Machine Learning 2

Mendefinisikan Pembelajaran Mesin dan Intelijen Operasional

Pembelajaran Mesin (Machine Learning) adalah disiplin ilmu komputer yang menyediakan seperangkat algoritma canggih yang senantiasa meningkatkan keakuratan model. Dengan pembelajaran mesin, dimungkinkan untuk belajar dari sejumlah besar data dan meningkatkan kemampuan untuk memprediksi hasil. Ada berbagai algoritma yang mempelajari dan meningkatkan kinerjanya berdasarkan pemaparan pola pada data dan bukan dengan pemrograman eksplisit. Intinya, sistem pembelajaran mesin dirancang berdasarkan praktik terbaik dan perilaku sistem yang diharapkan. Alih-alih hanya memprogram sebuah sistem untuk mendeteksi masalah yang diketahui dalam sistem operasional, sistem pembelajaran mesin dimulai dengan data operasional dan ketika manusia mengambil tindakan atau bahkan mengganti tindakan yang disarankan, sistem belajar. Dalam kasus sistem mainframe, model pembelajaran mesin memahami bagaimana fungsi mainframe dan jenis data yang diciptakannya. Sistem pembelajaran mesin bergantung pada menelan sejumlah besar data. Seiring sistem mengumpulkan lebih banyak data, ia mampu memperbaiki model datanya untuk menciptakan hasil yang lebih akurat. Sistem pembelajaran mesin kontras dengan solusi tradisional di mana pemrogram harus membuat asumsi pada saat permulaan dan di mana sistem tidak berkembang.

Peran Pengembangan dari Enterprise IT

Seiring TI berubah menjadi organisasi layanan untuk bisnis yang mengganggu secara digital, silo TI yang berbeda menemukan bahwa mereka harus berkolaborasi agar dapat bertahan. Oleh karena itu, ada lebih fokus pada pengelolaan lingkungan komputasi hibrida yang kompleks. Sekarang diterima bahwa mainframe adalah focal point untuk penskalaan dan pengamanan data dan transaksi penting, sangat penting bahwa ada cara yang dapat diprediksi untuk mengelola lingkungan dari perspektif TI operasional. Tidaklah praktis untuk mengasumsikan bahwa tim operasi akan memiliki pengetahuan atau kapasitas untuk dapat terus mengelola ekosistem yang terhubung ini secara reaktif dan manual. Agar sukses, pimpinan operasi beralih ke alat belajar mesin agar bisa bergerak cepat dan memastikan pengalaman pelanggan yang sukses dan transparan.

Manfaat Penerapan Mesin Belajar untuk Enterprise IT Operations

Kesempatan untuk mengelola lingkungan mainframe yang kompleks dengan lebih mudah dan lebih efisien adalah hasil penggabungan algoritma pembelajaran mesin dengan data mainframe. Selain itu, lingkungan belajar mesin memiliki keuntungan untuk maju jauh melampaui apa yang saat ini diketahui oleh tim induk mainframe. Hal ini sangat penting karena aplikasi baru dibuat dan data mainframe terintegrasi dengan sistem yang muncul.

Lima manfaat terpenting dalam menerapkan pembelajaran mesin pada operasi TI perusahaan adalah:

1. Kelola secara proaktif. Dengan menanamkan kecerdasan sistem ini mampu mendeteksi pola abnormal yang bisa mengakibatkan padam dan potensi permasalahan lainnya.
2. Remediasi lebih cepat. Analis dan administrator dapat dengan cepat menemukan akar permasalahan. Alih-alih memilah-milah sejumlah besar data aplikasi dan sistem, pembelajaran mesin dapat membantu mengidentifikasi pemicu yang menimbulkan masalah.
3. Perbaiki produktivitas. Lingkungan belajar mesin belajar dari data historis dan pola perilaku untuk mendeteksi anomali kinerja secara lebih akurat dan mengotomatisasi tugas perbaikan rutin. Ini membantu meningkatkan kemampuan anggota tim junior dan memungkinkan ahli Anda untuk fokus pada masalah yang paling penting.
4. Berkolaborasi secara efisien. Lingkungan belajar mesin terpadu yang menyatukan data analitik yang berbeda dari banyak sumber memberikan wawasan yang meningkat untuk membantu tim Anda bekerja sama secara lebih efisien untuk mengisolasi dan menyelesaikan masalah.
5. Meningkatkan kinerja aplikasi. Dengan menerapkan pembelajaran mesin pada operasi mainframe, Anda dapat meningkatkan kinerja aplikasi dan mengurangi latency dan downtime.

Sumber :  Hurwitz & Associates.  (Judith Hurwitz, Daniel Kirsch)