随着移动数据与大数据的增多，历史传统的指标在IT度量系统发展中，差距越来越大。

    以下5个新IT指标体现了IT对业务服务与成本效益的影响，已经被证明为适用于分析重要数据中心性能，尤其在配合新举措的场景下。

    每位管理员多个数据库实例

    我在过去15年的研究发现，中小规模企业对数据库的使用差异成为决定IT总拥有成本的指标。这也是许多数据中心经理们指尖的IT标准：有多少Oracle数据库，有多少Hadoop数据管理系统。

    近年来，数据显示，数据库成本在总成本费用中占比逐渐走高，典型的大型企业每个应用程序需要花费20%的成本在数据库管理上。关键的可控变量是数据库，很多情况下，不同厂商的数据库是无法互相切换的。

    数据中心经理与CIO都惊讶于其未来改进与行业标准会如何变化。随着成本限制，IT组织没有办法再继续高举“没有任何数据库会被抛弃”的旗号。每管理员数据库示例数量是一个能够削减关键成本的有效指标，需要引起重视。

    开发或错误修复重要变更数

    DevOps的问世清楚表明，数据中心是软件开发的重要组成部分。DevOps以及灵活IT需要为这中新方法找到适合的指标。许多敏捷专家建议，不要采取制约开发灵活性以及可能鼓励错误行为的IT指标。其中一个例子就是开发成本指标，这种指标是以设计规范不会改变为前提。

    有效的指标可以用于测量线下与敏捷开发，协调线上bug修复，以及每个项目重大变更的次数。

    不涉及中断的性能下降

    IT部门的重点通常在于防止针威胁公司的中断故障，而没注意到一些性能下降或性能逐步降低的情况。性能下降几乎与服务中断一样重要。性能下降指标会告诉你问题有多大，而你的工作就是解决这些问题。

    性能下降通常意味着成本制约已经开始伤到快速扩张的骨头，这对大数据项目成功的影响至关重要。外包或云主机可以延缓这种可能性，但数据中心外部的成本同样会增加。

    数据处理中信息丢失百分比

    原始数据需要经过一步一步的处理，才能转换为有用信息。数据的有用性取决于每缓解骤损失的有效数据量。

    根据调查，数据输入阶段的主要问题是错误条目——大约会损失20%潜在有用信息。该阶段通常是由于IT无法过滤输入阶段时的错误。数据聚合会连接新输入的信息和系统中已存在信息。不一致的数据无法与现有数据进行核对或修复，这样可能导致大约15%的潜在数据不可用。

    此外，不是所有信息都需要展示，只有大约20%左右的数据在数据中心或云服务中保持活跃，而这些数据可能对实际的业务分析并没有帮助。决策者所关注的总数据展示工具还是存在缺陷，该阶段大约有15%的信息会丢失。

    数据处理中信息丢失的百分比这个指标用来指导每个阶段的数据样本，可以避免发生数据损失，IT也可以更方便地修复问题。

    客户满意度

    普适计算及其对所有用户以及用户与企业通过软件进行内部交流，意味着IT软件对客户以及用户满意度影响的占比越来越大。

    即使实在今天，用户满意度调查与用户调查仍然不够灵活，不够细致——他们会错过发现用户无法接受或者特别关键的部分。然而，即使是钝器，也是有可能或获得与正在发生的事情相关的信息或提示。此外，这个指标能提醒IT和企业利益相关者——最重要的是感知最终用户，而不是短期内企业或IT的意见。

（大成）