每个人都想看到未来，直到他们在水晶球上进行成本效益分析。
Nutanix负责SaaS工程的副总裁帕拉格·库尔卡尼(Parag Kulkarni)就有过这样的经历。库尔卡尼领导的团队有三个关键职责:为客户开发SaaS应用程序，开发公司内部使用的软件，以及利用分析数据产生预测性见解。
Nutanix的应用程序和机器会产生大量有用的数据。库尔卡尼表示，客户明白数据是有价值的。他们不只是把它交出去——首先，他们必须明白为什么与Nutanix共享系统数据会带来真正的价值。
库尔卡尼说:“例如，我们机器的数据可以计算出客户什么时候会用完容量。”
他说，这种预测性洞察力可以帮助客户避免数据系统宕机，在需要添加更多硬件或分配更多资源到云之前就提醒他们。
当我们知道系统中发生了什么，我们就可以真正地预测和主动地提供支持。
Parag Kulkarni, Nutanix软件即服务工程副总裁
Kulkarni表示，有两种分析类型:一种是你在产品中看到的，可以提供洞见;另一种是根据返回给Nutanix的机器数据创建的。他的团队负责第二类。在分析开始之前，客户必须首先同意分享他们的产品使用数据。
库尔卡尼说:“我们似乎应该只要求客户给我们发送数据，但这并不总是那么容易。”“你必须向客户展示他们将获得的回报。”
预测分析最大的回报之一是客户支持。Kulkarni表示，Nutanix可以关联来自数千个客户的数据，以识别特定功能运行时出现的问题。这时，预测分析开始让我们的客户窥见未来。
Nutanix首席运营官David Sangster表示:“我们目前的大部分努力旨在为客户提供真正的‘隐形基础设施’体验。”
“我们的愿景是创建一个‘No-Ops’环境，在这个环境中，软件和软件定义的硬件是动态供应的，所有日常的核心管理任务，如打补丁、备份、数据库管理和安全管理都是自动处理的，使用人工智能扫描异常，深度学习实时更新规则。”
桑斯特说，Nutanix正在努力实现这一目标。
Kulkarni说:“如果我们知道可能会发生什么，那么我们就可以真正地预测和主动地提供支持，而不是纯粹地响应支持请求。”
客户开始意识到共享数据的价值。库尔卡尼在2013年加入Nutanix时，约有10%的客户发回了数据，而这些数据来自于数量少得多的产品。
“在一个更大的安装基础上，这个数字接近60%，”他说。“我认为还有很大的改进空间。”
库尔卡尼20年前来到硅谷，他最初在印度为英国电信公司(British Telecom)编写代码。他在瞻博网络(Juniper Networks)工作了10年，直到他开始在Nutanix尝试新东西。
他回忆说:“我其实不知道自己到底要在这里做什么。”“我只是一时兴起加入，看看事情会如何发展。”
当时，这家公司只有几百名员工。库尔卡尼有一段真实的创业经历。
“我很幸运，因为我很早就加入了，所以做了很多在其他地方通常不会做的事情。”
在最初的日子里，他会在周五接到一个电话，要求他的团队在周一之前把一些东西拼凑起来。他们让这一切发生了。
“我们可以解决一些在一家非常大的公司不一定可能解决的问题。”
这种敢做敢做的精神帮助Nutanix在2016年进行了IPO。他很快就看到公司从几百名员工发展到5000多名员工。
“我们忙忙碌碌，把事情做好——过去六年就像一艘火箭飞船。”
一组遍布全球所有支持中心的视频监视器，提供来自使用Nutanix软件运行和管理其现代化数据中心的客户的实时可视化数据。
预测分析嵌入到产品中，Kulkarni的团队将从现场传回的数据转换成实时图表，便于识别客户趋势和系统健康指标。
“我们最初是为支持组织构建数据可视化，”Kulkarni在描述Watchtower时说。Watchtower是一个在所有支持中心的监视器上运行的Nutanix应用程序。库尔卡尼说:“但在与客户交谈后，我们意识到与他们分享这些信息非常有价值。”
库尔卡尼表示，当客户看到这些分析应用的强大功能时，他们更愿意与Nutanix分享数据，后者改变了客户体验。这些工具有可能帮助预测新的软件更新将如何工作，以及什么可能导致系统故障。
Kulkarni说:“我们正在努力做的一件大事是，在我们发布特定的工程版本之前，找到一种方法来预测它在现场的表现。”“因为如果你能根据某些标准预测发行将会很糟糕，那么你就真的不想在那个时候发行它，对吧?”你可以花更多的时间来硬化它。”
另一个棘手的挑战是弄清楚客户支持场景何时会升温。
库尔卡尼表示:“如果我们能预测到客户问题正在升级，我们就能采取积极措施防止这种情况发生。”
库尔卡尼听到很多公司都在谈论他们如何使用人工智能(AI)和机器学习(ML)。“但当你深入挖掘时，很少有人真正使用ML/AI进行预测分析，因为这是一个非常非常棘手的问题。这需要大量的研究。你真的不知道它将如何运作。”
如今，分析就是使用软件生成图表，帮助人们可视化趋势。即使是实时数据也会随着时钟的每一次滴答而向后看。
库尔卡尼说:“这个过程经历了从被动反应到主动预测再到预测的过程。”在反应模式中，你研究过去，希望避免未来的失误。在主动模式中，你使用数据来预测问题，希望能够预防它们。”
预测模式改变了一切——尤其是在客户体验领域。
“有了预测性分析，我们就有了所有这些数据，”Kulkarni说。“它给了我们深刻的见解，让我们真正做一些事情，现在就可以解决未来的趋势。”
Tom Mangan是一位特约撰稿人。他是资深B2B技术作家和编辑，专注于云计算和数字转型。用他的网站或LinkedIn．
©2019 Nutanix, Inc.保留所有权利。如需其他法律信息，请去这里．
