如果管理人員希望更多地親自參與安全性，他們可以構(gòu)建網(wǎng)絡(luò)測(cè)試、風(fēng)險(xiǎn)分析、軟件測(cè)試和安全文檔技能。能夠主動(dòng)預(yù)測(cè)、修補(bǔ)和保護(hù)來自外部威脅參與者的數(shù)據(jù)，這是數(shù)據(jù)優(yōu)先框架的重要組成部分。

4.DevOps通過軟件提供支持

管理人員需要增加DevOps支持和協(xié)作，以提高他們的數(shù)據(jù)中心技能。實(shí)施不當(dāng)?shù)腄evOps系統(tǒng)可能會(huì)在生產(chǎn)環(huán)境中造成混亂。基于軟件的檢查和平衡應(yīng)該捕獲問題，因此性能和運(yùn)行時(shí)問題不會(huì)在整個(gè)操作環(huán)境中傳播。

這些檢查和平衡使用更靈活的操作，因此管理員應(yīng)評(píng)估操作過程，并確定它們是否支持敏捷工作流。而在應(yīng)用程序支持和生產(chǎn)環(huán)境方面，需要了解軟件層是否經(jīng)常更新或受到未解決的錯(cuò)誤的困擾。

管理人員還應(yīng)該了解基礎(chǔ)設(shè)施即代碼（IAC）?；A(chǔ)設(shè)施即代碼（IAC）為用戶提供了一種更高級(jí)、更通用和更具描述性的語言，用于在數(shù)據(jù)中心內(nèi)提供和部署軟件流程。這意味著管理人員使用軟件而不是硬件來管理大部分技術(shù)堆棧。

基于軟件的管理為管理人員提供了更具可擴(kuò)展性的數(shù)據(jù)中心資源，但它需要更多的前期測(cè)試和基于代碼的故障排除，以確保硬件兼容性。管理人員越熟悉軟件定義的數(shù)據(jù)中心和虛擬機(jī)管理，就越容易支持DevOps代碼和基礎(chǔ)設(shè)施。

5.人工智能的增加需要新的硬件

人工智能（AI）、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)功能將在2019年更易于管理人員使用。許多組織已經(jīng)使用機(jī)器學(xué)習(xí)技術(shù)，諸如使用模式識(shí)別的制造等行業(yè)來識(shí)別不符合規(guī)范的項(xiàng)目。

這不僅需要增加存儲(chǔ)和處理能力，還需要適合的監(jiān)控和數(shù)據(jù)收集軟件。管理人員必須了解這些智能系統(tǒng)如何為他們的業(yè)務(wù)提供幫助，確定一些滿足其預(yù)期目標(biāo)的基本引擎，并使用一個(gè)引擎作為基礎(chǔ)。如果組織僅在沒有定義用例的情況下使用人工智能，則投資回報(bào)率將非常低。

如果組織想要運(yùn)行任何人工智能增強(qiáng)應(yīng)用程序，管理人員應(yīng)該確保數(shù)據(jù)中心有適當(dāng)?shù)挠布ㄈ鏕PU）和管理能耗的知識(shí)。運(yùn)行這些高性能應(yīng)用程序可能對(duì)組織有益，但基于GPU的服務(wù)器需要更多的能源和電力資源。管理人員應(yīng)該安裝GPU硬件，這樣就不會(huì)讓服務(wù)器不堪重負(fù)或帶來更高的電力賬單。