为了降低数据中心的运营成本和服务器成本，企业往往花钱进行节能降本。企业有一些节约成本的想法，比如不花钱就降低成本。但是，获得更高效的设备或通过预测分析简化管理都需要前期投资，而这些投资从长远来看会以更低的成本获得回报。网络、存储和服务器的成本效率始终是成本节约的重要组成部分。提高效率的目标是基于稳定的工作负载吞吐量，同时最大限度地提高系统利用率。提高系统效率可以跨计算、存储和网络进行优化，以提高系统效率。更高的利用率降低了服务器的总体成本。数据中心团队可以通过购买更少的服务器和相关外围设备来降低能源消耗，平衡利用率；同样也可以降低冷却成本。同时，服务器的软件成本也有所下降，因为软件许可通常是由CPU数量决定的。虚拟化的普及也大大提高了硬件的利用率。选择处理器可以降低服务器成本的另一种方法是运行最适合在系统上执行的工作负载。多年来一直关注系统设计的管理人员也很清楚，CPU的物理设计限制大约在5GHz范围内。供应商正在采取其他措施来提高服务器性能。有些服务器在CPU和主板芯片之间使用重新设计的I/O总线或直接总线，例如IBM的CAPI接口。另一方面，通过对不同类型的计算数据进行分类选择不同的计算单元，比如传统的CPU并行处理不是强项，通过GPU的特性进行并行计算和分布式计算处理数据可以提高效率。多处理器加速系统能够比传统系统设计更快地处理工作负载。更高效的数据工作负载处理意味着可以使用更少的硬件设备来完成数据操作。数据中心运营成本在全球范围内，多达50%的数据中心成本来自管理系统、外围设备、应用程序和数据库。节省运营成本的方法是简化。通过改变不良或过时的方法进行改进，并通过购买新的管理软件来加快诊断、故障隔离和修复。在许多数据中心中，大型机用于处理海量交易数据，有用的数据驻留在大型机上。然而，很多企业总是只考虑大型机进行并行处理，而没有考虑到高性能分析服务器将大型机数据与其他数据服务器处理分开的重要性。要处理数据，首先要从大型数据库中提取数据，将其转换成通用数据服务器可用的格式并加载到单独的存储中，然后再经过提取、转换和加载（ETL）过程。通常，两个或多个数据备份通过ETL处理并恢复到目标。数据中心可以通过优化大型机主机级别的数据来降低服务器和运营管理成本。当前一代的大型机服务器实时处理分析工作负载。通过优化的ETL流程，每年可以节省数百万美元。与流行的看法相反，迁移数据并不是免费的。将数据从大型机迁移到其他服务器的成本与迁移到MIPS架构服务器的成本相同；这包括在存储系统中加载和管理数据的成本，包括购买数据系统和相关存储和网络设备；网络传输成本和管理服务器和存储的成本。人力资源成本人力资源成本是数据中心最大的运营成本之一。根据技能和技术方向，系统、存储、网络、数据库和应用程序管理员的年收入约为75,000美元，有些甚至超过125,000美元。如果企业不需要那么多技术人员来管理、调整和排除系统故障，这可以节省大量资金。预测分析技术属于系统管理范畴，是一项重大的新发展。系统可以自我学习和分析，并自动采取纠正措施。当故障发生或即将发生时自动通知技术人员（预测未知故障称为预测分析）。例如，IBM的Watson认知环境已经是数据中心的行业领先技术，包括提供预测分析的日志分析。利用IBM的业务分析，通过查找异常的大数据日志文件，系统再采取自动化脚本或简化通知进行处理。其他数据中心的供应商也应该推广这种自动化分析和管理工具集。系统越自动化对问题的认知分析和处理，数据中心的人工管理就会相应减少。IBM的zAware可以监控主机环境并记录主机何时运行***。如果发生故障，zAware会隔离故障主机。并明确指出主机的故障部位。相信在不久的将来，分布式服务器的世界也会出现同类软件。企业应考虑采用新一代以认知分析为导向的管理软件，以降低运营成本。
