摘要：
技术部运维是做什么的？AIOps与ITOM的区别？数据中台建设内容包括哪几个方面？技术部运维是做什么的？1、问题发现：设计并开发高效的监控平台和告警平台，使用机器学习、大数据分析等... 技术部运维是做什么的？
1、问题发现：设计并开发高效的监控平台和告警平台，使用机器学习、大数据分析等方法对系统中的大量监控数据进行汇总分析，以及在系统出现异常的时候可以快速的发现问题和判断故障的影响。
2、问题处理：设计并开发高效的问题处理平台和工具，在系统出现异常的时候可以快速/自动决策并触发相关止损预案，快速恢复服务。
3、问题跟踪：通过分析问题发生时系统的各种表现(日志、变更、监控)确定问题发生的根本原因，制定并开发预案工具。
4、变更管理：以可控的方式，尽可能高效的完成产品功能的迭代的变更工作。在这方面主要工作内容有：
5、配置管理：通过配置管理平台(自研、开源)管理服务涉及到的多个模块、多个版本的关系以及配置的准确性。
6、发布管理：通过构建自动化的平台确保每一次版本变更可以安全可控地发布到生产环境。
7、容量管理：在服务运行维护阶段，为了确保服务架构部署的合理性同时掌握服务整体的冗余，需要不断评估系统的承载能力，并不断优化之。
AIOps与ITOM的区别？
传统IT运维管理平台（ITOM)更偏向于管理某一细节分专业领域，完成单一管理任务。比如：SOC平台专注于信息安全管理；APM平台专注应用逻辑拓扑管理，应用故障诊断等。而AIOps平台则是以传统ITOM平台为基础，通过接口集成，汇总各个ITOM平台组件中的孤立运维数据，使其打破数据孤岛壁垒。AIOps毫无疑问是企业IT运维管理的发展趋势，解放人力。国内真正具有AIOps能力的厂商并不多，而听云多次入选Gartner APM魔力象限的中国唯一入选的企业，更是用实力证明了它的实力，在提高故障监测、告警预防和修复能力都十分专业。
传统的IT 运维管理（ITOM）工具很明显的缺陷是缺乏分析能力，虽然也能采集到运维数据，但无法对这些数据所包含的信息进行洞察，更加无法将数据进行知识化的本质提升。
随着各个行业纷纷数字化转型，不断扩大的IT系统、日益复杂的系统架构，以及海量的IT运维数据。都要求ITOM工具需要从原有的人工加被动响应，转变为更高效、更智能化的运维体系。
国内做AIOps的厂商有很多，比如博睿数据，多年来基于AI和机器学习的技术，自主研发了“数据接入、处理、存储与分析技术”核心技术体系，全面布局智能基线、异常检测、智能告警、关联分析、根因分析等丰富且广泛的智能运维功能，并将AIOps能力融入端到端全栈监控产品线。感兴趣可以去咨询一下。
数据中台建设内容包括哪几个方面？
1. 数据标准化：数据中台需要将企业内部所有的数据进行标准化处理，包括数据的格式、定义、命名规范等，以确保不同系统之间的数据可以互相识别和共享。
2. 数据集成：数据中台需要将企业内部所有的数据进行集成，包括从不同的系统和数据源中提取数据，进行数据清洗、转换和整合，以确保数据的一致性和完整性。
3. 数据共享：数据中台需要将企业内部所有的数据进行共享，包括将数据提供给不同的业务系统和应用程序使用，以[_a***_]数据的流通和共享，提高数据的价值和效用。
除了数据的标准化、集成和共享，数据中台还需要具备高可靠性、高安全性、高可扩展性等特点，以满足企业不断增长的业务需求。同时，数据中台还需要具备数据治理、数据质量管理、数据隐私保护等能力，以确保数据的合规性和安全性。
感兴趣的可以百度搜索“C2P工业云”或者***下面链接，打开浏览器搜索，看更多改造案例。 ***s://openc2p.cn/?source=%E5%A4%B4%E6%9D%A1
