运维数据治理，构筑智能运维的基石

数字经济给人们的生活带来了颠覆性变化。一部手机、一个网络几乎就能解决日常生活的所有问题；一个微信App就能解决日常社交；云化模式颠覆了各行各业的商业运作、运营协同模式；数字化设施提升了整个行业的效率，既替代了大量的传统工作岗位，也催生了大量就业机会。

运维早已身处数字世界。长久以来，由于运维面临海量的基础设施与运行数据、复杂的网络与应用关系、严峻的内外部安全风险等困难，与研发、产品、项目管理等从0到1的生产过程管理相比，运维组织要管理企业IT生产运行环境中从1到100的迭代变化与演进。遗憾的是，非运维领域从业者通常难以体会这种复杂性，所以在企业中通常存在重研发轻运维的情况。不过，好在运维领域有大量企业服务厂商、行业布道者以及运维从业者，他们利用有限的资源在不断地适应、应对IT生产运行环境的复杂变化。

运维数据的应用驱动运维进入“人机协同”模式。我个人认为未来几年，平台工具最重要的是能够适应“人机协同”模式的变化，这个模式大概是：围绕“洞察、决策、执行”的闭环，既要解决“大计算”“海量数据分析”“操作性”“流程化”“规律性”“7×24”“人机体验”等类型的运维工作，还要对现有的“专家经验+最佳实践流程+工具平台” 运维模式进行补充，提供“洞察感知、运营决策、机器执行”能力，支持向“人机协同”模式转变，建立数字平台化管理模式，闭环落实决策执行。在“人机协同”模式下，运维数据的质量显得尤其关键，数据质量不佳将导致“人”对“机”的不信任，从而无法达到协同。

数据治理成为数字化转型的关键举措。自1997年NASA武器研究中心第一次提出“大数据”概念，2001年Gartner提出大数据模型，2004年Google推出大数据技术论文，到接下来大数据、人工智能、云计算等技术的广泛应用，再到数字时代，企业已逐渐了解数据所蕴含的价值，对数据的重视程度也越来越高，并投入大量资源进行大数据的研发与应用。但我们必须承认，国内很多企业在大数据技术应用前并不是很重视数据治理，出现像投入大量资源建设大数据平台，但用的时候又发现报表不准、数据质量不高，导致项目没有达到预期效果的普遍性问题。由此，大部分企业都回过头来推动数据治理，行业相关的数据治理规范、指引也适时的推出。

运维数据是企业数据战略的重要组成部分。运维数据主要指IT运营过程中，基础设施硬件、平台软件、应用系统、平台工具系统等产生的数据，包括监控指标数据、报警数据、日志数据、网络报文数据、用户体验数据、业务运营数据、链路关系数据、运维知识数据、CMDB、运维流程等多种数据类型。这些数据具备海量、实时等特征，对运维数据的有效应用，可以实现运行感知、业务感知等涉及的IT风险控制，性能管理、终端感知等涉及的客户体验分析，运营效能、服务台等涉及的服务质量，发布管理、变更管理等涉及的交付管理。

落地运维数据治理新课题。虽然在运维平台化阶段，运维组织推进了部分运维数据治理，但是这些工作比较分散，资源配置不够高效，且在传统大数据治理在推进中持续总结了大量经验与运维领域资源投入不足的背景下，整体思考运维数据治理显得尤其重要。一方面是如何借鉴大数据领域数据治理的经验，反思运维数据平台建设应该关注的问题，减少不必要的风险，做好运维数据治理，让运维数据用得更好；另一方面是运维数据治理一定要以落地为目标，结合运维组织日常工作场景，充分利用好已有的组织、流程、工具等资源，用以终为始的方式驱动运维数据治理的落地。

由于运维数据治理是一个领域内的新课题，《运维数据治理》对运维数据治理的分析，借鉴了传统数据治理沉淀下来的方法，从四条主线索展开。一是结合运维组织核心价值创造，确立运维数据的资产地位；二是建立运维数据治理相关的制度、标准、流程等工作机制；三是围绕运维数据治理构建和使用适合的平台工具；四是促进数据的使用、共享、开放，监测数据质量，保障数据安全。