數字化運維發(fā)展路徑

集團不僅要給分子公司和責任，還要強調賦能。從強調管理體系的完整性到突出問題導向思維，從整體規(guī)劃到迭代試錯，從廠商主導賣產品到客戶主導做服務。

毋庸諱言，如此巨大的變革給企業(yè)帶來的和的沖擊。企業(yè)數字化轉型從推倒內外部“圍墻”開始，改變經營模式，構建產業(yè)生態(tài)，到重新規(guī)劃戰(zhàn)略、愿景、價值等這些更聚焦的主題，再上升到“一切業(yè)務數字化，一切數字業(yè)務化”的整合規(guī)劃。

所有企業(yè)大約都要經過這三個階段的循序漸進，選擇合適的推進路徑，才能實現整體數字化轉型的終目標。

數字化運維橫向賦能

傳統(tǒng)信息化建設滿足對于業(yè)務管理的同時也產生出大量的數據孤島。打通應用線，實現數據匯集融合是數據對業(yè)務系統(tǒng)和應用的賦能。

我們現在的企業(yè)廣泛通過ERP構建企業(yè)資源管理，MES構建生產計劃管理，PLM實現產品全生命周期管理，SCM供應鏈管理，BOM實現物料集中管理等等等。

這些都是業(yè)務系統(tǒng)，都在產生大量的數據。如果ERP的訂單管理與MES生產排期相結合就有可能實現零庫存；如果產品故障數據對應了PLM中準確的部件代碼并與SCM供應鏈打通，就可以對供應商的產品品質做評估從而優(yōu)勝劣汰。

數字化運維面臨的問題

由于運維對象、運維工具、運維需求的快速變化，導致金融機構有少則幾套監(jiān)控工具，多則數十套監(jiān)控工具，而這些監(jiān)控工具通常是在不同時期建設的，所以他們之間往往數據沒有打通，技術棧也有較大的區(qū)別，形成了一座座運維數據的孤島。

運維人員日常需要在眾多的監(jiān)控工具之間切換來切換去，導致故障的發(fā)現困難，故障的定位耗時耗力，故障的解決重復勞動，無法形成有效的知識積累。

并且以前基于固定閾值的告警規(guī)則無法滿足海量監(jiān)控指標的設置和管理，需要將人工智能技術與運維工作結合到一起。隨著智能運維（AIOps）的快速發(fā)展，機器學習的算法、模型等對運維數據的規(guī)范化提出了更高的要求。