擎创科技CEO杨辰在2020年11月的GOPS上海站上演讲实录（一）
视频文字：
我们的行业客户其实已经分布在包括像金融服务领域的，银行、保险、券商等行业。其实在18年以后，特别19年也出现了多样化的一些行业，包括电信、政府、制造业、能源等等，其实现在都开始有探索智能运维的必要。为什么是这样？我想分4个方面来给大家解释。
一方面我们来谈一谈为什么企业会需要智能运维？
本质上还是因为企业身处在一场数字化转型的洪流之中，越来越多样化的业务应用进入到企业的运维序列中间，使得说原有的传统，因为中间主要靠人的经验去推动的这种运营模式，需要转变为由数字驱动，以更高效的一些智能化的方式来驱动，所以这是本质。
在传统运维的范畴里，我们碰到了有4个比较明显的挑战，很多案例中间都反映出这些挑战。
1. 发现问题难
首先看前面第一个就是说因为整体的业务数字化转型带来了大量的新业务投放，而底层的架构在不断的被云化虚拟化，还有一些容器化，在这个过程中间越来越复杂的基础架构和上层业务应用的关系，只能说任何一个运维问题基本上都不是简单问题，所以发现问题的本质非常困难，提前发现问题则更难。
2. 根因定位难
第二是发现问题了以后，想要真正解决问题，其实当中是有一个复杂的根因定位过程。这个也是因为我们目前缺乏一种综合根因定位的一种分析手段，使得说这一块的问题频发很难解决。但这些其实还是整体属于运维层面。
3. 数据治理难
我们再看看另外两个层，想要去数字化推动运维，想要做智能运维，其实本质是来源于运维数据本身。但是运维数据因为数量巨大，而且类别非常多，分离在各个系统和应用中，会使得说整体的质量偏低。
在这种情况之下，又没有一个行之有效的运维数据治理的手段和方法，就使得说刚才说的那两方面面临的问题，一直成为不断困扰我们。
4. 运营分析难
再一点，运维毕竟是一个成本部门，而业务对我们的需要，其实是希望说能够彰显业务运营的价值，但是其实怎么从有效的运维数据中间去发掘那些业务关心的数据，怎么样让这些数据能够变现，或者说对于业务决策提供一些支撑力，这就是怎么去从业务为视角去看待这些运维数据，怎么样建立一个多样化的指标体系，去完成综合运营的分析。
这也是我们现在碰到一个很巨大的挑战。
那么前面两个层面我们总结为说这是术的问题、治标的问题。真正要治本，还是要从数据质量出发，从运维数据的治理能力出发，然后要能够对业务产生价值，达到综合运营的效果。
所以我们讲智能运维的本质，它其实不是一个神器，智能运维的本质是它能够提升运维数据的一种认知能力。有一个傅盛就是我们猎豹移动的董事长曾经说“人与人之间的最大区别其实是认知水平”。
#老杨说运维##演讲实录#
