数据治理对运维数据体系的思考与启发【主要观点】•运维数据分析需要借鉴当前传统大数据领域的数据治理经验，提高资源投入产出比，少走弯路，少跳坑。•运维数据体系包括“技术平台、应用场景、数据治理”三部分，运维数据治理的目标是让运维数据更好用，用得更好。•运维数据分析场景围绕在“增强业务连续性保障、提升软件交付效率、提高 IT 服务质量、辅助提升客户体验”四点，涉及“监控、日志、性能、配置、流程、应用运行”6 类数据。•运维数据治理主要包括元数据、主数据、数据标准、数据质量、数据模型、数据安全、数据生命周期 7 部分。•运维数据治理直击实际问题，以应用场景为驱动，选择必要的治理内容，有侧重、有步骤的推行运维数据治理，而非大张旗鼓的搞个运维数据治理项目（有人、有钱的背景下忽略这个观点）。•运维数据治理可以考虑采用“摸家底、建标准、促消费”三个步骤。【正文】今天，领先的数字原生企业不断用数字化手段颠覆传统行业，传统行业内领先的企业也在积极拥抱数字化，国家也适时的将“数据”列为生产要素参与分配，推动了以数据为关键要素的数字经济进入了新时代。站在企业内运营后台的运维部门，运维属于数据密集型工作，团队的价值创造都是在运维数字化工作空间中运作。在运维数字化工作空间中，运维利用各种代理，将人与机器、软件系统连接在一起，通过线上化的运维流程或规程将参与者的运维协同形成连接，再基于“组织、流程、平台”能力组装连接成为运维场景，构成了运维的数字化工作空间。今天，如果运维失去了对运维数据的控制，运维连续性保障将失控，更谈不上提升 IT 服务质量、加快 IT 交付速度、辅助提升客户体验的价值创造。运维数字化空间与滴滴的出行数字化空间类似，滴滴用手机定位这个超级传感器，将乘客、司机、汽车三个参与者做了一次连接，通过数字地图将出发点，目的地、路况、路线图与参与者又做了一次连接，再通过实时的打车、坐车、评价、信用等运营模式做了连接，形成一个出行的数字化空间。虽然我们正在运维的数字化工作空间中协同运作，但我们需要正视的是我们对运维数据的认识及应用还处于皮毛，虽有理念但缺乏必要的、可执行的方法。随着运维数据平台的建设，将极有可能出现当前大数据领域出现的数据孤岛、数据不可用、数据质量不高、融合应用难、有数据不会用等诸多问题。上述问题，在当前运维领域资源投入不足显得尤其重要。如何借鉴大数据领域数据治理的经验，反思运...
