李立峰：IT运维管理体系数字化转型探索与实践

1.围绕公司核心价值递归传递价值

数字化转型是一项自上而下逐步精细化的系统性工程，为实现证券公司“提升客户体验、加速商业模式创新、为运营提能增效”等数字化转型核心价值创造，需从公司逐步传递到各条线部门与执行团队的转型价值体系中。我们称这个价值创造传递过程是一个“递归传递”的过程，即把整体问题分解成规模缩小的同类问题，然后逐层递归调用解决。在评估数字化IT运营管理体系时，我们依据从公司传递到IT，再由IT传递到运维的过程。以IT最后一道防线的运维为例，传递后的运维价值创造是“增加IT风险保障能力”“加快业务交付速度”“提高IT运营服务质量” “提升客户体验”4点。

2.构建“OPSP+OADS”的数字化转型方法

从我们前期数字化实践经验看，大到公司体系、部门体系，小到团队/群组体系的数字化运营管理架构均可以由“组织（Organization）、流程（Process）、场景（Scene）、平台（Platform）”四部分组成（见图1），我们简称为OPSP。其中，组织重点围绕组织文化、组织架构、岗位设置、个人能力建立数字化管理能力。流程是通过数字化思维重塑工作流程，将制度规范、管理领导力、协同模式、资源配置等在线化。场景是将线上工作“人、事、时间、协同、环境”连接起来，实现提能增效和智慧沉淀，场景需配套有效的技术控制机制，以确保业务及运营管理在合规、风控的基础上更高效开展。平台是支撑组织、流程和场景数字化落地的技术底座。

 图1    OPSP数字化运营体系架构

要确保IT能力建设方向的准确性，需要建立转型绩效指标，引导职能领域统一方向。我们以“线上化（On line）、自动化（Automation）、数字化（Digitization）、服务化（Service）”作为评估维度度量场景数字化转型成熟度（见图2），简称OADS。其中，“线上化”强调线下工作在线化，落地数据资产；“自动化”强调人机协同，由机器代替或辅助人做重复性、操作性、规律性工作；“数字化”强调利用数据资产变现为 “洞察、决策、执行”能力；“服务化”强调技术的开放性与能力输出。围绕OADS，在管理及平台建设上，要求团队以迭代方式不断梳理并丰富工作场景，通过持续性引入或迭代更先进的平台逐步提升场景OADS程度，场景与数字化平台形成虚实结合的数字化技术体系架构。

 图2    OADS的数字化转型绩效评估维度

1.数字化运维概况

面对VUCA的复杂运维数字世界，运维面临如何支撑公司在高速行驶过程中换轮子挑战，一是让“相对稳定且可预知领域”更加适应数字化时代，保持运维持续稳定；二是适应并赋能企业转型持续探索、创新，驾驭不确定性的能力，增强运维敏捷性。要有效落实运维价值，需要从体系架构、流程机制、组织能力、平台建设、场景构建等全面建设。

（1）以OPSP打造数字化运维体系

基于OPSP打造的数字化运维体系能力框架包括以下四点（见图3）：

第一，持续优化组织能力建设，主要以运行保障、业务连续性管理、资源管理、信息安全等为基础，扩展到流程经理、运营分析、IT服务、系统退出、运维开发等横向能力，建立学习型文化，推动组织能力持续提升。

第二，以敏稳双态优化流程能力，吸收DevOps、AIOps、SRE、ITOA、ITIL等方法论，结合“连接、数据、赋能”思维，由被动的流程管理向主动的IT运营转变。

第三，围绕时间角度，建立“盘前、盘中、盘后、节假日”的运维场景，打造人、事、时间、协同、环境为一体的线上场景。

最后，推动“监、管、控、析”工具体系向一体化平台架构演进，利用自动化替代手工操作环节，推动运维研发一体化，并利用运维数据中台推动数据运营、探索运维智能化。

图3    基于OPSP打造的运维能力框架

（2）以OADS推动数字化运维体系成熟度持续提升

基于OADS方法论制定以下运维场景成熟度评估：

线上化，将工作场景标准化、规范化、在线化，落地生产运行数据资产。

自动化，将规律性、操作性、大计算量的工作，由人工向人机协同转变，提升工作效率、降低操作风险。

数字化，分析日志、性能、报警、配置等数据，建立 “感知、决策、执行”能力。

服务化，将底层“监管控析”平台能力API化，上层通过可视化看板、数据指标、工具应用、IT服务台等形式，并通过服务目录交付服务。

结合OADS成熟度方法论，围绕“人、事、时间、协同、环境”五个要素，梳理了221项运维场景子项（见图4）。场景各阶段从“线上化、自动化、数字化、服务化”四点的百分比来判断成熟度。

 图4    运维数字化场景成熟度地图

要确保运维数字化方向正确，所有场景落地需围绕运维4个核心价值创造，聚焦有限资源做更有价值的事。图5是围绕“增加IT风险保障能力”价值的场景地图。

 图5    “增加IT风险保障能力”价值主题的场景地图

为指引场景以正确的数字化方式推进，我们总结了“连接、数据、赋能”3个数字化关键词，关键词指引运维场景的塑造方向。其中，连接是指在线搭建一张实时互动的多角色协同网络，角色包括人、软件、硬件、机器人等；通过在线数据分析对协同网络中对众多连接进行有效管控，让管理者更好地感知协同效率及可能出现的操作风险，让运维员工更好地感知生产运行状况与IT服务水平，并为运营决策提供数据支撑。

2.数字化场景示例：应急管理场景

场景沉淀了运维团队宝贵知识，融汇了组织、流程、平台能力。以应急管理场景为例，此场景是“提升业务连续性”价值的关键措施，以下用鱼骨图梳理影响业务连续性因素（见图6）。

 图6    影响业务连续性因素分析

基于如此复杂的影响因素，我们建立了由故障预防、故障发现、故障响应、故障定位、故障恢复、复盘改进构成的6个故障管理闭环周期（如图7），并围绕数字化3个关键词：“数据驱动、在线连接、平台赋能”打造场景。

 图7    故障管理闭环周期

（1）以“数据驱动”重塑应急场景

数字化感知提升洞察力。全面数字化运行状态感知赋能应急洞察力：围绕关键运行指标，构建业务及系统状态感知看板模型，包括：关键时间的可用性状态、业务性能状态、组件状态、依赖状态、基础资源状态、上日变更状态、系统缺陷信息等指标信息，赋能应用处置的洞察力。关联上下游系统协同分析：梳理上下游业务、前端渠道影响，加快关联系统的协同，包括：异常申报后自动创建IM应急群，自动化推送协同任务，机器人负责应急协同指挥。感知客户与行业动态：提前建立客户反馈、业务动态等数据采集能力，包括：在客户端增加客户反馈功能，在线汇总客服反馈、IT服务台协同、终端拨测、现场客户端验证等异常数据采集能力。

数字化过程建立持续提升能力。线上化处置过程：整合组织人员、应急流程、工具能力，将故障发现、响应、申报、处置、升级、诊断、定位、恢复、复盘步骤实时在线化。数字化应急效率：在线应急过程，落地发现时长（MTTI)，响应时长（MTTR），定位时长（MTTK），恢复时长（MTTF)的数字化，达到应急处置效率可观察。以实战练兵：对每个步骤执行时间设置目标阀值，由机器人代替值班经理督促，建立故障处置紧迫性，达到以实战练习处置能力的目的，并在事后分析应急效率。

（2）以场景在线“连接”人、事、时间、协同、环境

“人”：包括值班经理、应急决策、IMS经理、一二线运维、IT服务台、研发、测试、安全、业务团队、故障机器人等。

“事”：包括申报故障，感知重要业务指标、关联业务影响，获知客户反馈、行业动态，评估应急三把斧决策、启动监管报告、落实业务协同等。

“时间”：包括异常从发生、发现、响应、申报、处置、诊断、恢复、复盘等多个环节。

“协同”：打造“chatOps”与“任务管理”的协同机制，提升人、事、机器的在线协同。

“环境”：针对应急ECC值班、线上应急协同两个环节，环境包括线下ECC值班室、线上IM群与运维平台等。

（3）平台“赋能”运维专家快速应急

人机协同让应急专家从琐事中抽离。为了避免因人员能力水平延误战机，我们建立“先申报后处理”的应急规程，强调故障发生后关联方要第一时间响应。在线异常申报后，事件机器人自动在秒级以内，就能将故障信息扩散出去，不仅促进并行处理效率，且故障专家能够从信息公告、解释沟通、人员召集等琐事中抽离，专注应急。 

“数据+机器人”建立平台化管理模式。以往，为加强故障应急效率，主要依靠值班经理、职能经理现场管理。靠人管理的方式，容易出现监控处理不及时、应急不迅速、跟进不及时等问题，所以我们建立了平台化管理模式。平台化管理模式即是基于数据分析发现问题，触发管理决策规则，再由机器人代替管理岗位指导或督促执行。以缩短“故障发现”为例，通过chatOps机器人协同，有效提升了告警准确率与响应速度。

工具赋能定位及恢复。数字化提升应急预案有效性：从场景、预案、策略、操作序列的思路建立了线上化的应急预案工具，引入乐高式可组装的应急策略、应急机器人等能力，解决以往WORD版预案“内容多、难匹配、无保鲜”等问题。工具提升问题定位效率：通过业务运行看板、统一日志工具、自动化巡检、最小颗粒度可用性看板等工具，辅助问题定位，尤其是在复杂故障时关联方可以并行使用工具分析，避免集中在个别专家身上。提升应急沟通效率：通过线上预案策略提升应急沟通效率，当业务影响达到监控报送要求主动通知安全组监管报告，通知客服及业务部门制定客户解释话术，建立行业动态的沟通渠道等。

综合上面的举例，我们认为在数字化转型的技术体系上，在科技条线以外的其他中后台运营条线也可以借鉴“OPSP+OADS”的方法，即结合公司转型的核心价值，以递归传递方式将公司价值主张传递到自己所处的职能条线，结合用户旅程、客户价值主张、精益创新、设计思维等工作方法，重塑领域工作场景。