前言：
以场景方式来推动的统一监控建设，需要一步一步走过去，在这个循序渐进的过程中很重要的一步就是数据治理。
在接触的金融行业客户时，我们发现很多中大型商业银行在走回头路，之前由于急于求成，在没有统一的发展战略、各个团队各自为政以及工具有大量数据壁垒的情况下，做界面的集中或者可视化的集中，这会使得面向AI的运维场景效果往往被数据质量低和数据关系缺等问题拖累。
一、数据治理目标
为了形成真正有效的结果，目前很多客户数据治理主要可以从以下述三个方面作为目标而努力。下面我们以某大型商业银行为例，看看具体措施
- 1.厘清分散的运维数据，把各类数据集中管理，把格式复杂且难以解读的数据做标准化和规范化；
- 2.规划全局的消费范围，从局部重要场景出发，满足以运维为观测视角的观测需求；
- 3.是在处理分析层面，建设数据中台，增加相应的治理手段来打造平台化的数据处理能力。
二、治理路径
在建设运维数据治理的过程中，有了目标即存在有迹可循的建设路径。
首先，要有主导治理的团队来制定统一的制度和规范，建立相应的数据标准，使得数据应收尽收。
然后，根据数据治理的可发现、可理解、可信任、安全等需求进行平台化设计；
最后，紧密结合智能化的消费场景，对外输出相应的数据应用价值。
三、数据治理核心架构运行逻辑
从图中能看到，数据的生产方有业务交易、ITSM、云监控、ZABBIX等。
以指标为例，这些生产方中有交易类指标、有管理类的KPI（ITSM）、有云监控或普通监控产生的服务器或网络的性能指标等等。这些指标之间本身是不存在任何关系的，需要通过CMDB作为一个关系的桥梁，去转化和映射到数据管理当中去，进而通过不同的分类、属性、关键属性等等去进行分别的治理，最后转化到数据服务、数据应用、数据集成这三大输出能力板块中，为后续的消费方提供服务，使数据能被消费方真正拉通，以便在对应的场景去进行消费使用。
通过场景的方式推动统一监控建设，就像是人想要实现财富自由的梦想一样，而数据治理是这一切的基础。只有循序渐进地实耕耘、播种施肥，才能够让财富自由的梦想开花结果！
更多运维思路和案例我们将持续更新，敬请期待~
关注我们，更新不迷路[比心]~
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
