Cisco DNA Center Assurance est une solution qui change la donne pour dépanner les problèmes de réseau. Elle fonctionne en recueillant une grande quantité de données sur le réseau, en traitant ces données et en présentant à l’administrateur des renseignements détaillés sur la santé des périphériques du réseau, des clients et des applications. Elle utilise aussi ces mêmes données pour détecter les problèmes ou les difficultés sur le réseau en tirant parti de règles préprogrammées. J’ai toujours aimé comparer cela aux signatures complexes permettant de détecter les problèmes sur le réseau lorsque certaines conditions ne sont pas remplies.
Cisco DNA Center Assurance utilise fréquemment des seuils pour déterminer si oui ou non un état précis dans le réseau relève d’un problème ou d’une situation normale. Sa grande souplesse permet à l’équipe des TI de personnaliser ces seuils.
Grâce à l’intelligence artificielle et à l’apprentissage automatisé, nous pouvons augmenter ces capacités. L’apprentissage automatisé est une application d’intelligence artificielle (IA) qui permet d’analyser le trafic sur une période donnée et d’y chercher des tendances afin de déterminer des seuils dynamiques qui s’adapteront aux différents types de réseaux. Grâce à l’apprentissage automatisé, nous pouvons augmenter le nombre de difficultés détectées par Cisco DNA Center en se fondant sur les décisions déterminées par l’AI, appelées seuils dynamiques.
La première étape d’apprentissage automatisé dans DNA Center Assurance est utilisée pour résoudre le problème le plus courant dans un réseau sans fil : l’intégration dans un réseau sans fil et l’expérience d’application sans fil. Cliquez sur la vidéo ci-dessous pour voir une démonstration des conclusions générées par l’IA :
Grâce à l’IA/AA, DNA Center est aussi dotée de la capacité de produire des renseignements contextuels sur le réseau, c’est-à-dire une analyse des tendances afin de détecter les entités présentant un changement de comportement. Ces renseignements sont utiles, car ils permettent de potentiellement déceler et prévenir les problèmes sur le réseau avant qu’ils ne se manifestent. Illustrons cela avec un exemple : si nous constatons une augmentation du nombre de clients, cela signifie que le point d’accès est plus sollicité. Cela indique que les utilisateurs ont besoin d’une couverture plus importante et donc de points d’accès plus nombreux dans la zone.
Cliquez sur la vidéo ci-dessous pour voir une démonstration des tendances et des analyses rendues possibles grâce à l’IA/AA :
La fonctionnalité de carte de fréquentation du réseau du Cisco DNA Center vous aide à explorer de manière proactive les zones à optimiser en cernant les principaux points d’accès que l’administrateur doit surveiller. À l’aide du tableau de bord Network Heatmap, vous pouvez sélectionner les indicateurs clés de performance que vous voulez passer en revue sur une période d’un mois. La vue des principaux points d’accès au réseau affichera une représentation graphique des points d’intérêt dans le réseau et des tendances quotidiennes au cours des 30 derniers jours.
Dans la vidéo ci-dessus, nous avons déterminé que le nombre de clients a augmenté au cours des quatre dernières semaines. Examinons maintenant les cartes de fréquentation pour l’indicateur clé de performance du nombre de clients :
Points à retenir
- L’apprentissage automatique permet une amélioration systématique se basant sur l’expérience et l’observation des données afin de découvrir des tendances afin de perfectionner les corrélations, les inférences et les prédictions.
- L’apprentissage automatique peut améliorer la visualisation des problématiques sur le réseau en exploitant l’IA pour tirer des conclusions des données, produire des cartes de fréquentation du réseau, dégager des tendances et analyser les données.
Cela étant dit, aucun blogue ne vaut votre propre expérience! Je vous encourage à essayer AI Network Analytics pour en découvrir les avantages.
Vous aimez ce type d’article ou vous voulez en savoir plus sur Cisco DNA Center? Cliquez ici pour parcourir mes billets de blogue techniques!
Authors
