需要決策的地方，都需要數(shù)據(jù)支撐，大數(shù)據(jù)的價值就在于此。隨著云計算、大數(shù)據(jù)、移動化、社交網(wǎng)絡(luò)等新興應(yīng)用的蓬勃發(fā)展，IT運維的數(shù)據(jù)量開始爆發(fā)。那么，這些數(shù)據(jù)是待開墾的荒山，還是價值連城的金山呢？人工智能（Artificial Intelligence）+商業(yè)智能（Business Intelligence）+數(shù)據(jù)智能（Digital Intelligence）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？

隨著移動互聯(lián)網(wǎng)、大數(shù)據(jù)、物聯(lián)網(wǎng)和云計算等新興技術(shù)的崛起以及互聯(lián)網(wǎng)+、中國制造2025等政策支持的頻頻出臺，越來越多的企業(yè)開始爭先恐后地加入數(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強企業(yè)中三分之二的首席執(zhí)行官都會把數(shù)字化轉(zhuǎn)型放在其企業(yè)戰(zhàn)略的核心位置。

毫無疑問，數(shù)字化生產(chǎn)運營過程中所產(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)價值挖掘，將現(xiàn)有的數(shù)據(jù)進行有效的整合，快速準確地提供報表和決策依據(jù)，方能幫助企業(yè)做出明智的業(yè)務(wù)運營管理決策。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，運維數(shù)據(jù)增長迅速、體量龐大，但可用于經(jīng)營決策和業(yè)務(wù)優(yōu)化的數(shù)據(jù)分析模型和報表較少；其次，ETL、計算引擎、BI、深度分析等，每一個工具都是不同的產(chǎn)品，致使報表工具細碎化，采購成本增加，學習成本增加；最后，報表結(jié)果永遠處于“過去時”，靜態(tài)化模型無法實現(xiàn)交互分析，二次開發(fā)只能望梅止渴。

從荒山到金山，IT運維如何打造BI平臺

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，。比如：用這把鋤頭將日志數(shù)據(jù)、工單數(shù)據(jù)、監(jiān)控數(shù)據(jù)等進行整合，告別數(shù)據(jù)孤島；把各種報表之間的通道刨開，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；修建運維數(shù)據(jù)的“金庫”，對業(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部門價值。

針對上述需求，北塔軟件以BTSO平臺為核心，推出了基于BI的運維報表解決方案，實現(xiàn)了對不同方式采集到的數(shù)據(jù)信息進行整合，包括：機房環(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)庫的信息）、流量數(shù)據(jù)、業(yè)務(wù)指標數(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，通過對數(shù)據(jù)進行建模、分類、關(guān)聯(lián)、鉆取、分析、挖掘，協(xié)助用戶實現(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)的運維報表解決方案

從內(nèi)部實現(xiàn)方式上看，首先由采集引擎將數(shù)據(jù)采集并存儲到數(shù)據(jù)庫中，ETL工具將數(shù)據(jù)經(jīng)過抽取、清洗、轉(zhuǎn)換、加載等步驟對數(shù)據(jù)進行處理。然后，將有“含金量”極高的數(shù)據(jù)提取出來，經(jīng)過BI工具將提取出來的數(shù)據(jù)進行有效整合，快速準確的提供報表并提出決策依據(jù)，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營決策。

從外部展示方式上看，用戶可以通過拖拽方式進行任意數(shù)據(jù)探索和查詢，列過濾和列位置調(diào)換等功能，實現(xiàn)了臨時性的報表隨時輸出、表格數(shù)據(jù)的動態(tài)展示，提高了查看報告的靈活性。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)”，同時實現(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。

機器學習替代人力，百億數(shù)據(jù)也能秒開

IT運維常常遇到“自我救贖”的問題，比如：當我們完成IT基礎(chǔ)設(shè)施自動監(jiān)控之后，運維人員每天面對著海量的運維數(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，更別說對這些數(shù)據(jù)進行有效利用了。而大數(shù)據(jù)為我們帶來了什么？數(shù)據(jù)，讓一切有跡可循，讓一切有源可溯。數(shù)據(jù)，也將是我們身處萬物互聯(lián)化、萬物智能化時代的DNA。

但是，若沒有合格的數(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，會陷入垃圾數(shù)據(jù)的陷阱。而當大數(shù)據(jù)和機器學習（ML）技術(shù)整合之后，不但可以讓我們從繁復(fù)耗時、容易出錯的基礎(chǔ)運維工作中徹底解放出來，更可以讓我們專注于更有價值的業(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器學習算法，包括 K-Means 聚類、邏輯回歸分類、關(guān)聯(lián)分析、決策樹等，用戶可應(yīng)用這些算法輕松建模。通過高性能基礎(chǔ)架構(gòu)、深度算法和敏捷運算，實現(xiàn)從百萬到百億數(shù)據(jù)分析，達到秒級響應(yīng)，幫助用戶洞察無法直接觀測到的數(shù)據(jù)背后的關(guān)聯(lián)、趨勢和邏輯。