在银行数字化转型进入深水区的当下，保障业务的连续稳定运营，并在出现异常时，确保快速定位根因，及时恢复业务运行，降低损失是IT运维业务的重点目标。但是随着新技术、新业务的不断涌现，银行运维系统繁多，运维数据量大且结构复杂，运维数据烟囱效应明显，导致出现问题后，根因定位缓慢，业务稳定性难以保证。在此背景下，为了实现高可用性，运维数据平台化治理已经成为当务之急。华夏银行截至2023年6月，已经实现了资产规模超过4万亿元的目标，在数字化转型方面，华夏银行紧扣“一流智慧生态银行”的转型目标。2023年从七大重点工程扩容至十大工程，共涉及123项重点任务。神盾工程作为七大重点工程之一，以强化智慧运行与安全管理项目群作为目标，提高安全运营能力。在此期间，华夏银行与擎创科技分别作为甲乙方牵头单位，共同推动《金融机构信息系统运维数据治理能力成熟度评估规范》的制订工作，并以华夏银行信息系统为样本，对银行运维数据的治理方法和平台搭建技术等开展了合作研究。运维数据管理：运维数据管理不规范，运维数据无生命周期管理标准，存储取用对数据安全造成影响现状：现阶段银行对于运维数据没有统一的管理规范，各部门数据使用权限定义模糊，数据生命周期管理混乱。问题：缺乏统一的运维数据管理规范，导致在数据取用后，存储位置、存储时间、何时删除、何时归总以及数据被用于何处等方面都没有明确的定义。同时，运维类数据中某些信息对于安全管理具有高度敏感性，例如日志类数据可能包含大量敏感信息。运维数据生命周期管理混乱对安全性提出了极大挑战。运维数据标准：运维数据标准不统一，数据取用链条长且沟通消耗时间长，导致取用效率低现状：运维数据的含义属性、业务规则等标准不统一，数据取用时沟通成本高，重复性治理工作较多。问题：由于缺乏统一的运维数据标准，在获取相关数据时，很难明确描述数据的具体内容，数据口径无法统一。这导致了大量的人员沟通、协调以及开发工作，从而使得整个流程变得缓慢且繁琐。数据资产状况：银行业务系统庞杂，运维数据孤岛效应明显，运维数据资产状况模糊。现状：随着银行业务系统日趋复杂，节点调用链关系也随之变得复杂，网状的关联结构带来了大量的复杂数据。同时，随着银行系统全面上云，分布式云计算，云原生架构逐步开始应用，银行内新老运维产品并行使用，且云上、云下架构并行，致使运维系统复杂程度逐渐上升，运维工作的历史包袱严重影响运维效率。问题：在银行硬件设施及软件系统不断增加、升级的背景下，随着运维数据量不断攀升、数据种类日趋多样化以及数据变更愈发频繁，加之现阶段各运维产品数据需要独立处理，且数据之间未建立有效链接。致使数据孤岛效应明显，运维数据的基础质量不清晰，分布状况不明确，关联影响模糊，大幅增加了运维工作的复杂性。为解决上述痛点，华夏银行急需从根源，转变运维数据的管理与使用模式，从被动的运维数据取用模式，向主动且规范的运维数据管理方式演进，最终实现高效的智能运维分析。在此背景下，擎创科技成为华夏银行运维数据治理平台落地的合作伙伴。擎创科技依托智能大数据处理和分析能力，通过建立数据治理体系、建设数据治理平台、提供数据应用价值，从而提供更有效、更高效的数据管理手段和治理方法。运维数据管理与标准：为了统一运维数据的管理与应用，擎创科技与运维数据相关方共同制定了数据治理体系，满足数据取用需求。对于数据平台项目，首要任务并非直接处理数据，而是先建立健全的数据治理体系，包括数据管理规范与数据治理标准。只有在基础工作完成后，才能持续推进数据平台建设工作。在此过程中，首先，需确保涉及的相关人员明确目标，统一需求。在组织层面，应优先建立数据管理组织与制度。擎创科技协助华夏银行成立了专门的管理组织，明确其管理职责和范围，并制定数据管理规范与数据治理标准。随后，通过明确的数据治理过程规范，实现数据质量、数据安全、数据生命周期、数据服务的管理能力。通过统一数据标准化规范，实现数据标准的对齐，包括标准指标体系，元、主数据模型、数据标签体系等。最终保证数据取用过程标准化，满足各方数据取用需求。数据资产状况：为了实现运维数据资产的全面盘点,擎创科技从数据源头出发,建立了完整的指标体系将运维数据进行关联。数据资产盘点需要从数据采集源头入手，通过统一采控底座实现数据的统一纳管，打破数据孤岛，拉通运维全域数据。原先，各个业务的运维数据源由各自分别维护，采集完成度无法监控，采集指标参差不齐。例如哪些设备需要监控哪些指标这类常规问题，无法给出全面标准的答案。为了打造运维数据平台基座，擎创科技通过标准化指标体系，将指标是否已经采集完成，指标相关描述，指标采集粒度，指标阈值设定等进行标准化设定，从源头保证运维数据采集完成，且采集数据质量高度可用。在此过程中，加入指标映射，统一建立数据对象，将运维数据进行关联，并将原来的300多个指标优化至100个。实现运维数据资产盘点，为运维数据取用奠定可靠基座。标准指标体系按照数据分类、指标分类分层划分如下图所示。基于华夏银行数据治理痛点，同时结合擎创科技运维数据可视化、智能化的能力，擎创科技设计了一套符合金融机构运维数据治理规范的一体化平台方案。该方案能有效降低运维数据获取及管理成本，提升数据共享价值。方案思路如下图所示。

• 通过数据统一采集处理实现全域运营数据的资产盘点与数据关联
• 通过数据标准化体系实现数据口径统一
• 通过运维数据中台实现高效且灵活的大数据处理能力
• 通过数据治理过程管理能力实现数据质量、数据安全、数据生命周期、数据服务的管理能力
• 通过数据应用能力实现数据应用场景的定制和数据洞察能力的输出

整体落地实施分为四大阶段，战略规划阶段、治用并举阶段、场景丰富阶段、智能创新阶段。首先，在战略规划阶段，通过与运维领导层，一线员工的深度沟通，输出统一的数据治理体系。明确数据管理方，生产方，消费方，保证在数据管理规范与数据治理标准达成一致。由于运维数据涉及取用方横跨价值链，为捋清各方应用要求，保证数据治理体系高度可用，擎创科技用了3个月的时间进行需求梳理。从运维数据管理方出发，明确数据权限控制与数据取用各方角色，随后与数据生产方、消费方进行多方访谈，明确数据生命周期管理需求（包括生产，存储，解析，消费，销毁等）、数据等级、数据口径标准、存储周期等细节。最初版本输出了近20万字的数据治理体系。最后经过多方调研，精简至几万字。其次，在治用并举阶段，以点破面，从结构化数据入手，首先形成示范效应，再通过治用并举，拓展场景。在华夏银行案例中，擎创科技通过调研，最终决定以人行运维数据上报这一紧急应用场景做为抓手，推进落地。在这一场景中，大量运维数据需要在90秒内进行上传。当时银行在此面临两大问题，首先，数据源多、业务逻辑和处理流程复杂，导致海量数据处理过程复杂，处理效率较低。其次，算力不足导致上传无法满足时延要求。在此背景下，擎创科技决定先将数据治理一体化平台结构搭建起来，满足人行数据上报时间窗口标准。在组织内部做出效果。随后，进行治用并举，即保证已治理场景稳定应用的同时，从业务数据，性能数据入手，逐渐加入新的数据应用场景，快速提供较为典型的，或者紧急应用的场景，如交易量数据，成功率，响应时间，与银联或支付宝等平台结算等应用场景。未来，运维数据平台将在丰富场景的同时，引入算法，实现智能运维。通过逐步接入半结构化数据以及非结构化数据，运维数据平台将进一步丰富应用场景。如接入流程管理数据、告警平台数据、自动化执行数据等。同时，进行智能化探索，引入人工智能进行运维数据分析，比如进行数据自动打标，分辨数据表征，如周期性、峰值等。在疫情期间，该项目用时近一年完成，目前仍在下一阶段建设中。现阶段，数据标准化中心实现了标准元数据、主数据、数据源、指标体系、标签体系、指标中心、指标映射等核心标准化能力。其中指标体系从原来的300个缩减至100个，剔除了大量类似、冗余的指标，数据的标准化大幅提高了数据开发效率。同时，该平台的数据处理中台具备高效编排复杂解析任务的处理能力，将数据服务开发流程从天级缩短至小时级。处理能力特性包括：流批一体、在线任务编排、在线任务调试、可视化管道任务编排等。在数据应用方面，为方便一线运维人员的数据取用，增加使用效率，数据应用中心提供了大量开箱可用的数据处理算子，实现了数据服务场景的管理，数据服务场景整体上可以归纳为数据治理、运维分析、运维决策三类场景。提供了灵活且自助式的应用场景定制能力。
在落地过程中，擎创科技总结了该运维数据平台的关键成功要素。即从数据治理制度规范入手，以统一数据标准为基石，结合客户需求，以点破面，形成示范效应，最后横向拓展场景，纵向深挖智能运维能力，实现智能运维。
第一，制度先行：运维数据治理成功的前提是要有管理规范，使运维数据在采集，储存，分析，管理，应用过程中有规则可依。将治理的理念贯穿于整个平台和数据的全生命周期中，形成一套完整的管理规范。第二，标准统一：数据标准统一是治理成功的基础。数据对象和指标的标准化将直接影响最终的数据应用、数据洞察效果。数据标准不统一的运维数据平台，不仅无法达到降本增效的目标，还会影响智能运维平台的最终效果，影响系统平稳运营。第三，以点破面：实施阶段，需要结合客户需求，以紧急且重要的使用场景为突破点，首先搭建运维数据平台框架，推广使用效果，让相关方了解使用效果，为后续配合工作搭建基础。第四，治用并举：运维数据平台的落地过程中，需要治用并举。即按照场景优先级加入运维数据平台，新场景开发与已开发场景使用并行。在试点场景落地后，根据数据的重要程度、应用频率及数据价值的高低，对运维数据应用场景的重要性以及紧急性进行排序。按照场景优先等级进行逐个落地推广。