数据科学创造了一种新的认识，即人们所拥有的数据比先前假设的更有价值。当前的思维支持人们使用新的工具（例如人工智能和DevOps流程）从原始数据中获得价值。以往的工具太难应用或需要太多的努力。从这个新的角度来看，数据中心管理人员现在被要求确定新的关键绩效指标，并制定计划，以便在更具协作性的团队结构中更快地实施这些指标。
通过这种更新的战略，大多数IT经理都集中在现代化进程中，以满足消费者不断扩大的需求，通常采取云迁移、添加服务器节点或一般系统升级的形式。
利用DevOps、人工智能和数据科学的新功能，使企业能够在每一个现代化步骤之前、期间和之后对基础设施性能进行无与伦比的可视性，从而真正了解每一项改进所产生的影响，以及仍有改进空间的地方。
数据中心设施如何实施这种技术？关键步骤和考虑因素是什么？
实施方式因数据中心设施而异，但大多数公司已经可以使用这些先进技术。事实上，根据最近的调查结果，78%的团队开始使用他们的数据中心管理工具目前提供的人工智能驱动功能。为了最大限度地利用这些功能，数据中心团队必须努力充分了解这些功能尚未开发的潜力。对于那些还没有使用数据中心解决方案的人来说，找到一个提供灵活平台和稳定的创新渠道的合作伙伴将是采用这些技术的关键部分。
目前的结果是否符合投资标准？
当然。尽管引进这些新技术可能会带来前期成本，但其结果往往证明了投资的合理性。企业利用新功能改进消费指标，优化远程服务器控制，并消除不必要的开支，并且预计在五年内节省100万美元以上的成本。
下一代技术的趋势是否意味着数据中心的员工的转变？
毫无疑问，数据中心行业的员工队伍正在发生变化，但人们目前看到的转型更可能与向业务的下一步转变。与全球各地的公司合作，人们看到企业试图克服的最一致的挑战是如何以合理的成本以更可靠的系统覆盖越来越多的用户。利用最新的人工智能、DevOps和数据科学的数据中心管理工具是以长期、可持续的方式实现这一目标的关键。
数据中心运营商是否重新配置人员并重新调整技能？
培训团队利用下一代技术将是其成功的关键组成部分，但不太可能需要重新配置人员。考虑到正确的数据中心管理合作伙伴和有效的培训，IT团队应该能够通过简单的入职流程利用这些技术。
