Date: April 10, 2017
Ini adalah posting pertama dalam dua bagian seri. Bagian 2 tersedia di sini. Kami menyoroti pergeseran peran itu sebagai kecerdasan buatan (AI) yang didorong data ilmu berkembang.
Anda mungkin berpikir bahwa kata-kata "kecerdasan buatan" atau "mesin belajar" terdengar seperti buzzwords yang trendi. Pada kenyataannya, banyak hype tentang teknologi ini benar. Tidak seperti melewati periode kegembiraan atas kecerdasan buatan, menarik hari ini sudah tidak lagi latihan akademik. Sekarang, ia memiliki kebutuhan dunia nyata untuk cepat solusi untuk masalah yang terlalu rumit untuk hanya manusia. Dengan virtualisasi, tim TI mendapatkan akses ke variasi dan volume data real-time mesin. Mereka ingin menggunakan untuk memahami dan memecahkan masalah-masalah di lingkungan operasi TI mereka. Apa lebih, bisnis melihat nilai dalam mendedikasikan anggaran dan sumber daya untuk memanfaatkan kecerdasan buatan, khususnya mesin belajar, dan dalam belajar. Mereka menggunakan teknologi yang kuat untuk menganalisis data ini untuk meningkatkan efisiensi dan kinerja.
Data ilmu untuk menyelamatkan 
Kompleksitas pengelolaan lingkungan TI virtual menekankan keluar tradisional Departemen IT. Namun, IT Pro yang menemukan bahwa solusi terletak dalam data dan alat berbasis kecerdasan buatan yang dapat memanfaatkan itu. Sebagian besar adalah dalam proses memahami seberapa kuat data adalah dalam membuat keputusan tentang konfigurasi, mengoptimalkan dan pemecahan masalah lingkungan virtual. Awal tahap virtualisasi lingkungan dipantau dan dikelola dengan cara yang sama yang lingkungan server fisik. IT Pro dioperasikan di diskrit silos (jaringan, Penyimpanan, infrastruktur, aplikasi). Mereka menggunakan beberapa ambang-berdasarkan alat untuk memonitor dan mengelola mereka berfokus pada metrik individu-pemanfaatan CPU, memory pemanfaatan, latency jaringan, dll. Ketika metrik melebihi ambang batas yang telah ditetapkan, alat ini menciptakan tanda-sering ribuan Alert untuk satu masalah.
Jika Anda membandingkan pendekatan ilmu komputer untuk pendekatan ilmu (AI) data, beberapa pengamatan menjadi jelas. ITU berdasarkan pendekatan tradisional pada prinsip-prinsip ilmu komputer yang mereka telah digunakan untuk 20 tahun terakhir. Ambang berbasis pendekatan ini berasal dari lingkungan server fisik yang relatif statis, volume rendah. Staf TI menganalisis individu alert untuk menentukan apa yang menyebabkan masalah, betapa pentingnya hal ini, dan bagaimana untuk memperbaikinya. Namun, tidak seperti lingkungan server fisik, komponen dalam lingkungan virtual sangat saling bergantung dan selalu berubah. Mengingat pertumbuhan besar sistem virtualisasi, IT Pro tidak dapat membuat keputusan dengan menganalisis tanda dari silo satu pada satu waktu.
Kecerdasan buatan, dalam pembelajaran dan pembelajaran mesin
Untuk mendapatkan jawaban yang akurat untuk pertanyaan kunci di lingkungan virtual yang besar, tim itu perlu kecerdasan buatan-berbasis solusi analisis. Mereka yang membutuhkan solusi yang mampu secara bersamaan mengingat semua data yang timbul dari Silo infrastruktur TI dan aplikasi. Dalam lingkungan virtual, komponen berbagi sumber daya dan berinteraksi satu sama lain dalam cara yang halus. Anda memerlukan solusi yang memahami interaksi dan pola perubahan perilaku mereka dari waktu ke waktu. Itu harus memahami bagaimana perubahan melalui seminggu bisnis dan sebagai perubahan musiman yang terjadi selama setahun. Paling penting, perlu AI-driven solusi yang melakukan pekerjaan untuk itu. Itu harus mengidentifikasi akar penyebab masalah, merekomendasikan solusi, memprediksi masalah masa depan, dan ramalan masa depan kapasitas yang diperlukan.