Każda usługa aplikacyjna i platformy, na których jest wdrażana, posiada cenne informacje na temat stanu danego doświadczenia klienta. Wszystko, od charakterystyki platformy użytkownika (typ urządzenia, lokalizacja, sieć) do czasu spędzonego na każdym indywidualnym „skoku” wzdłuż ścieżki danych, może być wykorzystane do rozwiązywania problemów z incydentami, identyfikowania złośliwych podmiotów i wyszczególniania problemów z wydajnością. Nie są to dane „klienckie” ani „korporacyjne”; są to dane operacyjne. Jest to telemetria.
Aby naprawdę skorzystać z tych danych, wymaga jednak, abyśmy znaleźli sposób na przechwycenie, a następnie przeanalizowanie ogromnej ilości danych, które mogą pochodzić z usług aplikacji w ścieżce danych. W tym miejscu pojawia się chmura.
Why Cloud is Critical is to Leveraging Telemetry
Dzisiaj tylko niektóre dane telemetryczne są przechwytywane, ponieważ przechowywanie ich wszystkich wymagałoby więcej przestrzeni dyskowej, niż jest dostępne.
Ilość danych telemetrycznych, które są – i mogą być – emitowane, jest przytłaczająca. Większość systemów nie może przechowywać więcej niż kilka tygodni lub dni telemetrii. Często jest ona dzielona na szeregi czasowe, aby zaoszczędzić miejsce. Ale nawet to nie jest w stanie zatrzymać niewiarygodnego obciążenia pamięci masowej. W końcu muszą one zostać usunięte, aby zrobić miejsce dla nowszych, bardziej istotnych danych telemetrycznych.
To dlatego zwykle można znaleźć usługi zaawansowanej analityki hostowane w chmurze publicznej. Możliwości przetwarzania i przechowywania danych w chmurze w połączeniu z uczeniem maszynowym zapewniają podstawy technologiczne potrzebne do gromadzenia, przechowywania i przetwarzania ogromnych ilości danych telemetrycznych. Z wystarczająco solidnym zestawem telemetrii, zaawansowana analityka będzie w stanie zapewnić organizacjom użyteczne spostrzeżenia poprzez odkrywanie wzorców i relacji pomiędzy pozornie różnymi punktami danych.
Ale aby to osiągnąć, usługi aplikacji muszą emitować tyle telemetrii, ile może przyjąć repozytorium w chmurze. I musi ona pochodzić z tak wielu punktów na ścieżce danych, jak to tylko możliwe. Im więcej informacji można zebrać z całego doświadczenia klienta (ścieżka danych), tym cenniejsze będą one dla systemu poszukującego wzorców i zależności, które ujawnią przydatne informacje, poprawiające zarówno doświadczenie klienta, jak i wydajność biznesową.
.