Pour remplir sa mission, l'entreprise ne peut pas se contenter de surveiller les données SNMP typiques sur lesquelles s'appuient la plupart des entreprises. Pour établir et maintenir une connectivité fiable avec les actifs d'entreprise et gouvernementaux dans les sites les plus éloignés au monde, son réseau basé sur les satellites utilise une gamme de protocoles et de types de données qui dépassent les capacités des systèmes de surveillance réseau traditionnels.
Ces dernières années, son équipe chargée des opérations du réseau a réalisé plusieurs mises à niveau de ses systèmes de support opérationnel (OSS) afin d'étendre et d'améliorer les services offerts aux clients pour leurs opérations complexes, comme les cargos en mer, les avions en plein vol et les activités menées dans les endroits les plus reculés.
Malgré ces améliorations, l'équipe rencontrait toujours des difficultés pour collecter, normaliser et analyser les données de performance. En raison de son environnement d’exploitation inhabituel et de son éventail de données disparates et non standard, l’équipe devait assez souvent regrouper à la main des données issues de différents sous-systèmes afin de les corréler à un appareil particulier ou à une autre ressource réseau.
L'entreprise recherchait un moyen plus efficace pour collecter et analyser toutes ses données de performance afin que les problèmes de performance puissent être diagnostiqués et résolus rapidement, avant de se transformer en événements ayant un impact sur le client.
C'est dans cette optique que l'équipe s'est tournée vers IBM SevOne Network Performance Management (NPM).
L’équipe avait déjà mis à niveau ses performances réseau et ses capacités de gestion des événements, notamment grâce à des investissements importants dans la solution IBM Cloud Pak for Watson AIOps pour assurer des fonctions de corrélation, d'enrichissement et de consolidation inter-domaines pour un volume élevé d'alertes et d'autres données opérationnelles dans un même tableau de bord : une optimisation très utile pour les équipes IT et NetOps.
Ainsi, l'équipe n'avait pas de difficultés pour mener ses analyses et identifier des actions correctives basées sur les alertes entrantes et d'autres données d'événements de performance. Son grand défi consistait à regrouper toutes ses données au même endroit et dans un format cohérent pour pouvoir ensuite tirer parti des solides capacités d'IBM Cloud Pak for Watson AIOps. Au quotidien, l'équipe se heurtait à des problèmes lorsqu'elle essayait de traiter et d'utiliser toutes ses données, y compris ses nombreux types de données non standard de manière unifiée.
La flexibilité et l'évolutivité inégalées de SevOne NPM ont donné à l'équipe un moyen efficace pour surmonter cet obstacle. En utilisant une ressource basée sur Kafka, SevOne NPM a pu prendre en charge une gamme de flux Kafka contenant des données sous forme non standard, y compris des formats spécifiques aux satellites et des données IdO. Une fois toutes les données de performance collectées via la connexion entre Kafka et SevOne NPM, elles ont pu être transférées dans l'outil IBM Netcool Operations Insight (qui correspond aujourd'hui au composant Event Manager d'IBM Cloud Pak for Watson AIOps) pour une analyse et une action rapides.
Grâce à la flexibilité et à l'évolutivité de SevOne NPM, l'équipe avait à présent accès à toutes ses données de performance au même endroit, dans un format unique compatible avec IBM Cloud Pak for Watson AIOps.
