专家观点｜擎创科技杨辰：企业数字化转型与“智能”运维( 二 ) 作者：杨辰上海擎创信息技术有限公司CE

　　业务数字化风险。使运维人员不仅提升了历史运维数据的分析能力并且能够对实时数据进行异常检测和问题预判，有效降低数字化业务的运行风险，提升可用性、稳定性;

　　运维人力成本。使真正意义上的跨域根因定位成为可能，降低对专业运维人员经验技能的依赖，迅速缩短故障排查时间并有效降低人力成本;

　　业务侧影响力。以业务视角利用多元化数据提高运营分析和决策能力，比如端到端的分析业务交易状态，提供给业务、客服部门及时反馈和决策支持依据，充分增强业务影响力;

　　二、智能运维能力建设的五大困惑

　　数字化转型势在必行，而智能运维模式显然优势诸多，因此其能力建设是大部分传统运维人必须要思考的事务。但因为智能运维毕竟还是最近几年出现的新兴事物，在企业建设智能运维能力的过程中，许多企业势必会面临着方方面面的挑战和困惑。下面来我们来谈一谈几种典型的困惑。

　　困惑一：智能运维=机器学习算法?

　　在一些人看来，智能运维就是智能算法加上传统运维，只需加入机器学习算法即可，与传统运维唯一的区别就是算法的有无。究竟是否如此?我们借鉴一个成熟市场的例子来看这个困惑的答案。 Google开源的安卓系统现在已经成为大多数安卓平台手机的系统标准，市场上这样的手机有数百个品牌，几十亿部之多，如果说软件代码的本质就是算法，那么这几百个品牌手机的核心算法都是安卓。但是若在图中的三款手机中选择，不考虑价格的情况下，相信很多人一定会选择体验更好的小米或者华为手机，而不会考虑边上的杂牌机。

----专家观点｜擎创科技杨辰：企业数字化转型与“智能”运维//----

　　既然都是安卓系统，为什么会出现这种情况?原因在于算法(源代码、操作系统)对于一个产品而言虽说重要但并非全部，它仅是一款优秀产品的基础，决定产品优秀与否还有其他关键因素。这就如同合适的机器学习算法之于智能运维，它只是一个基础，并不意味着全部。智能运维还需要贴合用户需求的算法建模、功能设计和工程化落地能力，这才是产品用户体验的关键因素。在智能运维建设中普遍存在三个挑战，都需要考虑除算法之外的数据平台能力：

　　挑战一，任何算法若生产可用必须要经过数据训练和建模，在过程中数据质量、参数调整和结果的分析比对的便利性都很重要，在运维过程中也会有许多情况需要对既有模型做优化调整，这就必须要构建数据平台和机器学习平台的能力，否则无法使算法产生生产效能;

　　挑战二，功能设计必须场景化，实用化，并考虑和既有运维手段的衔接，否则算法也无用武之力;

　　挑战三，智能运维能力所需的数据平台工程化水平门槛很高，包括大规模流式数据处理能力，算法的分布式运算和迁移学习等，都不是传统运维工具所具备的数据能力，无法直接叠加。

　　困惑二：运维成熟度不高不敢考虑智能运维?