Wiki源代码2022年中国AIOps市场现状深度调研报告
由 superadmin 于 2025/01/15, 17:05 最后修改
Show last authors
author | version | line-number | content |
---|---|---|---|
1 | (% style="text-align:center" %) | ||
2 | [[image:1736588869739.png]] | ||
3 | |||
4 | |||
5 | 中国信息通信研究院发布的《2022 中国AIOps现状调查报告》,旨在梳理中国AIOps产业的发展脉络,助力企业洞悉智能运维的现状,并推动技术与应用的有效实施。通过在线问卷调查方式,收集了1807份有效问卷,覆盖了不同行业、企业规模及职业分布。 | ||
6 | |||
7 | |||
8 | **调查背景** | ||
9 | |||
10 | 根据国务院《“十四五”数字经济发展规划》,数据增长为智能化发展带来新机遇,推动智能化应用建设,提升基础设施的智能化水平。政策、标准和需求共同驱动了AIOps的发展,特别是在系统数量、业务规模和运维数据增长的背景下,传统运维模式已无法满足企业业务连续性的需求。 | ||
11 | |||
12 | |||
13 | **AIOps能力建设基本情况** | ||
14 | |||
15 | 多数企业在运维方面的资金投入呈增长趋势,近4成企业年平均投资规模超5000万元。超半数企业在实现自动化运维的基础上,进一步增强监控和运维智能化能力。以结果为导向的IT运维KPI指标成为企业关注的重点,用户体验的关注度持续上升。 | ||
16 | |||
17 | |||
18 | **行业应用情况** | ||
19 | |||
20 | 智能运维已在科技、互联网、金融、电信等行业逐步落地应用,效果显著。企业智能运维能力建设情况显示,智能运维系统/工具/平台既可用于增强企业自身运维能力,也可对外输出产品能力。 | ||
21 | |||
22 | |||
23 | **智能运维的数据基础建设** | ||
24 | |||
25 | 企业的智能运维系统/工具主要集中在系统监控数据和业务/应用监控数据的处理和分析。多数企业处于智能运维场景的探索和实践阶段,开始关注和梳理运维数据,建设数据规范化能力。 | ||
26 | |||
27 | |||
28 | **智能运维的算法引擎建设** | ||
29 | |||
30 | 多数企业采用第三方提供的智能计算引擎为AIOps系统提供算法能力支持。大部分企业已在数据分析和算法模型分析方面逐步开始场景探索。 | ||
31 | |||
32 | |||
33 | **AIOps场景应用情况** | ||
34 | |||
35 | AIOps仍处于初期发展阶段,受访者对AIOps能力水平的评价与期望超过其所在企业实际应用的情况。智能运维在质量、成本、效率、安全四大运维领域均已开展部署和应用,其中质量领域最为关注。大部分企业在数据分析和算法模型分析方面已经逐步开始场景探索。 | ||
36 | |||
37 | |||
38 | **AIOps能力成熟度模型** | ||
39 | |||
40 | 根据行业标准《云计算智能化运维(AIOps)能力成熟度模型 第1部分:通用能力要求》,AIOps能力从感知、分析、决策、执行、知识更新五个维度进行级别划分。目前,AIOps能力大多集中在L2级别,以系统辅助分析为主,领先的实践可达L3级别,而L4和L5级别是未来的发展方向。 | ||
41 | |||
42 | |||
43 | **企业AIOps发展阶段** | ||
44 | |||
45 | 不同AIOps能力成熟度阶段的企业关注领域不同,达到全面智能化运维阶段的企业更加关注效率和安全领域的智能化运维能力建设。 | ||
46 | |||
47 | |||
48 | **智能运维重点领域及场景应用** | ||
49 | |||
50 | 智能运维在质量、成本、效率、安全四大运维领域均已开展部署和应用,其中质量领域最受关注。智能运维带来的效率提升显著,53.96%的受访者可以感知到智能运维带来的效率提升。 | ||
51 | |||
52 | |||
53 | **AIOps发展趋势与挑战** | ||
54 | |||
55 | 多数企业领导层已重视智能运维能力建设,但在建设过程中仍面临诸多挑战,如能力定制化难度大、场景有限、建设周期长等。需求驱动能力升级,安全场景成为更多企业未来关注和提升的方向。未来趋势是加强人员与技术方面投入,持续探索智能运维场景,优化现有场景能力,提升稳定性和易用性。 | ||
56 | |||
57 | |||
58 | **AIOps实践案例** | ||
59 | |||
60 | 运营商、银行证券、服务提供商等领域的AIOps实践案例,展示了不同企业在智能运维方面的具体应用和成效。 | ||
61 | |||
62 | |||
63 | AIOps的现状,强调了智能运维工具/平台的内外部应用、数据获取方式、团队搭建方式、应用场景领域、发展阶段、面临的挑战以及终极目标。报告还介绍了《智能化运维(AIOps)能力成熟度模型》的评估情况,包括已通过评估的企业和项目,以及评估的价值和收益。 | ||
64 | |||
65 | |||
66 | **后续工作及活动** | ||
67 | |||
68 | 后续工作及活动,包括《智能化运维(AIOps)能力成熟度模型 第3部分:可观测性能力要求》和《智能化运维(AIOps)能力成熟度模型 第4部分:算法模型服务化能力要求》的标准编制工作,旨在规范和促进基于可观测性和算法模型服务化的智能运维平台的发展和应用。 | ||
69 | |||
70 | |||
71 | |||
72 | [[IT运维管理:ITIL先锋论坛—中国AIOps现状调查报告详细分析(2022年).pdf>>url:https://itil-foundation.cn/forum.php?mod=attachment&aid=NDYwNzN8OGU5NmFjN2V8MTczNjU4ODY2NHwyMDY2M3wzNjQ1NDI=]] |