运维数据建设和管理方法一、运维数据的变现历程运维数据的规模和企业规模、业务形态和运维能力有很大的关系，根据信通院的《企业 IT 运维发展白皮书》中所述,企业规模越大、业务形态越复杂、运维能力越高的企业，运维所纳管的数据越多，运维数据变现的效果越好，相对应的，运维数据建设的层次越高，通常使用较为前沿的大数据和 AI 技术作载体来进行数据的价值交付
典型场景为，知识图谱、智能监控、动态阈值、根因分析和故障自愈
在企业规模较小、业务形态较为单一、运维能力较为一般的企业，运维数据变现较弱，更多的数据输出强依赖场景，因此在这个阶段场景成为运维数据的唯一突破口，主要进行数据的被动采集、被动存储和被动消费，特征为数据割裂和数据关联性较弱，典型的场景化驱动主要为，资源管理、基础架构监控、业务连续性保障和应急知识库
在运维数据的变现过程中，一般需要关注三个阶段，数据由少到多、单维到多维、覆盖面由内到外的阶段；数据处理由简单到复杂、技术单一到多样化的阶段；场景由基于需求到基于规划、输出能力由浅到深、自动化到智能化的阶段，总的概括如下
1、从数据获取渠道出发，由少到多在初级阶段，运维数据来源局限于运维侧自身，如资源数据、监控数据、文本数据、日志数据，随着数据源接入进入全覆盖的时候，运维数据已经覆盖业务运营数据、后台支撑数据、财务数据
需要说明的是，运维数据的获取离不开运维数据输出的强依赖条件，那就是场景输出的需要，一切数据的根本都要基于运维能力输出
2、数据处理的能力决定了数据价值的范围,覆盖面由内到外在这里，很多人可能疑惑，这不是大数据做的事吗
说到底，大数据只是一个工具，而非一个职能，因此运维数据处理的能力与否，决定了数据汇聚层的价值模型,也间接的影响数据输出的覆盖场景，这也就是我们所理解的运维数据中台
在这期间，重点要做的是数据的处理能力和数据的衍生能力
3、有价值的场景化选型决定了数据变
