在过去的十年中，网络管理工具已经从基于故障发展到基于性能。这已经成为运行基础设施的关键因素，因为故障并不那么重要。
这听起来可能有点奇怪，但考虑到交换机、路由器、Wi-Fi接入点和服务器等关键基础设施的部署方式都是为了防止中断。今天的基础设施是如此的冗余，以至于任何硬件设备都可能出现故障，而且很可能没有人会注意到。
一个更大的问题是管理用户性能。通常情况下，用户会抱怨某个应用程序运行不正常，但当工程师查看仪表板时，一切都是绿色的。绩效问题更难诊断，而且会降低员工的工作效率。
今年早些时候，我做了一些研究，研究了糟糕的应用程序性能的影响，发现由于应用程序问题，工人的生产率降低了14%。想想这个数据。企业每年在技术上投资数十亿美元，以提高工人的生产率，但如果他们能让所有已经运行的应用程序以最佳方式工作，员工的生产率将提高10%或更多。
关注用户，而不是网络
这就是为什么IT专业人员需要将管理的重点从网络转移到用户。网络管理的问题在于，根据定义，它提供了一个自底向上的世界视图，其中用户体验是推断出来的。用户性能管理(UPM)是一种自上而下的管理方式，了解底层技术和依赖关系，因此如果Wi-Fi AP超载，网络运营团队可以迅速了解哪些应用程序和用户会受到影响。
需要注意的是，UPM不能通过使用故障管理工具进行改装或在其上安装新的仪表板来实现。相反，UPM是通过数据、机器学习和云规模的结合来实现的。
Nyansa更新了其Voyance UPM产品，增加了机器学习功能
一家名为Nyansa的初创公司正试图让UPM成为现实。本周，该公司宣布对其Voyance UPM产品进行一些更新，将其从一个独立的产品转变为一个机器学习平台，提供积极的补救建议，并可以分享来自第三方的数据，扩大Voyance的价值。
新版本现在可以从思科的身份服务引擎(ISE)、HPE Aruba的ClearPass和Free RADIUS获取SYSLOG信息。这是一个额外的数据源，它提供有关DHCP和DNS问题的信息，这些信息可以揭示表明连接问题的用户问题。这往往是Wi-Fi网络问题的最大来源，而Nyansa拥有约70%的市场份额，仅由Aruba和思科占据。
随着物联网(IoT)部署变得越来越普遍，SYSLOG集成将非常重要。当物联网设备的运行水平影响业务时，Voyance的机器学习算法可以获取SYSLOG数据并改变网络运行。
Nyansa
Nyansa Voyance仪表板
Nyansa还添加了面向外部的api来扩展平台。Nyansa的数据现在可以导出到诸如ServiceNow这样的IT工作流产品。Voyance可以发现性能问题，然后主动打开故障单，使IT部门能够在用户报告问题之前处理问题。
或者，Voyance可以直接将数据发送到像Slack这样的通信平台，在该平台上，来自特定端点、应用程序或用户的数据可以被发送到特定的人群。例如，一个面向客户的应用程序报告的问题可以直接将信息发送到Slack Room，其中也包括负责该应用程序的专家。这可以显著地缩短“解决乒乓”，即在问题真正得到解决之前，问题票据被来回传递。
Voyance添加的另一个有趣的功能是能够轻松地标记设备或人。标签使工程师能够持续监控关键资产甚至人员的体验。《动物农场》这本书告诉我们，我们都是平等的，但有些人比其他人更平等——现在IT部门可以知道那些更平等的人，比如c级主管或高效的销售人员，何时遇到了问题。它还可以用于监控工厂车间设备、心脏泵或其他关键任务物联网设备。这些数据还可以被搜索、过滤或导出以进行额外的分析。
Nyansa帮助IT变得有预见性，而不是被动反应
Nyansa使用机器学习使IT从反应模型转向预测模型。Voyance现在包含了一个补救引擎，它可以向IT部门提供网络事件发生的位置和方式以及对用户体验的影响。它还建议解决这些问题的具体操作——It甚至可能不知道这些问题的原因。例如，修复引擎可以建议关闭ap上的2.4 GHz无线电，因为它们会导致Wi-Fi问题。
一个特别有价值的特性是，该工具现在可以显示每个已采取或未采取的操作将恢复或损失多少客户时间。这可以帮助IT运营对其工作进行优先排序。我们可以把它想象成服用了类固醇的Splunk, Splunk展示了大量数据，但洞察力和行动需要由聪明的工程师来决定，他们可以将数据关联起来。Voyance的机器学习完成了这项繁重的工作，因此IT可以更快地找出对业务最有意义的修复顺序。
管理用户性能不是通过测量网络的一个特定方面来完成的。它更多的是关于理解组成服务的所有It元素以及它们之间的关系，然后洞察它们是如何影响生产力的。在现有数据量的情况下，手动操作是不可能的。对于It专业人士来说，开始使用基于机器学习的工具，比如Nyansa，来解决那些难以解决的、会降低工作效率的性能问题，这一点很重要。