你的 IT 基礎設施運行得如何？它的客戶體驗、正常運行時間和即時回應時間達到你的期望了嗎？你能避免運行中斷，在最短時間內修復問題並最小化影響嗎？讓機器學習來拯救你吧。
現實是，IT 系統已經變得互通、複雜而龐大，讓人們 —— 即使是最有天賦的基礎設施和工程團隊 —— 都無法趕上。譬如最近的英國航空公司系統故障，一個簡單的人為錯誤導致電壓瞬間超出正常工作電壓，令到英航電腦癱瘓，並對包含乘客和飛行數據的關鍵伺服器造成了嚴重損害。有誰又能料到一個單一動作的所有後果呢？
每天都有類似的問題困擾著世界各地的企業。但是，這些問題出現的原因並不是資訊或數據匱乏，而是數據量太多。單純依靠人力去獲取和應用所有領域的知識已經漸漸變得不可能，因而機器學習正在迅速變得必不可少。
以下是 IT 專業人員尋求機器幫助的三個重要原因：
定製化
機器學習的優點在於可以通過無監督學習實現定製化，從而滿足公司獨特業務環境的需求。機器學習通過採用各種演算法，識別數據中可實際應用於商業活動、挑戰和機會的一致、連貫且反複出現的模式，從而實現這一優勢。
無監督學習有眾多好處：
- 機器並非由IT專家程式設計以提供特定的輸出，而是能夠通過識別數據中的模式以提供最理想的結果
- 機器並非只能針對有限的特定情況做出回應，而是在任何情境中都能能夠做出回應
- 機器學習不是產生一般的見解或結果， 而是個性化且有針對性的。
舉個例子，假設有兩家保險公司恰巧使用相同的數據中心基礎設施和軟件工具，但各自有不同的工作量模式、客戶資料、業務規則和評分方法。如果兩者都採用機器學習，即使它們在同一個行業，並且使用相同的技術，機器學習也會根據兩個業務環境中的特有因素為每個公司產生完全定製化的結果。
高效化
現今的公司往往都掌握了大量的數據，但是大多未被利用或者不可用，並且可能還在快速變化。這些數據太過龐大，即使是整個部隊的分析員也無法奢望能夠完全掌控。
有了機器學習，大數據的優勢可以通過將操作智能嵌入到現有的性能管理工具中得到有效實現。假設一家大型百貨商店使用機器學習來分析銷售交易，就可以輕鬆地評估數十億筆交易及相關元數據並從中獲取有價值的資訊（如交易發生的地點和時間是什麼？網站如何執行其功能？交易對收入、行銷和庫存有什麼影響等等？）。這些資訊可以被納入現有的工具中，以幫助商店改進其內部運作，並提升端對端的客戶體驗。
持續化
機器學習也可以幫助彌補IT運作專家退休或離開公司時留下的空缺。例如，新一代的 IT 專家未必接受過大型主機技術的培訓，而許多領先的企業以及政府都依賴此技術來執行其最重要的應用程式。嵌入智慧和應用機器學習技術吸納了大型主機專家的技能和知識，可以降低風險，確保機構可以實現持續和可擴展的運營，從而彌補對於優化大型主機性能和檢修故障等專業能力的缺失。
機器學習是優化基礎架構性能，促進業務增長，改善客戶體驗，提高知識管理以及帶來眾多可能性的關鍵。下一步，就是讓機器學習為你所用。
作者： Vikas Sinha
CA Technologies業務高級副總裁
Vikas Sinha 為 CA Technologies高級業務副總裁，專門負責推動大型主機的機器學習，操作智能及數據安全等業務。