南京证券：善用运维数据治理模型，赋能精细化运营管理 -k8凯发天生赢家

随着数字化时代的来临，企业发展离不开数字化转型。本案例阐述了南京证券在实践企业数字化转型中的it服务管理新实践，利用运维数据治理模型，构建业务消费的一体化场景，通过精细化管理提升it服务质量和效率。

01. 发展背景概述

1）外部发展趋势

“十四五”规划中，强调了数字经济是未来推动经济发展的重要手段，中国现有经济全面进行数字化转型是重要的战略举措。随着数字化时代的发展，企业要想实现发展和开展竞争，就必须采取措施提高韧性、竞争力和响应能力，企业就必须发展和革新数字化架构，尽快开启数字化转型之旅。数字化转型的本质是将数字科技、k8凯发天生赢家的解决方案集成到各业务领域，也就是“技术与业务”的融合。这既是一种文化变革，也是一种技术变革，因为它要求企业在运营方式、提供客户体验和收益的方式上，做出根本性转变。

2）内部发展挑战

中国证券业协会最近公布的数据显示，2021年全行业信息技术投入金额338.20亿元，同比增长28.7%，占2020年度营业收入的7.7%。自2017年至今，证券行业在信息技术领域累计投入近1200亿元，其投入越来越关注于利用大数据、人工智能、分布式、微服务等新兴技术，技术投入呈整体稳步上升趋势。

截至2022年末，南京证券已拥有几千台物理服务器、近千台网络安全设备、近百条光纤专线，it 基础设施初具规模。公司it服务管理主要围绕日常业务运营来开展，确保it服务整体运作既满足业务需求又符合制度规范。

近年来，在公司 it 服务需求倍增且it服务人员规模有限的情况下，如何保障it服务质量和效率，日益成为公司面临的重大挑战。为了保证公司it服务管理可长期持续助力公司业务发展，引入itil管理规范并结合统一运维监控平台，对现有it服务管理进行调整和优化。在这个过程中，南京证券携手嘉为蓝鲸尝试利用运维数据治理模型，通过精细化管理提升it服务质量和效率。

02. 数据治理模型

南京证券识别出it服务环节中的关键数据，利用水池模型对数据进行管理，并利用统一的it语言设计出符合公司实际的方案。

1）水池模型

如果将it运维配置数据抽象为“水池”，想要让水池的水保持持续的干净卫生，就需要从三方面入手（如图所示）。

① 活源：治理水池的入口，要通过技术和流程的手段，能够保证入库的增量数据的准确性，比如，数据校验、数据调和等。

② 净水：针对池中的存量，放久了难免会出现脏数据，需要建立持续的审计和运营手段，如数据运营报表、定期审计稽查，对数据质量进行评估并对症下药，提供优化建议。

③ 促流：这是最后且最重要的一点，水池中的数据，如果长期未被消费使用，就无法发挥价值，所有的管理和技术手段就会变得毫无意义。因此，促进水池中的水变成“活水”，能够服务于it运维各个场景中进行消费，流动起来的池塘中的水，才会更加清澈。

2）it 语言模型

人与人之间的沟通和信息传递，是需要通过共同的语言、语法、语义来达成共识，同样运维数据作为运维管理基石，也是承担着“人机交互”的共同语言模型。所以，围绕it运维的对象和it运维的活动场景，需要建立一套统一数据规范和统一数据权威，实现“可管、可信、可用”的数据源。

① 从业务视角出发，建立分层对象模型规范，包括基础设施层、iaas、paas、业务应用层。

② 从场景化消费出发，定义模型数据标准，基于3c原则设计核心（core）、能力（capability）、详细（context）属性字段。

③ 从持续运营保障考虑，定义配置数据管理制度规范，包括定岗定责、流程体系和运营活动。

03. 业务场景设计

基于数据治理水池模型，围绕it运维配置数据的建模、采集、消费、流程、管理及运营，构建业务消费的一体化场景，通过数据消费和运营持续保障数据准确。

1）围绕数据运营、稽查、改进一体化

通过“多样化检查指标 数据修正待办 数据质量看板”的体系化功能方案，解决配置管理数据质量“感知难、稽核难、修正难”的问题，实现数据质量分析从主观判断→客观分析，从人工审核→自动稽核。

① 数据治理检查：基于数据完整性、孤岛检测、关联关系检测、字段规范性，校验数据质量，建立数据稽查标准库。

② 数据质量报告：对关键稽核指标基于自定义规则定期进行数据质量稽核，生成数据质量报告。

③ 修正任务闭环：基于数据质量报告，筛选不合规的配置数据生成待办修正任务，督促配合owner对修正任务进行处理。

2）围绕数据消费、更新、流程一体化

以应用为中心，围绕应用系统的全生命周期管理，构建端到端的配置数据管理。

① 应用立项 ：coding定义应用系统，自动同步到cmdb配置管理创建业务对象。

② 架构管理：应用部门定义应用拓扑架构，细化到模块级别，通过数据建模和关联拓扑，构建应用拓扑。

③ 资源交付：投产申请时，基于应用拓扑提供应用拓扑信息，资源申请后归属到应用模块下，相关信息自动同步到配置管理。

④ 投产上线：应用发布自动化消费配置管理的应用拓扑数据，可以针对环境、模块、主机进行发布动作。

⑤ 运营维护：监控告警消费应用拓扑下模块、数据（主机、进程、数据库等），下发管理策略。

04. 价值收益与经验总结

1）运维价值收益

① it服务规范水平提升。线上化程度提高，建立标准化流程，减少人为干扰。将线下的设备上架、下架流程线上化，实现it资源（ip地址、机柜空间等）分配和回收的闭环管理。

② it服务质量水平提升。流程节点和操作内容及对应人员明确，落实责任，便于工作落实和成果反馈。打通客户端与服务端的数据信息，使得客户端也能感知到具体的服务内容和资源信息。

③ it服务效率水平提升。在设备上架、下架流程中，整合零散的资源申请流程，同时根据工作流补全流程内容，形成完整的工作流程，提升it服务效率。

④ it服务量化水平提升。落地sla管理，对it服务进行量化分析，形成服务报表和改进方案，不断迭代it服务内容，匹配公司的业务发展要求。

2）经验总结分析

① 配置数据不是越多越好，关键是准确，有消费场景。管理员对配置数据量过度重视，若将非业务消费数据都存入配置管理库，将导致配置数据成为大杂烩，数据质量往往不高，准确性不够。

② 技术不是唯一质量保障手段。寄希望于技术搞定一切，试图通过自动发现、自动采集将各项配置数据采集至配置管理数据库，是不可行的。在具体的建设实施中，要平衡技术可行性和投入产出比，保障配置管理的有效落地和数据质量的提升，一定是技术与管理的融合，构建完善的配置管理体系。

③ 数据治理需要持续运营。配置数据管理建设并非一劳永逸，数据初始化完成后，如果需要继续保持数据准确性，需要有持续的维护。通过建立配置数据的运营管理体系，对配置数据和管理规范进行持续地审计和运营，不断优化配置管理体系。

05. 未来发展展望

随着业务数字化发展，面向it精细化运营管理的数字化，也将是必然的发展之路。基于it运维数据治理基础底座，逐步演进为面向对象数据化、面向行为数字化，以及面向运营数字化。

根据it内部运维管理数字化的逐步建设成熟，运维场景能力的逐步丰富，为it运维运营管理构建属于自己的业务系统——crm，构建业务应用系统的线上化档案管理。

围绕业务系统运维运营文档，梳理应用档案管理规范，以运维配置数据为基石，集成接入各类数据源、关键信息的人工维护，分阶段实现应用档案线上化管理、应用信息的实时动态更新，辅助提升日常工作协作效率。