当下现况
●数据中心运维管理并未真正意义的涉及数据；
●具有价值的预测前提条件是：数据基础架构和系统方法；
●现况的困境或迷茫：单个分析不胜枚举，并且没有显示因果关系；无法提供有价值的决策结论；
●集体数据将推动可预测性，单缺失关联性及规律分析；
●突破方向：数据基础结构将使数据的积累能够构建基于规则的模型；
前提：数据基础架构
●在现阶段，数据中心的AI及ML并不真正存在；
●认知理解：AI的开始首先进行基础研究，才能提供高级分析；
●基础信息数据的建立：整个系统中一致的资产模型将提供更高价值的分析；
●新的挑战：收集整理越来越多的数据时，新的数据安全及网络安全成为新挑战，安全性始终是一个重要的问题；
●难点及要点：构建安全数据基础结构的更大重点应该放在人员和流程环节；
IDC冗余设备及组件的困境
●设备及组件的冗余将成为只有分析才能解决的问题；
●行业领导者在进一步探讨：故障模式和影响分析（FMEA）的概念；
●调整应急响应的相关管理流程，针对整体故障可能性重新评估并在系统内创建风险层次结构；
●专业工程师及管理层联合分析数据，数据将说明问题，并有可能减少冗余，从而减少资本支出；
数字孪生的好处
●在应用数据驱动的资产管理（即预测分析）时，风险会更低，生命周期也会得到优化；
●完整的价值在于将关键任务环境相互比较以获得基准，这才是最终目标；形成价值服务；
●预测分析所带来的具有价值的目标是跨多个位置和地理位置进行复制；
●多数据中心资产运维管理下模式的可复制性，企业形成更加有力的扩展竞争力。
