集成行业know how的场景化管理闭环, 以业务运营视角透视数据价值,实现真正业务增效
实现业务场景管理闭环,是基于行业knowhow的逻辑,将业务KPI与科技KPI进行解构与重构,从真实用户体验的视角出发,对业务系统的实际支撑环节进行关联和透视
ITOps科技运营
从业视觉透视并掌握IT资源
SecOps 安全运营
敏锐洞察并主动防御
BizOps 业务运营
全面的可视化经营
洞察IT资源变化对业务造成的影响
实现跨域统一的可视化与行动方案
轻松管理复杂架构下大量级IT资产
以核心银行主要交易指标作为切入点,通过全域指标、日志、事件、业务等数据的深层关联分析,并依托专家知识与AI算法能力,驱动趋势预测、动态告警、根因定位、故障预警、故障处置方案推荐等ITOps关键模块,构建智能运维闭环,有效缩短核心银行系统MTTR。
多协议+轻应用的方式,快速接入所有关联的日志和性能指标,不论是在主机系统还是分布式系统的环境下。
智能告警分组降噪,帮助关注真实事件,同时基于ML的强大算力,快速定位,秒级响应问题。
分析引擎结合根因历史库及支持专家经验反馈校正的根因模式库,推荐Probable Root Cause。同时支持自动化编排的智能响应。
沉淀知识图谱,形成预警模型,减少整体故障发生的概率,并通过性能容量分析与预估,提供IT预算决策支持。
支持企业跨云数据的快速接入,并且通过边缘存储技术有效降低数据流量费用。以云服务响应时间以及调用次数作为主要指标,结合具有实时反馈机制的AI引擎,沉淀专家知识和经验优化算法,围绕云服务日志以及其他调用链相关指标关联分析,实现监控、告警、根因分析、故障预判的自动化闭环运维。
通过支持弹性拓展的边缘采集节点,支持在不同的云平台获得有效的数据流,并且这些是安全转发且低费用代价的。
通过具有边缘智能的分布式计算,将庞大的数据分析任务拆分成纳米级计算,支撑秒级响应的跨云实时分析需求。
在多云环境中的模型动态优化、管理,以及跨云转移运用,结合AIOps算法编排能力,实现不同场景的数据快速收敛。
在“多云融合”的场景下,灵活地在不同的云间进行资源调度和管理工作负载,从而满足业务变化的实际需求。
从运营场景出发,自动统一批量和实时采集混合云及混合云环境下异构日志,进行全面标准化处理,并保存可供审计的原始日志。智能调参优化的AI算法,支持科技指标与业务指标深度关联分析,实现日志审计、日志告警、根因定位、智能分析、日志模式识别和可视化分析。助力多场景的智能管理闭环。
以边缘采集和存储快速纳管海量日志,无论是存量日志,还是实时事件流,并以复合审计的原始格式存储。
自动识别常见的日志格式,同时内置上百种日志解析模型,支持自定义数据识别能力,具备毫秒级的数据检索能力。
跨栈日志进行分类纳管,结合AIOps算法编排能力,实现跨域日志数据的聚类关联分析,洞察问题根因。
提供趋势预测、实时告警、根因分析服务,构建业务流程的实时洞察能力,降低故障修复时间,确保数字化业务的可用性和合规性。
无缝对接各种监控工具,统一接入业务系统中所涉及IT设备或组件产生的离散告警事件,通过具有实时反馈机制智能优化算法的AI引擎,对时序告警事件进行深度关联分析,具备告警压缩、告警关联分析、根因推荐、告警模式识别以及事件预警等功能,实现秒级事件获知与精准洞察。
无缝对接各种监控工具,接入业务系统中所涉及IT设备或组件产生的全体离散告警事件。
采用应对复杂场景且支持智能调优的AIOps聚类算法,根据动态阈值,实现结合调用链的告警压缩。
提供告警历史记录信息,不仅通过文字方式,并在图形趋势上,更直观地展现异常状态的趋势变化,以及告警规则的执行情况。
根据自动分组的相关异常、指标和操作痕迹,实现结合原始日志的根因定位。同时倒排索引功能实现秒级搜索响应。
信息安全与业务运行融合
实时洞察潜在安全隐患
立体保护的主动防御力
遵循等保2.0标准,将安全与业务融合,帮助企业实时监测业务运行情况和合规之间的断层与偏离。在SIEM平台上结合AI算法、机器学习能力,形成威胁狩猎、态势感知、情报调查、等保合规、安全审计等信息安全闭环场景,升级主动防御体系。
实时监测业务运行情况和遵循等保2.0合规之间的断层与偏离,保障IT资源所承载的业务的可用性、连续性、以及安全性。
应用复杂的安全检测发现机制,包括机器学习,感知环境中微妙而相关的变化,从微观推演宏观。
集成各类安全设备和系统,打破安全防御孤岛,实现基于企业立体防御体系的威胁狩猎,同时将整个攻击生命周期中所遭受攻击的节点连接起来,实现安全威胁的辅助调查。
事件驱动、数据耦合,催化现有安全资源的整合和赋能,快速查询各个防御面上的所有数据,并对其进行透视、过滤和迭代分析。
实时采集基于用户实体产生和操作的数据,通过不同场景角色对应的风险控制指标和行为控制基线,根据机器学习、规则引擎技术进行深度行为剖析与意图识别,智能感知偏离基准的细微变化,洞察实体潜在威胁和风险行为,帮助企业降低内部风险隐患。
针对不同业务场景的分组用户在IT系统内的各种常规操作行为进行建模,作为用户行为分析的基线。
面向用户和实体,围绕行为分析的机器学习框架,利用算法识别与既定基线相比异常的活动,发现威胁。
根据威胁时间关联具体用户行为,如异常数据移动、异常设备访问等,完善事件调查的上下文,用结果引导调查。
专家干预的自学习引擎,增强异常行为的发现能力,孵化对未知威胁主动发现的洞察能力,和更为提前的威胁预警。
从业务安全运营为终局出发,通过AI算法和机器学习,在复杂的安全威胁中精准确定优先级与事件关联分析,快速建立安全响应流程,自动集成并驱动分散的安全工具和协作团队,形成可编排化、自动化、智能化、全程化的主动运营的安全响应闭环,并做到知识留存与AI复用,不断帮助企业提升安全事件响应效率。
通过AI算法和机器学习,在复杂的安全威胁中精准确定优先级与事件关联分析。
智能调优的AIOps算法,实现实时数据的秒级响应和分析。
通过AIOps预估性能,对风险处理结果进行前置评估。
通过清晰的、可操作的、可分析的以及直观的方式,加速事件响应决策的制定与执行。
端到端业务流程优化
可运营资产管理优化
物联网设备管理优化
依据BPMN2.0规范分解业务流程,打通端到端业务的数据关联,消除各业务端数据孤岛,深度透视多业务协同问题。通过内置300多个细腻颗粒度管理指标,提供多业务视角和管理角色的关联分析与可视化管理,满足端到端业务的实时管理与运营优化。并通过AI引擎赋能自动化流程,实现业务决策的有效执行。
对流程和任务的拆解分析,根据不同的流程类型,分别统计其各类指标,包括流程平均耗时、任务平均耗时等。
通过AI赋能的机器学习,提供前置、后置关联的流程关联与合并分析,实现流程潜在风险点直观感知。
边缘采集能力打通多样数据接入,不仅针对资产提供多维度KPI管理,还囊括了租客全租程数据,实现多种资产全周期管理。
通过功能、数据、对象的三维权限管理,实现灵活的RBAC权限管理策略。并从用户操作角度,分析流程质量、处理效率等。
通过丰富的API接口,对各类传感器、设备产生的数据进行边缘采集收集,通过实时智能优化的AI算法和机器学习,将科技指标数据和生产管理指标进行多维关联分析,自动化监控生产设备运行情况,实现智能工厂边、端、云等全链路洞察管理,对物联网的整体运营情况进行分析。
通过边缘采集对各类传感器、设备产生的数据进行收集,利用5G技术,实现数据的快速传递,实现物物相连
通过实时智能优化的AI算法和机器学习,将科技指标数据和生产管理指标进行深度关联分析,自动化监控生产设备运行情况。
AIOps赋能的抽检流程自动化编排,对生产处理结果进行前置评估,提升企业生产良品率。
智能编排的AI算法,实现生产链路全IT性能预估,包括边、端、云的全链路资源管理。