企业为什么要选择机器学习来实施信息技术操作

企业为什么要选择机器学习来实施信息技术操作 在当今的数字转型时代，领先的企业组织已经认识到大规模主机的战略意义，即通过高效的事务处理和对企业关键数据的大规模访问来提供高商业价值。在本文中，我们将与我们的读者和朋友讨论企业组织应如何将大型机作为其现代混合IT环境的一部分进行连接和创新，并通过操作智能和机器学习来帮助简化大型机的管理，以跟上不断增长的市场需求。 在当今的数字转型时代，领先的企业组织已经认识到大规模主机的战略意义，即通过高效的事务处理和对企业关键数据的大规模访问来提供高商业价值。在本文中，我们将与我们的读者和朋友讨论企业组织应如何将大型机作为其现代混合IT环境的一部分进行连接和创新，并通过操作智能和机器学习来帮助简化大型机的管理，以跟上不断增长的市场需求。

计算机世界正在我们眼前发生巨大的变化。曾经拥有一致且可预测的商业模式的行业正在经历颠覆。在数字经济中，无缝的客户体验至关重要。探索新的创新在线销售策略的零售商和大型银行机构都在积极探索如何预测客户对新服务的需求。其中，高性能和可扩展的信息技术系统无疑是成功的关键。归根结底，作为企业的IT领导者，您需要帮助企业预测机会、促进业务增长，并主动防范可能威胁企业收入的各种风险。

目前，企业和组织正以创新的方式积极使用大型机作为其现代信息技术环境的一部分，为客户提供新的服务和体验。为了实现这一目标，他们需要重点关注以下三大举措:

现代大型机和混合云环境之间的连接和管理；

借助机器学习管理主机的运行；

将机器学习和分析应用于数据源

关系

在一个对灵活敏捷和模块化应用程序和服务的需求占主导地位的时代，连接大型计算机的概念越来越受到企业组织的青睐。现代大型计算机已经完全改革了开源基础设施的本地化和集成，包括Linux操作系统、Java语言和分析平台(如Hadoop和Spark)。此外，新一代应用程序编程接口(API)提供了大型机工作负载与混合云和移动环境之间的无缝集成。

大型机朝着更加开放的平台发展，这使得信息技术成为企业混合信息技术环境的重要组成部分。例如，使用API？？管理，您的企业可以将大型机事务与用户友好的移动应用程序无缝连接起来。当您的企业将大型主机的可扩展性、可靠性和安全性与新兴的开发平台工具、容器和微服务相结合时，转变您的企业环境的能力已经形成。

作为企业中的IT领导者，您需要认识到帮助推动业务发展的能力取决于提供高性能、持续可用的环境。为了实现业务成功，这些将大型主机连接到公共云和私有云的混合环境必须以操作复杂性进行管理。新兴的机器学习分析正在成为一种工具，使这个复杂的系统更易于管理和预测。

充分利用机器学习简化操作

尽管在大型机和混合IT基础架构之间建立连接系统变得至关重要，但企业必须利用简化的技术来管理工作负载和功能的组合。现实情况是，经验丰富的大型机操作专家即将退休，而新的IT操作员通常缺乏管理大型机的经验，更不用说灵活应对混合IT的复杂性了。

能够帮助理解大规模主机操作完整性的主要技术是由操作专家分析的大量日志数据。这需要大量时间，并且需要对许多大型机子系统的复杂知识来跟踪相关问题。然而，随着大多数经验丰富的大型机专业人员逐渐退休，企业越来越难以找到具有适当技能的新员工。积极应对这一不断扩大的技能差距的最可行的解决方案是配置一个软件环境，用于抽象地管理大型主机的复杂性，以便管理员能够在问题发生之前快速找到问题的原因，并防止潜在故障的发生。您的企业应该考虑使用新兴的机器学习和自动化技术，使没有经验的IT运营经理能够熟练地监控和管理您企业的大型计算机的运行。

基于机器学习和嵌入式智能的操作环境积极地从模式分析中学习，并能够在性能问题出现之前自动或手动采取补救措施。

将机器学习应用于数据源

大型机机器学习使领先的企业组织能够利用大量经常未被充分利用的大型机数据。一个重要因素是，现在可以在数据位置附近执行高级分析。

大规模大型机事务数据可以提供丰富的智能，帮助企业理解他们对客户需求和未来预期的见解。检测这些数据中的模式和异常的能力对于所有行业中试图在竞争中保持领先或仅仅提高运营效率的组织来说都是一个有价值的工具。不迁移数据更有效、更安全，而是将分析引入大型计算机的事务数据。因此，当数据安全性和实时分析很重要时，将机器学习应用于大型机事务数据的最佳方式是在大型机平台本身上执行分析。例如，如果安全性和实时速度不是关键因素，那么在执行简单的取证历史分析时，将大型机数据卸载到分布式或云资源是获得整合洞察分析的另一种方法。

定义机器学习和操作智能

机器学习是计算机科学的一门学科，它提供一套复杂的算法来不断提高模型的精度。通过机器学习，我们可以从海量数据中学习，提高预测结果的准确性。有许多算法可以基于暴露于数据的模式而不是通过显式编程来学习和提高它们的性能。本质上，机器学习系统是基于系统的最佳实践和预期行为而设计的。

机器学习系统不是简单地对系统进行编程以检测操作系统中的已知问题，而是从操作数据开始，并且系统将在员工采取操作行为或者甚至员工不执行推荐的操作行为时进行学习。就大型机系统而言，机器学习模型理解大型机的功能及其创建的数据类型。机器学习系统依赖于大量的数据收集。随着系统收集更多数据，它可以更新其数据模型以创建更准确的结果。机器学习系统不同于传统的解决方案，在传统的解决方案中，程序员必须在开始时做出假设，但系统不会随之发展。

企业信息技术角色的演变

随着信息技术逐渐转变为企业数字颠覆性业务的服务部门，不同的信息技术孤岛发现它们必须合作才能生存。因此，管理复杂的混合计算环境受到了更多的关注。现在，人们认识到大型机是扩展和保护关键数据和事务的焦点。从操作信息技术的角度来看，有一个可预测的方法来管理环境是至关重要的。假设运营团队有知识或能力继续以被动和手动的方式管理这个相互关联的系统是不现实的。为了取得成功，企业的信息技术运营领导者们正在转向机器学习工具，以便能够快速行动，确保成功和透明的客户体验。

将机器学习应用于企业信息技术运营的好处

机器学习算法和大型机数据的结合给企业带来了更轻松有效地管理复杂大型机环境的机会。此外，机器学习环境的优势远远超过大型主机操作专家团队的现有知识。当创建新的应用程序并且大型机数据与新兴系统集成时，这一点尤其重要。

将机器学习应用于企业信息技术运营的五个最重要的好处是:

1.主动管理。嵌入式智能系统可以检测可能导致故障中断和其他潜在问题的异常模式。

2.修理得更快。分析师和管理员可以快速找到问题的根源。机器学习不是过滤大量的应用程序和系统数据，而是帮助识别引发问题的触发因素。

3.提高生产率。机器学习环境从历史数据和行为模式中学习，以更准确地检测性能异常并自动执行例行任务纠正。这将有助于提高更多初级团队成员的熟练程度，并使您企业中的专家能够专注于最关键的问题。

4.高效协作。统一的机器学习环境汇集了来自多个来源的不同分析数据，从而提高了洞察力，并帮助您的企业团队更有效地合作，以隔离和解决问题。

5.提高应用程序性能。通过将机器学习应用于大型机操作，您的企业可以提高应用程序性能并减少延迟和停机时间。

案例研究:一家金融服务公司利用机器学习解决信息技术运营和管理挑战的案例研究

一家大型全球保险公司长期以来一直是大型主机企业的客户。这家保险公司使用大型机来支持八个独立业务线的交易和数据工作负载。该公司的大型机应用程序已经整合了数十年的宝贵业务逻辑。

该公司有两个压力点。首先，随着公司不断构建新服务，大型机环境变得越来越复杂。其次，由于市场竞争的压力越来越大，公司的信息技术团队需要能够支持各种新的业务计划。因此，对其主机的需求呈现爆炸式增长。例如，业务团队现在希望将大型机应用程序和大型机数据连接到新的基于云的移动服务。简而言之，该公司希望利用他们宝贵的大型机数据资源。

像许多类似的企业一样，该公司面临着越来越大的抑制成本的压力。尽管需求不断增加，但其业务预算并未增加。我们负担不起更多的管理和操作人员来负责我们的系统。该公司的主机容量、性能和自动化总监解释道。监控点太多，因为我们扩大了大型机的使用范围。此外，关闭主机是绝对不可能的。

企业的信息技术管理人员都知道，他们唯一的选择是优化大型机的管理。最重要的要求之一是找到一种方法来关联来自多个数据源的数据，以进行实时预测，并提高对大型主机系统行为的洞察力。使用基于机器学习的解决方案将使运营团队能够主动应对潜在的问题，同时确保大型机能够支持新的计划。

保险公司与CA技术公司合作，将机器学习和操作智能集成到他们管理大型机环境的方式中。这种新方法简化了发现潜在问题的过程，无需人工干预。主管指出:这种方法使我避免了有经验的员工在监控报告上浪费时间的潜在问题。公司已经评估了一系列运营分析产品。该负责人表示:CA Technologies的方法领先于其他分析引擎，这些引擎不是实时的，也没有嵌入到企业管理监控系统中。

机器学习引擎从不同的来源获得各种系统和日志数据，以识别其特定的主机如何运行。运营总监表示:在我们开始实施的最初几周，监控平台开始意识到什么是正常的，什么是不正常的。该系统学会检测异常性能，因此可以提醒操作员解决问题。

该系统有助于提高正常运行时间，缩短平均修复时间(MTTR)，并帮助运营领导更好地利用资源。他说:因为运营经理不局限于大量复杂的数据，他们可以将他们的专业知识应用到解决方案中。机器学习现在为团队中的每个人提供了背景和决策的标准基础。机器学习平台了解可变性，能够识别和关联历史模式，并预测如何管理工作负载。

结论

只有符合客户需求并满足可预见的要求，数字转换才能成功。大型机提供了确保企业关键应用程序的运行速度、一致性、可信度和安全性所需的企业规模和可靠性。但是，假设大型主机可以独立管理是不可行的。在高度互联的数字世界中，大型计算机必须被视为混合信息技术系统的一个组成部分。

大型机的许多根本性变化已经改变了它作为真正数字驱动程序的角色。如今，大型机主机拥有从操作系统(Linux)到高级分析服务(Spark)和语言(Java)的本地开源基础架构。作为一个开放的平台，大型机可以在支持数字转换的最重要的新兴技术中发挥核心作用。

咨询公司Hurwitz Associates进行的一项调查显示，许多领先公司正积极将大型计算机的机器学习与这些新兴技术相结合，以创建一个互联企业，并支持其数字转换项目:使用微服务和容器的模块化代码和部署。企业IT运营管理团队可以创建可重用的服务和可移植的代码，并使用这些代码快速创建新的应用程序或跨环境移动应用程序。

内部和第三方应用编程接口正在帮助组织将大型机集成到他们的整体数字转换战略中。应用编程接口帮助大型主机与新的移动性和云应用程序及数据源无缝连接。

移动应用是大多数企业客户的首选部署模式。然而，为了有效和安全，这些应用程序必须与大型机上管理的事务和业务服务相结合。

机器学习和智能操作可以将大型机管理转变为企业战略成功的武器。机器学习环境将通过自动化来适应、学习和优化您企业的信息技术操作，使您能够专注于创建解决方案和解决创新方法，从而以数字方式创建您企业的未来业务。