持续产品创新助力客户在IT和安全市场取得成功
北京—2018年8月30日——率先从机器数据带来惊喜时刻的Splunk公司今天宣布,据全球著名的分析机构IDC和Gartner的2017年市场份额报告显示,Splunk在IT运维分析(ITOA)、IT运维管理(ITOM)以及安全与漏洞管理方面呈持续增长态势。
对此,Splunk公司总裁兼首席执行官Doug Merritt认为:“当前我们处于数据变革的前期,Splunk走在行业前沿,帮助客户完成其业务的转型。IDC和Gartner的市场份额报告很好地印证了Splunk正在驱动客户持续业务的改进,同时也展现了Splunk在从大量数据中提取价值和洞察力方面的优势。”
在IDC《2017年全球IT运维管理软件市场份额:混合管理推动增长》报告中显示,Splunk成为该市场中前五家厂商当中增长最快的一个。2017年,全球IT运维管理软件市场收入增长9.1%,达到83亿美元。
Splunk持续快速增长基于大数据的获取、索引、管理、搜索和可视化功能,这些功能可扩展到各种机器生成的数据源,比如度量和日志。可点击下载《2017年IDC全球IT运营管理软件市场份额:混合管理驱动增长》。对此,IDC系统与IT运维管理软件研究副总裁Tim Grieser表示:“全球IT运维管理软件市场在2017年实现强劲增长,这得益于企业越来越多地采用为终端用户带来消费级体验的数字业务计划,并根据客户需求监控、管理和优化端到端性能,以及提供混合系统和应用的可用性。”
在安全市场上,IDC报告《2017年全球安全与漏洞管理市场份额:捍卫无边界网络》显示, 2017年Splunk的百分比增速是IBM和Micro Focus(HPE)的五倍。2017年,安全与漏洞管理(SVM)市场增长12.3%,预计达到67亿美元。报告中还显示,Splunk正向集IT、OT和安全的一站式厂商的道路迈进。无论按哪种技术分类来看,Splunk无疑在网络安全领域赢得了非常高的市场份额,尤其跟其他SIEM厂商相比。Splunk Enterprise Security和Splunk User Behavior Analytics (UBA)已被证明是安全领域的制胜组合。
IDC全球安全产品研究总监Chris Kissel表示:“安全人员的缺乏和不断改进的产品架构,正在改变当前的安全和漏洞管理模式。简而言之,SVM产品不再告诉客户哪里出错 ——而平台必须启动补救措施。”
Gartner发布的《市场份额分析:2017年全球IT业务管理(ITOM)性能分析软件》报告显示,Splunk连续两年在AIOps/ITIM/其它监测工具类别中排名第二。报告指出数字业务转型正在推动对现代监控工具的需求,这些工具通过DevOps工具链而支持灵活敏捷的应用和基础设施。2017年,ITOM市场规模达到247亿美元,较2016年增长9.6%。
在Gartner的报告中,与前一年相比,Splunk从2016年的第五位跃升至2017年的第二位,在2016- 2017年软件收入排名,Splunk被列为全球10大ITOM性能最高的分析软件供应商。可点击免费获取Gartner《市场份额分析:2017年全球IT业务管理(ITOM)性能分析软件》报告。
据了解,IDC的两份报告均采用的是2017年自上而下的公司层面数据收集方法,在2018年1月通过深入的供应商调查和分析,按照市场、地理区域和运营环境而开发出详细的2017年公司模型。Gartner报告中公布的数据包括软件收入、市场份额和年增长率。
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
谷歌DeepMind团队开发的GraphCast是一个革命性的AI天气预测模型,能够在不到一分钟内完成10天全球天气预报,准确性超越传统方法90%的指标。该模型采用图神经网络技术,通过学习40年历史数据掌握天气变化规律,在极端天气预测方面表现卓越,能耗仅为传统方法的千分之一,为气象学领域带来了效率和精度的双重突破。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
韩国成均馆大学研究团队开发了首个机器遗忘可视化评估系统Unlearning Comparator,解决了AI"选择性失忆"技术缺乏标准化评估的问题。系统通过直观界面帮助研究人员深入比较不同遗忘方法,并基于分析洞察开发出性能优异的引导遗忘新方法,为构建更负责任的AI系统提供重要工具支持。