2019年夏天，一組有關中國銀行業的數據看似不經意間流傳出來，在中國銀行業協會公布的《2018年中國銀行業社會責任報告》中透露，截止到2018年末，國內已經布放自助設備共計103萬臺，自助設備交易筆數達400億筆，交易總額達66萬億元，更為重要的是，全行業平均離柜率達88.68%，國內銀行離柜交易額增長至1936萬億。

往前倒推一年，一款叫定損寶2.0的保險AI正式付諸商用，這個號稱“將過去由人工肉眼判定車損的環節升級成用人工智能做標準化統一定損”的黑科技產品，展現出了它驚人的準確率和極快的車險定損速度，覆蓋了約60%的純外觀損傷案件，減少查勘定損人員50%的工作，在此之前，國內雖有近10萬名定損員，卻捉襟見肘。

隨著數字化、新科技的力量在金融機構中被實踐應用，央行也開始深度擁抱金融科技。從2019年8月央行頒布的《金融科技（FinTech）發展規劃（2019-2021年）》，到2020年央行工作會議中提出“加強金融科技研發和應用”，結合央行一直以來推動并要求的“全面提高金融服務與金融管理水平”，創新科技在金融行業的應用與實踐如今得到了企業實踐和行業主管部門的“雙線認可”。

很顯然，隨著21世紀第二個十年的開始，無論是在銀行、保險領域，還是在證券、財富管理等方面，以云計算、人工智能、區塊鏈、5G等為代表的新科技正在發揮巨大的作用，推動國內金融行業在數字化轉型的道路上快速前進，并在數字化、智能化的過程中，不斷產生新的“化學反應”，涌現出大量的業務創新，從而在進一步提高行業運營效率的同時，優化改善與客戶之間的服務關系。

但，在一片為創新科技所創造的絢麗煙花中——智能投顧、AI定損、無人網點、區塊鏈金融這些新興技術大聲叫好的時候，行業是否將太多的注意力聚焦到了創新業務與新鮮事物之上？是否忽略了對于國內絕大多數金融機構更基礎、更本質也更為關鍵的領域？

“雙態”之下，金融IT“敏為創新 穩是基業” 

分析機構Gartner在提出“雙模IT（又稱雙態IT）”時認為，對于企業IT建設來講正面臨著巨大挑戰：一方面，企業需要傳統IT模式來滿足傳統業務對于穩定、安全等功能的需求；另一方面，移動互聯網、互聯網業務應用則需要快速響應，同時，這些業務也讓IT部署變得不可預測，傳統的可規劃的IT建設模式無法滿足業務發展需求。

同樣的情況也發生在金融行業。作為最早開始接觸信息化建設的行業，銀行、保險、證券等金融機構已經構建起了規模龐大、架構復雜、品牌眾多且正在支持大量關鍵業務的后端IT基礎設施，這也就是為什么大量金融機構的業務創新都是基于新的IT（如上云）所展開的，這意味著金融機構的IT建設必須遵循“敏為創新 穩是基業”的主基調：

◆敏態IT采用“互聯網+”思維模式，這意味著所支持的業務模式本身可以處在不斷探索、優化、總結的過程，并且需要通過不斷試錯來逐步完善；

◆穩態IT支撐按照傳統方式經營，戰略目標明確，業務流程相對成熟的業務，目標是提升IT貢獻率、降低運營風險，逐漸使用一些新技術去優化改善；

當敏態IT在支持銀行將人工智能技術應用于物理網點，并將其進行智能化、無人化、數字化改造的同時，穩態IT要做的事情同樣具有非常重要的意義，它至少將包括三個方面：

1、 優化IT基礎設施結構，簡化過去“煙囪式”的建設思維，以平臺化、中臺化的建設思路，提高傳統數據中心的效率、利用率，并通過基礎設施云化，推動IT基礎設施投資從Capex轉向Opex；

2、 推動關鍵IT項目的智能化、自動化，包括災備、備份、存儲管理、高可靠網絡、安全防護等方面，盡可能降低人為因素和人力限制所導致的事故與潛在威脅，有數據顯示，超過50%的安全和業務連續性故障都與“人的因素”密不可分；

3、 通過對耗費人力資源較大的運維工作的智能化、自動化和工具化，繼而開展針對IT團隊職能分配、能力提升和責任轉變的組織優化和升級，為IT團隊打開組織升級、職能擴展和個人上升的通道。

睿至：讓智能在穩態IT中高效滲透 快速起效

對于許多金融機構的IT團隊來說，“雙態IT”下的運維對其造成了巨大的困擾，傳統“穩”態運維模式的特征與新型“敏”態運維模式特征有著顯著不同：前者以物力資源環境為主，面向傳統三層應用架構，后者隨著虛擬化、云以及容器技術的廣泛應用，業務微服務架構的落地帶來了許多運維理念的變革；

與此同時，在過去業務的彈性或可用性保障通過應用本地高可靠或災備實現，應用集群橫向擴展與彈性能力通過物理設備擴展實現，而在“敏態IT”中強調的是全棧的可編程性，能夠通過對全局資源（既包括云也包括非云）編排手段支持橫向擴展等復雜運維場景。

更讓IT運維團隊產生“分裂”的，是過去分工明確的生產與開發測試運維界面，那些基于ITIL標準構建的監控、流程、配置等運維體系，正在被DevOps的浪潮所影響，開發、測試和運維環節通過自動化運維工具打通，形成“你中有我，我中有你”的全新局面。

如何進一步提高“穩態IT”的運維效率和可靠性，又如何兼顧“穩態IT”和“敏態IT”？業界普遍的答案是AIOps，智能化運維，即將人工智能的能力與運維相結合，通過機器學習的方法來提升運維效率的運維體系建設，實現DevOps在運維技術層面結合AI技術的更高級效果。

作為國內較早運用人工智能和知識圖譜技術解決IT運維問題的供應商，睿至大數據基于多年來在能源、電力等行業的深度實踐，以數據治理、數據挖掘到場景建模分析的全業務鏈智能分析體系為基礎，構建了支持PB級數據存儲和分析能力的新一代智能運維平臺，在提供“七大（常見需求）場景（如基于全量數據的全景視圖、基于AI的智能巡檢建議推薦等）”的基礎上，提供了可自定義的大數據云微門戶，支持全景分析視圖、異常診斷、分享預測、根源挖掘等切實需求。

但更重要的是，睿至大數據在推動AIOps實踐應用中發現，過去許多在IT運維上的創新迭代，要么使用習慣與過去格格不入難以適應，要么對原有流程影響（破壞）太大，對IT運維團隊的工作效率、流程完整性會造成相當大的影響，因此睿至大數據新一代智能運維平臺的一個重要建設宗旨：就是通過與現有工具集成，做到資源打通、做好AI（算法）賦能，確保產品應用符合客戶原有組織、流程和應用習慣，并在此基礎上，結合原有服務大型行業客戶的經驗，讓IT團隊通過技術、產品和經驗的三重演進具備IT運維整體高效管控的能力。

同樣的理念也貫徹到了睿至大數據的智能災備管理平臺，針對當前災備體系建設中存在的固有問題和應用規律，包括新舊架構共存、可用性評估困難（嚴重缺乏系統本身的驗證機制）、人工響應瓶頸（過多人工干預導致的切換過程不可控、不可信）、災難備份預案管理分散、運維工具不足（尤其是實時性、可視性不足），睿至大數據提出“災備三化”，即災備狀態可視化、災備切換可控化、災備演練自動化，持續提高災備管理水平和工作效率。

在智能災備管理平臺中，睿至大數據將大量智能運維領域積累的技術與經驗應用起來，不僅支持災備切換場景、流程、腳本可自定義的自動化災備切換，更進一步以災備切換演練大屏為基礎，提供了支持多應用場景的一鍵式災備演練，確保IT團隊可以通過大量的與真實場景盡可能接近的災備演練確保真正出現災備切換場景時切換的準確性和實時性。

在2020年雙態IT用戶大戶上，睿至大數據再次將這兩款產品展出，同時也帶著對整個市場和行業更深入的理解，與我們的客戶攜手走進21世紀第二個十年。

關于Raysdata睿至大數據

北京睿至大數據有限公司（簡稱：睿至大數據）為中國大數據50強，專注于云計算、大數據、人工智能與智慧城市等領域的創新研究與行業實踐，擁有自主研發的行業大數據平臺、人工智能，云計算、大數據，災備管理、云存儲，智能化運維、超融合一體機等多種產品與全棧式行業解決方案，為用戶輸出同步國際的“云+數據”體系。睿至在大量行業用戶的真實環境中形成一系列的成熟的算法模型，加之在云計算領域多年的技術和行業經驗積累，為數據的深度利用建立了充足的技術資源儲備。睿至與國內外一系列重量級客戶展開全方位合作，通過建設、融合、研發等合作，建立了良好的共贏體系。并與國內外知名高校、權威研究機構成立了城市治理實驗室、大數據聯合實驗室等科研機構，為產業提供科學標準及數據模型，支撐產業落地。