IT管理领域的大数据运维、数据处理和数据挖掘应该怎么做？

这种大数据的运维，现在应该很流行，但是至于怎么做，我也不太清楚。

大数据时代，运维未必能见到具体的故障现象，老板只是根据投诉量增加，或者近期收入减少，就要求运维对系统作排查和定位，要求陡然增高。首先还是要了解老板认为出现异常的依据，在这些依据里提取故障现象，然后顺藤摸瓜，这是最简单的一种情况。如果老板的依据只是业务数据，比如收入减少了，那就复杂很多，运维就要先分析业务的数据了，明确变化趋势发生的时间段。列出时间段前后，列出所有相关的的技术割接、调整，以及业务的变化，除非是很明确的业务导向，还是做好自身工作，排除技术本身带来的问题以时间顺序区分优先级，距离业务趋势变化最临近的技术调整优先级最高，而距离时间长的优先级低，在资源有限无法并行的情况下，以优先级高低来投入资源，查明问题。使用排除法来缩小范围，这时需要运维部门已建立对运维数据的大数据分析系统，通过运行数据的变化趋势来判断该调整对业务的影响，如果不具体此条件，很不幸，这种趋势类故障就只能指望公司里有牛人存在了，普通运维方式无法定位这种情况下的异常。在调整或割接繁重的环境，可能存在有多个疑问变动，无法明确定位的情况发生，这里应秉承先易后难，先做影响范围小的回退，再作影响大的调整回退，以减小对用户的影响，也减少对今后恢复业务原状所带来的工作量。

IT监控类或者IT运维流程类的产品工具上线运行一段时间之后，一年会产生十几万、甚至几十万的海量数据，包括告警数据、工单数据等IT运维大数据，需要从这些海量数据中获取更有效、更直接、更有价值的分析数据，更快速、有效的提取有意义的决策依据同样需要工具系统来满足运维大数据的IT数据挖掘、IT数据钻取需求。