Splunk：以产品技术应对趋势和需求变化

　　在百度百科当中，将Splunk定义为机器数据的引擎，可以收集、索引和利用所有应用程序、服务器和设备生成的快速移动型计算机数据，并通过人工智能和机器学习的技术为用户更好地分析数据，并得出预测结果。

　　实际上，Splunk最大的创新点和优势在于不需要创建数据模型，相比模型化的做法会更灵活和高效。Splunk首席产品官Richard Campione曾表示：“数据是一种战略优势，企业正在寻找将数据转换为答案最快、最有效的方法。机器学习对于客户成功和Splunk的发展都非常重要。我们的无缝集成功能使每个人都能够使用机器学习，我们的客户可以更好地预测未来结果，更有效地分析他们的数据。”关于人工智能和机器学习技术，调研机构Gartner认为，人工智能和先进的机器学习技术是被广泛关注的新兴技术，将在企业甚至整个行业中掀起革命浪潮。它们能够大幅度降低劳动力成本，产生意想不到的新见解，从原始数据中发现新模式，并建立预测模型。

　　对此，在Splunk看来，2018年的人工智能和机器学习将呈现三大趋势：一是人工智能和机器学习将成为行业专属，在金融、医疗、制造、零售以及传媒等行业持续产生可信洞见和可观前景；二是人工智能和机器学习将成为B2B的主流，在异常检测、事件关联、容量预测以及自动化方面应用广泛；三是机器将会不断学习，在端到端人工智能、面向物联网的人工智能以及自我配置方面得到深入开发和应用。对于人工智能和机器学习技术的未来发展前景，Splunk不仅有着自己的预测和展望，还有着自身的规划布局和实施策略。

　　扩大产品布局 应用促落地

　　Splunk在产品方面的布局早已开始实施。在2017年9月举办的“第八届Splunk年度大会.conf2017”上，Splunk就发布了Splunk Enterprise 7.0、Splunk IT Service Intelligence (ITSI) 3.0以及Splunk机器学习工具包等机器学习功能。在扩大公司产品线的同时，进一步增强了公司机器学习的应用和开发能力。Splunk Enterprise 7.0能够帮助客户更好地监测和调查他们的数据，使得创建、部署和分享模型更加便捷，同时在性能和规模上有了很大的改善。Splunk ITSI 3.0能够把服务环境与机器学习相结合，彻底改变事件监测服务，帮助发现现有的和潜在的问题，优先恢复关键业务服务，实现了分析驱动的IT运营。Splunk机器学习工具包是一款数据科学应用程序，任何人都可以使用它来预测未来IT、安全和业务成果。最近的更新包括了机器学习模型管理，它通过直观的用户界面集成了用户权限。此外，还提供了公共机器学习API和数据准备模块，可以用于开源和专有算法，并帮助客户在启动机器学习建模之前准备和清洗数据。

　　同时，Splunk中国区总经理严立忠表示：“虽然人工智能在2018年还不会成熟到足以匹配人类的技能，但具备机器学习能力的人工智能将越来越多地帮助企业针对大量的数据做出决定，否则我们很难发挥这些数据的作用。”

　　扩大应用领域 技术促发展

　　Splunk除了在人工智能和机器学习方面做了新的预测和展望之外，还在物联网、IT运维以及安全等领域展现了自己的理解和认识。

　　严立忠认为，2018年，风险、行业、云以及机器学习将成为物联网领域的四个关键词。另外，在他看来，随着现有网络基础设施将被用于“连接物体”，当企业寻找新方法来挖掘智能设备生成的大量数据时，会进一步加大对分析技术的投资。工业资产管理、运输车队管理、库存管理和政府安全将是2018年物联网发展最热门的领域。

　　IT运维方面，严立忠认为，2018年人工智能将继续促进IT重塑。IT部门能利用数据和人工智能迅速发现潜在的问题，提出解决现有问题的建议，通过自助服务和自我恢复功能简化自动化流程，并预测未来的结果，从而估算出成本，优化资产回报。

　　在安全层面，Splunk认为，2018年在数据隐私保护、机器学习保障网络安全以及自动化减轻安全任务负担方面将得到长足发展，同时安全也不再只限于SoC，并成为业务的推动因素。对此，Splunk在安全层面发布了包括Splunk UBA 4.0、Splunk ES内容更新、Splunk Security Essentials for Fraud Detection、Splunk Insights for Ransomware以及Splunk Insights for AWS Cloud Monitoring在内的众多新的解决方案，以满足对高质量全套解决方案的迫切需求以及具体客户对安全和IT运营的安全要求。

　　本报记者 路沙