CN104657811B - 用于账户健康评估、风险识别和补救的方法和系统 - Google Patents
用于账户健康评估、风险识别和补救的方法和系统 Download PDFInfo
- Publication number
- CN104657811B CN104657811B CN201410658229.4A CN201410658229A CN104657811B CN 104657811 B CN104657811 B CN 104657811B CN 201410658229 A CN201410658229 A CN 201410658229A CN 104657811 B CN104657811 B CN 104657811B
- Authority
- CN
- China
- Prior art keywords
- measurement
- computer processor
- polymerization
- accident
- risk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明提供一种方法和系统,用于确定账户健康,识别和评级隐藏和可见风险,以及识别补救措施,响应识别到的风险和作为改善账户健康评分的方式。该方法包括:检索与用户的用户账户相关联的量度。生成和存储来自量度的聚合量度和附加聚合量度。加权系数被应用于聚合量度和附加聚合量度。事件的特征和事故的征兆被建模,以识别最佳适配与可能的根本原因。作为响应计算用户账户的总体健康和风险评分。
Description
技术领域
本发明一般涉及用于确定账户的健康、识别账户中的风险、评估风险影响以及建议补救措施的方法,特别是涉及用于基于账户健康确定而提供补救的方法和相关系统。
背景技术
确定系统问题典型包括几乎不具有灵活性的不精确的过程。修正系统问题可能包括会消耗时间并需要大量资源的复杂的过程。因此,在本领域中存在对于至少克服一些以上描述的缺陷和限制的需求。
发明内容
本发明的第一方面提供一种方法,包括:由计算系统的计算机处理器从多个来源中检索与用户的用户帐户相关的量度(metrics);由计算机处理器从关于多个来源的所述量度中生成聚合量度;由计算机处理器从与用户的附加帐户相关的量度中生成附加聚合量度,其中,关于附加来源聚合附加聚合量度;由计算机处理器在存储库数据存储仓库(repository data storage warehouse)中存储所述聚合量度和所述附加聚合量度;由计算机处理器检索所述聚合量度和所述附加聚合量度;通过计算机处理器执行加权引擎,将加权系数应用于所述聚合量度和所述附加聚合量度,其中,加权系数与危险程度和重要性系数相关;以及由计算机处理器基于应用到所述聚合量度和所述附加聚合量度的加权系数,为用户帐户和附加帐户关于规定平台和附加平台计算总体健康和风险评分,其中,总体健康和风险评分与规定时间周期相关。
本发明的第二方面提供一种计算系统,其包括与计算机可读存储器单元连接的计算机处理器,存储器单元包含指令,当该指令被计算机处理器执行时,实现包括以下内容的方法:由计算机处理器从多个来源中检索与用户的用户帐户相关的量度;由计算机处理器从关于多个来源的所述量度中生成聚合量度;由计算机处理器从与用户的附加帐户相关的量度中生成附加聚合量度,其中,关于附加来源聚合附加聚合量度;由计算机处理器在存储库数据存储仓库中存储所述聚合量度和所述附加聚合量度;由计算机处理器检索所述聚合量度和所述附加聚合量度;通过计算机处理器执行加权引擎,将加权系数应用于所述聚合量度和所述附加聚合量度,其中,加权系数与危险程度和重要性系数相关;以及由计算机处理器基于应用到所述聚合量度和所述附加聚合量度的加权系数,为用户帐户和附加帐户关于规定平台和附加平台计算总体健康和风险评分,其中,总体健康和风险评分与规定时间周期相关。
本发明的第三方面提供一种计算机程序产品,包括计算机可读的硬件存储器装置,该装置存储了计算机可读程序代码,该计算机可读程序代码包含算法,当该算法被计算机系统的计算机处理器执行时,实现包括以下内容的方法:由计算机处理器从多个来源中检索与用户的用户帐户相关的量度;由计算机处理器从关于多个来源的所述量度中生成聚合量度;由计算机处理器从与用户的附加帐户相关的量度中生成附加聚合量度,其中,关于附加来源聚合附加聚合量度;由计算机处理器在存储库数据存储仓库中存储所述聚合量度和所述附加聚合量度;由计算机处理器检索所述聚合量度和所述附加聚合量度;通过计算机执行加权引擎,将加权系数应用于所述聚合量度和所述附加聚合量度,其中,加权系数与危险程度和重要性系数相关;以及由计算机处理器基于应用到所述聚合量度和所述附加聚合量度的加权系数,为用户帐户和附加帐户关于规定平台和附加平台计算总体健康和风险评分,其中总体健康和风险评分与规定时间周期相关。
本发明有利地提供了能够确定系统问题的简单方法和相关系统。
附图说明
图1包括图1A和图1B,其示出了根据本发明的实施例的用于提供帐户健康评估的系统。
图2包括图2A和图2B,其示出了根据本发明的实施例的图1的集成的健康评估引擎的内部功能视图。
图3包括图3A和图3B,其示出了根据本发明的实施例的、互相通信的用于动态生成和关联生成速度的多个传播媒介(vehicle),该生成速度被建议的通道分配限制。
图4示出了根据本发明实施例的图2的根本原因分析器的布置图。
图5示出了根据本发明实施例的图1的系统所使用的计算机设备,用于提供帐户健康评估。
具体实施方式
图1包括图1A和图1B,其示出了根据本发明的实施例的用于提供帐户健康评估的系统100。系统100能够实现用于提供统一的帐户健康评估的方法,包括合并关于大规模数据的根本原因分析、风险评估、技能差异识别和补救措施建议。用于提供统一的帐户健康评估和风险识别的方法包括执行统一的评估,该评估包括通过收集在多个服务的事件发生期间的量度和识别事件的匹配量度,合并对于大规模数据的根本原因分析、风险评估、技能差异识别和补救措施建议,来提供合适的解决方案。
系统100提供集成机制来从不同的终端、技术和不同时间中收集量度,以便提供用于帐户健康、风险识别和补救措施的统一的控制板(dashboard),从而识别对一个或多个终端等产生影响的事故和事件的可能的根本原因。系统100执行以下过程:
1.从所有终端为所有平台(例如数据库、中间软件、操作系统、存储阵列、备用服务器等)收集量度。
2.由平台为终端向上展开(roll up)量度。量度的向上展开包括聚合所有由平台在每个帐户中单独收集的量度。例如,用于帐户A的所有数据库量度被聚合,用于帐户A的所有存储器量度被聚合等。
3.第二级别向上展开(roll up)指示过程的量度,该过程用于聚合所有在所有受支持的用户帐户的平台量度。
3.所有收集的量度(单独的/颗粒的也或者聚合的)被提供到集成的健康评估引擎105(以下会详细描述)。此外,所有收集的量度被提供到量度加权引擎118。量度加权引擎118给不同量度分配不同加权(按照危险程度和重要性的顺序),并且为每个帐户和每个平台针对给定的时间轴(即规定的月、周、日等)计算总体健康评分。
系统100包括集成的健康评估引擎105,其经由量度存储库(metric warehouserepository)110从终端部件115a和115b为帐户A检索量度112a…112f。终端部件115a和115b尤其可以包括数据库、应用服务器、服务器、虚拟机、存储阵列、备用媒体服务器、中间软件、监视服务器等。集成的健康评估和风险识别引擎105执行以下功能:根本原因分析、风险识别过程、技能差异识别过程和补救建议分析。集成的健康评估和风险识别引擎105包括技术补救引擎105a、技能评估引擎105b、最佳实践匹配部件105c、过程差异部件105d和根本原因分析器105e。
量度仓库存储库110C包括来自用于与建议的和允许的量度值范围比较的量度值,来利用相关等级识别风险。相关等级被存储,其允许系统地和自动地发现风险和可能的缓解措施。
技能评估引擎105b识别事件和事故,其在建议的平均时间内没有被解决以得到解决值。技能评估引擎105b另外将事故类别和子类别匹配到需要的技能级别。如果违反平均时间的重复模式(基于预定义阈值)被检测到用来得到用于事件的解决值,则可能的技能差异被识别为潜在改进的领域。通过评价根本原因、部件类型、事件/事故的严重性和事故类别与子类别来识别技能差异。
根本原因分析器105e评价收集的量度112a…112f,并且为用户账户中发生的事件和事故提供技术补救建议、技能差异分析和潜在根本原因。根本原因分析器105e基于在事件发生时收集的量度匹配问题(或事件),用于识别匹配发生进展,以基于匹配量度、在事件发生与在所有用户账户的类似事件发生之间的量度值的方差,发布已知建议。因此,根本原因分析器从数据的两个来源识别潜在根本原因,从而提供从其底线建议量度的回归和识别补救措施的能力。
系统100能够实现以下方法:
1.为每个部件类型定义量度。
2.为每个服务线/技术和账户/用户定制量度。
3.收集量度。
4.收集每个部件发生的事故/事件。
5.经以下维度将量度存储在量度存储库110:服务线/技术、账户名、地域和时间。
6.解析收集的量度来识别风险。
7.通过账户和时间的历史库解析识别的风险,以寻求缓解和补救措施。
8.解析事故/事件痕迹来检索基于匹配算法的已知和重要的补救建议。
9.通过技能评估引擎105b解析事故解决量度,来确定技能差异和建议。
10.向上展开部件量度到每个账户的服务线级别。
11.向上展开账户级别服务线量度到地域和全球级别。
12.按照(across)技术匹配量度来发现相互依赖性和风险关系。
13.按照(across)不同维度生成代表账户健康状态的控制板。
14.发现风险和与风险补救和缓解措施相关的建议。
15.识别技能差异和与补救措施相关的建议。
16.为事故和事件产生可能的根本原因。
系统100提供IT基础设施服务供应商,其支持多用户(被称为账户)。每个账户包括多个终端部件,其由IT基础设施服务供应商订约提供支持和维护。
系统100描述了用于从每个终端部件112a…112f为每个服务线/技术收集量度的过程。为每个部件类型收集的量度会改变。另外,可能存在一些共同用于多部件类型的量度。量度被进一步分类,例如性能、可用性、备份、监视、容量管理、商务连续性和部件卫生。每个类别是通过收集划分为与相关类别有关的量度进行测定的。根据从相关的容许限制(或值的范围)所收集的量度的方差和/或偏差,基于预先确定的量度加权比例为每个量度进行评级。所有用于一个类别(即在向上展开或聚合时)的评级后的(rated)量度产生用于特定的终端部件(即终端部件112a…112f)的类别等级的评级(rating)。终端类别评级被向上展开以产生用于相关终端(即终端部件112a…112f)的总体评级。同时,为用于特定服务线的所有终端部件112a…112f进行的类别评级被向上展开,以产生用于特定用户账户的全部服务线的单一类别评级。类别评级被进一步向上展开到国家、地域或全球级别。以上详细描述的向上展开机制和方法为特殊服务线、账户的健康、或地域和可以向IT服务供应商的管理团队呈现的控制板提供了数学达成评级的能力。
控制板基于在量度存储库110中存储的实际统计和指向(point-in)的时间数据来确定精确的潜在量度,该潜在量度有助于相关评级,从而提供生成获悉的基于量度的决定的能力,作为哪里指引(direct)补救措施和资源以获得最大总体评级改善。
另外,集成的健康评估引擎105包括技术补救引擎105a、技能评估引擎105b和根本原因分析器105e,来评价收集的量度和提供对于在用户账户发生的事件和事故的技术补救建议、技能差异分析、潜在根本原因。
图2包括图2A和图2B,其示出了根据本发明的实施例的图1的集成的健康评估引擎105的内部功能示图200。集成的健康评估引擎105能够执行以下关键功能:根本原因分析、风险识别过程、技能差异识别过程和补救措施建议过程。从每个终端(即图1的终端部件115a和115b)收集的用于所有服务线和每个用户账户的所有量度作为时间序列存储在量度存储库210。图2中步骤1包括通过根本原因分析器205e(重要性)解析事故和事件量度。在步骤2中,从量度存储库210获取事件发生时的量度值,用于进一步分析。在步骤3中,根本原因分析器205e将基于事故发生时收集的量度的问题(或事件)与知识数据库(KEDB)217进行匹配以识别匹配发生。在步骤4中,基于匹配的量度、在来自量度存储库210的事件发生与在所有用户账户的类似事件发生之间的量度值的方差,发出已知的建议。在步骤5中,根本原因分析器205e努力地将事件与来自相同终端的历史事件匹配,以识别量度相似性和导致事件发生的量度底线中的变化。因此,根本原因分析器205e识别来自两个数据源(KEDB217和量度存储库210)的潜在根本原因。在步骤6中,提供了来自相关底线的量度的建议回归。在步骤9中,来自量度存储库210的量度值被与建议和允许的量度值范围比较,以利用存储在风险记录管理数据库212中的相关评级来识别风险,从而允许系统地和自动地发现风险和可能的缓解措施。在步骤7和8中,识别在建议的平均时间内没有被解决而得到解决(MTTR)值的事件和事故,并且事故类别和子类别被匹配到需要的技术等级。另外,如果观察到对于事件的违反MTTR的重复模式(基于预定义阈值),则可能的技能差异被识别为潜在改进的领域。通过评价根本原因、部件类型、事件/事故重要性和事故类别和子类别来识别技能差异。
内部功能示图200包括以下标识:事故征兆标识和根本原因标识。事故征兆标识包括与每个事故关联的唯一标识。事故的根本原因标识被表示为根据多个变量的非线性模型。可能有多个模型适合一个特定事故。
图3包括图3A和图3B,其示出了根据本发明的实施例的图2的根本原因分析器205e的布置图300。布置图300示出了量度分类部件302、量度加权部件304、量度存储库308、分析引擎310、流程部件312和控制板部件314。量度分类部件302最终完成一系列的量度、确定相关值并且将量度分类。量度加权部件304为每个类别和相关量度确定加权比例。量度存储库308包括量度、风险、已知错误和事故映射技能。分析引擎310包括技术补救引擎、技能评估引擎和根本原因分析器205e。流程部件312被配置成在量度存储库308与分析引擎310之间建立流程。控制板314建立向上展开(roll up)能力和向下挖掘(drill down)能力。
根本原因分析器205e确定与直接或间接影响来源(即终端)的事故或问题有关的原因。事故或问题被称为根本原因。根本原因分析器205e执行用于通过将事故征兆(即征兆标识)适配到存在的或新的模型中来识别根本原因的算法。在此,征兆标识被定义为与事故关联的唯一标识。事故的根本原因(即根本原因(RC)标识)可以被表示为依赖于多个变量的非线性模型。事故或问题一般影响单个终端和相关的从属终端。RC标识可以包括在从属终端和主要受影响的终端中的变量的组合。因此,事故征兆标识和RC标识可以被建模为以下量的时间序列函数:
1.主要受影响的终端的量度和统计(M,S)。
2.从属终端的量度和统计(Md,Sd)。
3.受影响的终端与有关终端之间的从属等级(d)。
4.(主要受影响的终端和从属终端的)终端类型(Et)。
5.时间(T)。
事故征兆标识和RC标识可以被建模成如下函数1的不同组合:
函数1
Function(M1,M2,..,S1,S2,...,
F1(d1,Md1a,Md1a,...,Sd1a,Sd1b,...,Et1),F2(d2,Md2a,Md2b,...,Sd2a,Sd2b,...,Et2),
T).
以下步骤描述用于识别基于事故征兆标识和根本原因标识的措施的过程(由根本原因分析器205e执行)。
1.为每个事故识别事故征兆标识。征兆标识与在特定时间点的特定事故相关联。
2.基于预先建立的从属图和从属等级来确定有关终端。
3.从所有有关终端中提取量度。例如终端可以尤其包括网络部件、存储器部件、数据库、中间软件、应用、服务器等。
4.将收集的量度传输到分析引擎310。
5.分析引擎执行以下功能:
A.传送量度到可用的非线性模型。
B.根据终端类型从属性等级,分配重要性系数到来自从属终端的量度。
B.提供量度的模型。
C.基于至一组相同量度变量的多个过去的适配,确定模型排名(例如,如果量度适合10个模型,则确定10个模型中哪个以相似的事故标识引起最多数量的事故)。
D.排除获得的没有量度变化(即具有方差+/-X%)的模型适配。
E.确定包括最大影响的量度。
F.从筛选后的模型中确定一列根本原因标识。
G.通过以底线值代替先前(发现的)高影响的量度,测试筛选后的模型,以确定是否遇到以下情况:变量不再适合任何根本原因标识,或者变量不再适合相关事故征兆标识。
H.产生一系列按照有助于事故和测试成功率的顺序的量度(即按照对于从属终端和终端类型中的量度的不同组合的事故发生概率的顺序排名)。
I.提供根本原因模型(作为终端类型中量度变量的组合的函数)到分析引擎310,作为分析引擎310不能通过建模方法确定分析的事故的根本原因。
6.从筛选后的根本原因的知识数据库(KEDB)217中识别补救措施。
图4示出了根据本发明实施例的能够由图1的系统100实现的具体过程流程的算法,用于提供账户健康评估。图4的算法中的每个步骤可以按照任意顺序由执行计算机代码的计算机处理器实现和执行。在步骤400中,从多个来源检索与用户的用户账户相关的量度。多个来源可以尤其包括特定平台的多个终端、应用、工具、过程、文档、数据库、中间软件、操作系统、存储阵列、备用服务器、网络部件、SAN等。在步骤402中,从关于多个来源的量度中生成聚合量度。另外,从与附加的用户账户相关的量度中生成附加聚合量度。关于附加来源而聚合附加聚合量度。在步骤404中,将加权系数应用于聚合量度和附加聚合量度。加权系数与危险程度和重要性系数相关。在步骤408中,关于规定平台计算用户账户和附加账户的总体健康评分(基于应用于聚合量度和附加聚合量度的加权系数)。上述总体健康评分与规定时间周期相关。在步骤410中,确定聚合量度和附加聚合量度的事故量度。在步骤412中,事故量度和相关问题被匹配到事故数据库的事故数据。在步骤414中,基于步骤412的结果确定建议量度。在步骤418中,确定与多个来源的来源相关的规定事故的事故标识。在步骤420中,确定有关来源。在步骤422中,从有关来源中提取第一组量度。在步骤424中,将第一组量度和事故标识应用于多个非线性模型。在步骤428中,基于步骤424的结果确定规定事故的根本原因。
图5示出了根据本发明实施例的图1的系统100所使用的计算机设备90,用于提供帐户健康评估。计算机系统90包括处理器91、与处理器91连接的输入装置92、与处理器91连接的输出装置93以及分别与处理器91连接的存储器装置94和95。输入装置92尤其可以是键盘、鼠标、摄像头、触屏等。输出装置93尤其可以是打印机、绘图机、计算机屏幕、磁带、可移动硬盘、软盘等。存储器装置94和95尤其可以是硬盘、软盘、磁带、例如光盘(CD)或数字视频盘(DVD)的光学存储器、动态随机存储器(DRAM)、只读存储器(ROM)等。存储器装置95包含计算机代码97。计算机代码97包含用于提供账户健康评估的算法(例如图4的算法)。处理器91执行计算机代码97。存储器装置94包含输入数据96。输入数据96包括计算机代码97所需的输入。输出装置93显示来自计算机代码97的输出。存储器装置94和95之一或全部(或者图5中未示出的一个或多个附加存储器装置)可以包含图4的算法,并且可以被用作计算机可用介质(或计算机可读介质或程序存储装置),具有记录在其中的计算机可读程序代码和/或具有存储在其中的其它数据,其中计算机可读程序代码包括计算机代码97。通常,计算机系统90的计算机程序产品(或替代的制品)可以包括计算机可用介质(或程序存储装置)。
但是仍可以由提供账户健康评估的服务供应商创建、集成、托管、维护、部署、管理、服务等本发明的任何部件。因此,本发明揭示用于部署、创建、集成、托管、维护、和/或集成计算基础设施的过程,该基础设施包括集成计算机可读代码到计算机系统90,其中,结合了计算机系统90的代码能够执行用于提供账户健康评估的方法。在另一个实施例中,本发明提供一种商业方法,其在订阅、广告和/或费用基础上实施本发明的过程步骤。也就是,例如解决方案整合商的服务供应商能够提供账户健康评估。在这种情况下,服务供应商能够对为一个或多个用户执行本发明的过程步骤的计算机基础设施进行创建、维护、支持等。反过来,服务供应商能够从订阅和/或收费协议下的用户获得报酬,和/或服务供应商能够从广告内容到一个或多个第三方的销售中获得报酬。
虽然图5示出了计算机系统90作为硬件和软件的具体配置,但是本领域技术人员知道的任何硬件和软件配置可以结合图5的具体计算机系统90用于以上陈述的目的。例如,存储器装置94和95可以是单个存储器装置的一部分,而不是单独的存储器装置。
虽然在此为了示例目的描述了本发明的实施例,但是许多修改和变化对于本领域技术人员是显而易见的。因此,权利要求试图在本发明的真实精神和范围内涵盖所有修改和变化。
Claims (19)
1.一种终端部件的健康改善的方法,包括:
由IT基础设施的计算系统的计算机处理器从所述IT基础设施的多个终端部件中检索与用户的用户帐户相关联的量度,其中所述终端部件包括数据库、操作系统、中间件、虚拟机、硬件存储阵列、备份服务器以及硬件网络部件,所述量度识别对所述终端部件产生影响的事故和事件的可能的根本原因,并且其中每一个所述计算系统以及每一个终端部件包括特定的硬件配置;
由所述计算机处理器从关于所述多个终端部件的所述量度中生成聚合量度;
由所述计算机处理器从与所述用户的附加帐户相关联的量度中生成附加聚合量度,其中,关于附加终端部件聚合所述附加聚合量度;
由所述计算机处理器在存储库数据存储仓库中存储所述聚合量度和所述附加聚合量度;
由所述计算机处理器检索所述聚合量度和所述附加聚合量度;
通过所述计算机处理器执行加权引擎,将加权系数应用于所述聚合量度和所述附加聚合量度,其中所述加权系数与危险程度和重要性系数相关联;
由所述计算机处理器基于应用到所述聚合量度和所述附加聚合量度的所述加权系数,为所述用户帐户和所述附加帐户关于规定平台和附加平台计算总体健康和风险评分,其中所述总体健康和风险评分与规定时间周期相关联;
由所述计算机处理器确定与在特定时间点的特定事故相关联的事故征兆标识;
由所述计算机处理器基于预先建立的从属图和从属等级确定有关终端部件;
由所述计算机处理器从所有的有关终端部件中提取量度;
由所述计算机处理器将提取的量度传输到分析引擎,其中所述分析引擎:
基于所述量度确定所述特定事故的根本原因标识;
基于所述根本原因标识确定所述特定事故根本原因;
基于所确定的根本原因标识在根本原因的知识数据库中识别补救措施。
2.按照权利要求1所述的方法,还包括:
由所述计算机处理器确定所述聚合量度和所述附加聚合量度的事故量度;
由所述计算机处理器将所述事故量度和相关联问题匹配到事故数据库的事故数据;
由所述计算机处理器基于历史分析来确定与所述用户账户和所述附加账户相关联的预先修改的量度;
由所述计算机处理器基于所述匹配的结果和所述预先修改的量度确定建议量度。
3.按照权利要求2所述的方法,还包括:
由所述计算机处理器提取所述事故量度的规定事故量度,其中,所述规定事故量度与所述多个终端部件的多个终端的规定终端相关联。
4.按照权利要求3所述的方法,还包括:
由所述计算机处理器将所述规定事故量度的量度模式匹配到所述用户账户的相关联风险;
由所述计算机处理器关于补救措施对所述相关联风险进行评级;以及
由所述计算机处理器基于所述匹配和所述评级的结果生成相关联措施和建议。
5.按照权利要求4所述的方法,还包括:
由所述计算机处理器基于技术、所述用户、商业领域、系统、子系统、应用和环境来聚合所述相关联风险;
由所述计算机处理器基于所述聚合来自动识别用于所述相关联风险的可用的最佳实践和解决方案;以及
由所述计算机处理器关于所述相关联风险的所述可用的最佳实践和解决方案执行百分比适配分析和可行性分析。
6.按照权利要求3所述的方法,还包括:
由所述计算机处理器将所述规定事故量度匹配到所述用户的技能等级;
由所述计算机处理器基于所述规定事故量度识别关于所述用户的所述技能等级的缺失技能;以及
由所述计算机处理器基于所述匹配和所述识别的结果生成用于获得所述缺失技能的技能的建议。
7.按照权利要求1所述的方法,还包括:
由所述计算机处理器确定用于所述聚合量度和所述附加聚合量度的每个量度的值和值的范围;
由所述计算机处理器基于所述值和值的范围,为所述聚合量度和所述附加聚合量度的各组量度生成分类;
由所述计算机处理器确定用于每个所述量度的加权比例;以及
由所述计算机处理器基于所述加权比例来确定用于每个所述量度的相对加权比例。
8.按照权利要求1所述的方法,还包括:
由所述计算机处理器确定在所述多个终端部件的多个终端的终端之间的从属等级;以及
由所述计算机处理器基于所述从属等级确定所述规定事故的根本原因。
9.按照权利要求1所述的方法,其中,所述多个终端部件包括从包含多个规定平台的终端、应用、工具、过程、文档、数据库、中间软件、操作系统、存储阵列、备用服务器、网络部件和SAN的组中选择的终端部件。
10.按照权利要求1所述的方法,还包括:
由所述计算机处理器通过数据仓库追踪关于风险缓解过程和关于所述用户账户、相关联技术领域、应用组和商业领域的健康改善过程的进展的执行历史。
11.按照权利要求1所述的方法,还包括:
由所述计算机处理器通过数据仓库追踪关于风险缓解过程和关于系统、子系统、应用、中间软件以及附加从属部件和子部件的健康改善过程的进展的执行历史。
12.按照权利要求1所述的方法,还包括:
由所述计算机处理器确定用于与所述多个终端部件的终端部件相关联的规定事故的事故标识;
由所述计算机处理器确定所述多个终端部件的有关终端部件;
由所述计算机处理器从所述有关终端部件中提取第一组量度;
由所述计算机处理器将所述第一组量度和所述事故标识应用于多个非线性模型;以及
由所述计算机处理器基于所述应用所述第一组量度和所述事故标识的结果确定所述规定事故的根本原因。
13.按照权利要求1所述的方法,还包括:
由所述计算机处理器基于应用于所述聚合量度和所述附加聚合量度的所述加权系数,关于规定平台和附加平台识别与所述用户账户和所述附加账户相关联的风险;
由所述计算机处理器基于所述识别的结果,评估与所述风险相关联的影响;以及
由所述计算机处理器基于所述评估的结果,确定与所述风险相关联的建议措施。
14.按照权利要求1所述的方法,还包括:
为在计算系统中创建、集成、托管、维护和部署计算机可读代码之一提供至少一个支持服务,所述代码由所述计算机处理器执行以实施:所述检索所述量度、所述生成所述聚合量度、所述生成所述附加聚合量度、所述存储、所述检索所述聚合量度和所述附加聚合量度、所述应用、和所述计算。
15.一种终端部件的健康改善的计算系统,包括与计算机可读存储器单元连接的计算机处理器,所述存储器单元包含指令,当所述指令被该计算机处理器执行时,执行包括以下内容的方法:
由所述计算机处理器从IT基础设施的多个终端部件中检索与用户的用户帐户相关联的量度,其中所述终端部件包括数据库、操作系统、中间件、虚拟机、硬件存储阵列、备份服务器以及硬件网络部件,所述量度识别对所述终端部件产生影响的事故和事件的可能的根本原因,并且其中每一个所述计算系统以及每一个终端部件包括特定的硬件配置;
由所述计算机处理器从关于所述多个终端部件的所述量度中生成聚合量度;
由所述计算机处理器从与所述用户的附加帐户相关联的量度中生成附加聚合量度,其中关于附加终端部件而聚合所述附加聚合量度;
由所述计算机处理器在存储库数据存储仓库中存储所述聚合量度和所述附加聚合量度;
由所述计算机处理器检索所述聚合量度和所述附加聚合量度;
通过所述计算机处理器执行加权引擎,将加权系数应用于所述聚合量度和所述附加聚合量度,其中所述加权系数与危险程度和重要性系数相关联;
由所述计算机处理器基于应用到所述聚合量度和所述附加聚合量度的所述加权系数,为所述用户帐户和所述附加帐户关于规定平台和附加平台计算总体健康和风险评分,其中所述总体健康和风险评分与规定时间周期相关联;
由所述计算机处理器确定与在特定时间点的特定事故相关联的事故征兆标识;
由所述计算机处理器基于预先建立的从属图和从属等级确定有关终端部件;
由所述计算机处理器从所有的有关终端部件中提取量度;
由所述计算机处理器将提取的量度传输到分析引擎,其中所述分析引擎:
基于所述量度确定所述特定事故的根本原因标识;
基于所述根本原因标识确定所述特定事故根本原因;
基于所确定的根本原因标识在根本原因的知识数据库中识别补救措施。
16.按照权利要求15所述的计算系统,其中所述方法还包括:
由所述计算机处理器确定所述聚合量度和所述附加聚合量度的事故量度;
由所述计算机处理器将所述事故量度和相关联问题匹配到事故数据库的事故数据;
由所述计算机处理器基于历史分析确定与所述用户账户和所述附加账户相关联的预先修改的量度;
由所述计算机处理器基于所述匹配的结果和所述预先修改的量度确定建议量度。
17.按照权利要求16所述的计算系统,其中所述方法还包括:
由所述计算机处理器提取所述事故量度的规定事故量度,其中,所述规定事故量度与所述多个终端部件的多个终端的规定终端相关联。
18.按照权利要求17所述的计算系统,其中所述方法还包括:
由所述计算机处理器将所述规定事故量度的量度模式匹配到所述用户账户的相关联风险;
由所述计算机处理器关于补救措施对所述相关联风险进行评级;以及
由所述计算机处理器基于所述匹配和所述评级的结果生成相关联措施和建议。
19.按照权利要求18所述的计算系统,其中所述方法还包括:
由所述计算机处理器基于技术、所述用户、商业领域、系统、子系统、应用和环境聚合所述相关联风险;
由所述计算机处理器基于所述聚合来自动识别用于所述相关联风险的可用的最佳实践和解决方案;以及
由所述计算机处理器关于所述相关联风险的所述可用的最佳实践和解决方案执行百分比适配分析和可行性分析。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/082,427 | 2013-11-18 | ||
US14/082,427 US20150142506A1 (en) | 2013-11-18 | 2013-11-18 | Account Health Assessment, Risk Identification, and Remediation |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104657811A CN104657811A (zh) | 2015-05-27 |
CN104657811B true CN104657811B (zh) | 2018-10-19 |
Family
ID=53174215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410658229.4A Active CN104657811B (zh) | 2013-11-18 | 2014-11-18 | 用于账户健康评估、风险识别和补救的方法和系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20150142506A1 (zh) |
CN (1) | CN104657811B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3167373A4 (en) * | 2014-07-10 | 2018-02-28 | Sios Technology Corporation | Interface for orchestration and analysis of a computer environment |
US9942109B2 (en) * | 2015-08-31 | 2018-04-10 | Ca, Inc. | Health metric for an information technology service |
CN106682906B (zh) * | 2015-11-10 | 2021-03-19 | 创新先进技术有限公司 | 一种风险识别、业务处理方法和设备 |
CN107305662A (zh) * | 2016-04-25 | 2017-10-31 | 阿里巴巴集团控股有限公司 | 识别违规账户的方法及装置 |
CN107316198B (zh) * | 2016-04-26 | 2020-05-29 | 阿里巴巴集团控股有限公司 | 账户风险识别方法及装置 |
CN106355033A (zh) * | 2016-09-27 | 2017-01-25 | 无锡金世纪国民体质与健康研究有限公司 | 一种生活风险评估系统 |
US11610136B2 (en) * | 2019-05-20 | 2023-03-21 | Kyndryl, Inc. | Predicting the disaster recovery invocation response time |
US11086749B2 (en) * | 2019-08-01 | 2021-08-10 | International Business Machines Corporation | Dynamically updating device health scores and weighting factors |
US20230199082A1 (en) * | 2021-12-17 | 2023-06-22 | Paypal, Inc. | Real-time electronic service processing adjustments |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7181370B2 (en) * | 2003-08-26 | 2007-02-20 | Siemens Energy & Automation, Inc. | System and method for remotely obtaining and managing machine data |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7930681B2 (en) * | 2005-12-30 | 2011-04-19 | Sap Ag | Service and application management in information technology systems |
US20080109257A1 (en) * | 2006-07-12 | 2008-05-08 | Henry Albrecht | Systems and methods for a holistic well-being assessment |
US9141628B1 (en) * | 2008-11-07 | 2015-09-22 | Cloudlock, Inc. | Relationship model for modeling relationships between equivalent objects accessible over a network |
US8365019B2 (en) * | 2009-06-16 | 2013-01-29 | International Business Machines Corporation | System and method for incident management enhanced with problem classification for technical support services |
US20110082719A1 (en) * | 2009-10-07 | 2011-04-07 | Tokoni Inc. | System and method for determining aggregated tracking metrics for user activities |
US8732534B2 (en) * | 2010-09-17 | 2014-05-20 | Oracle International Corporation | Predictive incident management |
US8917854B2 (en) * | 2013-01-08 | 2014-12-23 | Xerox Corporation | System to support contextualized definitions of competitions in call centers |
-
2013
- 2013-11-18 US US14/082,427 patent/US20150142506A1/en not_active Abandoned
-
2014
- 2014-11-18 CN CN201410658229.4A patent/CN104657811B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7181370B2 (en) * | 2003-08-26 | 2007-02-20 | Siemens Energy & Automation, Inc. | System and method for remotely obtaining and managing machine data |
Also Published As
Publication number | Publication date |
---|---|
CN104657811A (zh) | 2015-05-27 |
US20150142506A1 (en) | 2015-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104657811B (zh) | 用于账户健康评估、风险识别和补救的方法和系统 | |
Winkler et al. | Performance assessment of topologically diverse power systems subjected to hurricane events | |
CN102760152B (zh) | 一种自动化的开源软件质量证据提取方法 | |
Tawfek et al. | Assessment of the expected cost of quality (COQ) in construction projects in Egypt using artificial neural network model | |
CN110162445A (zh) | 基于主机日志及性能指标的主机健康评价方法及装置 | |
CN111984442A (zh) | 计算机集群系统的异常检测方法及装置、存储介质 | |
KR101049405B1 (ko) | 교량 자산관리 시스템 | |
CN105573898A (zh) | 一种机载计算机综合性能自动测评方法 | |
Lam et al. | Functional loss assessment and restoration analysis to quantify indirect consequences of hazards | |
Xu et al. | Resilience-driven repair sequencing decision under uncertainty for critical infrastructure systems | |
Major et al. | No WAN's land: Mapping US broadband coverage with millions of address queries to ISPs | |
Vanhoucke et al. | Combining EDM and EVM: a proposed simplification for project time and cost management | |
CN114997741A (zh) | 一种检修计划风险评估方法、系统和设备 | |
JP6975086B2 (ja) | 品質評価方法および品質評価装置 | |
CN110348676A (zh) | 一种变电站自动化设备状态评价方法及系统 | |
Mester et al. | Integrating social acceptance of electricity grid expansion into energy system modeling: a methodological approach for Germany | |
KR102223531B1 (ko) | 지능형 정보시스템 운영 성과 측정 방법 | |
Zamagni et al. | Theory and practice on Social Life Cycle Assessment | |
CN205643673U (zh) | 基于计量器具质量跟踪评价系统的计量装置报废告警装置 | |
JP5225027B2 (ja) | プロジェクトにおけるリスクの予兆検知を行うためのコンピュータ・システム、並びにその方法及びコンピュータ・プログラム | |
Atef et al. | Understanding the effect of interdependency and vulnerability on the performance of civil infrastructure | |
JP6453784B2 (ja) | 信頼性評価装置、信頼性評価方法、及びプログラム | |
Garman et al. | Simulating future uncertainty to guide the selection of survey designs for long-term monitoring | |
Yatim et al. | The key success factor of geographic information system re-implementation in Tenaga Nasional Berhad Distribution, Malaysia: A case study of Cheras Tenaga Nasional Berhad Distribution station | |
CN101945011B (zh) | 一种对复用段保护性能进行评估的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211111 Address after: New York, United States Patentee after: Qindarui company Address before: Armank, New York, USA Patentee before: International Business Machines |