导读
上一期，我们回顾了智能运维的发展现状及趋势，并以两大行业的典型案例作为说明，提出了当下企业迫切需要通过完成以运维对象为视角，从业务到系统直至基础资源自上而下的统一观测、统一采集和统一监控。
本期，我们将继续分享老杨在直播中谈到的关于以数据治理为基础的建设实践分享。
九层之台，起于垒土
以数据治理为基础的建设实践分享
以场景方式来推动的统一建设监控，需要一步一步的走过去，在这个循序渐进的过程中很重要的一步就是数据治理。
我们发现很多中大型商业银行在走回头路，之前由于急于求成，在没有统一的发展战略、各个团队各自为政以及工具有大量数据壁垒的情况下，做界面的集中或者可视化的集中，这会使得面向AI的运维场景效果往往被数据质量低和数据关系缺等问题拖累。
那么，为了达成真正有效的结果，我们以某大型商业银行为例，可以发现目前很多客户的数据治理主要是以下述三个方面作为目标在努力：
一是去厘清分散的运维数据，把各类数据集中管理，把格式复杂且难以解读的数据做标准化和规范化；
二是规划全局的消费范围，从局部重要场景出发，满足以运维为观测视角的观测需求；
三是在处理分析层面，建设数据中台，增加相应的治理手段来打造平台化的数据处理能力。
在建设运维数据治理的过程中，有了目标即存在有迹可循的建设路径。首先要有主导治理的团队来制定统一的制度和规范，建立相应的数据标准，能够使得数据应收尽收，然后根据数据治理的可发现、可理解、可信、安全等需求进行平台化设计，最后紧密结合智能化的消费场景，对外输出相应的数据应用价值。
理念部分说完，为大家带来一些实践分享。
从图中能看到，数据的生产方有业务交易、ITSM、云监控、ZABBIX等。以指标为例，这些生产方中有交易类指标、有管理类的KPI（ITSM）、有云监控或普通监控产生的服务器或网络的性能指标等等。这些指标之间本身是不存在任何关系的，需要通过CMDB作为一个关系的桥梁，去转化和映射到数据管理当中去，进而通过不同的分类、属性、关键属性等等去进行分别的治理，最后转化到数据服务、数据应用、数据集成这三大输出能力板块中，为后续的消费方提供服务，十数据被消费方能够真正的拉通，以便对应场景去进行消费使用。
老杨金句总结
通过场景的方式推动统一建设监控，就像是人想要实现财富自由的梦想一样，而数据治理是这一切的基础。只有循序渐进的踏实耕耘、播种施肥，才能够让财富自由的梦想开花结果！
