人工智能（AI）和预测分析是现代化企业使用数据存储系统而希望实现的基本功能，有助于评估基础架构的运行状况并确定业务问题，同时受惠于数据自动化存储和迁移，可使企业节省不少空间与时间成本，在保持所有服务平稳运行的前提下，积极拓展其他应用。
目前Gartner已将增强数据管理确定为2020年10大数据和分析趋势中的第二内容，可以预测，供应商正在为这些需要增加机器学习和AI功能，以提供自我配置和自我调整的数据管理，并使员工可以自由地专注更高水平研究而进行有价值任务的企业服务，而人工智能和预测分析显示是这一趋势的主要部分。
那么，预测分析如何帮助存储？根据香港IDC新天域互联整理，预测分析可应用于诸如数据挖掘、分析查询、预测建模、人工智能和机器学习之类的技术，通过引入存储系统模式，以识别异常数据，从而令未来结果获得更高的准确性。因此，存储产品中的预测分析功能具有以下优点：更好性能和资源使用率，以及更低管理开销、减少停机时间与优化工作负载。
同时，机器学习对改进存储系统中的预测分析尤为重要，从整个存储基础架构收集的数据用于训练预测算法，以了解趋势并识别何时可能出现瓶颈和问题，然后就可以不断进行优化存储组件，以解决这些潜在挑战。
那么，转向更智能存储的意义是什么？越来越多的全闪存阵列以及混合和超融合基础架构的使用是推动对更智能存储需求的因素之一，在许多企业中，它是数据中心技术堆栈中不可或缺的一部分，可以作为一个整体进行管理，并且需要更多有关智能存储提供的存储容量和性能的实时数据。
其中，云存储以有助预测趋势、规划基础架构并减少开销方式结合预测分析内容，这些应用程序使用AI、机器学习和其他高级技术来连续收集和分析来自存储堆栈中闪存阵列的遥测数据。此处的目标也是分析带宽、容错、延迟和其他与存储相关的信息，确定问题并使用存储自动化功能主动解决这些问题。此外在云环境中，预测分析使存储基础架构更接近自我修复技术，可以最少干预来识别和解决问题。
那么，哪种技术使存储最智慧？数据收集是智能存储基础的一部分，供应商汇总并分析来自其客户的匿名遥测数据，将能够了解可能影响其他客户的不同存储方案、工作负载和问题。还可以借此提供有关存储性能指标和模式的详细信息，以及预测趋势，瓶颈和其他可能在未来面临的困难。
总而言之，存储预测分析工具应具有以下功能：首先，支持自动化。系统可以预测与性能，容量，可用性和安全性相关的各种问题。例如，预测分析可用分析每个设备、卷和应用程序的存储容量使用情况，并主动识别何时达到目标。管理员可以使用存储自动化功能来设置系统以自动添加或重新平衡容量。
其次是，自动化的管理和配置。寻找可提供自动存储设置和管理功能的工具。这些系统自动确定性能，资源消耗和容量需求，并优化工作负载布置以提高资源利用率。还有，软件更新和修补。系统使用分析功能使代码主动提供给满足要求的站点，以解决潜在问题，而后再将其变为问题，从而主动更新软件。
同时，注意资源规划。预测算法可识别趋势，以帮助提前计划未来的存储需求。存储管理员可以使用该技术来预测各种存储方案和可能的升级的容量、IOPS和带宽需求。最后一点，虚拟机管理。预测分析可与VMware vSphere等虚拟化平台集成，以提供有关特定工作负载的性能和容量的信息，发现使用趋势并提出更好的设置意见。
