Analytics Plus de ManageEngine añade un motor de recomendaciones contextuales

ManageEngine lanza la versión 6.0 de Analytics Plus, su solución de análisis de TI. Su mayor novedad es el motor de recomendaciones contextuales Spotlight, que está impulsado por tecnología de inteligencia artificial (IA).

Spotlight funciona como un asistente. Supervisa ineficiencias y cuellos de botella en las operaciones para sugerir correcciones. Por ejemplo, es capaz de plantear correlaciones entre la edad de activos informáticos, su frecuencia de error y el tiempo medio de reparación para guiar su sustitución.

Esto en la práctica permite a directores de TI y CIO dedicar menos tiempo a estudiar métricas y encontrar soluciones. “Las organizaciones ya no buscan pasar horas explorando datos para obtener información procesable. Necesitan estrategias preparadas que puedan aplicar inmediatamente para ver resultados rápidos”, comenta al respecto Rakesh Jayaprakash, director de producto y evangelista jefe de análisis de ManageEngine.

“Hay suficientes herramientas en el mercado que prometen automatización y corrección de los fallos cotidianos de la red y las aplicaciones, pero no se centran en la toma de decisiones estratégicas. Esta es la brecha que Spotlight pretende salvar”, añade.

“El análisis tradicional de datos de TI suele limitarse a herramientas individuales”, prosigue Jayaprakash. “Esto dificulta la correlación cruzada e impide a las organizaciones obtener una imagen completa de su infraestructura de TI. Al analizar todas estas métricas juntas en una plataforma centralizada, las organizaciones pueden desbloquear un valor significativo”.

En este sentido, otra de las funcionalidades de ManageEngine es una biblioteca unificada de métricas de TI que reúne diferentes indicadores clave de rendimiento en la misma vista, como única fuente de verdad.

Analytics Plus cuenta, además, con capacidad para realizar análisis de causa raíz. Esto significa que identifica los factores que derivan en una tendencia en concreto y permite comprobar si las decisiones que se han tomado están funcionando.

Por otro lado, los equipos de TI podrán crear modelos personalizados de aprendizaje automático sin escribir código, desarrollándolos directamente sobre los datos.

La lista de características se completa con la previsión multivariante, gráficos de flujo de trabajo, el soporte del procesamiento distribuido e integraciones con herramientas populares.