収集・保存されるデータ

データカテゴリー

Nexthinkは、オブジェクトとイベントという2種類のデータを区別します。

オブジェクト

インベントリーオブジェクト

インベントリーオブジェクトは、デジタル環境に関連する物理的または仮想的なアイテムを表します。 オブジェクトには、一度キャプチャされるとほとんど変化しない要素が含まれます。

オブジェクト	プロパティ
バイナリー	（例：名前、サイズ、バージョン、 …）
ユーザー	（例：名前、ユーザー名、部門、 …）
device	（例：名前、CPU、OS、 …）
…	…

構成オブジェクト

構成オブジェクトは、警告、アプリケーション、キャンペーン、リモートアクションなど、Nexthinkユーザーが構成するすべてのオブジェクトを指します。

オブジェクト	プロパティ
モニター	（例：名前、しきい値、優先度、 …）
キャンペーン	（例：名前、ステータス、トリガー_方法）
リモート_アクション	（例：名前、 …）
…	…

イベント

イベントの主な特性は、それが時間にリンクされていることです。 言い換えれば、イベントはIT環境内で特定の時点で発生した何かを表します。たとえば、execution.events、web.errorsなどです。

イベントデータはさまざまな目的に役立ちますが、主な違いは運用利用と傾向観察にあります。

運用データ

運用データを使用して、特定の問題を検出し、診断し、解決します。 これには、従業員のデバイスからキャプチャされたライブイベントと、モニターによってトリガーされたアラートが含まれます。

コンテンツセクションには、以下のようなものがあります。

• execution.events

• execution.crashes

• device_performance.events

• remote_action.executions

• alert.alerts

運用データは、詳細で広範です。 Nexthinkは、このデータを最大で30日間保存します。 さまざまなNexthinkモジュールを通じて運用データにアクセスし、ドリルダウン機能を使用して調査で表示します。 あるいは、調査に直接アクセスし、ビジュアルエディターを使用するか、NQLクエリを作成して運用データを取得します。

トレンド

トレンドを使用すると、長期間にわたるメトリクスの変動を分析してパターンを観察し、戦略的な決定をサポートできます。 トレンドは、あまり詳細ではなく、最大13か月間保存されます。 これらは、運用イベントデータを1日または7日のサンプル単位で集計し、重要なメトリクスやプロパティに凝縮したものです。

さまざまなNexthinkモジュールは、デフォルトでトレンドデータを保存します。 モジュールのコンテンツを構成し、関連する運用データを十分な期間収集した後にトレンドを観察します。

コンテンツセクションには、以下のようなものがあります。

• ソフトウェアメータリングモジュールでは、最大90日間のデータを表示します。 調査でこのデータをクエリすることもできます：software_metering.events。

• リモートアクションモジュールでは、最大13か月間のデータを表示し、調査でこのデータをクエリします：remote_action.executions_summary。

• アプリケーションモジュールでは、特定のアプリケーションのデータを最大90日間表示します。

• デジタルエクスペリエンスモジュールでは、最大13か月間のDEXスコアを表示します（このページの計算済みメトリクスも参照してください）。

長期的なデータを捉えるカスタムトレンドを作成し、調査でクエリし、貴重な洞察を得るためにダッシュボードを作成します。 詳細については、カスタムトレンド管理ドキュメントページを参照してください。

イベント収集の種類

イベント収集には、即時とサンプリングの2種類があります。

即時イベント

即時イベントはその正確な時間に発生した事象を反映します。 これには、クラッシュ、起動、ログインなどが含まれます。

イベント	説明	協会	プロパティ	メトリック
execution.crash	バイナリのクラッシュ	ユーザー、デバイス、バイナリ	時間、バイナリ_パス	基数
session.login	デバイス上でのユーザーログイン	ユーザー、デバイス	時間、セッション_UID	デスクトップ準備までの時間、デスクトップ表示までの時間
device_performance.boot	デバイスの起動	device	時間、種類	起動時間
…	…	…	…	…

サンプリングイベント

サンプリングイベントは、継続的で長期的な活動に関連する動的メトリクスを監視するために重要なデータ収集方法です。 特に、CPUの使用率、メモリの使用量、プロセストラフィックなど、常に変動し、定期的なサンプリングと集計を必要とするメトリクスにとって重要です。

コレクタのサンプリングプロセスは頻繁に行われ、20-30秒ごとに高解像度のデータが取得されます。 このデータは、集約された時間スライスに構造化され、データの収集要件に応じて5分または15分の長さになることがあります。 これらの時間スライスは、データを分析しやすくします。

イベント	説明	協会	プロパティ	メトリック
session.events	Nexthinkにデバイスが報告していることを示すサンプル	ユーザー、デバイス	プロトコル、セッション_ID、 …	RTT、レイテンシ、インタラクション_時間、 …
execution.events	リソースを消費するプロセスの実行	ユーザー、デバイス、バイナリ		CPU_時間、送信_トラフィック、メモリ_使用、 …
device_performance.events	デバイスによって消費されるリソース	device		CPU_使用率、1秒あたりの読み取り操作、使用済みメモリ、 …
…	…	…	…	…

サンプリングイベントの集計

集計中、システムは類似したイベントをマージし、データタイプに応じたさまざまな関数（合計、平均、パーセンタイルなど）を使用してそのメトリクスを組み合わせます。 Nexthinkは、データポイントの値を損なわない最も意味深い集計関数を選択します。

たとえば、outgoing_trafficは合計され、connection_etablishment_timeは平均されます。

例1 - 複数のプロセス

同じデバイスで同じユーザーがchrome.exeを3つのプロセスで実行していると考えてください。

時間	バイナリ名	送信_トラフィック	接続_確立_時間.平均
08:00 - 08:12	chrome.exe	15 MB	6ミリ秒
08:05 - 08:12	chrome.exe	5 MB	10ミリ秒
08:10 - 08:14	chrome.exe	10 MB	20ミリ秒

データは、08:00に開始し08:15に終了する15分間のサンプリングイベントとして集計・保存されます。

開始時間	終了時間	バイナリ名	送信_トラフィック	接続_確立_時間.平均
08:00	08:15	chrome.exe	30 MB (15 + 5 + 10)	12ミリ秒 ( (6 + 10 + 20) / 3 )

次のようにNQLでクエリします：

execution.events during past 15min | where binary.name == "chrome.exe" | list start_time, end_time , outgoing_traffic, connection_establishment_time.avg

例2 - デバイスCPU

特定のデバイスのcpu_usageを保存するために、Nexthink Collectorは30秒ごとにCPU負荷のサンプルを取得します。

時間	CPU使用率
08:00:00	80%
08:00:30	55%
08:01:00	75%
…	…
08:04:00	90%
08:04:30	95%

08:00から08:05まで稼働するデバイスの場合、10個のサンプルが生成され、Nexthinkインスタンスに送信され、新しい値に集計されます。

開始時間	終了時間	CPU使用量.平均
08:00	08:05	82% (80 + 55 + 75 + ... + 90 + 95) / 10

次のようにNQLでクエリします：

device_performance.events during past 5min | list start_time, end_time, cpu_usage.avg

集計により、システムはデータを長期間保存し、迅速に取得できるようにし、その洞察を生成する能力を損なうことなくできます。

計算済みメトリクス

現在DEXスコアの計算に使用されている計算済みメトリクスは、過去7日間のデータに基づいています。 DEXスコアは毎日計算され、データベースに計算時間に対応する即時イベントとして保存されます（ただし、7日間のデータを考慮しています）。

今日計算された、過去7日間のデータに基づくDEXスコア値を取得するには：dex.scores during past 24hを使用します。

例

あなたの会社は、2024年6月1日にSharePointの問題に対する自動修復ワークフローを導入しました。 修復開始後のイベントのみを含むアプリケーションDEXスコアを取得するには、2024年6月8日以降にスコアをクエリし始めます：

ユーザー
| include dex.application_scores on 2024年7月8日
| where application.name in ["Sharepoint"] and node.type == application
| sharepoint_score_per_user = node.value.avg()を計算
| sharepoint_score = sharepoint_score_per_user.avg()を要約

Nexthink の使用データ

Nexthink は、プラットフォームのテレメトリーを usage.account_actions NQL テーブルを通じて公開し、IT担当者の仮定に頼ることなく、製品やアカウントの役割ごとの活動を測定します。

このプラットフォーム使用データセットは次のことを可能にします:

• どのモジュールや機能が使用されているかを追跡

• 時間の経過に伴う使用傾向を測定

• 有効化のギャップを検出

• 役割ごとの使用状況を比較

• ROI のための採用追跡イニシアチブを支援。

Nexthink の使用テレメトリをクエリするには、Nexthink 使用に関するデータモデルの可視性を持つユーザー役割が必要です。 役割を参照してください。

すべての NQL 対応機能、例えば 調査 やライブダッシュボードでプラットフォームの usage データを使用できます。

調査 からの全体としての Nexthink 製品使用状況のリスト

Nexthink の使用状況と製品固有の採用状況をリストするには、調査 から特定の期間に usage.account_actions NQL テーブルをクエリします。 次のクエリと画像を参照。 NQL フィールドの詳細は 名前空間使用を参照してください。

過去7日間の usage.account_actions

usage.account_actions 調査結果を得た後:

1. どの機器モジュールや機能が特定のタスクを実行するために使用されているか、および誰によって使用されているかを判定するために、フィールド列を確認/エクスポートします。

2. 役割や機能の採用ギャップを検索し、IT 組織内での潜在的な高摩擦プロセスを相関付けます。

採用の問題が存在する場合は、Nexthink Learn の学習パス、評価、および認定プログラムを活用するデジタル採用戦略を実施する必要があります。

調査を実行するには 調査の作成を参照してください。

ライブダッシュボードからNexthinkの使用状況と導入を視覚化する

Nexthinkの使用状況と製品特有の導入を視覚化するには、「ライブダッシュボード」からウィジェットを設定し、Nexthinkのusage.account_actions を独自に表現するようにウィジェットを設定します。

次の例では、プラットフォームアカウントの数を製品モジュールなどのフィールドごとに示す棒グラフウィジェットを表示しています。 NQLフィールドの詳細については、 名前空間使用 を参照してください。

棒グラフの例のクエリを参照してください：

usage.account_actions for the last 60 days
| moduleごとにアカウント数を集約

利用可能なダッシュボードウィジェットを設定する方法については、 ウィジェットタイプ を参照してください。

usage.account_actions データセットはNexthinkプラットフォームの導入状況を反映しています。 セキュリティ関連のコンテンツ監査には、 監査ログ を代わりに使用してください。

usage.account_actions データの保持詳細については、 データカテゴリごとの保持期間 を参照してください。

例

プラットフォームの usage データは、調査やライブダッシュボードなど、NQLがサポートするすべての機能で使用できます。 以下の例を探索してください。

usage.account_actions NQLデータセットの他の使用例には以下が含まれます：

調査からのアクティブユーザーの総数の表示

「アクティブユーザーの総数 - 過去30日間」から、調査からの usage.account_actions NQLテーブルをクエリします：

usage.account_actions for the last 30 days
| アクティブユーザー数 = account.name.count() を集約

NQLフィールドの詳細については、名前空間使用 を参照してください。

調査を実行するには、 調査の作成 を参照してください。

調査からの機能ごとのアクティブユーザーとアクションのリスト

過去90日間の機能ごとのアクティブユーザーとアクションを表示するには、調査からusage.account_actions NQLテーブルをクエリします：

usage.account_actions for the last 90 days
| アクティブユーザー = platform.account.account_uuid.count(), featureごとのアクション数 = count() を集約
| アクティブユーザーの降順で並び替え

NQLフィールドの詳細については、 名前空間使用 を参照してください。

調査を実行するには、 調査の作成 を参照してください。

Nexthink Amplifyに特化した使用状況を追跡するためにusage.account_actions NQLテーブルを活用することもできます。 track usage specific to Nexthink Amplify