Dynatrace打造AI驅動可觀測性平台，助企業翻轉用戶體驗與業務成果

隨著企業擁抱數位轉型，使IT環境日益複雜，連帶產出多樣性海量資料，加重維運負擔。Dynatrace大中華區技術總監賴偉臣解釋，常見的IT挑戰在於企業獲知客戶端出現問題，卻無法快速梳理事件根因，在故障排除上耗時甚鉅，進而影響客戶體驗。

當務之急，企業希望強化從資料到可操作的洞察力，以最短時間解讀事件脈絡並找到問題解方。為此，Dynatrace提供內嵌Davis AI引擎的統一平台，自動偵測問題、分析資料並還原真因，建立端到端可觀測性，協助企業加速排解難題，將業務衝擊降至最低。

化繁雜工具為統一平台，簡化可觀測性

賴偉臣指出，傳統IT監控模式需啟用眾多工具，故形成日誌、回應時間、服務可用性、伺服器度量、網路流量、客戶體驗…等孤島，彼此資料無法串聯；以致企業遭逢突發事件時，難以迅速釐清上下文脈絡。

Gartner提倡「可觀測性」現代維運方法，旨在匯聚度量、日誌、交易追蹤不同類型資料，結合AIOps關鍵能力，確保跨職能團隊理解並回答關於動態分散環境裡的特定問題，甚至在問題影響用戶前主動解除障礙。

「但可觀測性不能解決資料孤島，因度量、日誌、交易等數據是分開的，所以仍需要提升收集資料品質和效率，」賴偉臣說，Dynatrace在實踐可觀測性概念的同時，亦致力建立一個無需變更原系統的自動化採集機制，讓企業不再需要歷經耗時部署與配置，便能快速有效使用收集的資料。

Dynatrace的做法為透過單一平台收集基礎設施、Kubernetes環境、應用程式、資安、業務、用戶體驗…等相關資料，集中儲存於Grail資料湖倉；接著由Davis（為兼具確定性AI、預測性AI、因果AI、生成式AI的超模態引擎）自動處理與分析資料，進而提供IT營運、平台工程師、開發人員、安全營運、業務營運等不同團隊，確保不同團隊提供統一資料、獲取同一個結論，高效率地定位問題。

AI＋自動化，大幅縮短MTTD／MTTI

具體來說，Dynatrace亟欲打造「感知-思考-行動」模型。其中感知、思考依序代表資料收集和分析，加速解析問題成因，以利企業採取行動解決眼下難題，大幅縮短MTTD／MTTI（平均檢測／調查時間）。

因此企業一旦善用Dynatrace自動化和AI驅動的可觀測性平台，便可完整掌握自動收集資料、原生資料儲存、自學根因、自動抑制告警噪音、靈活報告引擎、可擴展性、觸發自動修復等屬性，有效處理複雜環境，形塑更高品質的發佈、更好的客戶體驗、加速業務成果等價值。

影響所及，以一個指標性國外用戶為例，未採用Dynatrace前，平均需以70人、50分鐘處理單一事件，如今縮減為5人參與、8分鐘，效率提升顯著，從而帶來推動創新、降低風險、優化成本等效益，為數位轉型扎下堅實基礎。