ปัจจุบันผู้ดูแลเน็ตเวิร์กในระดับองค์กรต่างเผชิญกับข้อมูลปริมาณมหาศาล ไม่ว่าจะเกี่ยวกับสถานะ หรือประสิทธิภาพของเน็ตเวิร์กเอง แต่การดึงข้อมูลเหล่านี้มาใช้ประโยชน์ได้อย่างเต็มที่นั้นถือเป็นความท้าทายอย่างมาก ซึ่งจำเป็นต้องอาศัยแพลตฟอร์มวิเคราะห์ข้อมูลที่ได้รับการสนับสนุนจากเทคโนโลยีแมชชีนเลิร์นนิ่ง และความสามารถในการทำงานผ่านคลาวด์ยุคใหม่ด้วย ซึ่งตรงกับงา
ความสำคัญของความสามารถในการมองเห็นและการวิเคราะห์เครือข่าย
เครือข่ายระดับองค์กรนั้นถือว่ามีบทบาทสำคัญอย่างมากต่อการสร้างสรรค์เทคโนโลยีใหม่อย่างที่ไม่เคยเป็นมาก่อน ไม่ว่าจะเป็นการเชื่อมต่อที่จำเป็นอย่างยิ่งสำหรับทั้งเทคโนโลยี ระบบไอที และการใช้งานทางธุรกิจรูปแบบใหม่ที่สำคัญโดยเฉพาะการใช้เทคโนโลยีที่กำลังเป็นกระแส เป็นตัวปฏิวัติการทำงานยุคใหม่อย่างคลาวด์คอมพิวติง บิ๊กดาต้า และสถาปัตยกรรมเครือข่ายที่เน้นการใช้งานผ่านอุปกรณ์พกพาเป็นหลัก สิ่งเหล่านี้ทาง IDC เรียกว่าเทคโนโลยีแพลตฟอร์มที่ 3 (3rd Platform) เป็นความท้าทายใหม่ ทำให้ทีมงานที่ดูแลต้องใช้ความอุตสาหะในการให้เครือข่ายดังกล่าวตอบสนองความต้องการทั้งหลายของธุรกิจได้มากขึ้น
องค์กรทั้งหลายเริ่มเข้าใจกันมากขึ้นแล้วว่า ข้อมูลที่เกิดจากระบบเครือข่ายนั้นมีคุณค่ามาก แต่การรวบรวมข้อมูลดังกล่าวนั้นนั้นกลับยากมากขึ้น ทั้งนี้อันเนื่องมาจากเหตุผลหลายประการ แต่ปัจจุบันองค์กรได้ผสานการจัดการเครือข่าย LAN ทั้งแบบใช้สายและไร้สายให้เป็นหนึ่งเดียวกันมากขึ้น ครอบคลุมไปถึงเครือข่ายของสำนักงานสาขาและที่ใช้เชื่อมต่อกับอุปกรณ์ Internet of Things (IoT) เป็นต้น ในขณะเดียวกัน เมื่อไม่กี่ปีที่ผ่านมาเราต่างได้ใช้ฟีเจอร์เพิ่มเติมจำนวนมากที่ใช้ตรวจสอบและวิเคราะห์การดำเนินงานของเน็ตเวิร์ก จนทำให้เครือข่ายองค์กรสร้างข้อมูลปริมาณมหาศาลออกมา โดยแทบทุกการเชื่อมต่อบนเครือข่ายต่างเป็นการสร้างข้อมูลและเมต้าดาต้าตามมา ซึ่งเป็นข้อมูลที่สามารถจัดเก็บ รวมรวบ จัดกลุ่ม และนำไปวิเคราะห์ต่อได้
แต่การจะนำข้อมูลมาใช้ได้แบบนั้นจำเป็นต้องทำผ่านแพลตฟอร์มเฉพาะ เนื่องจากถ้าเราไม่มีระบบสำหรับรวบรวมและวิเคราะห์ข้อมูลดังกล่าว จะทำให้เราจับต้นชนปลายอะไรไม่ได้เลย สำหรับในภาพที่ 1 นี้แสดงถึง สิ่งที่องค์กรต้องการมากที่สุดจากระบบจัดการประสิทธิภาพเครือข่ายของตัวเอง
ภาพที่ 1: ปัจจัยหลักที่มีผลต่อการเลือกระบบจัดการประสิทธิภาพเครือข่าย
แมชชีนเลิร์นนิ่ง (ML) และเทคโนโลยีสมองกล (AI) มีผลต่อความสามารถในการมองเห็นและวิเคราะห์ข้อมูลอย่างไร
หนึ่งในเทรนด์ที่สำคัญมากที่สุดที่มีผลกระทบต่อความสามารถในการมองเห็นและวิเคราะห์เครือข่ายก็คือ การเกิดขึ้นของอัลกอริทึมแมชชีนเลิร์นนิ่งหรือ ML และเทคโนโลยีสมองกล (AI) ซึ่งความสามารถของอัลกอริทึมนี้ขึ้นกับข้อมูลเป็นหลัก ยิ่งมีข้อมูลมากเท่าไร ก็ยิ่งมีประสิทธิภาพมากขึ้นเท่านั้น จุดนี้จึงทำให้ระบบอนาไลติกสำหรับเครือข่ายนั้นเหมาะอย่างยิ่งกับการนำเทคโนโลยี ML มาใช้เพื่อยกระดับประสิทธิภาพการจัดการ และให้ข้อมูลที่นำมาใช้ประโยชน์ได้จริง
โดยในภาพที่ 2 นี้กล่าวถึงประโยชน์ที่คาดหวังได้ ที่บรรดาคนทำงานด้านไอทีระดับองค์กรมองเห็นจากการนำเทคโนโลยีที่ใช้ ML และ AI มาใช้กับการจัดการเครือข่าย
ภาพที่ 2: สิ่งที่สำคัญที่สุดสำหรับระบบออโตเมชั่นบนเครือข่ายที่ใช้ AI
หนึ่งในจุดแข็งของ AI คือการจดจำความผิดปกติของข้อมูล เวลาที่แพลตฟอร์ม ML คอยตรวจสอบสภาพแวดล้อมการทำงานอย่างต่อเนื่อง ก็จะเรียนรู้ว่าพฤติกรรมการใช้งานที่ “ปกติ” นั้นเป็นอย่างไร และที่สำคัญกว่านั้นคือ การเรียนรู้ด้วยว่าอะไรคือ “สิ่งผิดปกติ” ซึ่งเหตุการณ์ที่ไม่ปกตินี้มักหมายถึงปัญหาต่างๆ ไม่ว่าจะเป็นด้านความปลอดภัยหรือการทำงานที่ไม่ได้ประสิทธิภาพ ดังนั้นระบบที่มีเทคโนโลยี ML สนับสนุนจึงสามารถแจ้งเตือนเหตุการณ์ปกติ บอกผู้ดูแลเครือข่ายให้ทราบถึงปัญหา ไปจนถึงให้คำแนะนำวิธีการแก้ไขได้ด้วย ซึ่งในอนาคตนั้น ระบบเหล่านี้จะก้าวหน้าขึ้นมาเป็นระบบสมองกลหรือ AI อย่างแท้จริง โดยระบบที่ใช้ AI จะทำงานได้แบบอัตโนมัติเพื่อดูแลสภาพแวดล้อมการทำงานให้อยู่ในสภาพสมบูรณ์อยู่เสมอ
เมื่อดูจากจากผลวิจัยของ IDC นั้นสามารถสรุปได้ว่า การเข้าถึงข้อมูลเชิงลึกของระบบเน็ตเวิร์ก พร้อมการตรวจสอบ วิเคราะห์และแก้ปัญหา ด้วย Machine Learning และ AI เป็นสิ่งที่จำเป็นและช่วยทำให้ผู้ดูแลระบบทำงานได้ดีขึ้น โดยในปัจจุบัน มีผลิตภัณฑ์ Analytics ที่น่าสนใจและตอบสนองการจัดการด้านเครือข่ายได้อย่างดี อย่างเช่นแพลตฟอร์ม Ruckus Analytics (RA) ที่มีจุดเด่น การวิเคราะห์ ตรวจสอบ แก้ปัญหาแบบป้องกันก่อนเกิดเหตุไม่คาดฝันที่ส่งผลต่อประสิทธิภาพของเครือข่ายและลุกลามถึงธุรกิจ
แพลฟอร์มการวิเคราะห์เครือข่ายขั้นสูง Ruckus Analytics (RA)
Ruckus Analytics (RA) จาก CommScope นั้น เป็นแพลตฟอร์มใหม่บนคลาวด์ที่ให้ความสามารถในการมองเห็นเชิงลึก และเป็นระบบวิเคราะห์ข้อมูลที่ปรับแต่งได้สำหรับผู้ดูแลเครือข่าย แพลตฟอร์มนี้สามารถนำมาใช้ตั้งค่าให้จัดเก็บข้อมูลจากศูนย์กลางเครือข่ายได้แบบอัตโนมัติ พร้อมทั้งรวบรวมข้อมูลที่ตรวจสอบตำแหน่งต่างๆ บนเครือข่ายจากระยะไกลไม่ว่าจะเป็นข้อมูลสถานะระบบ หรือค่าดัชนีชี้วัดประสิทธิภาพการทำงาน (KPI) แบบต่างๆ ทั่วทั้งเครือข่ายขององค์กร โดยจะมีการส่งเมต้าดาต้าแบบไม่ระบุตัวตนขึ้นไปยังเอนจิ้นอนาไลติกบนคลาวด์ที่ทำหน้าที่เป็นแหล่งข้อมูลกลางสำหรับตอบสนองการร้องขอ ทำรายงาน และวิเคราะห์ค่าตรวจวัดทั้งหลาย
Ruckus Analytics คอยรวบรวมข้อมูลหลากหลายมิติ ไม่ว่าจะเป็นเรื่องของเวลา, ประเภทอุปกรณ์, รูปแบบทราฟิก, แอพพลิเคชั่น, กลุ่มแอคเซสพอยต์ (AP), คอนโทรลเลอร์, และชื่อเครือข่ายไร้สาย (SSID) เพื่อจัดแสดงผ่านอินเทอร์เฟซการใช้งานที่เป็นแบบกราฟิก (GUI) ใช้งานง่าย ช่วยแสดงรายการปัญหาบนเครือข่าย รวมถึงตรวจสอบข้อมูลได้อย่างละเอียดมากขึ้น เรียกได้ว่าแพลตฟอร์มนี้ช่วยอำนวยความสะดวกในการทำงานด้านจัดการเครือข่ายได้อย่างครอบคลุม
IDC Custom Solutions
เนื้อหาในเอกสารนี้ปรับปรุงมาจากงานวิจัยของ IDC เดิมที่มีอยู่แล้วที่เผยแพร่บน www.idc.com เอกสารฉบับนี้จัดทำขึ้นโดย IDC Custom Solutions ซึ่งทั้งความเห็น บทวิเคราะห์ และผลการวิจัยที่อยู่ในบทความนี้ล้วนนำมาจากงานวิจัยและวิเคราะห์อย่างละเอียดที่ทำขึ้นโดยอิสระและตีพิมพ์โดย IDC
ถ้าอยากรู้ว่าบริการผ่านคลาวด์อย่าง RUCKUS Analytics จะสร้างความแตกต่างได้มากแค่ไหน ลองลงทะเบียนรับตัวทดลองฟรี หรือ ขอชมการสาธิตการใช้งานแบบถ่ายทอดสด ได้ทันที!
สนใจสินค้า Ruckus ติดต่อสอบถาม TH-Ruckus@ingrammicro.com
