大数据定义智能运维

无数据，不AI。而没有统一完整的基础数据资源平台管理，AIOps也无从谈起。基础运维数据资源平台是AIOps的数据基石，也是未来支撑企业数据战略的两大数据平台之一。构建数据平台需要数据治理工作的保驾护航。然而在运维数据治理领域开展数据治理工作尚属空白，缺乏理论体系支撑和值得借鉴的成功经验。本书在分析运维数据治理与传统数据治理的差异化特点基础上，对于数据治理的DAMA理论体系在运维数据管理领域实现了在广义元数据管理、广义数据标准、广义数据模型等理论突破，创造性的提出运维数据模型建设，为运维数据治理构建了体系化理论并提供了具有方法论支撑的完整蓝图。同时，就运维数据平台建设本书也分享了基于数据模型实体库的概要设计，以数据湖为基础，包含运维数据中台建设的架构规划。本书还在工业运维领域略作延展，分析工业运维数据模型的差异化特点，就包括数字孪生、时空数据等关键工业技术为核心的物理融合技术做了介绍，提出了开展智能工业运维的必要内容。

这是一本全面而深入的探讨运维管理现状、挑战以及AIOps发展方向的专业书籍。该书首先介绍了运维管理的现状与挑战，指出新技术的引入、运维管理人员素质的良莠不齐、复杂的管理流程以及运维数据治理等方面是运维管理面临的主要挑战。同时，该书也分析了AIOps成为运维管理方向的原因，强调了AIOps通过智能化和自动化方式，能够有效提升运维管理的效率和准确性。 书中进一步阐述了企业数据治理概论，介绍了企业在进行数据平台建设和运维过程中，如何通过数据治理来提升数据的质量和可靠性，并实现数据资产化的过程。同时，该书也详细讨论了企业基础数据平台概念，涉及企业基础数据资源的采集、处理、加工的支撑系统，并强调了数据治理在数据平台建设和运维中的重要性。 在讨论运维数字化转型方向时，该书提出了建立数字大脑、实现业务数据化与数据业务化以及提升企业敏捷创新能力三个方面。同时，该书还深入探讨了数据资产管理流程，包括信息资源规划(IRP)、数据资源梳理、数据模型建设、数据资产化的管理以及运维管理的数字化转型等多个方面。 此外，该书还对数字孪生技术的定义和特性、数据资产化价值分析、智能工业运维探索与实践、数据资源梳理