Спросите ИТ-отдел: «Сколько у нас ноутбуков?» Ответ, скорее всего, будет зависеть от того, к кому вы обратились и какое программное обеспечение используется.
В течение многих лет, эта неоднозначность была вполне решаемой. Специалисты приходили к согласию, сравнивая данные в таблицах или на встречах. Исследование компании Ivanti показывает, что 34% организаций до сих пор ведут учет ИТ-активов в электронных таблицах, что говорит о том, что значительная часть работы все еще выполняется вручную.
Создайте надежный источник данных, на котором может работать искусственный интеллект →
Автоматизация меняет правила игры. Когда программное обеспечение работает на основе данных, не требуя предварительной проверки человеком, вопрос о том, какие данные являются правильными, перестает быть актуальным. Люди привыкают к неоднозначности и задают вопросы. Автоматизация этого не решает. Она работает в больших масштабах и с высокой скоростью.
Что такое система единого источника данных: практическое руководство
Система учета – это ключевой источник информации для конкретных типов данных. Это централизованное место, где собираются данные из разных источников. Важно понимать, что не всегда требуется единая база данных, содержащая всю информацию. Более эффективным подходом является четкое определение ответственности за данные на уровне предметной области. Например, одна система может быть надежным источником информации об идентификации устройства и его характеристиках, другая – о данных пользователя, а третья – о взаимосвязях между сервисами. Важно, чтобы авторитет каждого источника был четко определен, задокументирован и соблюдался всеми процессами и инструментами, использующими эти данные, включая автоматизацию.
Представьте, что происходит без такой системы. Автоматизированный процесс установки обновлений на устройство работает, но информация об устройстве дублируется, и обновление устанавливается на неверное устройство. Правило автоматически помечает ноутбуки, которые не подключались в течение 60 дней, как потенциально утерянные, хотя данные о подключении устарели, и даже активные устройства могут быть ошибочно помечены. Если системы управления персоналом и ИТ расходятся во мнениях относительно статуса сотрудника, доступ к ресурсам может быть отозван слишком рано или вообще не отозван. Эффективность каждого правила напрямую зависит от надежности данных, на которых оно основано.
Контроль, ответственность и отслеживаемость: ключевые принципы в разработке программного обеспечения
Во многих областях управления данными часто возникает путаница между понятиями "владения" и "полномочий". "Владение" – это вопрос ответственности: кто несет ответственность за поддержание точности данных, разрешение возникающих противоречий и утверждение изменений. "Полномочия" же – это вопрос приоритета: когда две системы содержат разные значения для одного и того же атрибута, какая из них должна быть принята во внимание? Оба этих аспекта необходимо четко определить. Технически, источник данных может быть надежным, но если никто не несет ответственности за его точность, качество данных неизбежно ухудшится.
Практический подход – начать с определения 10-15 ключевых атрибутов, на которых больше всего полагается автоматизация: например, название устройства, владелец, местоположение, операционная система, уровень критичности, дата последнего обновления. Для каждого из этих атрибутов необходимо определить как "авторитетный" источник, так и "ответственного владельца".
Крайне важно обеспечить возможность отслеживания. Когда автоматизированное действие работает некорректно, первым вопросом всегда является: "Почему это произошло?". Надежная система учета позволяет быстро и эффективно ответить на этот вопрос. Если командам удается отследить действие до конкретной записи и атрибута, который его спровоцировал, а также узнать, когда эти данные были обновлены в последний раз, то устранение неполадок занимает считанные минуты, а не дни. Без этого, командам приходится тратить время на восстановление событий, анализируя разрозненные логи и другие источники информации.
Контекст и база: как Google, OpenAI и Copilot меняют IT-ландшафт
Недостаточно просто автоматизировать отдельные задачи. Для эффективной работы автоматизации необходим контекст: какие бизнес-сервисы поддерживает устройство, насколько он критичен, кто на него полагается и какие ограничения существуют для его обслуживания. Сервер, отвечающий за расчет заработной платы в конце месяца, не должен рассматриваться как тестовый сервер, даже если оба подвержены одной и той же уязвимости. Контекст позволяет автоматизации принимать взвешенные решения, а не просто повторять одни и те же действия. Платформа Ivanti Neurons построена для объединения данных об активах с информацией о сервисах, владельцах и приоритетах бизнеса.
Сложно начать автоматизацию, сразу взявшись за сами процессы. Они хорошо видны, измеримы и приносят ощутимую пользу. Однако, построение надежной базы данных, лежащей в основе, – это более сложная задача. Команды, которые пропускают этот этап, часто автоматизируют свои недостатки, а затем тратят месяцы на устранение последствий. Автоматизация управления конечными устройствами требует надежной базы данных, и этот инвестиционный вклад окупается в каждом процессе, построенном на ее основе.
Организации, которые получают реальную выгоду от искусственного интеллекта, не начинали с самой модели. Они начали с данных. Потому что без надежных данных, искусственный интеллект – это лишь теоретические предположения. А в корпоративной IT – это не эффективная стратегия.
Обеспечьте стабильную и надежную автоматизацию, используя проверенные данные и решения от Ivanti.
