Analisi predittiva: la chiave per prevenire gli errori di rete

Nuovi e potenti strumenti basati su AI, machine e deep learning permettono di prevenire malfunzionamenti e gestire le reti in modo più efficace

analisi predittiva

Identificare e individuare potenziali problemi di rete è una questione affrontata da tempo e per la quale esistono diverse soluzioni. Ma una nuova generazione di strumenti di analisi predittiva promette di aumentare la precisione delle previsioni, consentendo al personale di affrontare e risolvere problemi specifici prima ancora che abbiano impatto sulle operazioni di rete.

adv
Investimenti Oracle NetSuite

Prendere decisioni strategiche informate grazie a Business Intelligence e Analytics

Una piattaforma di BI e Analytics deve offrire ai decision maker tutti gli strumenti necessari per migliorare l'efficienza e individuare nuove opportunità prima della concorrenza. Presentiamo una serie di preziose risorse e ricerche in Pdf per approfondire questo argomento da un punto di vista tecnico e strategico. SCARICA LE GUIDE >>

L’analisi predittiva rappresenta una svolta e offre ai CIO la capacità di esplorare, letteralmente, il futuro. “C’è una crescente necessità di adattare le reti alle richieste di applicazioni dinamiche e affrontare dinamicamente eventi speciali, picchi di carico e così via”, afferma Diomedes Kastanis, responsabile della tecnologia e dell’innovazione di Ericsson. “Abbiamo molti sistemi di automazione e regole per gestire le reti, ma non sono ancora sufficienti per far fronte a un ambiente in continuo cambiamento e adattarsi in modo proattivo alle mutevoli esigenze”.

Comprendere la novità

L’analisi predittiva che incorpora processi come l’apprendimento automatico (ML) e l’intelligenza artificiale (AI) sono concetti relativamente nuovi per molti CIO. “Ci vuole tempo per far accettare alle imprese una tecnologia recente, e siamo ancora in una fase iniziale”, afferma Brian Soldato, senior director presso la società di ricerca per la sicurezza informatica NSS Labs. “Al momento le aziende adottano piattaforme di sicurezza e tecnologie endpoint che, tra le varie funzioni, offrono anche l’analisi predittiva”.

Le analisi predittive sono migliorate significativamente negli ultimi anni grazie ai progressi nell’intelligenza artificiale e nei campi correlati. “Le previsioni basate su dati temporali, come i registri delle reti, sono sempre più accurate e quindi più utili”, spiega Chris Nicholson, CEO di Skymind, sviluppatore AI che supporta il framework open source per l’apprendimento profondo Deeplearning4j. “Il livello di accuratezza dipende dalla qualità del set di dati. Su alcuni problemi, l’apprendimento profondo può consentire un aumento della precisione a due cifre”.

Kastanis spiega che Ericsson sta analizzando l’ottimizzazione dell’analisi predittiva sulle sue reti. “Attualmente stiamo sperimentando tecnologie all’avanguardia come l’apprendimento profondo, la teoria delle decisioni e il ragionamento semantico con diversi partner tecnologici specializzati in diversi settori dell’AI”.

Gianluca Noya, responsabile della rete digitale di Accenture, afferma che oggi è possibile prevedere futuri comportamenti di rete, come la domanda e l’esperienza di servizio, con un’accuratezza superiore al 95 percento, basandosi una storia di sole cinque volte la portata della previsione. “In altre parole, per prevedere i dati per il prossimo mese, è sufficiente avere a disposizione e analizzare cinque mesi di dati storici”, commenta Noya.

Gli avanzamenti nella potenza di calcolo e nello storage distribuito hanno aperto la strada all’utilizzo dei dati di rete a livello di pacchetto, ma la maggior parte degli operatori di rete non è riuscita a sfruttare appieno questa risorsa, secondo Noya. “Vediamo molte sperimentazioni con investimenti in tecnologie abilitanti”, dice il manager, “ma spesso queste iniziative sono ostacolate dalla mancanza di un approccio olistico, che tenga conto dell’effetto complessivo dell’adozione di modelli operativi basati sui dati”.

Anticipare i requisiti di capacità

“Ottenere visibilità sulle future esigenze delle capacità di rete è un problema di analisi predittiva relativamente semplice”, dice Steven Toy, direttore IT presso SAS. “Basta stabilire la metrica che interessa misurare, acquisire i dati sulla capacità di rete, quindi confrontare”. Supponiamo per esempio che un’azienda desideri aggiornare le proprie reti quando raggiungono il 75% della capacità. “Bisogna raccogliere i dati per alcuni mesi e prevedere la situazione dei prossimi tre o quattro mesi – circa il tempo necessario per fare gli aggiornamenti”, dice Toy. “Quando l’analisi dice che fra tre o quattro mesi si raggiungerà il 75 per cento, è il momento giusto per avviare il processo di aggiornamento”.

Gli algoritmi predittivi possono essere applicati a traffico, servizi, dispositivi e comportamento degli utenti, estendendo essenzialmente le attività di pianificazione statistica delle reti standard per “coprire molte altre dimensioni della rete e delle prestazioni tecnologiche”, dice Noya. “Attualmente, l’approccio alla pianificazione della capacità si basa su KPI di performance che sono certificati dai fornitori di tecnologia e supportati dal design ingegneristico. L’applicazione di algoritmi AI/machine learning consente di migliorare questo approccio con un processo di apprendimento continuo per migliorare le prestazioni al di là di quanto sarebbe possibile utilizzando KPI statici”.

Garantire prestazioni e qualità

Nel caso di prestazioni di rete e problemi di qualità, gli algoritmi predittivi aiutano a gestire più dimensioni dell’analisi e stabilire quali eventi hanno il maggior impatto sui risultati”, osserva Noya. L’apprendimento profondo può essere uno strumento particolarmente utile per prestazioni/ottimizzazione della qualità di rete.

Quando si dispone di un set di dati che include i record di eventi che si desidera prevedere, è possibile addestrare una rete neurale profonda su questi dati”, dice Nicholson. Se la rete profonda è adeguatamente addestrata, può prevedere con precisione la probabilità del verificarsi di tali eventi. “Quando è possibile prevedere con precisione i problemi di capacità (per esempio), è possibile intervenire in modo preventivo per riequilibrare il carico sulla rete e fornire più capacità”, spiega il manager.

Secondo Toy, le prestazioni di rete e i problemi di qualità sono simili ai problemi di produzione. “Più informazioni sono disponibili sul processo di fabbricazione e sui problemi riscontrati nei centri di riparazione più è facilmente prevedere i fallimenti”, osserva. Sulle reti si verifica una situazione analoga. “E’ possibile prevedere guasti alla periferia e al centro della rete predeterminando i tassi di errore, predire il malfunzionamenti di componenti in base ai registri e agire prima che il problema si verifichi”.

Le analisi predittive possono anche esaminare i trend dei modelli di traffico dati in base al tipo di utilizzo e fornire un avviso ogni volta che vengono rilevati eventuali problemi. “Per esempio, il traffico in tempo reale a bassa priorità che utilizza UDP (User Datagram Protocol) rileva problemi di prestazioni prima che sia influenzato il traffico ad alta priorità”, spiega Atif Mir, responsabile dell’infrastruttura di rete presso la società di servizi professionali KPMG. “Uno strumento di analisi predittiva può prevedere l’impatto e, se autorizzato, apportare modifiche per evitarlo”.

Sicurezza proattiva

La maggior parte delle reti è protetta da firewall che supportano l’individuazione di intrusioni e l’analisi dei pacchetti. Tuttavia gli aggressori stanno diventando più abili. “I ‘cattivi’ di oggi sono molto più sofisticati di un tempo, e talvolta sono organizzati e sponsorizzati come un’impresa“, dice Mir. “La difesa proattiva della rete richiede un approccio molto diverso e l’analisi predittiva è una possibile soluzione”.

Le analisi predittive consentono alle piattaforme di sicurezza di riconoscere comportamenti anomali da sistemi, dispositivi e/o utenti. “Questo colma un gap sempre più grande”, dice Soldato. “Con NGFW (Next-Generation Firewall) e tecnologie endpoint, l’analisi predittiva identifica in modo proattivo potenziali minacce esterne, o addirittura zero-day, riconoscendo cosa un file dovrebbe o non dovrebbe fare quando viene scaricato ed eseguito, o anche semplicemente salvato”.

La riduzione dei rischi per la minaccia interna e il rapido rilevamento delle violazioni di sicurezza assumono sempre maggiore importanza e le analisi predittive possono fornire indizi che sfuggono agli osservatori umani. “L’analisi predittiva, insieme ai dati NetFlow o sFlow, può contribuire a ‘pesare’ il rischio dei dispositivi sulla rete (compresi gli utenti finali) e predire quali sono a più alto rischio. Il costo di una violazione di rete è tipicamente di parecchi milioni di dollari”, dice Toy. “Più rapidamente è possibile individuare e correggere la violazione, minori sono i costi e l’impatto sulla reputazione dell’azienda”.

Controllare i costi

Il confronto i costi delle strutture di rete diventa complicato quando sono disponibili più soluzioni. “Le reti software-defined (SDN), associate ad analisi predittive, possono aiutare a semplificare la previsione e adattare i costi di rete”, dice Mir.

Le piattaforme che implementano analisi predittive possono aiutare a prevedere i costi della rete perché hanno la capacità di ingerire ed elaborare grandi quantità di dati di rete”, dice Soldato. L’analisi predittiva è una tecnologia di previsione proattiva e consente alle aziende di avere visibilità su utilizzo, prestazione e qualità della rete su un periodo di mesi e addirittura di anni. “A sua volta, questo aiuta l’impresa a preparare gli aggiornamenti di rete, i nuovi dispositivi e il personale”, aggiunge Soldato.

Come prerequisito per la previsione dei costi di rete è necessario stabilire i costi sia delle spese di capitale (CapEx) che delle spese operative (OpEx). “E’ un processo difficile per gli operatori convergenti, dove gli elementi di rete supportano più prodotti e servizi, ma è necessario per comprendere in modo preciso il costo totale di proprietà per i prodotti e i servizi”, spiega Noya. L’inventario di rete dovrebbe essere associato anche al catalogo degli acquisti, per creare un continuum tra design, capacità e costi di espansione della rete. “Le analisi predittive delle capacità di rete sono impiegate per comprendere i costi futuri”, dice Noya.

Da dove iniziare

Il primo passo nell’adozione dell’analisi predittiva per qualsiasi forma di ottimizzazione della rete è raccogliere e organizzare evidenze storiche chiaramente definite dei problemi passati. “E’ necessario sapere che cosa costituisce un normale funzionamento per identificare ciò che è anomalo”, afferma John Crupi, vicepresidente e engineering system architect di Greenwave Systems, uno sviluppatore di software IoT. “A seconda della natura della rete un picco di prestazioni può essere normale o indicare problemi seri”.

I CIO devono inoltre impostare una strategia di analisi predittiva e una roadmap che sia legata alle esigenze aziendali. “Nell’ambito di questa strategia, scegliere un obiettivo raggiungibile che possa essere utilizzato come proof-of-concept”, suggerisce Mir. “Il passo successivo, infatti, è capire tutti i fattori che contribuiscono alla sua variabilità e avere accesso a tutti i dati/registri disponibili per i fattori variabili”.

Il modo migliore per iniziare con le analisi predittive non è iniziare con analisi predittive, ma iniziare a comprendere e identificare modelli di comportamento in tutti i sistemi”, spiega Crupi. “Questi modelli saranno la base per l’applicazione di analisi predittive”.

Una volta implementata una piattaforma di analisi predittiva, i modelli di machine learning (ML) vanno costantemente alimentati con una notevole quantità di dati. “Nella fase di partenza bisogna affidarsi ad esperti umani per convalidare le previsioni iniziali ed eseguire modifiche nelle reti, finché l’accuratezza dei modelli ML non aumenta costantemente oltre le aspettative di base”, consiglia Kastanis. “Fino a quando non ci sono solidi risultati che dimostrano l’esattezza dei modelli ML, è prematuro affidarsi a modelli ML per la gestione autonoma della rete”.

Una strategia vincente

L’analisi predittiva non è una soluzione, ma uno strumento all’interno di una strategia complessiva”, dice Crupi. “Molte aziende vogliono adottare l’analisi predittiva e avviare subito modelli di formazione per prevedere i problemi”.

Ma non è la strada giusta. “Formare un modello predittivo richiede una quantità enorme di dati e la possibilità di accedere al contesto storico”, sottolinea Crupi. “È meglio iniziare con analisi di base e iniziare a ‘vedere’ quello che sta succedendo”.

Riflettendo sulla propria esperienza, Kastanis afferma che i benefici offerti dalle analisi predittive valgono tutto il tempo e gli sforzi investiti per strutturare e implementare la tecnologia. “È una strategia vincente che, nel tempo, stabilizza in modo significativo le prestazioni della rete e ottimizza OpEx per la gestione della rete”, conclude Kastanis, “rendendo così molto più efficace la gestione della rete”.

 

AUTOREJohn Edwards
FONTECIO
CWI.it
Con 12 milioni di lettori in 47 paesi, Computerworld è la fonte di informazione e aggiornamento per tutti coloro che progettano, implementano o utilizzano la tecnologia in azienda.