數字化運維發展路徑

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帶來的和的沖擊。企業數字化轉型從推倒內外部“圍墻”開始，改變經營模式，構建產業生態，到重新規劃戰略、愿景、價值等這些更聚焦的主題，再上升到“一切業務數字化，一切數字業務化”的整合規劃。

所有企業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

傳統信息化建設滿足對于業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務系統和應用的賦能。

我們現在的企業廣泛通過ERP構建企業資源管理，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。

這些都是業務系統，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控工具，多則數十套監控工具，而這些監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控工具之間切換來切換去，導致故障的發現困難，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則無法滿足海量監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）的快速發展，機器學習的算法、模型等對運維數據的規范化提出了更高的要求。