預測分析是目前AI維運發展較成熟的領域，主要是用於預測使用率以及效能。雖然多數設備商在過往也試圖提供類似的功能，但如今以大數據為基礎，透過機器學習的精準度將會大幅提高。
因應數位轉型的嚴峻挑戰，許多專家紛紛建議優先從資料中心現代化著手，以順利過渡轉型。然而，隨著新的系統、新興技術以及應用服務的加入，企業基礎架構維運也變得愈益複雜與困難。問題的關鍵在於，現今大多的IT運營管理（ITOM）工具多半只針對特定的基礎架構提供可視化的管理介面，這些孤島式訊息很難讓管理人員得以窺見全貌，若想藉此確保應用服務所需的基礎架構與設備都以最佳狀態運行，確實有其難度。
 |
| ▲ Hitachi Vantara台灣區資深技術顧問梁萬宇觀察，預測分析是目前AI維運發展較成熟的領域，主要是用於預測使用率以及效能。 |
最近，Hitachi Vantara市場行銷部資深經理Richard Jew便專文提到這項挑戰，同時探討了AI維運（AI Operations）在現代化資料中心的應用趨勢。他以去年Gartner發布的AIOps平台市場指南中，AIOps平台如何在ITOM實現持續洞察圖示為例，說明機器學習以及大數據對於資料中心的監控、服務管理以及自動化的助益，尤其是跨系統優化，以及簡化IT營運流程方面，均有很大的幫助。
例如，某線上零售商打算為Cyber Monday工作負載進行評估準備，如果他們使用特定領域的ITOM工具，僅能看到伺服器或儲存設備的營運狀態，便很難正確地規劃，而AI Operations由於可收集到大量來自不同系統的遙測資料，運用機器學習跨多個資料源進行分析，因而能夠提供更完整的IT基礎架構可視圖，用於改進資料中心的監控與規劃。
針對AI Operations的發展趨勢，Hitachi Vantara也已經開始著手布局，並且發表AI維運軟體組合，包括Hitachi Infrastructure Analytics Advisor（HIAA）、Hitachi Automation Director（HAD）以及Hitachi Data Instance Director（HDID），協助客戶建置更敏捷的資料基礎架構。
Hitachi Vantara台灣區資深技術顧問梁萬宇解釋，簡單地說，HIAA旨在管理資料收集，包含效能與容量資訊，而HAD則是自動化的發動者，當HIAA分析資料後覺得應該要執行某一行動，這時便會要求HAD執行，兩者相互配合。而HDID則是一個專業資料復原平台，可長期保留及重複使用受管理的複製資料，以支援各式各樣的次要應用程式。
他觀察，預測分析是目前AI維運發展較成熟的領域，主要是用於預測使用率以及效能。雖然，多數設備商在過往也試圖提供類似的功能，但如今以大數據為基礎，透過機器學習的精準度將會大幅提高。「企業環境變化愈來愈快，維運挑戰也跟著加劇，Vantara的目標是希望能夠減輕企業負擔，若企業能愈快找到問題、愈快解決，就能縮短平均修復時間（MTTR），提供更好的使用者體驗。」