OpenText startsida.
Tekniska ämnen

Vad är förebyggande av incidenter?

Se hur AIOps och observabilitet hjälper IT-team att förebygga incidenter, istället för att bara reagera på dem

Utforska AI-driftshanteringSe alla relaterade produkter

Översikt

Koncept för digital dataöverföring med färgglada ljusstrålar från optiska fibrer mot en mörkblå kretskortsbakgrund

Incidentförebyggande innebär att man utnyttjar övervakningsmöjligheter, tjänstekontext och AI för att förhindra incidenter innan de når användarna, snarare än att lösa dem snabbare i efterhand.

Det bygger på fyra förmågor, där varje förmåga bygger på den föregående:

  • En tillförlitlig bild av vad som finns i miljön
  • Observabilitet med fokus på det väsentliga
  • Snabb analys av grundorsaken
  • Styrd automatiserad korrigering

Förebyggande av incidenter

Vilka är fördelarna med att förebygga incidenter?

  • Minska driftstopp och MTTR: Upptäck tillverkningsproblem i ett tidigt skede och minska den tid som går åt till att hitta orsaken.
  • Ge ditt team mer utrymme: Färre krigsrum och mindre manuell korrelation innebär att teknikerna kan ägna sig åt mer värdeskapande arbete istället för att jaga larm.
  • Stärk er säkerhetsnivå: Samma förändrings- och konfigurationskontext som påskyndar analysen av grundorsaker gör det också möjligt att snabbare upptäcka obehöriga eller riskfyllda ändringar.
  • Förbättra efterlevnaden: Omfattande loggning och revisionsspår gör det enklare att visa att man har kontroll över IT-ändringar och incidenter.
  • Minska kostnaderna vid driftavbrott: Färre och kortare driftavbrott innebär mindre påverkan på intäkterna och lägre kostnader för oplanerad arbetskraft.
  • Bygg upp förtroendet för automatiseringen stegvis: En kontrollerad automatisering där människan är en del av processen skapar det förtroende som krävs för att gradvis utöka autonomin.

Vilka är de fyra nivåerna inom förebyggande av incidenter?

Förebyggande åtgärder är inte en enskild funktion. Man kan inte automatiskt lösa ett problem utan att känna till dess troliga orsak. Det går inte att fastställa sannolika skäl utan rätt observationsdata. Man kan inte observera det som är viktigt utan att veta vad som finns i ens omgivning och vad den erbjuder. Varje lager bygger vidare på det föregående.

  • Grunden för sanningen: En alltid aktuell och lättöverskådlig översikt över tjänster och deras beroenden mellan applikationer, infrastruktur och nätverket, som skapas utifrån automatisk kartläggning och hålls uppdaterad med hjälp av AI istället för manuellt underhåll. Denna modell för levande tjänster är det som allt annat bygger på.
  • Prioriterad, integrerad övervakningsförmåga: Telemetri som är inriktad på det viktigaste, utifrån vilka tillgångar som stöder vilka affärstjänster. Det är här som problem med formningen upptäcks innan ett tröskelvärde överskrids.
  • Korrelation och grundorsak: Automatiserad händelsekorrelation som analyserar hela sammanhanget för att identifiera troliga orsaker på några minuter, med tillförlitlighetsbetyg och spårbar logik istället för en uppsjö av separata varningar.
  • Automatiserad problemlösning: Reglerad runbook- och policybaserad automatisering som genomför beprövade åtgärder så snart en signal upptäcks, i kombination med de skript, playbooks och verktyg som ni redan använder.
Diagram som illustrerar processen för att förebygga incidenter: övervakning, analys av grundorsaker och automatiserade åtgärder

Läs varför det är viktigt att förebygga incidenter

På vilket sätt skiljer sig förebyggande av incidenter från traditionell incidenthantering?

Traditionell IT-drift bedöms utifrån MTTR, det vill säga hur snabbt man återställer driften när en incident inträffar. Det är en felaktig åtgärd när en plattform kan upptäcka situationer som håller på att uppstå, identifiera sannolika orsaker inom några minuter och vidta åtgärder i enlighet med styrningsrutinerna. Genom att förebygga incidenter handlar det inte längre om hur snabbt man åtgärdar problemen, utan om hur många incidenter och hur många timmar i krigsrummet man kan undvika från början.

Traditionellt svar Förebyggande av incidenter
Upptäcka efter fel Upptäcka innan kollisionen inträffar
MTTR-fokus Fokus på att förebygga incidenter
Reaktiv Proaktiv
Manuell utredning AI-stödd korrelation

Vilken roll spelar AI när det gäller att förebygga incidenter?

AI genomsyrar alla nivåer av incidentförebyggande arbete, även om dess roll varierar beroende på funktion.

  • Detektering: Modeller för maskininlärning identifierar avvikelser och sammanställer relaterade händelser till en helhetsbild, vilket gör det möjligt att upptäcka problem som håller på att uppstå innan ett tröskelvärde överskrids.
  • Diagnos: AI analyserar topologi, senaste ändringar och telemetri för att identifiera den troliga grundorsaken, ofta med ett konfidensbetyg som en operatör kan ifrågasätta och justera.
  • Lösning: AI kan koppla en diagnos till automatisering och därigenom identifiera eller ta fram åtgärder. De flesta organisationer ser till att en människa fortfarande är delaktig i detta skede och utökar systemets självständighet i takt med att förtroendet för systemet växer.

Mognadsgraden varierar avsevärt mellan olika plattformar, och även inom en och samma plattform brukar AI-driven diagnostik och problemlösning ligga längre fram än helt autonom upptäckt av problem som ännu inte har utlöst någon varning.

Varför spelar nätverket en viktig roll när det gäller att förebygga incidenter?

En stor del av incidenterna har sitt ursprung i nätverket eller passerar genom det, och för att en grundorsaksanalys ska vara tillförlitlig måste den följa en transaktion från början till slut. Det gör nätverket till en grundläggande komponent, inte något som kommer i andra hand efter applikationer och infrastruktur.

Det har också betydelse just för det automatiserade lösningslagret. En säker automatiserad korrigering bygger på verifiering, återställning, policybegränsningar, korrigering av avvikelser och framtagning av förändringsplaner – funktioner som ingår i nätverksautomatiseringen. I Gartners Hype Cycle för SRE beskrivs agentbaserad nätverksdrift som en förbättring av nätverksautomatiseringen snarare än en ersättning för den, och kriterierna för genomförande stämmer direkt överens med just dessa funktioner. Enkelt uttryckt är AI:n själva resonemanget; nätverksautomatiseringen är det som gör att den kan agera på ett säkert sätt.

Vilka utmaningar står organisationer inför när de ska bygga upp ett system för förebyggande av incidenter?

  • Fragmenterade data: Telemetridata från applikationer, infrastruktur och nätverk finns ofta i separata verktyg utan gemensam kontext.
  • Föråldrade serviceuppgifter: En CMDB som underhålls manuellt blir föråldrad så fort miljön förändras, vilket undergräver allt som bygger på den.
  • Varningsutmattning: Om prioriteringen inte kopplas till påverkan på verksamheten drunknar teamen i informationsflödet innan de hinner agera på det som verkligen är viktigt.
  • Att vinna förtroende för automatiseringen: Team vill, med rätta, se att automatiseringen fungerar korrekt och förutsägbart innan de utökar dess befogenheter att agera självständigt.

Organisationer som hanterar detta på ett bra sätt brukar börja med grunden (en aktuell och pålitlig servicemodell) innan de lägger till automatisering, ser till att människor fortfarande är delaktiga när automatiseringen utvidgas och väljer verktyg som kan integreras med det de redan använder, istället för att kräva en total omställning.

Hur kan OpenText bidra till att förebygga incidenter?

OpenText erbjuder idag alla fyra nivåerna av incidentförebyggande åtgärder, vilket stöds av kundresultat inom telekom, finanssektorn och andra branscher.

Relaterade produkter

OpenText™ AI Operations Management

Samordna övervakningen och automatisera felsökningen i hela IT-miljön

OpenText™ Network Observability

Integrera nätverket i samma sammanhängande helhetsbild som applikationer och infrastruktur

OpenText™ Automation Center

Styra och genomföra automatiserade korrigeringar i stor skala

Se alla relaterade produkter

Hur kan vi hjälpa till?

Fotnoter