預測分析能夠在潛在的網絡問題影響其可靠性或性能之前揭示這些問題。預測分析被認為是一種未來的技術，而現在已經成為一種主流的網絡診斷和管理工具。

如今，預測未來越來越容易。雖然仍然無法準確預測第二天的中獎彩票號碼，但任何一位網絡管理者都可以預見各種類型的破壞性網絡問題，并及時進行解決。

[[311621]]

預測分析工具從各種不同的技術和方法中汲取力量，其中包括大數據、數據挖掘和統計建模。例如，可以訓練預測分析工具使用模式識別(數據的模式和規律性的自動識別)，在問題變得嚴重或導致網絡發生故障之前識別問題。

網絡性能專家Accedian公司首席戰略官Richard Piasentin說：“依靠多個干凈數據源以及內置冗余來提供良好準確的信息，網絡的可見性可以防止問題，而不僅僅是對問題做出反應。分析甚至可以集成到閉環業務流程系統中，以針對許多常見問題提供網絡自我校正。最終，預測分析可以幫助企業節省運營成本，并找出潛在問題，而這些問題通常最終導致完全中斷。”

分析網絡行為和基礎設施閾值

數據科學培訓機構data Science Dojo公司的數據科學家Rahim Rasool表示，如果設計和部署得當，預測分析可以深入了解一系列常見和獨特的網絡問題，幫助運營商處理從策略設置、網絡控制到安全的所有問題。例如，為了解決安全問題，預測分析可以使用異常檢測算法來發現可疑活動，并識別可能的數據泄露。Rasool解釋說：“這些算法將掃描網絡在數據傳輸中的行為，并將合法活動與其他活動區分開來。利用預測分析系統，網絡中的漏洞可以在黑客發現之前被發現，然后制定防御機制。”

預測分析可以幫助組織的另一種方式是將趨勢與基礎設施功能和警報閾值進行比較。提供基于云計算的性能監視平臺的LogicMonitor公司技術傳播副總裁Gadi Oren說，“幾乎所有信號都有一個上限和一個下限，這是基礎設施功能的結果。例如，某個設備接口在飽和之前每單位時間只能傳輸這么多的容量。此外，有些信號與警報閾值相關聯。通過了解數據泄漏的趨勢及其變化，可以預測某個物理系統何時會達到其最大容量，或者預計該趨勢何時會達到閾值并引起警報。”

工作中的預測分析

幾乎任何類型的企業網絡都可以從預測分析產生的見解中受益，在醫療、應急響應和航空交通管理等關鍵部門傳輸關鍵數據的網絡將從這項技術中獲得最大收益。

公用事業公司特別關注確保電網可靠性，因為即使是很小的停電事件也可能導致人員傷亡和重大的經濟損失。通用電氣電力公司電網分析首席數字產品經理Farnaz Amin說，“我們利用機器學習模型來預測未來的電力中斷情況，這將基于影響電網運營的天氣事件數據，并通過檢測和糾正電網模型中的錯誤來幫助改善數據完整性。”

通用電氣電力公司在全球180多個國家和地區開展業務，其發電量占全球的三分之一，為全球90%的輸電設施提供設備，并開發可管理全球40%以上的能源軟件。然而，隨著輸電網絡的復雜性增加，由于風力或陽光不可預見的減少，導致電網彈性降低。輸電系統管理不善可能會導致停電，并嚴重損害公用事業公司的財務和聲譽。為了解決此問題，通用電氣電力公司采用人工智能以簡化對發電彈性的測量和預測，從而幫助電網更穩定的運行。

該公司還使用分析技術來解決另一個長期存在且可能導致服務崩潰的問題：數據錯誤。這通常是由于服務提供商人工輸入信息而引起的。甚至看似簡單的錯誤也可能會出現緊急情況和電力中斷，從而導致整體糟糕的客戶服務體驗和降低滿意度。通用電氣電力公司通過開發結合了地理信息系統(GIS)和其他形式操作系統數據的算法來解決此問題，以檢測和糾正普遍存在的錯誤。采用質量更好的數據，公用事業公司可以更有效地調度人員，減少停電恢復時間，并避免向客戶發出錯誤的停電通知。

Amin指出，公用事業公司每天都從其資產中產生大量數據，但需要在硬件和軟件方面具備非常專業的知識，才能發揮其潛力，推動可操作的洞察力。她說：“目前解決這些問題的方法，如電網模型數據完整性、中斷預測和人工優化，都是人工的、勞動密集型的，而且往往不準確。高級分析方法從歷史數據中學習，能夠做出預測，從而在電網資產中提供更好的可見性，并幫助組織做出更經濟的決策。”

采用預測分析面臨的挑戰

盡管人們對預測分析越來越感興趣，但它仍然是一項新興技術，充滿了陷阱和挑戰。Oren警告說，“主要的缺點是，這些預測分析方法在不斷擴展的環境中工作得很好，但在變化非常迅速的環境中表現不佳。在分析系統檢測到緩慢變化的趨勢之前，快速變化的環境會造成信號變化過快的情況。這反過來又會在試圖預測何時會發生某些事情時提供不準確的結果。”

獲取和使用高質量數據對于準確的預測也至關重要。能源行業只使用了其匯總數據的一小部分。Amin解釋說：“這些數據包括傳感器、工廠管理人員的建議以及眾多資產和電網的動態信息。込些數據顯然可用，但許多公用事業公司在處理大量的數據方面不堪重負，無法清楚地了解如何利用數據，這意味著它們無法充分利用預測分析。”

除了收集數據之外，為了獲得最大的預測能力，還需要建立一個系統來收集和記錄組織的網絡運營團隊隨時間產生的各種警報和報告。這些細節可以用來增強預測分析工具檢測潛在網絡異常的能力。Rasool說，“此外，團隊必須專注于數據處理和洞察分析這一步需要一個具有領域專業知識的團隊來理解整個設置。”

組織的網絡團隊還應該能夠為預測分析系統提供適當的正反饋和負反饋過程，因為這些信息將有助于模型的學習能力。Rasool說，“通過適當的分析，這些數據可以創造更多的價值，開發出一種方法來處理異常情況，就像網絡管理者目前所做的那樣。然而，自我學習并不意味著預測分析將消除對網絡管理者的需求。實際上，這樣一個系統將能夠幫助管理者更好地做出決策和反應。”

Amin說，“另一個挑戰是說服網絡團隊使用并定期使用預測分析工具。IT和數據科學團隊可以提出解決方案，但是如果運營團隊不采用這些解決方案，那么這項投資將無法獲得豐厚的回報。因此，了解當前流程并將高級分析嵌入這些流程是成功的關鍵。”

如何開始

Amin指出，“對于剛剛開始采用網絡預測分析的企業來說，必須仔細考慮應該捕獲哪些類型的數據，以及需要解決的網絡問題類型。一旦對用例有了清晰的了解，這將為企業增加價值。”

網絡性能技術提供商LiveAction公司首席技術官兼聯合創始人John Smith警告說，“還要記住，向預測分析工具提供過多的信息幾乎和提供過少的數據一樣糟糕。如果企業不降低其所分析數據的維度，它可能會向云端發送大量不切實際的網絡遙測信息。

考慮數據管理的實際方面也很重要：具體來說，如何以及在何處存儲相關數據。探索容器化及其在各種用例中的功能性和適用性也是值得的，因為它提供了可選性。各種技術正在迅速發展，因此推遲這種探索將使企業處于落后的境地。”