Gartner预测到2023年，30%的大型企业将使用人工智能（AIOps）平台和数字体验监控（DEM）技术用于IT运营专门监控其数字化业务，这一比例在2018年为2%。
基于某一服务的监控工具可深入了解其服务内的问题，但通常无法提供整个数字服务的整体监控分析。运维管理者应使用AIOps和DEM在所有相关的服务中提供主要的统一分析报表，并不是对所有监控的服务都进行单独的分析展示。
关键挑战
● IT运行环境变得越来越便捷、模块化和易变，这使得当今特定于某一服务的监控工具很难对程序的整体性能进行统一的监控。
● 在每个应用程序上都进行用户体验监控将会导致性能数据与业务之间的分散，难以改善最终用户体验。
● 机器学习前景广阔。但是，如果没有数据科学技能，除了事件关联和异常检测的基本用例外，运维管理者很难实现这一服务。
Gartner建议
针对IT企业中各项服务监控数据分散、业务数据无法统一管理等问题，Gartner提出运维管理者应专注于IT运营转型：
● 通过使用监控技术来获取和过滤数据，并将其转发到一个AIOps监控平台，从而提供跨多个IT服务完整的业务分析。
● 通过将每个应用程序的用户体验指标传递到AIOps监控平台以进行跨服务分析，从而提供跨服务数字体验统一监控。
● 通过将数据科学视为IT运营团队的一项关键技能，利用AIOps的分析能力来有效地支持数字业务。
AIOps+DEM 赋能数字化业务监控
传统的监控方案对于IT业务无论是应用程序、网络、还是基础设施，每个服务组件都有监控分析，有的甚至能进行自动分析处理问题。但是这些过程都是发生在单独的服务之中，而不是在整个数字业务服务的整体之中。此外，现代IT环境日益增长的动态性、模块化和便捷性加剧了这种监控数据的分散。
尽管在这些监控工具中都有更新功能的趋势，但是他们仍然难以提供确保数字业务成功所需的统一监控分析。IT领导者很难将每个特定服务的监控工具所提供的数据结果结合到整体的数字服务之中。
Gartner预计，在未来五年内，对于许多领先企业来说，如今一系列特定服务与组件的监控工具都将被由两个组件所组成的系统所取代。第一个组件是AIOps平台，第二个组件是某种DEM功能。
通过Gartner的分析不难看出，随着数字化业务的日趋成熟，传统的对于某一服务组件的监控手段对于最终用户体验将很难进行有效的保障，只有把用户使用应用服务过程中所触发的业务数据和相应服务的性能数据进行整合分析才能对最终的用户体验做出保证。
网友评论