北京银行系统运营中心副总经理 武威

  近年来，随着数字化转型的持续深入，金融科技已成为推动金融创新的核心动力之一，其在深刻改变金融服务业态的同时，也对传统运维模式提出了新的挑战，并对建设数据管理能力域、分析决策能力域、自动控制能力域等提出了更高要求。顺应这一趋势，北京银行启动一体化监控运维平台建设项目，重新定义新形势下运维体系建设的目标、场景和架构，并分阶段推进新平台落地，实现了运维数据的统一分析、决策与运维场景的快速响应，进而持续推动运维工作向智能化、自动化方向发展。一体化监控运维平台建设规划如图1所示。

图1 一体化监控运维平台建设规划

  一、新形势下的运维挑战与对策

  自成立以来，北京银行一直致力于构建完善的运维管理体系，并秉持实用性、高效性等发展原则，在实践中引入了多种监控运维工具，坚持将专业任务交由专业工具处理。然而，随着业务的发展、工具的增多以及业务上云工作的逐步推进，系统运维工作面临诸多新的挑战：一是运维数据量巨大且分散的问题日益突出，运维人员难以快速有效地对其进行综合分析和研判;二是面对业务场景的持续演进，如何利用运维工具快速进行场景落地成为新的难题;三是为进一步提升运维效率，急需构建一个统一的平台和入口获取关键信息，以辅助运维人员迅速定位和解决问题。

  针对前述挑战，北京银行在升级监控运维系统的过程中，通过完善一体化模式与数据管理能力、引入BI工具支持场景落地以及打造应用看板优化资源配置等方式，高效解决了数据研判、场景落地、信息获取等运维难题，并在实践中取得了良好成效。

  二、完善一体化模式，提升数据管理能力

  针对运维数据分散难以统一分析的问题，北京银行基于一体化监控运维平台建设，在一体化模式创新和数据管理能力建设等方面实现了多项突破，有效提升了数据分析效率。

  1.一体化模式创新

  一是数据整合一体化。平台实现对各层级监控数据及性能数据的集中接入，从而达成了整合监控运维基础数据的管理目标。

  二是告警管理一体化。平台将所有监控工具的告警信息进行整合，构建统一告警中心，集中负责接收、处理、分发各类告警通知。

  三是应用看板一体化。平台通过提供综合性的应用看板，可实时展示所有关键业务应用的告警指标和性能指标，以便运维人员迅速了解应用的总体状况。

  四是运维指标一体化。基于统一的指标框架，平台整合各监控工具的性能、可用性、效率等关键指标，实现了运维指标与策略管理的标准化。

  五是故障管理一体化。平台集成智能故障检测与诊断功能，能够自动分析告警信息、识别潜在故障并提供故障处理建议，实现了从故障告警到故障处理的闭环管理。

  六是知识库一体化。通过搭载集中化的知识库系统，平台整合运维过程中的常见问题、解决方案、最佳实践等信息资源，为运维人员提供便捷的查询与学习途径，有效提升了运维工作效率与质量。

  七是自动化运维一体化。通过集成自动化脚本与工具，平台支持运维任务的自动化执行，如自动巡检、自动修复、自动部署等，从而显著降低了人工干预频次，增强了运维精准度与响应速度。

  八是权限与安全管理一体化。平台基于统一的权限管理策略，可确保不同角色的运维人员仅能访问其职责范围内的资源与信息，同时通过强化数据加密、日志审计等安全措施，全面保障了运维环境的安全性与合规性。

  九是报告与分析一体化。通过提供丰富的报告模板与数据分析工具，平台支持运维数据的可视化展示与历史趋势分析，从而可帮助运维人员深入了解系统运行状态，为决策制定与优化提供依据。

  十是持续迭代与优化一体化。结合灵活、可扩展的设计思路，平台支持用户反馈与社区贡献，并可通过定期更新与功能迭代不断优化用户体验，确保一体化模式能够持续适应不断变化的运维需求。

  2.数据管理能力建设

  一是整合多源数据。平台创新性地将源自不同系统、不同格式的数据源进行统一整合，高效保障了数据的标准化和兼容性。

  二是采用数据融合技术。平台基于大数据技术和数据仓库建设，将结构化数据与非结构化数据融合，为监控分析提供了全面的数据支持。

  三是高效的数据可视化。平台采用先进的可视化工具，将复杂数据以图表、仪表盘等形式直观展示，有效提升了数据解读效率。

  四是差异化的数据生命周期管理。平台通过精细化管理数据从创建到销毁的整个生命周期，并为每类数据设定不同的存储周期，有效确保了数据价值最大化。

  五是智能数据清洗与校验。通过引入人工智能技术，平台可自动检测并修正数据中的错误与异常，从而确保数据的准确性和可靠性;同时，通过预设规则与机器学习算法，支持对数据进行深度清洗与校验，不仅减少了人工干预，也进一步提升了数据处理效率。

  六是实时数据监控与预警。通过构建实时数据监控体系，平台可对关键业务指标进行持续跟踪与分析，并结合预设阈值与异常检测模型及时发出预警信号，为决策者提供快速响应依据，有效防范潜在风险。

  七是数据驱动决策支持。基于大数据分析与机器学习模型，平台可深度挖掘数据中的潜在价值，进而为管理层开展业务洞察与精准决策提供可靠支持。

  综上，基于前述数据管理策略与能力创新，北京银行成功构建运维数据中台，实现对运维数据的高效整合与综合分析，为后续推动运维场景实施及运维功能接入奠定了坚实基础。

  三、引入BI工具，加速运维场景落地

  基于数据管理能力建设，北京银行在全面整合各类运维数据的基础上，打造了功能强大的运维数据中台，并引入BI分析工具构建了运维监控分析视图。在监控运维场景中，这些视图不仅能直观展示系统运行的实时数据，还能够依据所展示的内容迅速制定监控告警规则，从而使运维团队能够快速响应运维需求，极大地缩短了运维场景的落地时间。

  截至目前，北京银行已完成300多个运维分析视图的落地应用。例如，通过对核心系统运行指标进行全面整合，运维人员可利用BI工具轻松构建核心系统综合看板，并在看板上直接定义各种告警规则，实时监控系统运行状况。而且北京银行还成功接入跑批系统的相关指标数据，并将这些数据输入智能算法模块，实现对跑批系统任务完成时间的预测。

  此外，预测数据还将被返回到一体化监控运维平台的数据管理模块中，并借助BI工具完成可视化展示和告警规则定制，且BI工具的图表数据也可以再次输出给运维数据中台，用于后续数据消费和分析。实践中，通过将一体化的运维数据管理能力与BI工具相结合，北京银行显著提升了运维场景响应速率，高效满足了系统管理员的多样化运维需求。

  四、打造应用系统看板，优化资源配置

  在推进一体化监控运维平台建设的过程中，北京银行以运维人员的使用视角为核心，构建了一个将各项功能入口集中于应用系统看板的平台。该平台结合运维人员的实际需求，通过模拟场景和角色等方式，精心布置了功能入口，并采用应用系统资源分层管理模式，有效解决了以往功能分散、使用成本高昂、关键信息不明显等问题。

  在此基础上，通过持续扩展和优化应用系统看板的功能范围，北京银行致力于将平台打造成更加高效的运维辅助工具，如引入先进的数据分析与人工智能算法，使应用系统看板具备智能预警能力;通过深度学习技术，使系统能够自动识别异常数据模式，提前预警潜在故障，为运维人员争取宝贵的处理时间;结合智能优化算法，根据历史运维数据自动调整资源配置策略，实现资源的动态平衡与高效利用等。

  后续，北京银行将持续增强应用系统看板的可扩展性与兼容性，并确保其能够无缝对接各类第三方系统与工具，形成一个全面、统一的运维管理平台，从而进一步提升运维效率、降低运维难度，为银行数字化转型提供坚实的技术支撑。

  五、拥抱技术变革，坚持创新发展

  基于一体化监控运维平台建设，北京银行整合各类监控系统和运维工具，实现了数据集中管理和实时分析，不仅极大地提升了自身风险防控能力和运营效率，也为加速推进金融业运维数字化转型积累了宝贵经验。

  例如，在应用上云改造过程中，北京银行结合平台提供的一体化数据管理模式和一站式运维模式，有效解决了云上、云下监控数据分散所导致的故障排除难题，确保了核心业务的连续性和稳定性;在故障处置方面，依托平台搭载的智能算法模块，实现容量预测与指标异常检测，不仅能够提前发现潜在风险点，还可及时采取相应措施进行预防或缓解，从而有效降低了业务运营中的不确定性。

  未来，伴随金融科技的持续发展以及AI大模型等新技术的广泛应用，系统运维工作也将变得更加自动化、智能化。后续，以金融科技创新为依托，北京银行将加速促进运维人员从传统“救火队员”向“策略制定者”“系统优化者”的角色转变，并积极推动运维数字化转型向更加高效、安全、智能的方向发展。