La aplicación de nuevas tecnologías como cloud, Inteligencia Artificial o Big Data al análisis de tráfico de red ha hecho de la analítica avanzada una potente herramienta de Business Intelligence, que va mucho más allá de una mera funcionalidad de reporte para uso exclusivo del departamento de TI y con una finalidad puramente técnica.
El análisis tradicional de tráfico estaba orientado a proporcionar un reporte básico de la actividad de red, para obtener información sobre la cantidad de tráfico de red en diferentes momentos, con identificación de tráfico a nivel de protocolo, y que podía servir para detectar cuellos de botella o problemas de rendimiento.
Sin embargo, un análisis avanzado del tráfico de red, utilizando herramientas basadas en esas nuevas tecnologías, ofrece muchas más posibilidades: disponer de información granular a nivel de aplicación, sobre quién está usando una determinada aplicación o servicio de red, cuándo y dónde, conocer los patrones de uso de cada aplicación, optimizar la inversión en aplicaciones, dando de baja o no renovando aquellas poco utilizadas, y reforzar la seguridad, al poder evitar situaciones de shadow IT y bloquear el uso de aplicaciones no controladas o autorizadas por el departamento de TI.
Las soluciones de analítica avanzada basadas en cloud aportan además ventajas adicionales. Ya no se limitan a comparar el rendimiento de la red en un momento dado con los parámetros de rendimiento medio de la misma, sino que se pueden hacer tests contra millones y millones de datos de análisis de tráfico perteneciente a redes de organizaciones de todo el mundo con un perfil similar a la de nuestra organización. Así por ejemplo, se puede comparar el rendimiento de una red determinada con la de una de una empresa de su mismo sector y dimensión y obtener valiosa información que permita mejorar esos parámetros.
Pero como hemos dicho, las aplicaciones de esta analítica avanzada van mucho más allá de lo meramente técnico, como disponer de mayor visibilidad de red, seguridad, detección temprana de incidencias incluso antes de que se produzcan, hacer comparativas de rendimiento por aplicación, usuario y dispositivo, etc. La capacidad de ofrecer datos contextualizados es lo que convierte el dato de tráfico puro y duro en información de inteligencia de negocio.
Pongamos un ejemplo concreto y basado en un caso de uso real: un club deportivo que utiliza análisis avanzado de red para obtener información práctica sobre el uso y rendimiento de la red, el tiempo de permanencia de la conexión de cada usuario y servicios basados en ubicación, todo ello en tiempo real. De este modo, el club puede revisar y optimizar continuamente la gestión de su infraestructura de red mediante la identificación de cuellos de botella y servicios sobrecargados. Por otro lado, el conocimiento de los patrones de tráfico de los usuarios/aficionados que acuden al estadio el día del partido permite personalizar mejor la experiencia de uso de la red para ellos e identificar potenciales oportunidades de servicios o productos patrocinados.
Otro ejemplo: una gran empresa de retail con cadenas de tiendas distribuidas por todo el país. El análisis de red en tiempo real permite conocer el comportamiento y los patrones de navegación del comprador que se conecta a la red Wi-Fi de cada tienda. Este conocimiento se puede utilizar para mejorar su experiencia de compra en tienda, incrementar su fidelidad como cliente y mejorar las ventas. La empresa obtiene gracias a la información de red contextualizada información sobre el perfil de sus clientes, dónde están en la tienda y cuánto tiempo permanecen en el establecimiento y cuál es el mejor modo de interactuar con ellos según sus preferencias.
