在信息技術 (IT) 和系統管理領域，IT 運營分析 (ITOA) 是一種檢索、分析和報告 IT 運營數據的方法或方法。 ITOA 可以將大數據分析應用于大型數據集以產生業務洞察力。 2014 年，Gartner 預測其使用可能會增加收入或降低成本。 到2017年，預測15%的企業將使用IT運營分析技術。

IT 運營分析 (ITOA)（也稱為高級運營分析或 IT 數據分析）技術主要用于發現大量通常嘈雜的 IT 系統可用性和性能數據中的復雜模式。 Forrester Research 將 IT 分析定義為使用數學算法和其他創新技術從管理和監控技術收集的大量原始數據中提取有意義的信息。 請注意，ITOA 不同于 AIOps，AIOps 側重于將人工智能和機器學習應用到 ITOA 的應用中。

運籌學作為一門學科起源于第二次世界大戰，旨在提高戰場上的軍事效率和決策能力。 然而，只有在 2000 年代初期機器學習技術的出現，人工智能運營分析平臺才能真正開始參與能夠充分滿足業務需求的高級模式識別。 ITOA 發展的一個關鍵催化劑是谷歌的崛起，它開創了一種預測分析模型，代表了xxx次嘗試解讀互聯網上人類行為模式的嘗試。 IT 專家隨后將預測分析應用于 IT 行業，推出了無需人工干預即可篩選數據以生成見解的平臺。

由于云計算的主流擁抱以及企業越來越希望采用更多大數據實踐，ITOA 行業自 2010 年以來有了顯著增長。2016 年 ExtraHop 對大中型企業的調查表明，65% 的受訪企業將 尋求在今年或明年整合他們的數據孤島。 ITOA 平臺當前的目標是提高其 APM 服務的準確性，促進與數據的更好集成，并增強其預測分析能力。

ITOA 系統往往由 IT 運營團隊使用，Gartner 描述了 ITOA 系統的七種應用：

• 根本原因分析：受監控的 IT 基礎設施或應用程序堆棧的模型、結構和模式描述可以幫助用戶查明細粒度和以前未知的整體系統行為病態的根本原因。
• 主動控制服務性能和可用性：預測未來的系統狀態以及這些狀態對性能的影響。
• 問題分配：確定如何解決問題，或者至少將推論結果交給企業中最合適的個人或社區來解決問題。
• 服務影響分析：當已知多個根本原因時，分析系統的輸出用于確定相關影響并對其進行排序，以便可以將資源用于以最及時、xxx成本效益的方式糾正故障 可能。
• 補充同類最佳技術：被監控的 IT 基礎設施或應用堆棧的模型、結構和模式描述用于糾正或擴展其他以發現為導向的工具的輸出，以提高運營任務中使用的信息的保真度 （例如，服務依賴關系圖、應用程序運行時架構拓撲、網絡拓撲）。
• 實時應用行為學習：Learns & 關聯基于用戶模式的應用程序行為和各種應用程序模式的底層基礎設施，創建此類關聯模式的指標并將其存儲以供進一步分析。
• 動態基線閾值：了解基礎設施在各種應用程序用戶模式下的行為，并確定基礎設施和技術組件的最佳行為，對特定環境的低水位線和高水位線進行基準測試和基準測試，并動態更改基準測試基準線 在沒有任何人工干預的情況下不斷變化的基礎設施和用戶模式

Gartner Research 在他們的數據增長需要一個單一的、架構化的 IT 運營分析平臺中描述了五種分析技術：

• 日志分析
• 非結構化文本索引、搜索和推理 (UTISI)
• 拓撲分析（TA）
• 多維數據庫搜索和分析 (MDSA)
• 復雜操作事件處理 (COEP)
• 統計模式發現和識別 (SPDR)

許多供應商在 ITOA 領域開展業務