數字化運維虛擬培訓

傳統產品認知、裝配、操作、檢維修及應急處置培訓，主要通過圖文、視頻、實操訓練等形式進行，受訓人員只能借助生硬的教科書和教學視頻，獲取工作的理論知識，往往與現實差異較大.

通過建設實訓環境的方式，投入成本高，受場地限制可教習的內容有限、局限性大，且老師傅經驗不易傳承。而且理論教學與實訓間缺少過度環節，只接受理論知識后立即實操，有人員設備損險。

數字化運維橫向賦能

傳統信息化建設滿足對于業務管理的同時也產生出大量的數據孤島。打通應用線，實現數據匯集融合是數據對業務系統和應用的賦能。

我們現在的企業廣泛通過ERP構建企業資源管理，MES構建生產計劃管理，PLM實現產品全生命周期管理，SCM供應鏈管理，BOM實現物料集中管理等等等。

這些都是業務系統，都在產生大量的數據。如果ERP的訂單管理與MES生產排期相結合就有可能實現零庫存；如果產品故障數據對應了PLM中準確的部件代碼并與SCM供應鏈打通，就可以對供應商的產品品質做評估從而優勝劣汰。

數字化運維概念

智能運維（AIOps）的概念自 2016 年被 Gartner 提出以來，AI 技術越來越多地被應用到運維領域。隨著云計算、大數據、人工智能等技術的高速發展和普及，AIOps這個名詞的出現頻率不斷提升，大有不AIOps 就要落伍的感覺。

但是，真正想把 AIOps 的先進理念落實到運維體系中，產生實際有效的效果，并不是輕而易舉的事。理想很豐滿，現實很骨感。

究其原因，很大程度上源于一個AI 領域中普遍存在的誤區，那就是對各種機器學習、深度學習的算法、模型過于期待和，而忽略或低估了數據準備和數據質量的重要性。

數字化運維的可觀察性

可觀察性是既有監控系統的進化，強調通過獲取應用程序的高維度數據輸出來實現業務服務狀態的可見性。這與傳統的監控形式不同，傳統的監控形式關注的是構成服務的各個組件。

為了充分實現現發方的理念，應用程序必須以'可觀察性驅動的開發'來構建。通常的監控依賴于儀表盤和告警通知，以便在已知問題場景發生時將其逐級報告。

可觀察性允許人們快速地對業務服務情況進行詢問，以確定性能下降的根本原因，即使這種情況從未發生過。可觀察性一詞起源于控制理論的數學，其中可觀察性是衡量一個系統的內部狀態在多大程度上可以從其外部輸出的知識中推斷出來。