运维 数据分析今日，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”列为生产要素参加分配，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，团队的价值制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加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。今日，假如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制造。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、汽车三个参加者做了一次连接，通过数字地图将出发点，目的地、路况、路线图与参加者又做了一次连接，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，反思运维数据平台建设应该关注的问题，减少不必要的坑，做好运维数据治理，让运维数据更好用，用得更好，完善运维数字化工作空间，是本文的目的。4.5.3.1 数据治理背景从 1997 年“大数据”概念从 NASA 武器讨论中心第一次提出，到2001 年 gartner 提出大数据模型，到 2025 年 google 推出的大数据技术论文，到接下来大数据、人工智能、云计算等技术的广泛应用，再到今日数字时代，企业已逐渐了解数据所蕴含的价值，对数据的重视程度越来越高，投入大量资源进行大数据研发与应用。但我们必须承认，国内很多金融企业在大数据技术应用前并不是很重视数据治理，出现像投入大量资源建设大数据平台，但用的时候又发现报表不准、数据质量不高，导致项目没有达到预期效果的普遍性问题。上述问题促进企业反思，发现在数据从采集、存储、计算、使用过程中，少了数据管理的步骤，即数据治理缺失。今...
