数字化日益成熟自动化已然原力觉醒

　　当下的数字化变革，无疑催生了业务的指数级增长。一波未平一波又起，泥萌是如何应对疯狂生长的业务需求的呢?

　　值得一体的是，总有一些重复性任务难以避免，诸如常规配置、调整页面、打补丁等基础管理任务。讲真，你可还困于重复性流程而脱不开身?

　　事实上，随着算法的日益成熟，自动化已然“原力觉醒”。通过自动化来提高速度、可靠性和可预测性才是基础设施和运营(I O)部门推动生产模型进行变革的根本所在。自动化的发展，将深刻影响我们日常生活的每一个方面。诸如AI(人工智能)、物联也将成为自动化大施拳脚的重要领域。

　　自动化兼具计算机速度与人工智能

　　计算机快速、精确，但缺乏智能。人工速度慢、不稳定，但足智多谋。自动化则以最简单的方式将计算机的速度与人工智能相结合，将手动流程转变为无需人工干预且能够获得相同(或更佳)结果的自动流程。什么是流程?一般来说，流程是指：采用将产生特定结果的特定方法或过程的一系列操作。

　　工作流描述如何传递和转换消息以完成流程;它是产品或信息发生流动的预定义操作模式。在信息系统工作流中，应用和人力资源相结合，执行每个操作。例如，当管理员将修补程序应用到服务器上时，每个操作将以输入、任务和预期结果的方式清晰地定义。

　　使用简单脚本：脚本可以按照指示(例如“服务器名称”)执行每个任务或操作;然后为每个操作启动所需作业，直至完成流程。

　　构建自动化软件解决方案：软件解决方案可以通过特定软件例程执行每个操作，这些例程可以汇编为完全自动化的流程。然后，可将例程归入一个目录中，并重复利用它们来构建其他流程。

　　操作是自动化工具的基础构建块。它的架构通常包括：

　　·启动所需操作的触发器：该触发器可以是一次人工干预、一个超过阈值之类的简单事件、多个事件分析引起的一个复杂事件或者一个日期/时间之类的日历事件。此外，也可以是其他操作的输入。例如，物联(IoT)设备可以通过分析传感器和基于位置的技术提供的个人身份、状态和位置等输入来识别触发器;

　　·操作分析：借助通过发送到软件例程的消息所传递的参数，分析可以确定如何启动操作以及预期的结果;

　　·执行每个操作的软件例程：操作软件将不断监控该例程是否完成并分析结果以确定是成功还是失败。该分析会接着触发进一步的操作;

　　我们将大多数形式的自动化操作应用于任务和流程，其中操作软件例程、初始状态和触发器输入将决定结果。自动化非常适合耗时(且枯燥)的可预先建立的重复性任务和流程;与此同时，自动化的另一分支通过使用基于AI(人工智能)的更成熟分析算法来实现发展，即启发式自动化。速度和容量方面的技术发展意味着现在有可能实现基于预测行为的可自我修复的自适应系统。

　　I O专业人员将使用启发式自动化应用进行数据分析、模式识别、自我学习系统和决策支持，从而最终制定出诸如自我修复系统的解决方案。尽管基于人工智能的启发式解决方案实施起来较为困难，但是仅需少量维护，因为该解决方案可自行适应环境。下面，我们来看下AI应用的两大类别：

　　两大AI应用类别

　　使用预定义的结构化数据样本的解决方案：大多数自主学习解决方案属于此类别。该类解决方案有时会基于根据历史数据动态设置的阈值和参数分析数据样本中的模式，并“学习”应执行哪项纠正操作;然后，解决方案会在每次检测到该模式时自动应用该纠正操作。这种不断丰富知识库的行为是自主学习和自我修复自动化解决方案的基础，可大幅提高突发事件和问题管理流程的质量和速度。

　　应用于非结构化数据的解决方案：它们不断探索没有预定义含义或结构的数据，以使用成熟算法确定模式。此类解决方案发现的模式有助于制定决策，并最终制定出自主学习解决方案，从而在分析来自多个看似无关的传感器的数据时提供帮助。

　　毫无疑问，从工业机械、用户设备或诸如污染程度的环境参数中收集数据的物联将成为自动化复杂流程的理想环境。技术管理也可以使用这些解决方案将资源自动分配给工作负载以进行应用协调。