Vorteile von Predictive Analysen im Cloud-Monitoring

• Aufgrund der immer größer werdenden Datenmengen müssen Unternehmen rechtzeitig abschätzen können, wann es zu möglichen Performance-Probleme kommen könnte. Durch den Einsatz von Predictive-Analysen können sie automatisch Warnungen erhalten, ehe Probleme auftauchen.
• Ähnlich wie bei der Erkennung von Anomalien können Prognosen auch die Saisonalität in den Metriken berücksichtigen. Der Algorithmus zur saisonalen Vorhersage kann Aussagen treffen, die wiederkehrende Muster von Tageszeit-, Wochentags- oder Quartalsschwankungen in ihren Metriken berücksichtigen.
• Wenn sich eine Metrik plötzlich ändert, analysiert der Prognosealgorithmus automatisch und in Echtzeit das jüngste Verhalten und zieht Vergleiche, um auch weiterhin eine zuverlässige Vorhersage zu erstellen.
• Neben der Verfolgung von Schlüsselkennzahlen aus der Infrastruktur und den Anwendungen können die Prognosen laut den Anbietern auch eingesetzt werden, um vorauszusagen, wie sich geschäfts- und umsatzkritische Kennzahlen, wie etwa Käufernachfrage oder Serviceaufkommen, wahrscheinlich ändern werden.
• Das Hinzufügen von Prognosen zu Dashboards kann dabei helfen, mehr Transparenz über die Gesundheit und Leistung der Services zu erlangen, indem historische Trends mit zukünftigen Erkenntnissen verglichen und kombiniert werden.
• Je effizienter der Einsatz von Predictive-Analysen erfolgt, desto besser können Entscheidungen und Handlungen abgeleitet werden. Das kann zu einem Wettbewerbsvorteil gegenüber den Mitbewerbern werden.

Alex Rosemblat ist Vice President bei Datadog