至顶网服务器频道 10月15日 新闻消息(文/李祥敬):在各行各业进行数字化转型的今天,数据的价值不言而喻,企业都已经认识到数据对业务的驱动价值。同时,云计算、物联网、移动互联网的发展,让我们处于万物互联的时代。而这其中,机器数据的价值日渐凸显。如何从海量的机器数据中心获取价值,进而推动业务创新成为企业需要思考的问题。
Splunk中国区总经理严立忠
在近日举行的SplunkLive 2018中国用户大会上,Splunk分享了他们对于当前机器数据的观察,还有客户的现身说法。Splunk中国区总经理严立忠表示,当前数据大爆炸,Splunk致力于将机器数据转化为应用交付、IT运维、安全合规、业务分析、物联网等方面的商业价值。
Splunk为纳斯达克公司提供了出色的基于场景的用户行为分析;为某国内金融机构进行消除告警噪音,秒级单位时间内实现了在2.2万报警噪音中甄别出59真正的报警;宝马汽车利用Splunk机器学习大幅优化了返工流程;特斯拉利用Splunk全面挖掘电动汽车大数据的价值。
“ Splunk可以说是市面上唯一的一个最全面的大数据分析平台,全球110个国家超过1.5万家客户受益于Splunk解决方案。”严立忠说。
IDC数据显示,目前,企业中结构化数据仅占到全部数据量的20%,其余80%都是非结构化数据,而这80%的非结构化数据对于企业业务运行起到了关键作用。
Splunk把这80%的非结构化数据又称为机器数据,Splunk认为在IT环境中,所有的设备,操作系统,数据库应用程序,ERP,包括移动终端、电脑、服务器、路由器等任何互联网上产生的数据都叫机器数据,这是真正的大数据“金矿”。
Splunk致力于把机器数据转换为答案,通过Splunk解决方案和机器学习技术帮助企业解决最棘手的IT、物联网和安全难题。目前,Splunk在IT运维分析(ITOA)、IT运营管理(ITOM)以及安全与漏洞管理方面呈持续增长态势。
Splunk并不只是提供一个单一的产品,而是一个真正的大数据分析平台。严立忠说。虽然在单个应用场景上,也许能找到对标产品,但从整体上看,Splunk没有竞争对手。从达到的效果来看,Splunk有三点是其他友商难以做到的,一是实时,二是跨平台数据,三是在同一个平台下实现。
在严立忠看来,最能体现Splunk竞争力的,是Splunk可以处理任何来源、类型、数据量的数据,不仅可以分析日志,也可以分析物联网、开源Hadoop以及传统Oracle数据库,甚至是IBM大型机数据,也就是对数据源的集合,从而支撑企业的数字化转型。
“从行业的角度来讲,Splunk本身并没有行业之分,因为我们是一个通用技术。大数据的关联分析技术可以用在各行各业,Splunk的用户遍布于运营商、金融、能源、健康、制造、教育、零售、高科技等行业。”严立忠说。
Splunk将机器数据转化为商业价值,能提供五大类服务,分别是IT运维、应用交付、安全和反欺诈、商业分析、工业数据和物联网。严立忠表示,大数据的一个核心价值是提高生产力,不管是智能化运维AIOps还是精准营销,Splunk通过数据分析帮助企业改善产品和用户体验。
天学网,Splunk所服务的众多中国企业之一,是一家教育服务公司,拥有3000万付费用户,以智能学习产品和平台服务为主。天学网副总裁刘文表示,作为一个教育服务公司,最看重的是用户体验,面对的最大挑战是保证生产能力和效率。
早在六年前,天学网的技术团队也曾尝试过基于开源架构来开发自己的监控系统,但是随着天学网用户的不断增长,业务需求也在飞速增长,而付费用户对错误的不可容忍性,留给天学网技术团队的响应时间就更短,基于开源自研的方式已经“捉襟见肘”。
刘文说,目前,天学网的技术团队有200多人,技术力量可以用来做更重要的事,复杂的技术问题还是应该交给专业的技术平台。于是,天学网与Splunk开展了合作。
利用Splunk大数据分析平台,天学网可以随时调整分析维度和区间,从结果到原始数据进行实时追溯,并且能够提供多种预制的分析报表和一站式的仪表盘。问题出现后能够快速定位,主动出击,解决问题,避免了原来大海捞针的困惑。
“我们的IT团队利用开源技术也能自己做这些事情,但是如果自己解决问题的起点是60分,利用Splunk解决问题的起点则为90分,这样可以使我们更专注于做好自己的事情。 ”刘文说。
当前中国企业在互联网的驱动下纷纷“触网上云”,在这个过程中,海量的机器数据不断产生,Splunk的机会非常大。为了抓住中国市场的机会,严立忠先生表示,Splunk在组织架构上进行了扩充,本地的业务团队和技术支持团队大概扩大了50%。另外,国内客户越来越多,覆盖行业也越来越广,尤其是大型用户正在快速增长。
以往比较热衷于部署大数据分析平台的是一些高科技制造业和互联网公司,而现在传统的制造业也逐渐认识到大数据分析平台的重要性。由于物联网和互联网的应用越来越广,Splunk在国内帮助了越来越多的传统行业用户搭建了大数据分析平台,尤其是在金融领域。
严立忠透露,未来对于中国市场的布局,Splunk将更侧重于发展渠道,需要更多的合作伙伴基于Splunk在本地拓展更多的行业应用场景,让生态环境越来越丰富。“因为Splunk提供的是一个平台,具体落地到行业,应用场景又会千差万别。这个时候行业合作伙伴的作用就凸显出来了,在行业经验、最佳实践等方面,合作伙伴服务的客户之间是可以借鉴的,从而扩大Splunk在垂直行业的影响力。”
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。