전통적인 운영 및 유지 보수 모델에서는 데이터가 크고 분산되어 있으며, 데이터 거버넌스 및 종합 분석 능력이 약하고 경험과 규칙에 의존하고 있으며, 운영 및 유지 보수는 매우 수동적이며, 문제 해결의 효율성이 낮고, 운영 및 유지 관리의 실용성이 크게 떨어지고, 현재의 사전 운영 요구 사항을 충족하기가 어렵습니다.
구체적으로 다음과 같은 점이 있습니다.
문제는 발견하기 어렵다: 기업들은 요 몇 년 동안 많은 모니터링 도구를 배치했지만, 모니터링 수단의 문턱은 단일하고 일반적으로 정적이며, 지표와 경보의 이상은 다양해 대량의 오보와 누락으로 이어질 수 있다. 또한 현재 대부분의 모니터링 도구는 추세 예측 능력이 부족하여 운영 및 유지 보수 상황이 매우 수동적이어서 문제를 파악하기가 매우 어렵습니다.
근본 원인을 찾기 어렵다: 문제를 발견하는 것은 일반적으로 질적 분석이다. 어떤 경보의 해당 지표 변동이 주목할 만하다는 것을 알 수 있지만, 이 현상의 구체적인 원인을 확인할 수는 없다. 또한 현재 대부분의 모니터링 툴은 포괄적인 근본 원인 분할 및 위치 분석 수단이 부족합니다. 모니터링을 중앙에서 관리하더라도 간단한 지표를 통해 근본 원인을 찾기 어렵다.
데이터 관리의 어려움: 디지털 건설이 어느 정도 진행되면서 관리되는 개체의 데이터 양도 그에 따라 증가하고, 데이터 양이 많고, 범주가 다양하며, 매우 분산되어 있습니다. 어떤 지표체계를 통해 시스템의 건강 정도를 측정하기 어렵고, 통일된 시각도 없이 데이터의 질을 판단하기 어렵다.
운영 분석의 어려움: 기존의 기본 모니터링 도구는 대부분 자체 관리 임계값에서 문제를 봅니다 (예: 시스템 관리, 네트워크 관리 등). 종합적인 분석 기능이 부족하여 비즈니스 관점에서 통합 운영 분석의 관점에서 다양성 지표가 시스템에 미치는 영향을 볼 수 없습니다.
지능형 운영 및 유지 보수는 새로운 디지털 운영 및 유지 관리 기능이며 디지털 변환의 필수 기능이 될 것입니다. 지능형 운영 및 유지 보수는 기존 운영 및 유지 보수 모델에 비해 운영 및 유지 보수 데이터 거버넌스, 비즈니스 디지털화 위험, 운영 및 유지 보수 인건비, 비즈니스 측면의 네 가지 측면에서 효율성을 높일 수 있습니다.
지능형 운영 및 유지 관리는 기존 운영 및 유지 관리 모드에 비해 네 가지 측면에서 성능을 향상시킬 수 있습니다.
운영 및 유지 보수 데이터 거버넌스. 고성능 실시간 처리 데이터 플랫폼을 통해 디지털 비즈니스 운영 중 경보, 지표, 로그, 구성, 운영 및 유지 관리 주문과 같은 다양한 운영 및 유지 관리 데이터를 광범위하게 수집, 처리 및 분석할 수 있습니다. 또한 운영 및 유지 관리 데이터 관리 능력을 향상시키고 데이터 품질을 최적화하며 운영 및 유지 관리 데이터의 가치를 더욱 활성화할 수 있는 좋은 기반을 제공합니다.
업무 디지털화의 위험. 운영 및 유지 보수 인력은 과거 운영 및 유지 보수 데이터의 분석 능력을 향상시킬뿐만 아니라 실시간 데이터에서 이상, 예측 문제를 발견하고 디지털 비즈니스의 운영 위험을 효과적으로 줄이며 가용성과 안정성을 향상시킵니다.
운영 및 유지 보수 인건비. 진정한 도메인 간 근본 원인 포지셔닝을 가능하게 하고, 전문 운영 및 유지 보수 인력에 대한 경험과 기술에 대한 의존도를 줄이고, 문제 해결 시간을 신속하게 단축하며, 인건비를 줄일 수 있습니다.
상업 방면의 영향. 비즈니스 관점에서 다양한 데이터를 활용하여 비즈니스 거래 상태에 대한 종합적인 분석과 같은 운영 분석 및 의사 결정 능력을 향상시키고, 비즈니스 및 고객 서비스 부서에 시기 적절한 피드백 및 의사 결정 지원을 제공하고, 비즈니스 영향력을 전반적으로 향상시킵니다.
지능운수의 발전이 한창이다. Gartner 는 2022 년까지 기업 사용자의 거의 50% 가 인텔리전트 운영 유지 보수를 배치할 것으로 예상하고 있습니다. 많은 기업들이 이미 건설에 적극적으로 참여하고 있지만, 아직 막막한 단계에 있는 기업들도 있어 이런 추세에 대해서는 분명하지 않다. 유명한 작가 윌리엄 깁슨의 말을 빌리자면, "미래는 이미 왔지만 분포가 고르지 않다." "