Gartner最近发布的一份关于网络性能监测和诊断(NPMD)的报告估计，该市场规模高达21亿美元，并以15.9%的复合年增长率(CAGR)增长，未来还会有更多的增长。哇。那么，是什么推动了这种增长?为什么?
答案是，利用复杂的大数据分析技术结合云计算和机器学习技术来收集网络数据。这种技术的完美融合将重新定义传统的基础设施管理市场。
这种转变的核心是使用分析技术和策略，从网络产生和收集的数据中提取新的见解和价值，以推动业务价值。
网络性能现在与数字商业计划的成功密不可分。但是，网络复杂性、云承载的工作负载、端点多样性和软件定义的架构都是网络工作者面临的巨大挑战。
一个更好的Splunk
新的用户性能管理平台将Splunk模型向前推进了一步，它不仅吸收了日志数据，还提供了基本的查询功能。他们从实际用户体验的角度出发，将预测分析有效地添加到网络的每个部分。这消除了繁琐和耗时的数据分析，使IT部门无法成为真正的利润中心，同时帮助网络经理将纠正客户、设备和物联网问题的时间缩短了一半。
根据企业管理协会(EMA)的说法，IT自动化是网络分析的主要驱动因素，终端用户监控是最主要的用例。
Gartner建议，那些倾向于广泛投资包和基础设施监控解决方案(通常跨不同供应商)的企业，仍然对其包监控解决方案的“可消费性”存在问题。而那些更狭隘地投资于基础设施监控的公司则表示，在没有更深入的监控的情况下，他们无法进行根本原因分析，对此感到沮丧。换句话说，我们监视和管理网络基础设施的方式需要进行广泛的重置。
企业网络本身已经经历了巨大的发展，从Wi-Fi的进步和软件定义的网络，到运行在网络上的移动和物联网设备的爆炸式增长。现在是我们监控和管理这些复杂和先进网络的方法赶上来的时候了。
这正是IT运营团队工作的时间!不要忘记终端用户的停机时间不能做他们的工作，因为一个糟糕的表现网络。对于那些将网络视为战略资产的企业来说，提高用户生产力是非常重要的，如今几乎所有企业都是如此。但迄今为止，如果没有专门设计的分析，很难量化网络上的用户生产力。
在移动、Wi-Fi、云计算和物联网出现之前，解决网络问题很简单。用户只需通过以太网接口访问网络，就可以使用本地应用程序和资源。如果出现了问题，帮助台将检查一些特定于供应商的竖井监控工具，这些工具可能会让他们知道哪里出了问题，但不是一个完整的画面。
监视和管理网络基础设施的模式不再有效。现在的重点已经转向管理用户和设备网络性能。
数据太多，时间太少
这是一个无价的数据宝库，可以帮助公司更好地运营业务。它就在他们面前，在他们自己的公司网络上运行。但是对于那些希望提高用户生产力的企业来说，获取和理解这些数据已经成为一个巨大的挑战。这就是分析变得非常有用的地方。
在ZK Research最近关于Wi-Fi故障排除的一项调查中，60%的受访者表示，他们至少有四分之一的时间只是在解决Wi-Fi问题;47%的人认为诊断问题需要30分钟以上，41%的人认为解决问题需要30分钟以上。
如今，用户使用智能设备通过Wi-Fi连接——通常是公司不发行的自带设备。然后是认证过程，包括分配一个IP地址并(最终)到达必要的应用程序——这在云中需要很多次。如果这些步骤中有任何一个出现问题，用户都会不高兴，并简单地指责“IT”或“网络”。但是网络的哪一部分呢?
需要:全栈用户性能管理
全栈用户性能管理平台现在盯着数以百万计的客户端网络事务，因为他们碰巧知道什么在工作，什么不在工作，在哪里，什么时候和为什么。但他们还不止于此。然后，他们将人工智能应用于数据，从数据中揭示出可以采取哪些行动并赋予其价值的见解。
这需要大量的数据、处理能力和机器学习。直到现在，这都是不可能的。
EMA指出，大多数企业都希望在网络中嵌入这种功能。创新的解决方案是采用这种精确的方法，使用非侵入式软件分析网络数据，而不需要硬件Wi-Fi传感器、服务器代理或客户端软件。然后，所有的分析都被传送到云上，供公司使用。这种新模式正在推动基础设施管理方面的巨额投资，并被广泛认为是市场增长的一个主要原因。而这种增长的最大受益者似乎是一些不知名的初创企业，如Corvil、LiveAction和Nyansa。
显然，高级网络分析是一种用于网络监控和IT基础设施管理的方法，它的时代已经到来。当加上机器学习、网络运营团队不仅能解决企业实时网络问题,他们还能够预测网络问题可能正在酝酿之中,移动IT部门更近一步被视为利润中心和成本中心。