通信網(wǎng)banner.jpg)
相關(guān)專題：
2018年01月26日14:29T|T
【移動(dòng)通信網(wǎng)】需要決策的地方，都需要數(shù)據(jù)支撐，大數(shù)據(jù)的價(jià)值就在于此。隨著云計(jì)算、大數(shù)據(jù)、移動(dòng)化、社交網(wǎng)絡(luò)等新興應(yīng)用的蓬勃發(fā)展，IT運(yùn)維的數(shù)據(jù)量開(kāi)始爆發(fā)。那么，這些數(shù)據(jù)是待開(kāi)墾的荒山，還是價(jià)值連城的金山呢？人工智能（ArtificialIntelligence）+商業(yè)智能（BusinessIntelligence）+數(shù)據(jù)智能（DigitalIntelligence）的結(jié)果，或許就是這把鋤頭。
數(shù)據(jù)資產(chǎn)早已存在,但為何用不起來(lái)？
隨著移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、物聯(lián)網(wǎng)和云計(jì)算等新興技術(shù)的崛起以及互聯(lián)網(wǎng)+、中國(guó)制造2025等政策支持的頻頻出臺(tái)，越來(lái)越多的企業(yè)開(kāi)始爭(zhēng)先恐后地加入數(shù)字化轉(zhuǎn)型浪潮中。據(jù)IDC數(shù)據(jù)顯示，截止2017年年底，全球2000強(qiáng)企業(yè)中三分之二的首席執(zhí)行官都會(huì)把數(shù)字化轉(zhuǎn)型放在其企業(yè)戰(zhàn)略的核心位置。
毫無(wú)疑問(wèn)，數(shù)字化生產(chǎn)運(yùn)營(yíng)過(guò)程中所產(chǎn)生的數(shù)據(jù)信息已經(jīng)成為重要的核心資產(chǎn)，這為IT運(yùn)維管理賦予了更多內(nèi)涵。IT部門需要聚焦企業(yè)信息資產(chǎn)價(jià)值挖掘，將現(xiàn)有的數(shù)據(jù)進(jìn)行有效的整合，快速準(zhǔn)確地提供報(bào)表和決策依據(jù)，方能幫助企業(yè)做出明智的業(yè)務(wù)運(yùn)營(yíng)管理決策。但是，以現(xiàn)有的能力，這幾乎成了“不可能完成的任務(wù)”。
首先，運(yùn)維數(shù)據(jù)增長(zhǎng)迅速、體量龐大，但可用于經(jīng)營(yíng)決策和業(yè)務(wù)優(yōu)化的數(shù)據(jù)分析模型和報(bào)表較少；其次，ETL、計(jì)算引擎、BI、深度分析等，每一個(gè)工具都是不同的產(chǎn)品，致使報(bào)表工具細(xì)碎化，采購(gòu)成本增加，學(xué)習(xí)成本增加；最后，報(bào)表結(jié)果永遠(yuǎn)處于“過(guò)去時(shí)”，靜態(tài)化模型無(wú)法實(shí)現(xiàn)交互分析，二次開(kāi)發(fā)只能望梅止渴。
從荒山到金山，IT運(yùn)維如何打造BI平臺(tái)
數(shù)據(jù)放在那里，就只能是座荒山。因此，我們需要一把鋤頭，把它刨開(kāi)，。比如：用這把鋤頭將日志數(shù)據(jù)、工單數(shù)據(jù)、監(jiān)控?cái)?shù)據(jù)等進(jìn)行整合，告別數(shù)據(jù)孤島；把各種報(bào)表之間的通道刨開(kāi)，將數(shù)據(jù)重新組合，提取出最精確的數(shù)據(jù)用于決策；為數(shù)據(jù)可視化開(kāi)山修路，讓這座荒山變得井然有序，一切美景盡在眼底；修建運(yùn)維數(shù)據(jù)的“金庫(kù)”，對(duì)業(yè)務(wù)部門的信息需求快速響應(yīng)，做好數(shù)據(jù)支撐，提升IT部門價(jià)值。
針對(duì)上述需求，北塔軟件以BTSO平臺(tái)為核心，推出了基于BI的運(yùn)維報(bào)表解決方案，實(shí)現(xiàn)了對(duì)不同方式采集到的數(shù)據(jù)信息進(jìn)行整合，包括：機(jī)房環(huán)境數(shù)據(jù)、網(wǎng)絡(luò)環(huán)境數(shù)據(jù)、業(yè)務(wù)系統(tǒng)相關(guān)數(shù)據(jù)（如：服務(wù)器、中間件、數(shù)據(jù)庫(kù)的信息）、流量數(shù)據(jù)、業(yè)務(wù)指標(biāo)數(shù)據(jù)、日志數(shù)據(jù)以及與之相關(guān)的流程、資產(chǎn)、人員信息，告別信息孤島，通過(guò)對(duì)數(shù)據(jù)進(jìn)行建模、分類、關(guān)聯(lián)、鉆取、分析、挖掘，協(xié)助用戶實(shí)現(xiàn)“從數(shù)據(jù)荒山到數(shù)據(jù)金山”的壯舉。
圖：北塔軟件基于BI技術(shù)的運(yùn)維報(bào)表解決方案
從內(nèi)部實(shí)現(xiàn)方式上看，首先由采集引擎將數(shù)據(jù)采集并存儲(chǔ)到數(shù)據(jù)庫(kù)中，ETL工具將數(shù)據(jù)經(jīng)過(guò)抽取、清洗、轉(zhuǎn)換、加載等步驟對(duì)數(shù)據(jù)進(jìn)行處理。然后，將有“含金量”極高的數(shù)據(jù)提取出來(lái)，經(jīng)過(guò)BI工具將提取出來(lái)的數(shù)據(jù)進(jìn)行有效整合，快速準(zhǔn)確的提供報(bào)表并提出決策依據(jù)，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營(yíng)決策。
從外部展示方式上看，用戶可以通過(guò)拖拽方式進(jìn)行任意數(shù)據(jù)探索和查詢，列過(guò)濾和列位置調(diào)換等功能，實(shí)現(xiàn)了臨時(shí)性的報(bào)表隨時(shí)輸出、表格數(shù)據(jù)的動(dòng)態(tài)展示，提高了查看報(bào)告的靈活性。此外，BI解決方案還引入了第三方GIS地圖功能和熱力圖，可清晰直觀地在地理地圖上顯示相關(guān)“金磚數(shù)據(jù)”，同時(shí)實(shí)現(xiàn)了流量分析、分布分析、密度分析等需求，將分析、處理、決策等功能全面集成。
機(jī)器學(xué)習(xí)替代人力，百億數(shù)據(jù)也能秒開(kāi)
IT運(yùn)維常常遇到“自我救贖”的問(wèn)題，比如：當(dāng)我們完成IT基礎(chǔ)設(shè)施自動(dòng)監(jiān)控之后，運(yùn)維人員每天面對(duì)著海量的運(yùn)維數(shù)據(jù)卻不知道如何著手去綜合分析和挖掘數(shù)據(jù)之間的相關(guān)性，更別說(shuō)對(duì)這些數(shù)據(jù)進(jìn)行有效利用了。而大數(shù)據(jù)為我們帶來(lái)了什么？數(shù)據(jù)，讓一切有跡可循，讓一切有源可溯。數(shù)據(jù)，也將是我們身處萬(wàn)物互聯(lián)化、萬(wàn)物智能化時(shí)代的DNA。
但是，若沒(méi)有合格的數(shù)據(jù)質(zhì)量，以及到位的數(shù)據(jù)清洗、管理流程和系統(tǒng)，在海量數(shù)據(jù)分析面前，你有極大的可能性，會(huì)陷入垃圾數(shù)據(jù)的陷阱。而當(dāng)大數(shù)據(jù)和機(jī)器學(xué)習(xí)（ML）技術(shù)整合之后，不但可以讓我們從繁復(fù)耗時(shí)、容易出錯(cuò)的基礎(chǔ)運(yùn)維工作中徹底解放出來(lái)，更可以讓我們專注于更有價(jià)值的業(yè)務(wù)數(shù)據(jù)。
為此，在北塔軟件BI解決方案中也融入了機(jī)器學(xué)習(xí)算法，包括K-Means聚類、邏輯回歸分類、關(guān)聯(lián)分析、決策樹(shù)等，用戶可應(yīng)用這些算法輕松建模。通過(guò)高性能基礎(chǔ)架構(gòu)、深度算法和敏捷運(yùn)算，實(shí)現(xiàn)從百萬(wàn)到百億數(shù)據(jù)分析，達(dá)到秒級(jí)響應(yīng)，幫助用戶洞察無(wú)法直接觀測(cè)到的數(shù)據(jù)背后的關(guān)聯(lián)、趨勢(shì)和邏輯。
