数据中间和IT治理今朝反面临一些严重的行业转变。此中最主要的是劳动力的转移和改变，现在IT行业天天约有10,000人退休，这一趋向始在2011年，估计将延续到2030年，而这产生在物联网（IoT）的普遍利用和成长时代。2017年全球具有64亿台物联网装备，专家猜测其数目在将来几年将跃升至两倍多。

数据中间治理与劳动力这两个主题仿佛并没相关联，但现实上它们的联系看起来更慎密。因为劳动力生齿的转变，有些组织乃至雇用退伍甲士取代行业资深人士，而这些退休人员去职后，组织将会呈现常识和经验欠缺问题。这将对年夜大都行业的成长发生影响，特别是IT和要害根本举措措施等高技术行业中。

另外一方面，物联网的成长正在引领新的数据中间和收集架构的转变与成长。跟着对边沿位置的需求不竭增添，对散布式数据中间治理的需求也在不竭增添。机械进修可以或许让数据中间运营商无机会采取更有用的方式进行根本举措措施治理，供给主动化操作、猜测性警报和自动办事。

经由过程机械进修，数据中间能够辨认一般或非常的运营趋向，并实行根本举措措施系统的主动化治理，例如电力和冷却。经由过程采取自动辨认办法提高效力，机械进修能够帮忙其系统学会在触发时主动顺应，从而可能无需现场手艺人员进行调剂。

固然采取进步前辈的手艺可能没法主动处理问题，但机械进修也能够帮忙手艺人员完成平常工作。经由过程辨认模式和趋向，机械进修还供给了将手艺人员的办事方式从被动改变为自动的机遇。经由过程利用猜测性警报，手艺人员能够在建立问题之前处置保护，最年夜限度地削减需要员工调派到用户的告急办事呼唤。更主要的是，经由过程挪动的利用法式，手艺人员能够提早取得趋向和周全的常识库，在辨认问题息争决方案方面有必然的劣势。

在以上的例子中，机械进修和人工智能（AI）有可能最年夜限度地削减对现场手艺人员的需求，并经由过程对运营趋向、最好实践法式息争决方案的看法帮忙新员工。可是，取得这些益处需要年夜量数据和范畴专�����APP业常识这两个要害组件。为了操纵这些可能性，根本举措措施治理必需具有恰当的流程来捕捉和阐发根本举措措施数据。更好的是，IT专业人员能够经由过程更壮大的数据加强机械进修能力。数据中间运营商能够汇总、匿名和阐发来自世界各地各类摆设的数据，供给行业所需的常识，而不是任何一个特定的位置。

很较着，IT、冷却和电力等范畴专家的退休，和数据爆炸和边沿收集的成长趋向都没有放缓。荣幸的是，机械进修只是数据中间治理可以或许跟上这两种趋向的体例之一。