運維數字化轉型後為什麼更累了

前陣子聽一個朋友吐槽他們搞運維數字化轉型後，非但沒有覺得工作輕鬆，反而被搞得整天筋疲力盡的。因為數字化轉型，他們引入了普羅米修斯，又從網上找來一大堆外掛，把公司裡的各種可監控的元件都接入普羅米修斯監控了。又上了日誌平臺，接入了應用伺服器、資料庫等的日誌。折騰了大半年，總算是告一段落了。

這段時間的成果也是很喜人的，因為以前IT部門上監控的東西不多，完全靠人去管理。很多事情都要手工操作，因為系統數量比較多，因此管得也比較粗獷，只要業務部門不投訴，系統沒當機，也基本上沒人去管。因此他們運維部門各個專業十來個人倒也還能應付過來。這段時間上監控，接入數千個運維物件，累了個半死，總算是弄消停了。系統都上了監控以後，確實比以前方便了不少，一些日常要做的手工檢查工作也都可以藉助系統完成了。

不過好景不長，領導看到第一階段成果後，立馬開展了提質增效的工作。這下子問題大了，日誌都採集過來了，你總要分析分析有沒有問題吧，資料都採集上來了，告警基線也都搞好了，每天產生的告警總要分析分析吧，閉環管理肯定是領導喜歡的工作，當日對於運維人員來說，可能意味著寫不完的報告。

有個使用者從上了我們的D-SMART後，他們的 領導也學會了看資料庫、中介軟體等的執行狀態，因此他也經常登入到系統中去看看健康分和未恢復告警。一旦看到某個系統的健康 狀態是黃色的，或者告警中還存在未回覆的嚴重告警，就馬上會讓一線人員去檢查分析，實現閉環管理。實際上很多問題並不一定是馬上要解決的，但是領導不管這些。於是他們只能調整模型，讓健康分起碼處於綠色區間，告警也只能調低階別，讓它不出現在監控告警臺上。

另外數字化轉型後，執行狀態有沒有提升的問題是不是也要每週做個總結呢?有些東西只能從網上找些小工具來輸出一些分析結果，有些實在找不到工具的就只能靠人手工去看。部門的數字化管理能力提升之後，好像活也變得更多了，提質增效四個字前面兩個字是不是做到了不太清楚，後面兩個字似乎並不存在。因此他對於運維數字化轉型是否能夠真正地提質增效產生了懷疑。

其實很多企業搞數字化轉型，沒有從根本上去考慮數字化轉型的目的，而是當成一個政治任務來搞，別人都轉型了，我們不搞不行了。壓根沒有搞明白數字化能提質增效的底層邏輯是什麼，也就搞不出提質增效的效果來了。數字化建設也不是大躍進能幹好的，必須基於以往資訊化的基礎的，透過資訊化，精益化，自動化，智慧化這幾個階段的發展，才能真正地完成數字化轉型。透過精益化管理，引入自動化工具，再利用智慧化手段輔助分析，可以把管理觸角延伸到以前無法觸及的地方，大大擴大運維部門可管理的範圍，從而達到提質的目的。透過自動化、智慧化的手段實現大量的自動駕駛，無人化值守，資料自動彙集與分析。這樣才能節約大量的一線運維人員的工作量，從而達到增效的目的。提質增效二者必須同時達成目標，才是可持續的，才是真正實現提質增效。

很多企業在IT運維的資訊化階段欠債太多，想要實現數字化轉型，那麼就先要把欠債都補上才行。實際上運維的數字化轉型也是需要一步步前進的，走得太快了就容易扯著蛋了。

今天的這個例子中，他們引入普羅米修斯和日誌平臺，將以前全靠人工運維的系統都接入進來，把資料都採集上來，這個工作做得是相當不錯的。只不過，這部分工作僅僅是補上了資訊化的欠債，是為數字化轉型鋪路的。領導錯把這些前期工作當成數字化轉型的核心工作了，因此在完成這些工作後，就迫不及待的上管理，搞KPI了。確實也是，領導們不是搞技術的，只有看到KPI才算有成果，因此往往會過於急迫。

數字化轉型後，運維部門面對的資料可能數十倍數百倍於以往，因此資料處理必須實現自動化和智慧化，如果依靠人力去分析資料，那麼和用算盤算原子彈的爆炸當量的工作量有一拼了。很多企業領導只看到了數字化帶來的管理能力的提升，而忽視了數字化首先應該實現生產方式和生產力的提升，實現一線工作的提質增效。一線工作必須在數字化工作的幫助下提升效率，才能夠實現質量的提升。只有效率提高了，質量提升了，管理才有可能水漲船高。

不過很多企業往往缺乏耐心，完成數字化採集階段的工作後，企業本應該加大投資力度，引入自動化、智慧化的手段來處理資料，構建各種模型與演算法，將一些原本需要一線人員手工完成的工作變成數字化，自動化，從而將一線人員從繁重的資料採集、資料統計、資料分析等工作中解放出來。這樣一線人員才能有更多的時間參與到KPI的提升工作中來。

這種情況產生的最主要原因是這些企業做運維數字化轉型的出發點和目的都錯了，沒有從解決一線生產的問題入手，而是從管理的角度入手了。這麼做下去，一線人員並沒有因為數字化而受益，反而為了數字而疲於奔命了。不幸的是，很多企業的運維數字化轉型，走的是這條完全錯誤的路線。