一、企业数智化转型的背景
在场景、服务驱动业务的时代，数字技术已经渗透到我们生活工作的方方面面，转型升级中的各行各业正在掀起一场数字化浪潮。“十四五”规划提出，到2025年，中国数字经济核心产业增加值占GDP比重达到10%。可见，数字经济正成为我国未来经济的重要引擎。
伴随数字经济逐步进入全面扩展阶段，行业数字化也将向加速转型期跃迁。在云、AI、5G、低碳等跨域技术的协同作用下，越来越多的行业值得“重做一遍”，数字化、绿色化成为纷繁场景中不可或缺的底层基因。
二、数智化转型的本质
擎创科技CIO葛晓波从技术发展中概括了数智化转型的本质：云原生时代下，各行业的云原生发展程度各有不同，并不是所有业务应用都适合云原生的形态，如若过度追求云原生化反而会使得企业运维压力骤增，运维成本激增。
擎创科技CTO 葛晓波
因此企业运维数智化转型必须拥有数据思维，这样在面对敏稳两态、云上云下以及容器内外同步运行的局面时，才能更加主动、动态地去罗织、分析和处理数据，向历史数据要到答案，从未来数据中预见端倪。
从数字化转型的角度结合自主可控要求，云原生化的本质是能够帮助企业更敏捷地应对业务变化、加速业务应用迭代，从而让业务运营更加高效，缩减运营成本，从而达到创造更多营收的效果。
三、数智化转型中经常遇到的难题
从擎创过往7年的经验里总结，我们认为运维工作的核心是数据，而不是一味地、茫然地谋求算法更优化。只有数据规范化、标准化且具备准确性，才能为上层的消费场景提供有效价值，否则算法如何精妙，数据基础不稳，跑出来的结果也无法为企业运维乃至运营提供帮助。
说回实际，本质上来讲运维的对象是软件、应用，对此而言无论是集中式、分布式亦或云原生，其实表象上是架构和技术在变化，但软件、应用的核心是不变的。很多企业发现到了云原生时代，运维变得更加难管，其原因并不是技术不行，而是因为最初的运维体系规划没有做好、规则没有定清等。
根据我们数年的实践总结，发现企业常会出现以下一些难题：
1.告警不精确
由于告警过多缺乏精度，导致很难厘清当下业务系统的工作状态，无法做到早于最终用户发现系统故障。
2.发现问题不及时
现有异常检测手段只能在故障发生前几分钟或十几分钟内发现问题，无法在业务调整完成后就快速发现端倪。
3.根因难找
应急处置后，没有合适的手段通过时间线重现故障、发现问题真正根因，因此同样问题可能反复出现。
4.排障经验难复用
缺乏知识库沉淀能力，无法有效保存和复用专家的排障经验。
从以上问题中不难看出：关注数据本身，做好数据治理是基本操作。重点工作要落脚在将数据治理的最终结果形成以运维对象为核心，能够全面关联日志、指标、告警、事件、调用链等数据的运维能力体系，实现全景可观测（如下图）。
企业在数据治理中一般想要达到这样的效果：在数据治理得当后，零散的数据能够全面的被关联在一起，形成具有统一规范、统一标准的数据。也就是它能与运维管理的对象（软件、应用等）相关联，运维管理的对象与对象之间也能相互关联。这样当问题发生时能够清晰快速地知道问题出现在哪里、为什么会出现以及如何快速处理，并在日后的运维工作中使这类故障都能够被提前预见、提前预防。
四、数智化转型的路径
建立一套涵盖数据收归、加工处理、存储分析、数据服务及使用等的全生命周期工具。依据相应标准、规范和原则，对数据质量进行监测、改进及管理，并实现数据的安全定级、权限控制，同时使数据能够准确符合生命周期阶段，发挥应有的时效价值，以及准确地对外交付和输出数据价值。
说到标准、规范和原则，数据治理标准体系的有效落地就成为了关键。其实数据治理体系并不单单是针对数据本身，在依据国家、行业标准等定义好企业运维数据标准、管理标准、数据质量标准等同时，对于企业的组织架构、平台与工具的采用、流程与机制的设定等也应遵循一定的标准。
这样能够有效解决企业运维及运营的一些实际问题，比如下述两个例子：
1.以平台工具规范为例。
治理体系正式落地后，当下属部门想要采购新的告警工具时，首要考察的会是该工具产生的数据是否符合数据标准、能否被接入数据平台进行使用，如果不能则要求其调整数据格式或不予采购。在管理层面，将保证各部门不能仅仅因为工具好用就进行采购，进而避免因此出现工具数量激增、数据竖井化等问题。
2.以数据生命周期规范为例。
其实很多数据的信息密度很低但存放成本极高，假设某一监控工具A采集到的交易数据出现了十几分钟的延迟，那么这部分数据其实已经没有了时效性，但这部分数据依旧被存放了起来，这对于运维而言已经没有任何价值是极大的成本浪费。
如果做好了数据治理体系，通过相关的数据质量及生命周期标准去管控，这部分数据就会被剔除，并会要求A工具进行优化，将数据采集和输出的时效性提高，以提升运维的整体效率。”
五、数智化运维转型典型落地场景
1.全息监控
这里的全息监控，从本质上来讲就是通过对运维数据的综合治理后，构建一体化的监控平台，纳管应用及基础组件，再通过擎创自研的低代码工具组合，在运维中台上为不同的运维角色和团队展示各类运维数据，提供灵活不同的分析视角。
比如从总览的视角查询单个应用状态，可以去详查它下面的拓扑、告警、日志等数据；从专业管理的视角想要做应用细分，可以通过查看交易码、返回码、交易码的组合，全面进行管理等等。
该场景已在某国有大行进行落地
这种全息监控，可以通过趋势和风险监测先于业务发现问题，能够通过动态阈值、指标偏离度分析、业务健康画像等手段，提供业务系统健康度的趋势分析和预测能力，发现系统运行隐患，在故障发生之前就提供预警通知能力，为事故处置预留时间，全方位提升企业运营的稳定性。
关于数智化转型第一篇分享先到这里了，后续我们将进一步通过实例分享如何进行数智化转型，感兴趣的朋友可以关注下~
互动一下：数智化转型中，你认为什么因素最为重要，欢迎评论区讨论交流~
擎创科技，Gartner连续推荐的AIOps领域标杆供应商。公司致力于协助企业客户提升对运维数据的洞见能力，优化运维效率，充分体现科技运维对业务运营的影响力。
行业龙头客户的共同选择
了解更多运维干货与技术分享
可以右上角一键关注
我们是深耕智能运维领域近十年的
连续多年获Gartner推荐的AIOps标杆供应商
下期我们不见不散~