 Apache Hadoop* 软件的英特尔® 发行版 的准确程度达 78% （使用 Hadoop 版本 2.2 ）设计了一种客户 • 创建了数据可视化的报表，以帮助 IT 端事故预测概念验证 （proof of concept ， 支持员工快速确定问题的发生概率、严 简称 PoC ）。我们将文本分析功能应用于 重程度及分布情况，更准确地制定修复 数百万个客户端事件日志和数千份客户端 措施及其他主动支持服务 事故报告，发现了其中一些关联数据， 并据此来预测和解决客户端问题，避免 我们的客户端事故预测解决方案结合了数 问题扩大。 据挖掘和预测分析功能，可帮助我们在那 些基本上被曾经忽视的数据中获取价值。 在实施概念验证时，我们完成了几项工 Ajay Chandramouly 这一新功能将帮助我们及时解决众多客户 作。 英特尔 IT 大数据领域负责人 端问题，以免影响用户工的作效率。该解 • 开发了一种大数据预测分析解决方案， 决方案的要素还有望协助发掘其他数据日 Ravindra Narkhede 英特尔 IT 企业 SM 架构师 它能够从 95,000 多个