新型的强力预测工具以其深度及高可信度正在完美替代原始的预测方法。
很长一段时间以来，侦测潜在的网络漏洞和性能缺陷一直是人们头疼的问题，而一项新兴的预测分析工具却可以保证做出精确的网络可靠性预测，使得用户在问题出现之前就能够识别并改正。
预测分析作为一项革命性的技术，让CIO们能够预测未来。“随着对于网络灵活度的需求日渐增长，”爱立信公司技术与发展总监Diomedes Kastanis表示，“尽管我们已经具备很多管理网络的自动化设备以及规则，但这些对于提前应对时刻变化的环境和需求是不够的。”
新技术的轰动
由于预测分析技术运用了诸如机器学习和人工智能等相对前沿的科技，NSS实验室的高级经理Brian Soldato就表示：“这项技术需要时间以在企业中证明自己，预测分析目前已大多被采用于安全平台和终端管理等方面。”
随着AI和相关领域的进步，预测分析这项技术在过去几年里飞速发展。“以时间序列数据为基础的预测，如网络日志，正变得越发精确进而实用，” Skymind CEO，Chris Nicholson说道，“数据集的质量决定了预测的精确程度，在某些问题中，深度学习会使结果的精确程度上升两位数。”
Kastanis表示爱立信正在其网络管理中应用预测分析技术：“我们正在和其他在AI领域的合作伙伴一起实践这些像深度学习、决策理论等目前最前沿的技术。”
据埃森哲数字网络发展和分析总监Gianluca Noya总结，当今时代人们完全有可能对未来的互联网行为——如需求和服务——进行准确预测，而且预测只需要5倍的历史数据。例如，预测下个月的数据只需对前5个月的数据进行遍历分析。
计算力和分布式存储技术的进步为网络数据包级别的数据的大量应用提供了支持，尽管目前大部分操作者还不能完全上手这项潜力无穷的技术。Noya补充道：“我们已经进行了一些有关新技术的测试，但由于缺乏在模型选取上考虑的不够全面，我们目前还是遇到了一些阻碍。”
有关预测承载力的需求
SAS的IT高级经理Steven Toy表示，对未来的网络容量需求进行预测是一项相对简单的任务。“找出你所期望的数据量，然后和网络承载量数据进行比较。”Toy说道。打个比方，一个企业想要在他们的线路达到75%负载的时候对其进行升级。“取得几个月的数据，然后估算在三到四个月之后你的进度(新线路的供应通常所需三到四个月)，如果你的分析结果显示线路将于三到四个月之后恰好达到75%负载，则你可以开始着手采购。”
有关预测的算法可以应用于多个领域，如交通、服务业、设备以及用户行为调查。预测分析极大地扩展了我们现行的有关网络计划的范围，Noya表示道：“如今，负载预测方案依赖于值得信任的KPI数据;人工智能，在预测分析技术的基础上，可以大大优化预测结果。“
保证预测表现质量
“预测算法能够帮助用户管理多方面的分析并筛选出对结果影响最大的因素。”据Noya介绍，深度学习将可以成为一项非常实用的提高网络质量的技术。“当你得出有关预测的数据集时，你将可以以此建立一个深层的数据神经网络。”如果将这个神经网络训练得当，其将准确地预测出未来将要发生的事。“比如你预测了网络负载问题，你将可以据此对网络进行合理的调整以应对更多的任务。”Noya补充道。
网络表现和质量与制造业问题很相似。Toy就表示：“在制造业流程中，拥有更多的数据和信息代表着用户可以更容易地察觉问题所在。在网络问题中，用户即可通过计算错误率预知问题，并根据网站历史数据来进行决策。”
预测分析还能够用于数据流量的预警。“举个例子，在高优先级数据流量受到影响之前，具备UDP系统的低优先级即可检测到问题。”毕马威的CIO Atif Mir表示，“良好的预测分析工具不仅可以预知问题，甚至可以避免问题。”
主动防备
大部分网络系统通过防火墙支持其干扰检测和信息包分析。“尽管黑客的手段日益复杂甚至有时我们会见到有组织的攻击，”Mir表示，“用户需要用新的方式对攻击进行预测分析以主动防御。”
预测分析使得安全分析平台能够识别不同个人和组织的异常行为。对此，Soldato说道：“在掌握了新一代防火墙和终端技术，通过识别某个文件在被下载或激活时的表现，预测分析工具即能以此识别潜在的外界威胁，”
当前，更敏锐的风险侦测愈加重要，而预测分析工具可以捕捉到会被人忽略的细节。“基于NetFlow和sFlow的预测分析能够衡量网络中风险的级别以此判断潜在的最大安全隐患。”Toy补充，“越快检测并处理错误，花费和损失就越少。”
控制支出
当多项技术同时可供使用时，支出就成为另一项需要考虑的问题。“具备了预测分析功能的软件定义网络可以帮助用户简单预测和调整网络系统花费。”Mir表示。
“具备预测分析功能的分析平台能够帮助用户进行网络系统方面的预算，”Soldato表示，“预测分析作为一项可以主动预测到网络用量和表现的技术能够让用户预测并合理升级网络以及相关设备。”
为了预测支出，用户需要合理记录消费分布，包括资本开支和营业费用以及对技术服务花费和对用户终端的产品花费。Noya对此表示：“这是一项针对多种产品和服务的比较复杂的工作，但是为了得到准确的支出分布，它又是非常必要的，网络负载的预测分析已被用于对未来企业支出的预测及理解。” 网络库存也需要与采购记录相对应以使网络设计、负载和成本扩充一致。
起步入门
预测分析的第一步是收集并整理过去在网络中发生的问题，对此，物联网企业Greenway的副总裁John Crupi说到：“你必须知道网络系统中部件的正常运行模式，以此判断反常的现象。一个反常现象的出现也需要结合其发生的环境和背景进行具体分析。”
CIO们同时也需要结合企业目标建立一个完备的预测分析策略。“企业需要结合策略图制定一项合理的目标并以此作为概念参考、下一步就是找出影响其多样性的所有因素以访问任何相关数据和记录。”
一旦预测分析平台被展开，人们可以为机器学习的模型输入大量数据对其进行训练。直到机器学习模型预测的准确度超越了基准线，人们即可以让机器承担现有的大量依赖人类专家们进行的工作。
努力终将迎来回报
预测分析技术并不是一个解决方案，而是从策略中诞生的工具。Crupi表示到：“预测分析只是多种分析技术中的一部分。”
“许多组织和企业迫不及待想训练相关的模型来预测未来可能发生的问题，”Crupi坦言，“这其实并不是一个特别好的想法，因为训练模型需要超大量的数据以及以往数据。人们不如从基础分析和可视化分析出发，训练模型来分析当前的情况。”
结合他自身的经验，Kastanis表示预测分析这项技术的前景很乐观，并且值得人们花费时间和精力普及。“这是一个梦幻般的想法，有了预测分析，我们就可以大幅度稳定网络质量，方便人们管理网络，以此使网络相关工作效率大大提高。”
