2023年IT和可观察性预测报告-Splunk_28页_6mb

报告摘要

2023年Splunk IT+可观察性预测总结

可观察性成为核心能力
随着IT基础设施和应用程序复杂性的增加，可观察性被确立为关键的运维能力。它通过提供全面的可见性与背景信息，支持混合云、微服务、Kubernetes等架构的监控需求，帮助组织确保数字健康、可靠性和性能。传统运维团队和DevOps/SRE团队在可观察性采纳中呈现分化：前者需从传统架构过渡到云原生工具，后者则更倾向于直接采用开箱即用的云原生解决方案。Splunk指出，可观察性不再仅是差异化工具，而是数字化转型（DX）的基础支柱。
数字化转型（DX）重心转向数字体验
在疫情推动下，DX的焦点从广义的现代化转向提升客户体验的细微之处。企业需通过可观察性快速响应客户问题，甚至在客户察觉前主动修复系统异常。例如，PapaJohn’s在疫情后90%订单来自数字接口，凸显了支付系统和应用程序可用性的重要性。可观察性工具将整合至全业务流程，以支持实时洞察和高效决策。
自动化成为下一阶段竞争关键
技术复杂性和人才短缺迫使企业更依赖自动化。Splunk预测，自动化将优化运维流程，从入职培训到威胁响应，提升效率并减少对单一技能人才的依赖。机器学习（ML）的进步使自动化更智能化，如通过自然语言处理工具（如GitHub Copilot）简化开发任务。此外，自动化将与ML结合，推动MLOps（机器学习运维）的发展，以标准化AI模型的开发与管理流程。
安全与可观察性融合增强弹性
安全性与运维可观察性逐渐整合，形成统一的“DevSecOps”实践。安全团队需利用运维数据定位威胁，而运维团队也需通过安全工具提升系统稳定性。CISO角色扩展至涵盖网络弹性与性能保障，CTO则承担更多跨职能的技术管理责任。这种融合使组织能通过统一平台实现更高效的事件处理与合规性管理。
人才战略转向广泛招聘与培训
面对人才短缺，企业需招聘具备求知欲的问题解决者，而非仅依赖特定证书或经验。Splunk建议供应商构建更全面的人才生态系统，通过平台培训提升用户能力，同时降低工具学习门槛。例如，安全产品将重点培养威胁猎人和分析师的综合技能，而非仅教授Splunk操作。此外，AI伦理教育和MLOps实践将催生新岗位，如AI伦理学家和提示工程师，以确保模型公平性与透明度。
AI/ML价值实现与伦理挑战
AI/ML已从概念走向实际应用，推动性能优化和预测分析。但伴随而来的伦理问题（如模型偏见）促使行业建立标准化流程。MLOps通过引入开发运维模式，提升AI模型的可解释性与可控性。Splunk强调，需通过模型卡等工具增加透明度，并建立监管与自我审查机制以应对潜在风险，例如AI事件数据库的构建。
弹性作为技术落地的核心目标
在动荡的经济环境中，IT团队更关注快速从数据中获取价值，而非长期投入。弹性被定义为系统在复杂环境中的适应能力，涵盖性能、可用性和安全性的平衡。企业需通过可观察性、自动化与AI技术的协同，实现高效运维和客户体验提升，同时应对全球性挑战（如经济衰退）带来的资源限制。