预测分析能够在潜在的网络问题影响其可靠性或性能之前揭示这些问题。预测分析被认为是一种未来的技术，而现在已经成为一种主流的网络诊断和管理工具。
如今，预测未来越来越容易。虽然仍然无法准确预测第二天的中奖彩票号码，但任何一位网络管理者都可以预见各种类型的破坏性网络问题，并及时进行解决。
预测分析工具从各种不同的技术和方法中汲取力量，其中包括大数据、数据挖掘和统计建模。例如，可以训练预测分析工具使用模式识别(数据的模式和规律性的自动识别)，在问题变得严重或导致网络发生故障之前识别问题。
网络性能专家Accedian公司首席战略官Richard Piasentin说：“依靠多个干净数据源以及内置冗余来提供良好准确的信息，网络的可见性可以防止问题，而不仅仅是对问题做出反应。分析甚至可以集成到闭环业务流程系统中，以针对许多常见问题提供网络自我校正。最终，预测分析可以帮助企业节省运营成本，并找出潜在问题，而这些问题通常最终导致完全中断。”
分析网络行为和基础设施阈值
数据科学培训机构data Science Dojo公司的数据科学家Rahim Rasool表示，如果设计和部署得当，预测分析可以深入了解一系列常见和独特的网络问题，帮助运营商处理从策略设置、网络控制到安全的所有问题。例如，为了解决安全问题，预测分析可以使用异常检测算法来发现可疑活动，并识别可能的数据泄露。Rasool解释说：“这些算法将扫描网络在数据传输中的行为，并将合法活动与其他活动区分开来。利用预测分析系统，网络中的漏洞可以在黑客发现之前被发现，然后制定防御机制。”
预测分析可以帮助组织的另一种方式是将趋势与基础设施功能和警报阈值进行比较。提供基于云计算的性能监视平台的LogicMonitor公司技术传播副总裁Gadi Oren说，“几乎所有信号都有一个上限和一个下限，这是基础设施功能的结果。例如，某个设备接口在饱和之前每单位时间只能传输这么多的容量。此外，有些信号与警报阈值相关联。通过了解数据泄漏的趋势及其变化，可以预测某个物理系统何时会达到其最大容量，或者预计该趋势何时会达到阈值并引起警报。”
工作中的预测分析
几乎任何类型的企业网络都可以从预测分析产生的见解中受益，在医疗、应急响应和航空交通管理等关键部门传输关键数据的网络将从这项技术中获得最大收益。
公用事业公司特别关注确保电网可靠性，因为即使是很小的停电事件也可能导致人员伤亡和重大的经济损失。通用电气电力公司电网分析首席数字产品经理Farnaz Amin说，“我们利用机器学习模型来预测未来的电力中断情况，这将基于影响电网运营的天气事件数据，并通过检测和纠正电网模型中的错误来帮助改善数据完整性。”
通用电气电力公司在全球180多个国家和地区开展业务，其发电量占全球的三分之一，为全球90%的输电设施提供设备，并开发可管理全球40%以上的能源软件。然而，随着输电网络的复杂性增加，由于风力或阳光不可预见的减少，导致电网弹性降低。输电系统管理不善可能会导致停电，并严重损害公用事业公司的财务和声誉。为了解决此问题，通用电气电力公司采用人工智能以简化对发电弹性的测量和预测，从而帮助电网更稳定的运行。
该公司还使用分析技术来解决另一个长期存在且可能导致服务崩溃的问题：数据错误。这通常是由于服务提供商人工输入信息而引起的。甚至看似简单的错误也可能会出现紧急情况和电力中断，从而导致整体糟糕的客户服务体验和降低满意度。通用电气电力公司通过开发结合了地理信息系统(GIS)和其他形式操作系统数据的算法来解决此问题，以检测和纠正普遍存在的错误。采用质量更好的数据，公用事业公司可以更有效地调度人员，减少停电恢复时间，并避免向客户发出错误的停电通知。
Amin指出，公用事业公司每天都从其资产中产生大量数据，但需要在硬件和软件方面具备非常专业的知识，才能发挥其潜力，推动可操作的洞察力。她说：“目前解决这些问题的方法，如电网模型数据完整性、中断预测和人工优化，都是人工的、劳动密集型的，而且往往不准确。高级分析方法从历史数据中学习，能够做出预测，从而在电网资产中提供更好的可见性，并帮助组织做出更经济的决策。”
采用预测分析面临的挑战
尽管人们对预测分析越来越感兴趣，但它仍然是一项新兴技术，充满了陷阱和挑战。Oren警告说，“主要的缺点是，这些预测分析方法在不断扩展的环境中工作得很好，但在变化非常迅速的环境中表现不佳。在分析系统检测到缓慢变化的趋势之前，快速变化的环境会造成信号变化过快的情况。这反过来又会在试图预测何时会发生某些事情时提供不准确的结果。”
获取和使用高质量数据对于准确的预测也至关重要。能源行业只使用了其汇总数据的一小部分。Amin解释说：“这些数据包括传感器、工厂管理人员的建议以及众多资产和电网的动态信息。込些数据显然可用，但许多公用事业公司在处理大量的数据方面不堪重负，无法清楚地了解如何利用数据，这意味着它们无法充分利用预测分析。”
除了收集数据之外，为了获得最大的预测能力，还需要建立一个系统来收集和记录组织的网络运营团队随时间产生的各种警报和报告。这些细节可以用来增强预测分析工具检测潜在网络异常的能力。Rasool说，“此外，团队必须专注于数据处理和洞察分析这一步需要一个具有领域专业知识的团队来理解整个设置。”
组织的网络团队还应该能够为预测分析系统提供适当的正反馈和负反馈过程，因为这些信息将有助于模型的学习能力。Rasool说，“通过适当的分析，这些数据可以创造更多的价值，开发出一种方法来处理异常情况，就像网络管理者目前所做的那样。然而，自我学习并不意味着预测分析将消除对网络管理者的需求。实际上，这样一个系统将能够帮助管理者更好地做出决策和反应。”
Amin说，“另一个挑战是说服网络团队使用并定期使用预测分析工具。IT和数据科学团队可以提出解决方案，但是如果运营团队不采用这些解决方案，那么这项投资将无法获得丰厚的回报。因此，了解当前流程并将高级分析嵌入这些流程是成功的关键。”
如何开始
Amin指出，“对于刚刚开始采用网络预测分析的企业来说，必须仔细考虑应该捕获哪些类型的数据，以及需要解决的网络问题类型。一旦对用例有了清晰的了解，这将为企业增加价值。”
网络性能技术提供商LiveAction公司首席技术官兼联合创始人John Smith警告说，“还要记住，向预测分析工具提供过多的信息几乎和提供过少的数据一样糟糕。如果企业不降低其所分析数据的维度，它可能会向云端发送大量不切实际的网络遥测信息。
考虑数据管理的实际方面也很重要：具体来说，如何以及在何处存储相关数据。探索容器化及其在各种用例中的功能性和适用性也是值得的，因为它提供了可选性。各种技术正在迅速发展，因此推迟这种探索将使企业处于落后的境地。”
