header-glossary-dynamic-baseline-hero

動的ベースラインとは

動的ベースラインは、AIを使用することで、汎用的なデフォルトしきい値を使用せずに、ネットワーク接続とパフォーマンスのベースラインを確立します。ベースラインは、ネットワークとユーザー/IoTデバイスの挙動に基づいて、自動的に調整されます。

AIによる動的ベースラインの解説

動的ベースラインは、AIおよび機械学習 (ML) をネットワークデータに使用することで、そのネットワークの正常な状態 (ベースライン) を判定します。ベースラインは、誤検出や見逃しを最小にするため、動的に自動調整されます。
  • 人為的に低く設定されるデフォルトのしきい値を使用する代わりに、動的ベースラインを使えば、サイトごとのWi-Fi、有線、WANの実際のアクティビティに基づいて、ほぼリアルタイムの可視性が得られます。
  • 各ネットワークデバイスやエンドポイントクライアントから提供されるテレメトリは、何がうまくいっていて、どこに最適化の余地があるかを知るために役立ちます。
  • さらに、AIとMLを使用することで、ネットワークデバイス、エンドポイントクライアント、ユーザー、またはアプリケーションサービスのどこにどういう理由で問題が生じているかを特定できます。
AI-powered baseline

動的ベースラインが必要な理由

従来の環境の場合、IT部門は、ネットワークの動作を維持し、可能な範囲で最高のエクスペリエンスを提供するために、勘を頼りに個々の項目のアラートしきい値を設定していました。その状況を、AIと自動化が変えようとしています。動的ベースラインは、以下のような理由で重要です。

  • 静的なしきい値では、変化の速い分散型環境の問題を特定するために必要な可視性が得られません。
  • ネットワークの動的な性質のために、異常を監視して特定する現実的な方法は、自動化以外にないのです。

動的ベースラインのメリット

今日のネットワークを展開する際に、規模の大小を問わずどの環境でも同じしきい値に基づいて、ネットワークのパフォーマンスを判定していたらどうなるでしょうか。あらかじめ定義されたしきい値によって、ローミングするデバイスや、環境内のIoTデバイスの数を考慮できるでしょうか。あるいは、使用されているAPの数やタイプ、スイッチのクラスについてはどうでしょうか。

動的なベースラインを使えば、以下のような成果が得られます。

  • 自動化による環境からの直接のデータ収集。
  • 個々の拠点のパフォーマンスの時間変化を観察する容易な方法。
  • 類似のサイト間の比較 (例: 店舗、教室、リモートオフィス) や、サードパーティのサイトとの比較 (例: クラウド対応のピアとの比較) が可能な可視性。

人為的なレベルに基づくサービスレベルしきい値の手動設定や調整が不要な、自動化されたエクスペリエンスレベルアグリーメント。

エクスペリエンスレベルアグリーメントとサービスレベルアグリーメントの違い

エクスペリエンスレベルアグリーメントは、従来のサービスレベルアグリーメントやサービスレベル期待値に比べて、以下のようなきめ細かい自動化されたメリットをもたらします。

特徴AIによる動的ベースライン従来のSLA / SLE
しきい値とアラート環境の変化に応じて自動的/動的に設定。汎用的なデフォルト値に基づいて手動で設定/調整。
拠点ごとのリアルタイムのベースライン含まれるなし。あらかじめ定義されたデフォルトのしきい値を使用。
多次元データポイントあり。成果 (根本原因、修復など) の提供が可能。なし。データポイントをつなぎ合わせて手動でトラブルシューティングを行うことが必要。
ピアとの比較あり。最適化のメリットあり。なし
フォーカスユーザー中心の価値テクノロジー中心のプロセス測定。

さあ、始めましょう