華為：2019-2023企業級Wi-Fi產業發展與展望白皮書：釋放Wi-Fi的潛能（28頁）.pdf

1、用戶全旅程體驗可視，自動優化通過多維度采集網絡數據，實時呈現每個用戶的網絡畫像，全旅程網絡體驗可視(誰、何時、連接至哪個 AP、體驗狀態)。網絡的監控不再以設備為中心，而是以用戶體驗為中心，對用戶每時刻的狀態進行歷史行為回放，精確識別影響用戶體驗的問題。無線網絡的環境是復雜多變的，難以依靠人工實時優化網絡。智能運維系統可以根據無線用戶歷史體驗給出網絡優化建議，甚至在一定的限定范圍內可以自動下發優化參數給系統。網絡潛在問題自動判別，主動預測與網絡狀況相關的 KPI 指標有很多，這些指標之間是否有關聯關系?不同時刻的指標是否會對未來網絡帶來影響?如果網絡運維還按照傳統的資源監控方式，單點分析，那么

2、對于 WLAN 網絡這種無線接入、隨時移動的用戶而言，時效性和位置不確定性將會導致用戶體驗問題很難被實時識別。利用智能運維方案，通過大數據和 AI 技術，將各種指標之間的數據進行關聯分析，將大大提升潛在問題識別率。另外，還可以利用機器學習技術，將大量的歷史數據進行分析并生成動態基線，然后通過和實時數據對比分析從而預測可能發生的故障，借助數據驅動的洞察力，在用戶和企業業務受到影響之前，通過主動判別和解決問題，不斷提高網絡性能。網絡故障智能分析，自動修復從用戶接入到應用訪問，看似簡單的過程，在網絡中間會經歷無數個節點，每一個節點都可能是問題的故障點或影響體驗的節點。因此，有時 IT 人員知道用戶體驗出現了故障，卻無法快速定位出故障節點，問題遲遲得不到解決。雖然 IT 人員可根據問題現象和相關日志信息每節點逐一的排查，但這種靠投入大量 IT 人力的運維手段對如今大規模的無線企業網絡顯然是十分低效的。企業需要通過智能化運維系統，借助機器學習的能力，讓機器來管理機器，智能識別出故障模式，利用大數據分析平臺自動分析。