Noticias y Novedades

Elimine el ruido (sobreinformación): Evaluando la Experiencia del usuario final en redes de datos

No comments

Con tantos indicadores (KPI) y métricas dedicados a monitorear la seguridad y el rendimiento en redes, nubes, clientes y aplicaciones, es evidente que todo esto dificulta la tarea de los responsables de SecOps y NetOps, al tener que lidiar con esta sobreinformación y lo demandante que resulta sacarle provecho a tanto ruido. 

VIAVI Solutions adopta un enfoque diferente para eliminar el ruido y facilitar la tarea de los ingenieros en la resolución de problemas. Un ejemplo de esto en la solución Observer es el puntaje de la experiencia del usuario final (EUE), desarrollado con aprendizaje automático o, como lo describe Gartner: Inteligencia artificial para operaciones de IT (AIOps).

Los equipos de operaciones necesitan comprender rápidamente qué usuarios se ven afectados negativamente por servicios degradados y, lo que es más importante, dónde reside la causa raíz del problema. Pero, no necesitan un exceso de indicadores rojos con falsos positivos intermitentes (también conocidos como “ruido”), ni tampoco dudas continuas sobre ausencia de problemas reales de servicio (falsos negativos). Aquí es donde el puntaje EUE del Observer es de ayuda 

El puntaje EUE analiza cada conversación de la red en tiempo real aprovechando análisis sofisticados, aprendiendo automáticamente las características únicas de su entorno, ajustando los puntajes para reflejar lo que está experimentando el usuario real. Los problemas reales se detectan instantáneamente y se silencia el ruido. Para mostrar cómo la evaluación de la puntuación EUE mejora cuando el aprendizaje automático se utiliza en una aplicación y un entorno de IT, veamos un ejemplo. 

La función de aprendizaje automático se desactivó temporalmente en la captura de pantalla siguiente para ilustrar la puntuación EUE sin aprendizaje automático. En la segunda imagen, el aprendizaje automático se ha activado para proporcionar una vista más precisa de la experiencia del usuario.

La figura 1 ilustra una conversación encriptada con una puntuación EUE de 3.0 (crítica) y una indicación de problema de dominio vinculada al servidor. Es importante tener en cuenta que, los algoritmos de puntuación EUE final no requieren acceso a los datos de carga útil cifrados. El diagrama de escalera asociado a la derecha es una visualización detallada de las conversaciones. Tras realizar un análisis más detallado de las condiciones específicas de este entorno de aplicación, los problemas de rendimiento no afectaron la experiencia del usuario en el grado que indica la puntuación en la figura. Si bien la puntuación debería haber reflejado un rendimiento degradado, no merecía una puntuación crítica (falso positivo). En la Figura 2, se ha activado el aprendizaje automático y se evalúa con precisión el impacto de la degradación del rendimiento en la experiencia del usuario.

Figura 1 – Puntaje EUE sin aprendizaje automático
Figura 1 – Puntaje EUE sin aprendizaje automático

Esta captura de pantalla muestra la misma transacción de la figura 1, pero puntuada utilizando aprendizaje automático. En este caso, el algoritmo “aprendió” automáticamente (de esta conversación y de conversaciones anteriores) que el comportamiento de la aplicación observado representaba solo una degradación menor en la experiencia del usuario en el mundo real (de una puntuación “perfecta” de 10 a 8,1). Probablemente fue imperceptible por el usuario. Una puntuación de 8.1 no es perfecta, pero no es un problema crítico que requiera una acción inmediata. ¡Adiós falsas alarmas! Conclusión clave: los equipos de operaciones de hoy deben ser eficientes y mostrar efectividad en los resultados finales. Para lograr esto, necesitan respuestas concluyentes: 

  • ¿Hay problemas en la red, en el servidor o en la aplicación? 
  • ¿Dónde está localizado? 
  • ¿Cuál es la resolución?

Figura 2 – Puntaje EUE utilizando aprendizaje automático
Figura 2 – Puntaje EUE utilizando aprendizaje automático

Este puntaje no queda limitado a transacciones puntuales sino que permite además, aislar los problemas en los 4 dominios principales: servidor, cliente, aplicación y red, para derivarlo a los grupos de trabajo adecuados.

Adicionalmente la interfaz APEX de Observer, de la Figura 3, permite visualizar una puntuación para los sitios físicos, con la ayuda de un mapa georeferenciado. También la tendencia de los servicios, aplicaciones o dispositivos de la red.

La solución Observer no solo es útil para el diagnóstico de la red instalada, sino también para evaluar nuevos despliegues de servicios, aplicaciones, plataformas y cualquier sistema que trabaje sobre la red.

Figura 3 – Observer Apex con indicadores de tendencias, mapas y puntajes EUE
Figura 3 – Observer Apex con indicadores de tendencias, mapas y puntajes EUE

 

Esto es lo que ofrece el puntaje de Experiencia de Usuario Final de Observer; visibilidad de problemas reales y cómo resolverlos. Millones de conversaciones de red se pueden analizar y puntuar automáticamente, concentrando a los equipos de operaciones SOLAMENTE en aquellas transacciones donde hay un problema. ¿Por qué distraerse con el ruido cuando puede detenerlo? Obtenga más información sobre la EUE Score en este resumen de la solución. Luego, comuníquese con TECNOUS, Elite partner de VIAVI, para obtener una demostración de la experiencia del usuario final en su propia red. 

[1] Lerner, Andrew. (2017, August 9). AIOps Platforms [Gartner Blog Network]. Retrieved 2019, April 3, from https://blogs.gartner.com/andrew-lerner/2017/08/09/aiops-platforms/

 

https://www.viavisolutions.com/en-us/literature/end-user-experience-score-brochures-en.pdf

AdminElimine el ruido (sobreinformación): Evaluando la Experiencia del usuario final en redes de datos

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *