ログイン / 登録 アカウント

自動化

予測分析で IT パフォーマンスを向上させる方法

予測分析とは

予測分析は、現在と過去のデータを分析して、将来のイベントを予測する分析手法です。予測分析は、機械学習、統計モデリング、データマイニングなどの分析技法を使用して、傾向、行動、今後の成果、ビジネスチャンスの特定を支援するものです。

IoT (モノのインターネット) によって、組織がアクセスできるデータ量や、収集するデータ量はこれまで以上に増えています。予測分析は、ビッグデータを解釈してビジネス上の知見や意思決定に活用するための有益なツールです。

パターンと動向を特定するには大量のデータが必要で、情報を活用して意思決定を下すにも十分な量のデータが必要となるので、その中核にはビッグデータがあります。

多種多様な予測分析ツールとソフトウェアが市販されているので、ビジネスユーザーやアナリストはモデルを構築して知見を得ることができます。どの予測分析ソフトウェアが組織にとって最適であるかは、各組織のユースケースと目標によって決まります。

予測分析の技法

予測分析の仕組みは、変数の入力セットに基づいてモデルをトレーニングして、新しいデータの値を予測するというものです。モデルによって変数間の関係とパターンを識別して、トレーニング内容に応じてスコアを算出します。

そのスコアは、一連の条件のリスクを評価したり、潜在的なメリットを評価したりするためのビジネスインテリジェンスとして使用できます。また、何かが起きる可能性の判定に使用されます。

予測分析は、構造化データと非構造化データの両方に適用できます。データマイニングは大規模データセット内のパターン、傾向、行動を発見するプロセスですが、データウェアハウスやデータレイクなどの複数のソースから取得したデータを分析用に準備するために役立ちます。

こうしてデータ分析の準備が整ったら、予測モデリングで予測分析モデルの作成とテストを行います。トレーニングと評価を行ったモデルは、以後同様のデータに関する新しい質問への回答に再利用できるようになります。

予測モデリング技法としては、回帰技法、機械学習技法、デシジョンツリー、ニューラルネットワークなどが代表的ですが、他にも多数の技法があります。

回帰モデル

回帰モデルは、数式を使用して変数間の関係を判定します。

線形回帰モデルは、無限の可能性を持つ連続的な結果 (例えば、単位面積当たりの既知のコストを使用した潜在的な不動産価値) を返しますが、ロジスティック回帰モデルは、限られた数の可能性 (例えば、その近隣の特定の家がある価格より高い価格で売れるか、低い価格で売れるか) を返します。

回帰モデルは、銀行やその他の金融機関で信用リスクの判定やクレジットカード詐欺の検知、市場動向の予測、新しい金融サービス規制による影響の予測に、しばしば使用されます。

デシジョンツリー

デシジョンツリーもまたよく使用される予測分析で、ある 1 つの決定が次の決定を導く方法を決める技法です。デシジョンツリーのアプローチは機械学習モデルに適用できます。「これが起きたら、次はこれが起きる」という一連の条件を、逐次的で階層的な質問のリストに基づいて判定し、入力データに基づいて結果を導出します。

このモデルは分岐フォーマットになっているので、それぞれの決定からどのような特定の結果を導くかが表現され、決定によって生まれる可能性があるすべての結果を示すこともできます。

機械学習

機械学習は予測分析の延長線上にあります。予測分析のモデル作成は、多くの場合、データサイエンティストやデータアナリストによる介入を必要としますが、人工知能や IBM の Watson のようなディープラーニングのソフトウェアで使用される機械学習アルゴリズムは自己学習型です。継続的な再プログラミングを必要とせず、データ処理に伴って改善および進化します。

ニューラルネットワーク

ニューラルネットワークは、回帰モデルとデシジョンツリーから得られる情報の正確性を判定するために使用される高度な分析手法です。ニューラル・ネットワーキングは、異種データ間の非線形の類似性を識別します。特に、起こり得ることの範囲を知ることが、なぜそのような可能性が生じ得るのかを理解するよりも重要な場合に有用です。

予測分析で IT パフォーマンスを向上

予測分析によって、リスクの特定や IT インフラストラクチャが抱える潜在的な問題の検知を通じて、IT のパフォーマンスの向上を補助することができます。予測分析を使用すると、運用チームは、例えば機器の故障などのエラーレポートを待つことなく、問題が環境に影響を及ぼす前に先回りして発見して対処できるので、組織の時間とコストの節約にもなります。

予測分析を使用してリスク評価を作成し、リアルタイムで発生しているあらゆるアクションの検査によってネットワーク上に異常事態がないか探して潜在的な脆弱性を特定できるので、セキュリティの問題を予防し、予定外のダウンタイムを防止することもできます。

自動化ツールを予測分析と組み合わせて使用して、特定された問題を修復したり、予測された結果に基づいて変更を実装したりすることができます。

Red Hat を選ぶ理由

Red Hat は、IT インフラストラクチャに関する情報を特定して修復を自動化するために必要な予測分析と自動化ツールと、ソリューション、サービストレーニングを提供し、イノベーションと前進に注力するビジネスをサポートします。

Red Hat® Insights は、予測分析と処方的分析を組み合わせて、物理、仮想、コンテナ、プライベート、およびパブリッククラウドの各環境にわたり、段階的な修正ガイダンスを提供します。Red Hat インフラストラクチャ上で先回りしてリスクを特定して修復するので、問題が環境に影響を及ぼす前に対処して、時間とコストを節約できます。

ハイブリッド環境の状況をリアルタイムで確認できるので、潜在的な問題が通知され、問題に発展する前に修復する対応手順が提供されます。Red Hat® Ansible® Automation Platform Playbook と Insights を使用して、修復をリアルタイムで自動化します。

IT の自動化に必要なツール

Red Hat Ansible Automation Platform

一貫性があり、軽量かつ反復可能な手法で、ビルド、デプロイ、管理のプロセスを自動化します。

Red Hat Insights logo

セキュリティ、パフォーマンス、可用性、安定性への脅威をプロアクティブに特定・対策。

自動化についてさらに詳しく