《中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告（2022）》

中國(guó)AIOps中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告 (2022年)中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)2 (一)運(yùn)營(yíng)商篇 40 (二)銀行證券篇 49 (三)服務(wù)提供商篇 63 (一)調(diào)查方法及樣本 9 (二)報(bào)告術(shù)語(yǔ)界定 13 中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)3精準(zhǔn)定位故障信息、實(shí)時(shí)防護(hù)網(wǎng)絡(luò)攻擊、快速迭代需求變更等新時(shí)代運(yùn)維場(chǎng)景下不可或缺的營(yíng)理念在各行業(yè)持續(xù)滲透，激勵(lì)著越來(lái)越多的企業(yè)提升信息化建設(shè)的戰(zhàn)略地位、增加數(shù)字化IT運(yùn)維(AIOps)能力成熟度模型》系列標(biāo)準(zhǔn)為參考，聚焦中國(guó)AIOps能力建設(shè)成熟度現(xiàn)狀，對(duì)AIOps產(chǎn)業(yè)發(fā)展現(xiàn)狀、未來(lái)AIOps發(fā)展趨勢(shì)、企業(yè)當(dāng)前面臨的困難與挑戰(zhàn)等情況進(jìn)行了討，力爭(zhēng)詳實(shí)客觀地反映企業(yè)對(duì)AIOps落地實(shí)踐的需求，為廣大關(guān)注AIOps的從業(yè)人員、究機(jī)構(gòu)提供真實(shí)可信的數(shù)據(jù)支撐。本次調(diào)查由中國(guó)信息通信研究院聯(lián)合近60家企業(yè)共同發(fā)起，包括中國(guó)工商銀行、中國(guó)農(nóng)業(yè)銀行、建信金科、浦發(fā)銀行、平安銀行、交通銀行太平洋信用卡中心、華泰證券、安信證券、深圳證券通信有限公司、中國(guó)聯(lián)通軟件研究院、中國(guó)移動(dòng)集團(tuán)、中國(guó)鐵塔、騰訊、阿中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)4力支持，在此，謹(jǐn)表示最衷心的感謝！同時(shí)也對(duì)參與中國(guó)AIOps聯(lián)盟中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)5中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)6核心觀點(diǎn)摘要AIOps能力建設(shè)基本情況礎(chǔ)上進(jìn)一步增強(qiáng)監(jiān)控、運(yùn)維智能化能力。業(yè)選擇優(yōu)先關(guān)注和投資升級(jí)監(jiān)控和AIOps。能運(yùn)維平臺(tái)并形成了相關(guān)評(píng)價(jià)體系分別占比49.64%和37.96%，其次是銀行占比28.99%。中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)7s合組建(13.17%)，各團(tuán)隊(duì)/部門(mén)分別建設(shè)(13.06%)和聯(lián)合第三方廠商/外包組建(12.45%)團(tuán)隊(duì)模式。?將現(xiàn)有監(jiān)控平臺(tái)、大數(shù)據(jù)平臺(tái)等多種數(shù)據(jù)源接入智能運(yùn)維工具/平臺(tái)，進(jìn)行多場(chǎng)景數(shù)據(jù)融算能力引擎，主要以自研(36.86%)和采用第三方提供(40.07%)兩種方式為主。AIOps場(chǎng)景應(yīng)用情況中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)8景。復(fù)時(shí)長(zhǎng)可以達(dá)到10分鐘內(nèi)的水平，11.23%的企業(yè)已經(jīng)達(dá)到15分鐘內(nèi)完成系統(tǒng)故障恢AIOps發(fā)展趨勢(shì)與挑戰(zhàn)實(shí)踐探索中產(chǎn)生的，比如“能力定制化，難以跨業(yè)務(wù)應(yīng)用或泛化成本高”(35.81%)，業(yè)將加強(qiáng)對(duì)安全事件的快速響應(yīng)以及相應(yīng)的防范措施的建設(shè)。，中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)9 (一)調(diào)查方法及樣本述數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)數(shù)數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院號(hào)明1本總量中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年) (二)報(bào)告術(shù)語(yǔ)界定智能運(yùn)維概念：智能運(yùn)維(AIOps)是將大數(shù)據(jù)，AI機(jī)器學(xué)習(xí)和其他技術(shù)相結(jié)合，通過(guò)維(技術(shù)運(yùn)營(yíng))側(cè)的高階實(shí)現(xiàn)。景問(wèn)題(如質(zhì)量域下的異常檢測(cè)場(chǎng)景等，成本域的資源優(yōu)化場(chǎng)景等)。成本、效率、安全)場(chǎng)景的智能運(yùn)維系統(tǒng)/工具。中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年) (一)AIOps能力建設(shè)基本情況數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院圖7企業(yè)運(yùn)維年平均資金投入規(guī)模(2019-2021)中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)查顯示DevOps自動(dòng)化部署(61.21%)、升級(jí)監(jiān)控和AIOps(52%)是大部分企業(yè)的優(yōu)先關(guān)RE數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)平臺(tái)并形成了相關(guān)評(píng)價(jià)體系分別占比49.64%和37.96%，其次是銀行和電信企業(yè)(28.99%和25.97%)。數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院能運(yùn)維能力建設(shè)情況中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)解決方案(51.80%)。數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院1智能運(yùn)維系統(tǒng)/工具/平臺(tái)提供服務(wù)類(lèi)型中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)團(tuán)隊(duì)采工具，另外還有19.20%的受訪(fǎng)者所在團(tuán)隊(duì)選擇采購(gòu)第三方解數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院團(tuán)隊(duì)搭建智能運(yùn)維平臺(tái)/工具的方式中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)ps組建(13.17%)，各團(tuán)隊(duì)/部門(mén)分別建設(shè)(13.06%)和聯(lián)合第三方廠商/外包組建(12.45%)等多種團(tuán)隊(duì)模式，共研(19.81%)或者采購(gòu)第三方服務(wù)的形式(16.55%)搭建智能運(yùn)維平臺(tái)/工具。數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院圖13企業(yè)智能運(yùn)維能力建設(shè)組建團(tuán)隊(duì)/部門(mén)情況中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)了目前中國(guó)市場(chǎng)已有的智能運(yùn)維解決方案提供商(數(shù)據(jù)僅根據(jù)問(wèn)卷調(diào)查結(jié)果統(tǒng)計(jì)，不涉及市場(chǎng)份額情況，僅供參考)：決方案提供商鯨智云澤智能運(yùn)營(yíng)平臺(tái)運(yùn)維平臺(tái)博睿數(shù)據(jù)智能運(yùn)維算法能力平臺(tái)SwiftAI孔明產(chǎn)品平臺(tái)IOps中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)s圖南智維平臺(tái)臺(tái)運(yùn)維平臺(tái)PAIOpshedulX中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)其次是對(duì)數(shù)據(jù)的規(guī)范化能力(22.54%)和工具平臺(tái)的支持(21.09%)，在此基礎(chǔ)上完善算法能力(9.79%)。數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院前置條件中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)將現(xiàn)有監(jiān)控平臺(tái)、大數(shù)據(jù)平臺(tái)等多種數(shù)據(jù)源接入智能運(yùn)維工具/平臺(tái)，進(jìn)行多場(chǎng)景數(shù)據(jù)數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院智能運(yùn)維工具/平臺(tái)數(shù)據(jù)獲取方式中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)當(dāng)前企業(yè)的智能運(yùn)維系統(tǒng)/工具更多集中于對(duì)系統(tǒng)(服務(wù)器、操作系統(tǒng))監(jiān)控?cái)?shù)據(jù)和業(yè)務(wù)后是動(dòng)力環(huán)境監(jiān)測(cè)數(shù)據(jù)，占比20.14%。數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院智能運(yùn)維工具/平臺(tái)分析的數(shù)據(jù)種類(lèi)中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)AIOps支持。根據(jù)本次調(diào)數(shù)數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院能運(yùn)維計(jì)算能力引擎中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)實(shí)踐普遍集中于在部分典型場(chǎng)景進(jìn)行試點(diǎn)及應(yīng)用。并且已有15.61%和11.07%的受訪(fǎng)者所數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院圖18企業(yè)當(dāng)前運(yùn)維工作中數(shù)據(jù)分析與算法模型應(yīng)用情況中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)運(yùn)數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院9企業(yè)目前運(yùn)維工作中常用的數(shù)據(jù)分析方法數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院20企業(yè)目前運(yùn)維工作中常用的算法模型分析方法中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年) (二)AIOps場(chǎng)景應(yīng)用情況根據(jù)由中國(guó)信通院牽頭制定的行業(yè)標(biāo)準(zhǔn)《云計(jì)算智能化運(yùn)維(AIOps)能力成熟度模型第分析、決策、執(zhí)行、知識(shí)更新五個(gè)維度進(jìn)行級(jí)別劃分，系統(tǒng)的參與程度隨智能化程度逐級(jí)遞幫助人工進(jìn)行決策和操作為主，較為領(lǐng)先的能力實(shí)踐可以達(dá)到L3級(jí)別，而L4和L5級(jí)別隨中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)AIOps仍處于初期發(fā)展階段，受訪(fǎng)者對(duì)目前AIOps能力水平的評(píng)價(jià)與期望超過(guò)其所在處于輔助智能化(30.27%)和進(jìn)階智能化階段(28.61%)。此外，21.47%的受訪(fǎng)者自評(píng)處于數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)更加關(guān)注在效率和安全領(lǐng)域的智能化運(yùn)維能力建設(shè)。根據(jù)本次調(diào)查結(jié)果顯示，自評(píng)為初始智能化運(yùn)維階段的受訪(fǎng)者更多的是從質(zhì)量領(lǐng)域開(kāi)始進(jìn)行場(chǎng)景探索(50%)，質(zhì)量領(lǐng)域的關(guān)注度遠(yuǎn)超其他部分。自評(píng)為輔助智能化運(yùn)維階段的受訪(fǎng)者持續(xù)增加了質(zhì)量領(lǐng)域(61.97%)的關(guān)注度，并且開(kāi)始探索成本(52.47%)和效率領(lǐng)域(46.62%)的實(shí)踐。而自評(píng)為全面智能化運(yùn)維關(guān)注度比較均衡(49,60%，45.16%)，并且關(guān)注度逐漸向效率領(lǐng)域(55.65%)傾斜，以及增加了對(duì)安全領(lǐng)域(40.32%)的關(guān)注和投入。最后自評(píng)為高度智能化運(yùn)維階段的受訪(fǎng)者認(rèn)為在質(zhì)量、成本、效率、安全四個(gè)領(lǐng)域的關(guān)注度接近一致，也說(shuō)明數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院段智能運(yùn)維場(chǎng)景關(guān)注情況中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)全領(lǐng)域(30.82%)。數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院業(yè)當(dāng)前智能運(yùn)維重點(diǎn)關(guān)注領(lǐng)域中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)質(zhì)量領(lǐng)域最先考慮的智能運(yùn)維場(chǎng)景是異常檢測(cè)(62.26%)和告警收斂(57.55%)，其次是故障預(yù)測(cè)能力(46.76%)、故障自愈(43.72%)、根因分析(42.67%)，最后是故障預(yù)防 (33.04%)。數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院智能運(yùn)維能力-質(zhì)量領(lǐng)域應(yīng)用情況中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)成本領(lǐng)域的場(chǎng)景建設(shè)較為均衡，資源優(yōu)化(44.49%)，成本評(píng)估(40.40%)，容量預(yù)測(cè) (40.40%)，但有20.59%的受訪(fǎng)者所在企業(yè)表示還未開(kāi)展成本部分內(nèi)容，也是這四大場(chǎng)景數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院智能運(yùn)維能力-成本領(lǐng)域應(yīng)用情況效率領(lǐng)域最先考慮的智能運(yùn)維場(chǎng)景是效率評(píng)估(37.52%)、知識(shí)構(gòu)建(36.58%)、智能變更(34.42%)，智能問(wèn)答(30.99%)，輿情分析(16.60%)。數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院智能運(yùn)維能力-效率領(lǐng)域應(yīng)用情況中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)安全領(lǐng)域最先考慮的智能運(yùn)維場(chǎng)景是風(fēng)險(xiǎn)可視化(40.12%)、威脅感知(32.82%)、安全知識(shí)圖譜(31.10%)，其次是脆弱性感知(24.02%)、SOAR(20.09%)、UEBA(16.05%)。數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院智能運(yùn)維能力-安全領(lǐng)域應(yīng)用情況中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)隨著智能運(yùn)維能力的持續(xù)完善以及應(yīng)用場(chǎng)景的不斷深入，將明顯感知到智能運(yùn)維帶來(lái)的率提升，其中25.4%的受訪(fǎng)者表示有一數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院9故障恢復(fù)時(shí)長(zhǎng)與效率提升的感知情況統(tǒng)計(jì)大部分受訪(fǎng)者所在企業(yè)處于15-30分鐘的恢復(fù)時(shí)間(18.76%)和30-60分鐘進(jìn)行故障服務(wù)恢復(fù)(17.54%)，僅有7.86%的受訪(fǎng)者所在企業(yè)恢復(fù)時(shí)間超過(guò)4小時(shí)。中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年) (三)AIOps發(fā)展趨勢(shì)與挑戰(zhàn)運(yùn)維場(chǎng)景中的實(shí)踐探索中產(chǎn)生的。比如“能力定制化，難以跨業(yè)務(wù)應(yīng)用或泛化成本高” 難以支持智能運(yùn)維建設(shè)”(19.76%)，“受限于AI團(tuán)隊(duì)規(guī)?！?18.43%)。此外還包括了策與管理”(17.49%)，“智能運(yùn)維的建設(shè)價(jià)值難度量和體現(xiàn)”(16.93%)。數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院能運(yùn)維建設(shè)過(guò)程中遇到的困難中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)進(jìn)行劃分，質(zhì)量場(chǎng)景仍然是主要提升方向，其中包括提升故障的根因定位效率(36.75%)，提升故障修復(fù)速度(32.82%)，完善故障預(yù)測(cè)能力(31.82%)以及建立故障處理流程規(guī)范 (23.52%)。成本場(chǎng)景中，包括需要進(jìn)一步優(yōu)化資源配置與成本優(yōu)化(33.31%)，建立系統(tǒng)健康度評(píng)估 (29.88%)，完善對(duì)變更過(guò)程的檢測(cè)(19.98%)。輿情信息納入運(yùn)維場(chǎng)景分析(26.34%)。安全場(chǎng)景得到更多的關(guān)注，其中需要加強(qiáng)對(duì)安全事件的快速響應(yīng)以及相應(yīng)的防范措施的建設(shè) (40.79%)。數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院前企業(yè)使用的運(yùn)維系統(tǒng)改進(jìn)方向中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)未來(lái)業(yè)務(wù)的增長(zhǎng)需求。27.67%的企業(yè)將加強(qiáng)人員方面投入，對(duì)技術(shù)人員進(jìn)行AIOps相關(guān)培數(shù)據(jù)來(lái)源：中國(guó)信息通信研究院企業(yè)智能運(yùn)維建設(shè)方向中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年) (一)運(yùn)營(yíng)商篇隨著國(guó)內(nèi)企業(yè)數(shù)智化轉(zhuǎn)型的深入推進(jìn)，電信行業(yè)運(yùn)維從傳統(tǒng)的基礎(chǔ)設(shè)備運(yùn)維逐漸轉(zhuǎn)為軟數(shù)量線(xiàn)性增加，每萬(wàn)臺(tái)服務(wù)器運(yùn)維人員的數(shù)量持續(xù)下降，亟需引入智能化運(yùn)維手段，解決人案例1智能運(yùn)營(yíng)平臺(tái)應(yīng)用通數(shù)字科技智能運(yùn)營(yíng)平臺(tái)是聯(lián)通數(shù)字科技有限公司自行研發(fā)的一款基于動(dòng)態(tài)基線(xiàn)算法國(guó)家開(kāi)放大學(xué)的實(shí)驗(yàn)學(xué)院信息化改造項(xiàng)目選用了聯(lián)通數(shù)字科技有限公司開(kāi)智能運(yùn)營(yíng)平臺(tái)在三地的部署圖中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)模型，結(jié)合業(yè)務(wù)負(fù)載情況，動(dòng)態(tài)調(diào)整IT設(shè)備的上下線(xiàn)、關(guān)機(jī)、啟動(dòng)，達(dá)到綠色智能運(yùn)營(yíng)平臺(tái)幫助客戶(hù)解決了監(jiān)控手段匱乏、故障發(fā)現(xiàn)滯后、動(dòng)環(huán)監(jiān)控死案例2基于指標(biāo)異常檢測(cè)在云平臺(tái)網(wǎng)元健康度判斷的應(yīng)用浙江移動(dòng)類(lèi)型也在逐步增加，指標(biāo)數(shù)據(jù)日益增大；網(wǎng)元間的業(yè)務(wù)差異性要求網(wǎng)元評(píng)分標(biāo)自動(dòng)化操作能力等打造了晴雨表產(chǎn)品。晴雨表系統(tǒng)采用可視化展現(xiàn)層、應(yīng)用分析層、數(shù)據(jù)采集層三層架構(gòu)。評(píng)分結(jié)果通過(guò)頁(yè)面實(shí)時(shí)展示，同時(shí)結(jié)果回寫(xiě)至Kafka后再存入ES集群進(jìn)行長(zhǎng)久保系統(tǒng)架構(gòu)部署方案運(yùn)維，AI算分，自動(dòng)化操作發(fā)現(xiàn)低分故障網(wǎng)元，推送故障詳情信息到kafka，自愈系統(tǒng)消費(fèi)到Kafka數(shù)據(jù)后匹配到對(duì)應(yīng)的自愈腳本執(zhí)行自愈，實(shí)現(xiàn)自動(dòng)化故障恢復(fù)，減少人工干預(yù)。晴雨表以交付類(lèi)產(chǎn)品進(jìn)行輸出，支持一站式解決方案部署。目前已在浙江入流程圖wG均先于用戶(hù)5分鐘感知發(fā)現(xiàn)故障，有效縮減了用戶(hù)斷服時(shí)長(zhǎng)，提升了用戶(hù)感知。晴雨表中基于案例3業(yè)務(wù)端到端故障智能發(fā)現(xiàn)診斷自愈IT業(yè)務(wù)系統(tǒng)集群規(guī)模越發(fā)龐大，傳統(tǒng)的告警不能及時(shí)有效的發(fā)現(xiàn)系統(tǒng)異常，海方案框架圖斷階段使用trace日志還原業(yè)務(wù)鏈拓?fù)?、?jié)點(diǎn)信息。通過(guò)業(yè)務(wù)鏈異常挖掘算法進(jìn)行橫向根因分析，確定引起了整個(gè)業(yè)務(wù)鏈故障的節(jié)點(diǎn)排名。通過(guò)日志異常檢測(cè)算法智能發(fā)現(xiàn)相關(guān)節(jié)點(diǎn)的異常日志，以及結(jié)合跨層告警，結(jié)合知案例4異構(gòu)系統(tǒng)智能故障診斷平臺(tái)的應(yīng)用東移動(dòng)障診斷流程圖查處理準(zhǔn)確診斷 營(yíng)新模式寧移動(dòng)隨著IT技術(shù)的迅猛發(fā)展，投訴運(yùn)維體系的不斷演進(jìn)，投訴運(yùn)維逐漸從人AI，AI值，和應(yīng)用或場(chǎng)景服務(wù)所需的基礎(chǔ)能力服務(wù)(黑色部分)。投訴平臺(tái)整體技術(shù)架構(gòu)圖單相似/同源推薦；3.業(yè)務(wù)一致性平臺(tái)(投訴前移處理)：實(shí)現(xiàn)投訴前移web及后臺(tái)維護(hù)功能，一鍵核查，預(yù)案執(zhí)行；??自2021年智能投訴機(jī)器人、?短30%知識(shí)推送能力上線(xiàn)以來(lái)，全省各地市累中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年) (二)銀行證券篇型對(duì)產(chǎn)生的各類(lèi)運(yùn)維數(shù)據(jù)進(jìn)行采集、處理與分析，迅速發(fā)現(xiàn)問(wèn)題根源并對(duì)未來(lái)可能出現(xiàn)的問(wèn)案例6工行AIOps智能運(yùn)維體系建設(shè)實(shí)踐x習(xí)等手段提升運(yùn)維的自動(dòng)化、智能化程度，布局AIOps智能運(yùn)維建設(shè)，逐步中國(guó)AIOps現(xiàn)狀調(diào)查報(bào)告(2022年)監(jiān)控中心系統(tǒng)監(jiān)控應(yīng)用監(jiān)控中監(jiān)控中心系統(tǒng)監(jiān)控應(yīng)用監(jiān)控中間件監(jiān)控日志中心應(yīng)用日志操作系統(tǒng)日志中間件日志分布式監(jiān)控服務(wù)監(jiān)控IT數(shù)據(jù)池網(wǎng)絡(luò)(含硬件)存儲(chǔ)(含硬件)計(jì)算(含硬件)AIOps門(mén)戶(hù)移動(dòng)端自定義報(bào)表平臺(tái)成本管理智能變更智能決策自動(dòng)驗(yàn)證配置管理智能問(wèn)答運(yùn)維知識(shí)庫(kù)成本優(yōu)化容量規(guī)劃資源優(yōu)化負(fù)載畫(huà)像異常檢測(cè)故障預(yù)測(cè)故障診斷故障自愈運(yùn)維可視化故障管理變更管理服務(wù)咨詢(xún)儀表盤(pán)PC大屏運(yùn)運(yùn)維數(shù)據(jù)分析中心平平臺(tái)技術(shù)支撐機(jī)器學(xué)習(xí)平臺(tái)應(yīng)用平臺(tái)云基礎(chǔ)設(shè)施云大數(shù)據(jù)平臺(tái)智能運(yùn)維平臺(tái)架構(gòu)圖案例7工行數(shù)據(jù)中心智能運(yùn)維技術(shù)應(yīng)用實(shí)踐工商銀行正處于向數(shù)字化轉(zhuǎn)型發(fā)展的關(guān)鍵時(shí)期，隨著業(yè)務(wù)快速發(fā)展及IT工商銀行數(shù)據(jù)中心重點(diǎn)圍繞信息系統(tǒng)運(yùn)維可視化和快速排障能力提升開(kāi)AIOps運(yùn)維地圖、日志及指標(biāo)工商銀行數(shù)據(jù)中心重點(diǎn)圍繞信息系統(tǒng)運(yùn)維可視化和快速排障能力提升開(kāi)AIOps運(yùn)維地圖、日志及指標(biāo)分析引擎為基礎(chǔ)的多模態(tài)智能運(yùn)維框架，融合了知識(shí)圖譜、自然語(yǔ)言處理 能運(yùn)維框架，初步具備了AIOPS的服務(wù)化能力，面向運(yùn)維應(yīng)用輸出實(shí)時(shí)運(yùn)維運(yùn)維地圖實(shí)現(xiàn)架構(gòu)與圖譜示意案例8AIOps智能根因定位業(yè)務(wù)數(shù)字轉(zhuǎn)型與架構(gòu)分布式轉(zhuǎn)型對(duì)商業(yè)銀行業(yè)務(wù)系統(tǒng)的運(yùn)維保障工作帶估體系、優(yōu)化海量資源指標(biāo)算法分析手段、打造AI算法與專(zhuān)家經(jīng)驗(yàn)相結(jié)合的障根因定位總體流程圖目前農(nóng)行智能根因定位場(chǎng)景已在生產(chǎn)上得到了廣泛應(yīng)用，為生產(chǎn)異常的“及時(shí)發(fā)現(xiàn)、準(zhǔn)確定位、快速處置”提供了有力支持，其中AI根因定位已覆案例9AIOps在銀行業(yè)運(yùn)維操作風(fēng)險(xiǎn)控制領(lǐng)域的實(shí)踐金融科技有限責(zé)任公司加強(qiáng)自身信息科技風(fēng)險(xiǎn)管理能力。建信金科與中國(guó)建設(shè)銀行運(yùn)營(yíng)數(shù)據(jù)中心合品。本案例利用其中的采集功能模塊(品。本案例利用其中的采集功能模塊(IT服務(wù)管理等)、決策功能模塊(運(yùn)維數(shù)據(jù)平臺(tái)等)，可視化功能模塊(運(yùn)維報(bào)表等)覆蓋了運(yùn)維數(shù)據(jù)的全生命周期維操作風(fēng)險(xiǎn)的有效監(jiān)管。孔明智能運(yùn)維產(chǎn)品全景圖作失誤案例等建立起的風(fēng)險(xiǎn)場(chǎng)景模型和知識(shí)，與采集集成的運(yùn)維T4.通過(guò)可視化平臺(tái)形成高危風(fēng)險(xiǎn)操作事前預(yù)警和風(fēng)險(xiǎn)違規(guī)操作事后報(bào)告，為析功能、風(fēng)險(xiǎn)控制模型，實(shí)現(xiàn)對(duì)風(fēng)險(xiǎn)控制場(chǎng)景，結(jié)合內(nèi)審發(fā)現(xiàn)問(wèn)題，可針對(duì)部分高危操作行為(例如在監(jiān)測(cè)資源繁忙度高水位場(chǎng)景下實(shí)施施操作前預(yù)警提示，避免操作行為最終違規(guī)。警，使其及時(shí)發(fā)現(xiàn)審計(jì)風(fēng)險(xiǎn)等問(wèn)題并跟蹤整改，避免操作風(fēng)險(xiǎn)處案例10打造智能運(yùn)維利器，助力運(yùn)維數(shù)字化轉(zhuǎn)型浦發(fā)銀行智能運(yùn)維架構(gòu)圖中心數(shù)字孿生2.趨勢(shì)預(yù)測(cè)3.多指標(biāo)異常檢測(cè)體并自動(dòng)分類(lèi)排序。聚類(lèi)不同表征的異常機(jī)器，采用搜索引擎排序技術(shù)LearningtoRankpointwise華泰證券1.通過(guò)低代碼方式接入現(xiàn)有各種運(yùn)維工具數(shù)據(jù)。接入數(shù)據(jù)源包括統(tǒng)一監(jiān)智能運(yùn)維大數(shù)據(jù)平臺(tái)4.支持業(yè)務(wù)場(chǎng)景下的指標(biāo)、日志關(guān)聯(lián)分析。支持從日志中抽取各項(xiàng)業(yè)務(wù)案例12智能運(yùn)維平臺(tái)建設(shè)實(shí)踐光大證券光大證券升級(jí)大數(shù)據(jù)平臺(tái)、完善日志管理、引進(jìn)業(yè)務(wù)監(jiān)控工具、重構(gòu)大證券智能運(yùn)維平臺(tái)架構(gòu)圖端運(yùn)行數(shù)據(jù)、網(wǎng)絡(luò)流量全部已據(jù)近1T。之內(nèi)完成17個(gè)維度的分析，給出可能的異常維度(組合)，MTTR降低案例13智能運(yùn)維分析系統(tǒng)，助力業(yè)務(wù)運(yùn)營(yíng)高效平穩(wěn)發(fā)展信證券以開(kāi)源平臺(tái)為基礎(chǔ)、利用運(yùn)維實(shí)踐與算法相結(jié)合打造智能運(yùn)維系統(tǒng)。從海量的日志和運(yùn)維數(shù)據(jù)中提取出有價(jià)值的信息幫助系統(tǒng)管理人好的了解系統(tǒng)、預(yù)測(cè)潛在風(fēng)險(xiǎn)、繪制系統(tǒng)畫(huà)像、探尋數(shù)據(jù)規(guī)律、感知系智能運(yùn)維分析系統(tǒng)在技術(shù)上主要以開(kāi)源工具為主體，配合自研前端，靈智能運(yùn)維分析系統(tǒng)架構(gòu)圖?提高業(yè)務(wù)監(jiān)控能力，降低運(yùn)維風(fēng)險(xiǎn)。智能監(jiān)控平臺(tái)是所有監(jiān)控工具重要信息的匯集處理中心，通過(guò)統(tǒng)一