赛车运动员和车迷都知道引擎是成功的催化剂。司机和他们的工作人员花了无数个小时来调整和调整他们的发动机，以达到并保持在速度和耐用性方面的最佳性能。

这可以确保车辆在每次进入赛道时都能达到最佳性能，而不会浪费精力、资源或燃料。

要达到这个最佳点，就需要同等地优先考虑性能和效率。如果发动机转速很高，但在此过程中燃烧了大量能量，那么势必影响性能。

当我们审视循环IT经济时，这一原理也同样适用。

本地部署模式提供了将提前消费的机会（前提是认为它将在三年内变得更便宜）。但是，多年来，由于预置过度配置的普遍性，大多数人都更倾向于云。为提高写入速度而预留的未使用容量越多，用于存储的容量就越少。这就造成了一个重性能轻效率的恶性循环——大多数人都愿意做出这样的权衡，以保持业务和产品的连续性。

然而，在这个新的基于云的微服务环境中，组织有更大的机会达到峰值性能的最佳点，效率就像一个完美调谐的引擎。通过收紧软件反馈循环，组织可以在IT经济中提高效率。

与前述汽车话题保持一致的是，我们也将引擎视为最佳性能的驱动因素，而围绕它的所有附加功能则是客户满意度的驱动因素。

假设一家汽车制造商（我们姑且称其为SuperCar）发布了新车型，并希望在没有任何客户洞察的情况下在市场上产生最好的影响。当然，单凭SuperCar这个名字，它可能仍然会卖出很多车，但下一款车型或之后的车型呢？如果没有适当的现场测试和反馈循环，SuperCar可能无法满足客户对性能的期望，并且随着时间的推移，可能会逐渐失去客户。时间也是一个关键因素——如果公司花了四年时间才开发出新模式，这也会造成客户流失。

这是任何企业都无法承担的风险。

相反，我个人最喜欢的汽车制造商采取措施，不断测试和调整车辆的每一个功能，以确保客户满意度，并智能地为下一款车型设计提供信息。例如，他们可以持续跟踪人们在车内最频繁地按下哪些按钮，以获知驾驶员需要的是哪些功能、在哪里定位这些功能，以及哪些功能似乎是额外的奢侈品。

这同样适用于IT——通过持续监控并在生产中进行轻松调整，IT团队可以确保他们的系统或引擎始终以最佳性能运行。然而，在实践中做到这一点并不像纸上谈兵这么简单。

数据民主化和互操作性

数据民主化是为组织中的每个人提供其所需的数据的过程，这些数据能够使员工以最佳状态完成工作。其目标是帮助增加个人对正确数据的访问，提高员工进行数据驱动决策的能力（无论他们的技术能力如何），进而改善客户体验。

这意味着能够打破数据孤岛，以改善组织中每个人的数据访问。通过适当的数据民主化，组织可以从嵌入式分析和嵌入式互操作性中受益，从而提高IT经济的效率。

以敏捷分形网格（Agile Fractal Grid，AFG）为例。AFG的使命是帮助农村和校园社区实现能源安全，达到可再生能源目标，同时提供千兆宽带接入。在此过程中，AFG通过嵌入式互操作性分析来自数千个设备的流数据，该互操作性集成了系统之间的数据和业务流程，需要毫秒级的决策和响应。通过嵌入式分析提供这些可操作的见解，从源头到消费者，AFG可以解决地缘政治事件和技术故障导致的整个电网的中断和限制。

这增加了对电网的可见性，增强了对电网的控制，为AFG开发微电网（一种行为类似公用事业的系统网络）提供了动力，实现了更好的能源安全和大规模实现可再生能源目标的能力。