传统数据中心Data Center指标不遵循"不让任何人落后"的规则。IT指标的差距通常会造成了一部分投资性支出半被拒绝或半途而废。
大部分IT企业的CIO已经制定了以传统数据为中心的指标，因为从历史上看，它们服务得很好。然而，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。
这里介绍的5个新IT指标之所以好用，因为它们体现了IT对业务服务与成本效益的影响。听起来有点违反直觉，但其已经被证明为适用于分析重要数据中心Data Center性能，尤其在配合新举措的场景下。
一、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Data Center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，IBM System z Competitive Technology副总John Shedletsky分析了数据中心Data Center支出，显示数据库成本在总成本费用中占比逐渐走高，数据库管理费用不断上升，占比达到数据库整体预算的50%以上。换言之，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，不一样厂商的数据库是无法互相切换的。但仍然时不时有需要从Oracle迁移到IBM的需求——现有的工作负载可能更需要相同供应商的数据库，不管是现在还是将来。然而大数据处理和其他举措为数据库选择提供了有效、可扩展的企业标准，并且可以提高每管理员管理实例的数量。
数据中心Data Center经理与CIO都惊讶于其未来的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。
二、开发或错误修复项目中期的重要变更数
DevOps的问世清楚表明，数据中心Data Center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数据中心Data Center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。我使用这个指标进行调研，结果发现随着时间推移，有效的敏捷开发可以提高每个项目重要变更的数量。
其他影响，如项目规模或复杂性，或者“明显变更”偏差都可以测量，根据时间推移计算出平均值。相较于灵活IT流程，你会发现在项目中间出现的大幅修改数增加。
太多的“敏捷IT指标”认为变更是有负效果的，而现在需要将变更作为积极的影响。该指标不用于精细捕捉特定项目的问题，而是显示平均每年这些项目的过程是否正常。采用敏捷指标的IT企业会因此提高敏捷业务范围内的响应。
三、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，而没注意到一部分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。
性能下降意味着特别难以修复的中断将要出现。在IT范围内的性能下降通常涉及软件层到硬件层的多种类型，使得定位原因远比服务器被拔掉或网络混乱来的难。
涉及到用户满意度时，性能下降无异于中断。随着越来越多企业依赖软件与用户进行交互，用户不太可能忍受性能问题。
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Data Center外部的成本同样会增加。
四、数据处理过程每个阶段信息丢失的百分比
根据MIT斯隆管理学院与其他地方研究发现，公司合作伙伴并不认为IT能提供令人满意的所有需求信息。
数据中心Data Center信息系统日积月累不断增长，逐渐变得无法交付有效数据来满足企业分析或作出决策，比如分析用户的购买模式，或者其他形式大数据分析所需的数据。
答案最终指向一个指标，该指标需要能够帮助确定IT是否已经存在不足。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，这样可能造成了大约15%的潜在数据不可用。
第三步是数据组合，该阶段，输入功能作为整体环境的分功能存在，举个例子在线交易处理，能够处理一定的输入操作。数据仓库的重要功能就是数据汇总，但随着时间推移，仅有很少的信息需要进出仓库。并不是所有信息都需要展示；仅有大约20%左右的数据在数据中心Data Center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。
数据传输中，最常见的抱怨是及时性。这是一门艺术，确定哪些事情决策者一定要迅速看到，哪些信息只需要每周或每月提交。信息损失问题十分明显。该阶段不必要的信息占比大约在15%至25%.
最后一步是数据分析，并且在该阶段，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。
IT组织报告说，大约有三分之二可能有用的信息会在数据处理的环节中丢失。设计一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。这种监控可以改变企业者对IT的看法，并对企业效益产生重大影响。
五、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。