Machine Learning

Der nächste große Wurf in Sachen Big Data-Analyse
Machine Learning hat das Potenzial, unseren Alltag radikal zu verändern. Egal, ob Sie versuchen, die Kaufwahrscheinlichkeit für ein Produkt vorherzusagen oder festzustellen, wann ein Mobilfunknetz ausfallen wird, Machine Learning kann vorausschauende Analysen liefern, die auf den in Maschinendaten erkannten Mustern basieren.
Vorausschauende Analysen können unternehmensweit genutzt werden, um IT-Abläufe, Sicherheitsmaßnahmen und Geschäftsprozesse zu optimieren und, um Vorfälle zu erkennen und vorauszusehen , die Problembehebung zu beschleunigen und unerwünschte Konsequenzen einzudämmen.

Big Data heizen den Trend zu Machine Learning an

Machine Learning bedingt eine breit angelegte Datenerfassungsstrategie über Datenspeicher sowie cloud-basierten und hybriden Umgebungen hinweg. Wenn Sie Maschinendaten mit strukturierten Daten kombinieren und dann Machine Learning auf die Datenbasis anwenden, bekommen Sie die Möglichkeit, Geschäftsereignisse in Echtzeit vorherzusagen und ggf. abzufangen.
Data Scientists verbringen über 60 % ihrer Zeit mit dem Aufbereiten von Daten für leistungsfähige Analysen. Mit Splunk kann sich der Data Scientist Ihres Teams ganz darauf konzentrieren, Erkenntnisse bereitzustellen.
Ihr IT-Leiter, der ohnehin unter Zeitdruck steht, kann integrierte Machine Learning-Modelle verwenden, um mit Splunk IT Service Intelligence schnell die Kernursachen von Servicestörungen zu ermitteln.
Ihre Sicherheitsexperten können Insider-Bedrohungen aufdecken, da Splunk User Behavior Analytics integrierte Machine Learning-Modelle bietet, die auf unserem Fachwissen in Bezug auf Monitoring und Analyse von Sicherheitsereignissen basieren.
Sobald Sie über die Datenaggregation, -suche und -visualisierung hinausgehen und komplexere Erkenntnisse wünschen, ist Machine Learning der neue Prüfstein für automatisierte, vorausschauende Analysen. Die Splunk-Plattform unterstützt Sie bei jedem Schritt auf diesem Weg.

Integriertes Machine Learning bei Splunk

Splunk nutzt Machine Learning-Verfahren, um Anomalien und Muster zu erkennen, die Untersuchungen und das Gewinnen unternehmerischer Erkenntnisse beschleunigen. Diese vordefinierte, anwendungsspezifische Art von Machine Learning hilft, Trends und Ausreißer zu erkennen und kann das "Rauschen" herausfiltern, das durch die riesige Anzahl von Ereignissen in Ihren Daten erzeugt wird. Splunk stellt das Potenzial von Machine Learning in seinen Premium-Lösungen nahtlos durch leistungsfähige Analysen bereit.

In Splunk IT Service Intelligence umfassen diese leistungsfähigen Analysen Folgendes:

 
Anomalieerkennung: Es werden Basiswerte für normale Betriebsmuster ermittelt und statistische Messwerte verwendet, um Muster bei der Schwellenwertvariabilität zu identifizieren.
 
Anpassung von Schwellenwerten: Schwellenwerte werden dynamisch an Verhaltensänderungen angepasst und anomale Aktivitäten werden aufgezeigt.
 
Ereignisanalyse: Ereignisdaten werden mit leistungsfähigen Analysen kombiniert, um unwesentliche Ereignisse, False Positive-Werte und umfangreiche Regelwartung zu reduzieren.

Splunk User Behavior Analytics beinhaltet integrierte
Unsupervised Machine Learning-Algorithmen für folgende Zwecke:

 
Bedrohungserkennung: Unterstützt bei der automatisierten Entdeckung von Insider-Bedrohungen und externen Angriffen
 
Anomalieerkennung: Trägt dazu bei, Abweichungen über mehrere Entitäten (Benutzer, Geräte und Anwendungen) hinweg zu identifizieren, indem sie mit den Basiswerten der Entität und dynamisch erstellter Peer-Gruppen verglichen werden
 
Komplexe Visualisierungen: Ermöglichen die Visualisierung statistischer Aggregatwerte über mehrere Entitäten hinweg sowie die ausdrucksstarke "Kill Chain"-Visualisierung des Angriffsvektors

Benutzerdefiniertes Machine Learning bei Splunk

Für die Erstellung benutzerdefinierter Modelle für beliebige Anwendungsfälle bietet Splunk das Machine Learning Toolkit mit einer interaktiven Workbench, in der Sie flexible Modelle erstellen, testen und verteilen können. Die Splunk-Plattform stellt über 25 allgemeine Machine Learning-Algorithmen zur Verfügung, die Sie direkt zu Erkennungs-, Benachrichtigungs- oder Analysezwecken auf Ihre Daten anwenden können, ohne die Splunk-Plattform verlassen zu müssen.
Modellerstellungsassistenten
Anleitung bei Modellerstellung, Validierung und Verteilung
Beispielfälle
Interaktive Beispiele für typische Anwendungsfälle aus den Bereichen IT, Sicherheit, Geschäftsprozesse und IoT
Python-Open-Source-Bibliotheken
Modellerstellung mithilfe von über 300 Algorithmen, auf die über das ML Toolkit zugegriffen wird

Modellerstellung zu Anwendungsfällen mitSplunk

Ein wichtiger Mehrwert der Modellerstellung in Splunk besteht darin, dass Sie die Modelle nahtlos auf Echtzeit-Maschinendaten in Ihrem Unternehmen anwenden können. Bei Splunk kann Machine Learning zum Erstellen von Modellen für eine Vielzahl gängiger Anwendungsfälle eingesetzt werden.
Gezielte Untersuchung
Erkennen Sie automatisch Anomalien und Muster in Daten, um Abwehrprofis bei der Erkennung und Behebung von Vorfällen zu unterstützen.
Intelligente Benachrichtigung
Identifizieren Sie normale Datenmuster auf verschiedenen Detailebenen, um nur Benachrichtigungen zu erzeugen, wenn abnormale Bedingungen für eine bestimmte Gruppe von Umständen vorliegen.
Vorausschauende Aktionen
Erkennen Sie Aktivitätsmuster, um Umstände vorauszusehen und zu beheben, die die Abläufe stören oder zu Umsatzeinbußen führen könnten (z. B. proaktive Wartung).
Optimierung der Geschäftsprozesse
Wenden Sie Machine Learning-Analysen auf historische Daten und Modelle an, um den Bedarf zu prognostizieren, den Bestand zu verwalten, Abläufe zu optimieren und auf geänderte Bedingungen zu reagieren.
Zillow nutzt eine spezifische Ausreißererkennung, um schnell Server-Pools zu identifizieren, die aufgrund häufiger Code- und Konfigurationsänderungen Ausfälle verursachen.

Video ansehen
Dank Splunk Machine Learning können wir die Endbenutzererfahrung schnell verbessern, indem wir Vorfälle nach Schweregrad einstufen. Wir können Kernursachen schnell ermitteln, die MTTR senken und SLAs verbessern.

Der nächste große Wurf in Sachen Big Data-Analyse

Die Splunk-Plattform verfügt bereits über eine integrierte unternehmensbezogene Maschinendatenstruktur, die für Operational Intelligence in Echtzeit verwendet werden kann. Machine Learning erweitert die Splunk-Plattform um die Ausreißer- und Anomalieerkennung, die Anpassung von Schwellenwerten und Möglichkeiten für vorausschauende Analysen mit integrierten oder benutzerdefinierten Algorithmen zur Erstellung von Datenmodellen für die Prognose zukünftiger Ereignisse. Als Kernfunktion der Splunk-Plattform gibt Ihnen Machine Learning die Möglichkeit, Ihre Maschinendaten zu operationalisieren.