機器學習如何幫助企業高效地管理數據？

機器學習是當今技術領域的熱門話題。從自駕車，到反恐鬥爭中捕捉邪惡的內容，應用程序在您拍攝照片之前自動美圖等，這些應用程序無處不在。每一項創新都創造了一個新的商業機會，同時簡化和自動化通常遠遠超出了我們人類能夠立即處理或花費一生處理的數據。

雖然機器學習是一個新興的趨勢，但其實也是一個突破。早在1959年，計算機科學和遊戲先驅亞瑟·塞繆爾就將機器學習定義為「計算機沒有被明確編程的情況下的學習能力」。

由於計算機幫助我們在使用應用程序和服務的前端處理中收穫了很多便捷，機器學習正在迅速轉移到數據中心的後台也就不奇怪了。隨著網路攻擊的增多，研究人員正在研究機器學習如何提高數據中心的安全性。而機器學習控制已經幫助管理電力和冷卻效率，以幫助數據中心更加節能。

機器智能超越開關

除了超越數字警犬和智能開關，機器智能今天所需要提高的效率還遠遠不止這些。儘管快閃記憶體和其他非易失性存儲器(NVMe)技術快速創新，但整個存儲系統的使用效率仍低下。這是因為沒有辦法知道什麼數據是「熱」的，需要高性能，或者什麼數據是不活躍的，就能轉移到較便宜的存儲層。

元數據，可用於確定上次訪問文件的時間，更改了什麼內容，還有更多的屬性有助於顯示給定數據集的當前業務價值。元數據引擎軟體可以虛擬化數據，並檢查數據如何與生態系統中可用的存儲資源保持一致。憑藉這種智能，它可以將任何粒度(LUNs，卷，目錄，子目錄或單個文件)的數據移動到正確的層，以符合IT的目標。它運行的時間越長，元數據引擎軟體收集和分析模式就越多，並開始就如何優化資源提出建議，以最大限度地提高需求數據的性能，從而節省數據。而且，你仍然可以進行手動控制並定義需要性能的數據，因為CEO可能希望在幾秒鐘之內就可以訪問18個月前的電子郵件。

或者，IT可以在其數據中心的每個存儲中心中手動管理數據，但隨著企業開始採用更有效的替代方案，堅持現狀可能會比首先在本地自動化數據管理具有更大的業務風險。

機器學習是基於過去的經驗，以致未來做得更好。也許這就是為什麼當我們聽到機器學習的暴增時，我們中有很多人有點擔心。機器在過去的情感投資遠遠少於我們，但幸運的是，正是因為有了人的智慧，我們可以把智能放在企業最需要的地方，從而更好地管理數據。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！