Statique
Actuellement, les alertes sont définies avec des seuils ou des conditions statiques. Le maintien à jour de ces seuils ou conditions nécessite une contribution régulière des parties prenantes métier et l’implication des équipes data. C’est une activité de maintenance supplémentaire. De plus, le seuil doit être temporairement modifié pour certains cas d’utilisation professionnelle. Par exemple, une entreprise de vente au détail peut s’attendre à des pics de trafic pendant la période des fêtes. Cette nature statique des alertes peut conduire à de fausses alarmes qui font perdre du temps à l’équipe d’assistance ou à des problèmes manqués qui ont un impact sur l’entreprise.
Dispersé
Le système actuel signale les échecs, mais sans aucun contexte. La personne de garde doit alors vérifier les journaux, comprendre le problème et informer l’équipe concernée. Avec des flux de travail complexes, les journaux sont dispersés sur les serveurs, les plates-formes cloud, les systèmes de gestion des journaux et les outils de planification. Parcourir manuellement chacun prend du temps. Prenez Sourcegraph, par exemple. Leur équipe d’assistance consacrait entre 45 et 90 minutes simplement à vérifier les journaux de chaque problème avant de commencer à utiliser l’IA. La nature dispersée des journaux de pipeline et des données télémétriques augmente le travail de la personne de garde et retarde la résolution des problèmes.
Comment l’IA fera passer la surveillance des pipelines de données de réactive à proactive
Les modèles d’IA rassemblent vos journaux et métriques historiques dispersés sur toutes les plateformes et résument uniquement les informations clés, telles que :
