アプリケーションの次の旅: 膨大なデータから価値を引き出す

ケン・アローラ

2020年3月30日公開

「データは新しい石油です」または「データはデジタル経済の潤滑油です。」あなたも私と同じなら、おそらくこれらのフレーズ、あるいはビジネススクール風の「データエグゾーストによる収益化」という決まり文句を聞いたことがあるでしょう。しかし、すべての優れた決まり文句と同様に、それらは根本的な真実、またはこの場合は、相補的な一組の真実に基づいています。最初の真実は、通常の運用プロセスのデータ副産物には潜在的な価値が含まれているという観察です。 2 番目は、関連しているもののあまり言及されない真実ですが、その潜在的な価値を抽出する集中的なプロセスは複数のステップから成る旅であり、その途中では自然な進歩と成熟の段階があるということです。

振り返ってみると、業務からデータを収集してビジネス価値を獲得するという概念は、決して新しいものではありません。実際、食料品や配送業界など、物流の最適化に依存している業界では、この概念を長い間理解し、受け入れてきました。同様に、現代の企業の「デジタル変革」への傾向はこの考え方を一般化したものであり、通常はまず社内のビジネスプロセスとワークフローに適用されます。明らかに、アプリケーションとアプリケーションサービスの分野でも同様の進化が起こっています。この記事では、アプリケーションとアプリケーションサービスの進化が、データ価値抽出というより大きなメガトレンドとどのように相互作用し、調和するか、その共生が現在どこにあるか、そして最後に、近い将来どこに向かうかに焦点を当てたいと思います。

ステップ1: 収集と報告

この旅はデータの収集から始まります。データをシステムの燃料と考えると役に立ちます。燃料がなければ、作業を行うエンジンに燃料を供給することはできません。アプリケーションサービスソリューションでは、セキュリティ、信頼性、パフォーマンス管理、オーケストレーションのためのイベントや統計が大量に提供されるため、表面的には、これは既成事実のように思えます。しかし、データは構造化されていないことが多く、構文は可変であり、セマンティクスはアドホックであることが多いです。単純だがよくある例を考えてみましょう。データでは時間の概念はどのように表現されていますか? 通常、タイムスタンプのように概念的に単純なものを表現する方法は多数あります。これは、イベントと統計を記述する基本的な「原子」の共通表現である共通語の必要性を示しています。技術用語では、これを「データ取り込み」と呼び、一貫したデータスキーマに基づいて構築され、必要に応じてアダプター/トランスレーターを活用します。このニーズは歴史的に、SIEM ベンダーの成長と価値を実現した重要な原動力の 1 つであり、SIEM ベンダーは、多数のセキュリティポイントソリューション全体にわたってセキュリティの総合的なビューを提供するために、この標準化された語彙を提供するというニーズを満たしてきました。出力として、データの統合されたプレゼンテーション、つまり現在何が起こっているのか、過去に何が起こったのかを体系的かつ総合的に目撃したレポートを作成する能力は、現在、業界のほとんどが到達している段階です。今日のアプリケーションエコシステムでは、これは主に SIEM および APM 市場分野によって例示されます。

ステップ2: 抽出して説明する

次のステップは、目撃者の報告を理解し、共通点を探し、データを説明可能なパターンに抽出し、異常を特定することです。関係するデータの量が多いため、この活動では人間は通常、コンピューターによって支援または強化されます。この支援は、高度で、多くの場合は教師なしの統計分類手法を使用する形をとる場合があり、場合によっては人間によるデータ探索と視覚化が強化されることもあります。

DoS 対策ドメインの一例としては、着信トラフィックの地理的性質の視覚化が挙げられます。これは、少数の国から発信される悪意のあるトラフィックを識別するためによく使用されます。もう 1 つの例は、人間の行動とボットの行動の属性を特徴付けるユーザー行動分析 (UBA) ツールの分野です。これらのソリューションでは、多くの場合、統計分析を使用して、Web でのやり取りが人間によるものである可能性に確率を割り当てます。

この段階の「抽出と説明」は、前の「収集と報告」のステップから進化したものです。基本的には、分析を適用するための大規模で構造化されたデータプールがあることに依然として依存しています。前述のように、このアプローチは、アプリケーションセキュリティに関する最近の (ただし焦点が狭い) ポイントソリューションの基礎となっています。

ステップ3: 推測と予測

この旅の 3 番目のステップは、「抽出と説明」の控えめな分析を超えて、より深い分析的推論を行い、予想される将来の観察についての予測と予想につながることです。これにより、予想される将来の動作をインテリジェントに推定することで、ソリューションは単なる反応以上のものへと進化します。アプリケーションインフラストラクチャレイヤーの例としては、アプリケーションパフォーマンス管理 (APM) 領域が挙げられます。具体的には、時間ベースの動作パターンを識別し、それらのパターンを使用して将来のリソース要件を予測します。アプリケーションビジネスロジックのユースケースを使用したもう 1 つの例として、旅行サイトが機械学習(ML) 技術を使用して、将来の日付における特定のルートの需要と供給を予測する方法が挙げられます。ここで最も頻繁に使用されるテクノロジは、高度な分析テクノロジ、特に前のステップで見つかったデータパターンに基づいて構築される時系列および線形回帰手法に基づくテクノロジです。

ステップ4: 理由と処方

4 番目で最後のステップは、「ループを閉じる」ことで、システム全体に対して実行可能な調整と修復を実行することです。前の 2 つのステップからの分析は、一連のプロアクティブな推奨事項に変換されます。この時点で、システムは攻撃や環境の変化に対して適応性と堅牢性を持つようになります。たとえば、この機能を利用する概念的なアプリケーションインフラストラクチャでは、予測される需要に基づいて、コンテナーワークロードインスタンスをプロアクティブに作成または破棄する機能が備わります。あるいは、アプリケーションセキュリティの観点からは、以前に学習したボットネットの動作に基づいて、ボットネットによって生成されたトラフィックをプロアクティブにフィルタリングする可能性があります。ビジネスロジックの分野では、予測される需要と供給に基づいた動的な価格設定という注目すべき例がすでに存在しています。

基盤となるテクノロジーは多くの場合ルールベースであり、ルールは予測をアクションに変換するために使用されます。ただし、アプリケーションインフラストラクチャとアプリケーションサービスのコンテキストでは、このアプローチは、構成とオーケストレーションのための、より意図に基づいた、または宣言的なディレクティブと組み合わされることがよくあります。

旅を加速する

「収集と報告」から「抽出と説明」、そして「推測と予測」、そして最終的に「推論と指示」に至るこの過程は、自然な流れです。それぞれの段階的な進歩は、以前の進歩を基盤として、新たな、より鋭いレベルの価値を生み出します。アプリケーションインフラストラクチャとサービス分野の課題に対する今日のソリューションセットは、データ価値抽出の進行に沿った成熟度にばらつきがあり、通常は多数のポイントソリューション間で適切に統合されていません。

データの「エンジン」のためのいわゆる「燃料」である前段階の実現ステップは、豊富なアプリケーションサービス全体にわたる可視性を獲得することです。アプリケーション配信チェーンの複数のポイントに沿って展開され、一貫性のあるデータセマンティクスとフェデレーテッドデータリポジトリの原則と組み合わされたこのインストルメンテーションは、F5 がアプリケーションサービスの未来への取り組みを加速させる方法の 1 つです。当社は、データファンネルを拡大してポイントソリューションの統合を改善すると同時に、関連するテクノロジビルディングブロックの高度な開発を促進することで、お客様への価値提供のペースをさらに加速させていく予定です。

今後の記事では、データシェパードアーキテクチャについてさらに詳しく説明し、関連するコアテクノロジーを詳しく掘り下げるとともに、複数の主権データパイプラインにわたる複数のデータエコシステムの相互作用を詳しく調べていきたいと思います。