IT运营收集的数据量多年来一直在增加。例如,微服务的趋势意味着更多的应用程序正在生成自己的操作数据,以及诸如Splunk等工具,普罗米修斯或者elk堆栈使其更容易稍后存储和处理数据,以获得操作见解。与越来越民主的机器学习工具相结合时,运营商将开始将统计模型和培训的分类算法纳入其工具集中是不可避免的。虽然这些算法已经获得多年,但是已经提供了自动化服务管理的各种尝试,但我们只是开始了解机器和人类如何合作以识别早期的停电或查明失败来源。虽然存在过度划算的风险算法IT操作,机器学习算法的稳定改善将不可避免地改变人类在明天的数据中心运营中的作用。