采用大数据和机器学习的KPI神话和Cubro网络可见性解决方案 Post author:Xu, Lara Post published:2020年4月23日 Post category:白皮书 介绍 在许多行业中,KPI被用来定义和衡量绩效,并且基于任何变化来触发某些行动。尤其是在电信和网络行业中,KPI通常是用于衡量网络性能的唯一指标。这种方法的问题在于,KPI仅用于衡量给定基线的变化。但是,在网络中,没有基准可用,因为LTE网络没有黄金标准。 网络,由于其复杂性,更像是一个活生生的物种;有好日子也有坏日子。这是因为许多非线性和确定性事件会影响网络的功能:天气导致的客户行为、基于事件的客户行为、天气本身、连接的网络,以及数以千计的已知事件,可能还有数百万个未知事件。 为什么KPI不能准确衡量网络? 开发KPI不是为了与外部事件交互。KPI是一个线性公式,它基于一定数量的测量来计算数字。为了给出测量结果值,必须给出结果的上下文。例如,心跳频率高并不能很好地说明一个人的健康状况。在特定的背景下(无论是休息还是跑马拉松)测量给我们提供了这个人的健康状况的一些指示。同样,如果将实时移动网络中附加的成功率作为唯一的信息源进行测量,则它相对没有用。在没有可以将测量值投射到其上的上下文的情况下,测量网络的当前状态(在休息或在跑马拉松时)并非易事。此外,……了解全文内容,请下载《采用大数据和机器学习的KPI神话和Cubro网络可见性解决方案》白皮书。 Tags: AI, 人工智能, 大数据, 机器学习, 网络KPI, 网络可见性 Read more articles Previous Post故障保护(Fail Safe) 在下一篇文章网络可视化对网络安全的重要性 你可能也喜欢 无损的网络可视化的重要性 2020年4月30日 服务协调可视化 2020年3月12日 平均故障间隔时间(MTBF) 2020年3月31日