随着数字化技术加速迭代，加之全球疫情对线下业务的冲击，传统机构加速线上化迁移。

在此过程中，机构往往面临业务系统与 IT 系统割裂的难题，IT 人员分析问题难，解决问题耗时长，各类监控软件数量繁多但无法协同。如何实现提前预警、简化运维流程控制成本，有效运用数据产生收益？最基础的运维工作亟待升级。

根据艾瑞预测，2021年中国IT服务将突破万亿大关，其中IT运维市场规模将达到2941.2亿元。结合大数据、机器学习等前沿技术，推动IT运维行业跨越人工、自动化阶段，进入智能化时代成为趋势。

《中国经营报》记者注意到，今年以来，多家智能运维服务企业先后获得创投资本加持，赛道快速升温。

金融领域目前是智能运维系统的一个重要实践场景。

以银行业为例，虽然目前整个行业基本已具备结合业务场景收集比较完整的IT指标数据的能力，但还没有一套指标数据分析体系为IT管理与业务分析提供可量化、可视化、集约化的决策支撑。

一个政策背景在于，中国人民银行科技司去年已印发《关于做好金融业科技信息综合管理平台第三批接入工作的通知》和《金融业科技信息综合管理平台接入规范V1.0》等规范，要求人民银行各级分支机构以及相关银行机构向平台报送其基础设施、基础软件、应用系统等数据。对报送范围、质量要求、异常数据纪录等提出了多项要求。

对于金融机构尤其是商业银行而言,面对日益严格的监管要求,承受着较大的合规报送压力。如何尽快实现机器数据的自动采集、数据可视化和各类监管要求的指标计算，提高报送效率，是很多金融机构普遍存在的痛点。

“此前，在金融机构故障处理流程中，问题的归因分析等所占时间长达 60%，严重依赖运维专家的知识和经验。”有银行IT服务机构人士称。

在银行业务交易场景中，每一项服务都有KPI，例如交易额、交易耗时、交易失败率、吞吐量等等，业务指标的梳理是第一步。

而这些指标都是分钟级数据，因为过去只要影响到业务层面的故障，都会被监控到。例如，银行的交易量呈现一定的周期性，在早上9:00-11:00，下午1:00-3:00会出现波峰，如果设置固定阈值，会出现误报漏报的情况，而动态阈值能够更加准确进行异常检测。

借助智能运维平台，银行可以在分析日志中实现灵活的 IT 操作风险计量与检核平台，界面化建立多系统多维度的内部审计安全规则，实时感知内部风险，查找异常。

比如在银行交易周期的波峰情况上，通过设定动态阈值，精确检测。再比如在银行交易业务中，银行的吞吐量在负载均衡的几台机器上呈现相似性，如果突然某台机器出现明显不同，则可以定位到具体机器，减少故障排查时间。

据了解，随着监管要求提升，智能运维系统未来将在银行，农信社等机构逐步加快落地。