Security Intelligence and Analytics. Think Integrated.

Security Intelligence and Analytics. Think Integrated.
build a strong security posture that helps reduce costs, improve service, manage risk, and enable innovation

 Dengan perkembangan Teknologi Informasi (TI) yang sedemikian cepat dan meningkatnya penggunaan Bring Your Own Device (BYOD), kita – sebagai para pengguna - semakin saja dimanjakan saja dengan layanan-layanan baru dengan akses yang semakin mudah dan cepat. BYOD dalam bentuk smartphone, tablet maupun phablet (phone + tablet) sudah semakin canggih saja, didukung oleh akses berkecepatan tinggi (sudah mendukung akses 4G untuk iPhone 5 dan Samsung Galaxy Note II misalnya) sehingga layanan data streaming berkapasitas besar dapat menjadi lebih baik.

Ini menjadikan lingkungan operasional TI untuk mengelola hal-hal tersebut menjadi semakin kompleks. Para penyedia layanan yang biasanya mengelola lingkungan data center serta jaringan distribusinya, juga harus melebarkan layanannya untuk mengelola BYOD yang jumlahnya mencapai jutaan tersebut, yang secara geografis, terdistribusi secara luas.

Compliance (kepatuhan terhadap regulasi, standard industri) adalah hal yang penting dan harus dipenuhi, demikian juga di sektor Teknologi Informasi. Tantangannya adalah, bagaimana organisasi dapat secara proaktif melakukan pemantauan dan pencegahan terhadap terjadinya potensial serangan ke aset-aset TI-nya, dan kalau memungkinkan dilakukan secara real-time. Dalam skala yang kecil, ini mungkin belum menjadi masalah; Namun dalam skala yang besar, misal memantau 2 milyar security event per hari seperti di salah satu perusahaan Fortune-5, dapat menjadikan masalah operasional menjadi sangat kompleks dan tidak mungkin dilakukan tanpa adanya otomasi dengan skalabilitas tinggi.

Insiden yang terjadi baru-baru ini (sumber: riset IBM X-Force, 2011) telah sangat mengganggu aktifitas bisnis organisasi, seperti yang terjadi pada Aplikasi Web CitiGroup, Jaringan Sony Playstation, dan layanan Gmail. Faktor IT Security secara end-to-end (di berbagai level pendukung aktifitas bisnis seperti: network security, server security, virtual server security, mobile endpoint security, database security, pengelolaan akses pengguna, aplikasi web, security monitoring, security analytics) suatu menjadi tantangan yang nyata dan strategis untuk organisasi, yang dalam beberapa tahun belakangan ini sudah menjadi bahan pembicaraan di boardroom (meeting direksi), tidak hanya bahan diskusi yang terkonsentrasi di tim TI.

Kembali kepada contoh perusahaan Fortune-5 di atas, dengan menggunakan solusi IBM QRadar Security Intelligence, dapat mengurangi 2 milyar event per hari menjadi hanya 25 high-priority event saja. In tentu saja suatu kemajuan yang sangat signifikan bagi aktifitas operasional organisasi dalam menangani tantangan IT Security. Solusi Security Intelligence melakukan korelasi dan analisa terhadap berbagai security data.

PureApplication System

IBM PureApplication System
Built-in Expertise, Integration by Design, and Simplified Experience

Fundamentally Changing the Experience and  Economics of IT

Sejalan dengan perkembangan Information Technology (IT) yang semakin canggih, kita – sebagai para pengguna - semakin dimanjakan saja dengan layanan-layanan baru dengan akses yang semakin mudah dan cepat. Namun di lain pihak, lingkungan operasional IT untuk mengelola hal-hal tersebut menjadi semakin kompleks.

  

Pertumbuhan data menjadi semakin cepat, baik terstruktur (database) maupun tidak terstruktur (video, gambar, posting di social media, dan lain-lain); jumlah server, storage dan aplikasi semakin bertambah; scalability kadang menjadi issue yang sangat nyata yang  dihadapi dengan pertumbuhan kebutuhan yang sangat cepat. Kompleksitas konektifitas antar server di Data Center semakin bertambah. Semua ini adalah untuk menunjang terselenggaranya berbagai keperluan infrastruktur operasional IT.

Secara tradisional, ada beberapa pendekatan untuk menjadikannya lebih efisien. Yang paling dasar adalah melakukan optimasi sumber daya yang ada (infrastruktur IT), sebagai contoh: teknologi virtualisasi kadang menjadi opsi yang banyak dipakai untuk efisiensi utilisasi server di mana beberapa aplikasi / database memakai physical server yang sama. Kadang penggunaan appliance dapat menyederhanakan kompleksitas konfigurasi hardware dan aplikasi. Pendekatan lain adalah mengkombinasikan beberapa layanan pada cloud (baik private cloud, public cloud maupun hybrid cloud), dengan demikian meminimalkan instalasi dan komplesksitas on-premise (instalasi di Data Center kita sendiri).

PureApplication System yang merupakan suatu platform dari IBM, dirancang dan dioptimasi sedemikian rupa untuk aplikasi database dan aplikasi transaksional berbasis web. Dengan berbasiskan platform yang fleksible dengan kemampuan untuk mengelola workload, sistem ini dirancang untuk mudah diimplementasikan, dikustomisasi aman serta mudah untuk dikelola.

Real Time Analytic Processing

Real Time Analytic Processing (RTAP)
Enabling continues and extremely fast Stream Computing in Bigdata processing 

Capture and Act on all of your moving business data (data-in-motion) in Real Time

 

Kita yang berkecimpung di dunia teknologi informasi tentunya sudah pernah mendengar tentang istilah OLTP dan OLAP. OLTP – OnLine Transaction Processing, seperti namanya, merupakan metodologi analisa data secara cepat yang berasal dari aplikasi berbasiskan transaksi, sedangkan OLAP – OnLine Analytical Processing merupakan analisa data multi dimensi secara interaktif melalui 3 cara analisa operasional: consolidation (roll-up), drill-down, dan slicing & dicing. Keduanya melibatkan analisa data dalam jumlah yang besar.

Disarikan dari wikipedia.org, pengertian aplikasi berbasis transaksi lebih kepada aplikasi yang membutuhkan respon langsung, seperti transaksi di ATM misalnya . Kita sebagai nasabah yang sedang berdiri di depan ATM tidak mau menunggu bahkan 5 menit saja untuk mengambil uang saat mesin ATM menampilkan pesan “silahkan tunggu…”, apalagi menunggu beberapa jam. Sedangkan analisa data multi dimensi dapat berupa laporan manajemen, laporan bisnis untuk sales atau marketing, serta business process management.

Analisa OLTP dan OLAP lebih kepada stored-data yang terstruktur, artinya data yang akan dianalisa sudah pernah tersimpan di dalam suatu database, kemudian dilakukan analisa. Tantangan untuk analisa data akan sangat berbeda kalau data tersebut sedang bergerak (data-in-motion) dan terdiri dari kombinasi data terstruktur dan tidak terstruktur. Data tidak terstruktur dapat berupa gambar, text, maupun video. Kemudian, bagaimana kalau  data yang bergerak (data-in-motion) itu sedemikan besar, misal dalam skala Giga Bytes, Tera Bytes atau bahkan Peta Bytes per hari?

Menganalisa data bergerak yang sedemikian besar merupakan suatu tantangan tersendiri. Data dapat berasal dari berbagai sumber seperti sensor, kamera, news feed, atau sumber lainnya termasuk database.

Di Manufacturing, kita dapat menempatkan sensor sebagai quality control pada saat tahap pembotolan produk minuman misalnya.  Sensor yang di tempatkan pada production line yang berbeda secara bersamaan dapat memberikan feedback terhadap sistem monitoring untuk melakukan pemantauan terhadap kualitas minuman dan memberikan alert kepada pengawas yang bertugas jika terjadi sesuatu di luar dari kualitas yang seharusnya (misal ada kebocoran yang menyebabkan minuman terkontaminasi bahan lainnya sehingga konsentrasinya menjadi berbeda). Dalam kondisi tertentu yang sudah didefinisikan sebelumnya melalui rules, sistem monitoring dapat secara proaktif menginstruksikan untuk menutup valve utama pengisian ke botol-botol, agar supaya minuman tidak terbuang percuma dan dapat segera dilakukan analisa kebocoran untuk mencari penyebabnya.

Dalam dunia telekomunikasi, pergerakan data dapat dengan mudah mencapai skala Terabit per detik. Churn Analysis (kemungkinan customer tidak menggunakan nomor-nya lagi) dan Retention Management dapat dilakukan dari sumber data bergerak seperti CDR (Call Detail Record), yang dikombinasikan dengan data demografik customer, billing service dan attitude information serta historical analysis untuk dapat mengembangkan program-program promosi pemasaran yang lebih tepat guna.

Tipe analisa data seperti ini, di mana jumlah data sangat besar dan bergerak secara cepat (data-in-motion) dan membutuhkan respon yang cepat secara real-time disebut sebagai Real Time Analytics Processing (RTAP).

lihat juga artikel lainnya Mengenal Big Data