Hurricane prediction technology kan hjelpe IT

Orkanen Irene dominerer nyheten, ettersom folk som bor langs østkysten av USA følger nøye med på værmeldingen og forbereder seg på alvorlige, muligens ødeleggende stormer. Jeg har nylig lært den samme teknologien som brukes til å forutsi orkaner som kan være nyttig for IT-proffene.

Værvarsel er basert på svært komplekse matematiske modeller som involverer historiske data og svært nylige hendelser. I tillegg er mye av dataene vi faktisk ser bare det "mest sannsynlige" scenariet, med unntak av orkaner, der vi ser mye mer beskrivende stormreisemønstre med eksplisitte sannsynligheter for landfall på forskjellige steder.

Værvarselsteknologi bruker statistiske modeller for multivariat regresjon og korrelasjon. For eksempel er meteorologer i stand til å vite at små barometriske forandringer som følger visse mønstre i sammenheng med visse andre faktorer, vil føre til en orkan, mindre tropisk storm, eller bare et kraftig tordenvær. Værcomputere kan forutsi lufttemperatur flere dager i forveien basert på data samlet den dagen i tidligere år, så vel som været som ble opplevd i løpet av få dager før. Ved å kombinere disse datapunktene kan man oppnå et ganske nøyaktig estimat av temperatur, nedbør og andre faktorer. Og det blir bedre hele tiden. For tjue år siden så folk kveldens nyheter eller åpnet morgenavisen for å finne ut hvordan været kan være i løpet av de neste 24 timene - tre dagers topper; Nå kan vi sjekke Internett og muligens til og med bruke en mobilapp og få prognoser om syv, 10, til og med 14 dager, og med rimelig nøyaktighet. Kanskje hvis vi fikk de fargerike sannsynlighetsdiagrammene for orkaner for lufttemperatur, regnværssjanse og andre vanlige værmønstre, ville vi mer akseptert utfordringene som værmeldere møter.

Så, hvordan kan denne teknologien brukes i IT? Det er programvaresystemer tilgjengelig på markedet som analyserer maskinvareaktivitet, belastning og ytelse på server- og nettverksmaskinvare. Mange av disse systemene bruker regressive og korrelative algoritmer (i ulik grad av suksess) for å hjelpe IT-avdelinger å forutsi hva som kan skje basert på nøkkelutløsere, som igjen er basert på historiske eller umiddelbare data - bedre systemer vil bruke begge deler. Netuitives Behavio Learning Learning Engine bruker begge informasjonsdelene for å lære hvordan nettverket, serverne og systemene dine fungerer "normalt", og deretter - i henhold til en nedlasting av whitepaper tilgjengelig på denne siden (som krever registrering for å lese) --- forutsi når avvikende atferd vil skje før et system krasjer, blir fullstendig hacket, opplever tjenestenekt, eller et hvilket som helst antall potensielt katastrofale hendelser.

Denne typen prediktive teknologier er også prøvd og testet på mange andre felt, mange med større suksess enn værvarslingsindustrien. Noen vanlige eksempler er salgsprognoser, medikamentforsøk og vurdering av forsikringsrisiko. I disse feltene brukes statistisk regresjon og korrelasjon for å bestemme hvor mye produkt å bestille, hvordan medikamenter vil påvirke kunder med forskjellige symptomer eller helseegenskaper, og hvor risikabelt det er for en person å eie et hjem eller kjøre bil.

Har du brukt et prediktivt analysesystem i bedriften din, enten for IT-systemer eller en annen applikasjon? I så fall, hva var din opplevelse? Hvis du ikke har brukt et før, ville du vurdert et slikt system? Del tankene dine nedenfor.

© Copyright 2020 | mobilegn.com