正如酿造美味的葡萄酒需要优质的葡萄，打造强大的 AI 同样需要优质的数据。人工智能原生网络建立在大量优质的数据之上。在本篇博客中，我们将探讨自我驱动型网络™ 之旅的第一阶段：数据——人工智能驱动型网络的关键要素。
从正常运行时间到用户体验
传统的网络管理通常侧重于监控网络设备的基本指标，如正常运行时间、CPU 利用率、内存和带宽。在瞻博网络看来，这只是成功的一半。我们不仅要保持网络正常运行，还会致力于确保为网络上的每位用户提供卓越的端到端、客户端到云端体验。我们不会只是询问“网络正常吗？” 我们更注重“用户对网络的体验如何？”。这种以用户为中心的理念贯穿于我们整个数据收集和分析方法。我们从记录用户体验入手，实时了解用户对网络的体验情况，然后利用数据科学来预测和优化用户体验。归根结底，网络的价值在于其为用户赋能和推动业务成果的能力。这种能力对于支持自我驱动型网络之旅的后续阶段至关重要。
协作的力量
那么，瞻博网络是如何确保收集正确的数据来优化用户体验的呢？首先，我们的数据科学家会与客户成功团队（由我们的领域专家组成，也是企业客户的代表）密切合作。没有人比我们的客户成功团队更了解客户面临的实际挑战，因此，这种协作至关重要。通过了解客户的具体痛点及其用例，我们可以找出最有价值的数据，用于训练和完善我们的 AI 模型。
正是这种深入的理解，使得我们有能力构建真正有效的解决方案。如果一家 AI 供应商的数据科学和客户成功团队没有使用他们自己的云 AIOps 解决方案开展合作，那么可以肯定地说，他们还没有开始 AI 之旅。他们缺少技术与实际应用之间的关键连结。
从实时数据到实时洞察
在清楚了解客户需求后，我们可以专注于从网络设备实时收集丰富的数据，这些设备已经过优化，可将遥测数据发送到运行微服务的云架构中。十多年来，瞻博网络一直在收集和优化来自接入点 (AP)、路由器、交换机、防火墙和客户端设备的数据。例如，我们通过来自接入点的流式遥测数据收集了 150 多种实时无线用户状态。这些源源不断的遥测数据在云端汇总，并由 Mist AI™ 进行分析。这才是真正的神奇所在。通过分析这些丰富的数据集，Mist AI 可以为 IT 团队提供即时、具指导作用的洞见。借助闭环客户服务反馈，还可不断学习和改进，提供愈发准确的洞察和建议。
扩展数据生态系统
但我们的努力不会止步于此。凭借强大的合作伙伴生态系统和 100% 开放式 API，我们能够从更多来源收集数据，进一步增强功能并扩展洞察力。例如，Marvis® Application Experience Insights 将 Zoom 和 Microsoft® Teams 会议数据与瞻博网络数据整合在一起，能够找出视频体验不佳的根本原因——甚至在通话开始前就能预测通话质量。这种主动式方法不仅能确保用户获得卓越的协作体验，还能让 IT 团队将更多精力放在更具战略性的方案上。
下一步：将数据转化为具指导作用的洞见
当云端有了正确的数据，真正神奇的事情就开始了——将数据转化为具指导作用的洞见。在下一篇博客中，我们将探讨如何将原始数据转化为策动自我驱动型网络的智能情报，从而主动解决问题、优化资源分配，最终实现卓越的用户体验。
贵组织处于通往自我驱动型网络的旅程中的哪个阶段？无论处于哪个阶段，瞻博网络都能助您成功迈出下一步。
本系列的其他博客
第 1 部分（概述）：以 AI 信任为基石，成功踏上自我驱动型网络™ 之旅
