数字化运维横向赋能

传统信息化建设满足对于业务管理的同时也产生出大量的数据孤岛。打通应用线，实现数据汇集融合是数据对业务系统和应用的赋能。我们现在的企业广泛通过ERP构建企业资源管理，MES构建生产计划管理，PLM实现产品全生命周期管理，SCM供应链管理，BOM实现物料集中管理等等等。这些都是业务系统，都在产生大量的数据。如果ERP的订单管理与MES生产排期相结合就有可能实现零库存；如果产品故障数据对应了PLM中准确的部件代码并与SCM供应链打通，就可以对供应商的产品品质做评估从而优胜劣汰。

数字化运维面临的问题

由于运维对象、运维工具、运维需求的快速变化，导致***机构有少则几套监控工具，多则数十套监控工具，而这些监控工具通常是在不同时期建设的，所以他们之间往往数据没有打通，技术栈也有较大的区别，形成了一座座运维数据的孤岛。

运维人员日常需要在众多的监控工具之间切换来切换去，导致故障的发现困难，故障的***耗时耗力，故障的解决重复劳动，无法形成有效的知识积累。并且以前基于固定阈值的告警规则无法满足海量监控指标的设置和管理，需要将人工智能技术与运维工作结合到一起。随着智能运维（AIOps）的快速发展，机器学习的算法、模型等对运维数据的规范化提出了更高的要求。

数字化运维智能化

进入到云计算时代之后，IT的边界被完全打开，更多的联接、更多的设备、云化的系统和应用，以数据中心为例，采用分布式系统，且集群庞大，传统运维方式明显已经无法应对这么复杂的IT环境。因此数字化运维手段和工具的引入，不仅可以帮助运维业务减轻工作负担，提率，还可以改变运维的现状，帮助其走向数字化转型。

例如，随着机器学习、深度学习等技术的不断成熟，AI技术将在业务运维体系中得到广泛的应用，也同时推动了智能运维的发展趋势，可以将运维人员从纷繁复杂、过度依赖人工的监控、发现、告警和修复工作中解放出来，而运维也将变得更加自动化、智能化。企业快速发展，应用不停地迭代，运维体系也需要不断迭代，从传统运维走向数字化运维，显然是大势所趋。