Last modified by superadmin on 2024/04/03, 16:10
From version < 29.9 >
edited by superadmin
on 2024/03/07, 19:37
To version < 30.1 >
edited by superadmin
on 2024/04/03, 15:57
< >
Change comment: There is no comment for this version

Summary

Details

Icon Page properties
Content
... ... @@ -3,7 +3,8 @@
3 3  
4 4  [[阅读下一章>>http://itil4hub.cn/bin/view/ITIL%204%E3%80%8A%E5%88%9B%E5%BB%BA%E3%80%81%E4%BA%A4%E4%BB%98%E5%92%8C%E6%94%AF%E6%8C%81%E3%80%8B%20CDS/%E7%AC%AC4%E7%AB%A0%20%E5%88%9B%E5%BB%BA%E3%80%81%E4%BA%A4%E4%BB%98%E5%92%8C%E6%94%AF%E6%8C%81%E6%9C%8D%E5%8A%A1%E7%9A%84%E4%BB%B7%E5%80%BC%E6%B5%81/]]  [[返回上一章>>http://itil4hub.cn/bin/view/ITIL%204%E3%80%8A%E5%88%9B%E5%BB%BA%E3%80%81%E4%BA%A4%E4%BB%98%E5%92%8C%E6%94%AF%E6%8C%81%E3%80%8B%20CDS/%E7%AC%AC%E4%BA%8C%E7%AB%A0%20IT%E5%92%8C%E6%9C%8D%E5%8A%A1%E7%AE%A1%E7%90%86%E4%B8%93%E4%B8%9A%E5%8C%96%E7%9A%84%E6%BC%94%E5%8F%98/]]
5 5  
6 -{{box cssClass="floatinginfobox" title="**Contents**"}}
6 +{{box cssClass="floatinginfobox" title="
7 +**Contents**"}}
7 7  {{toc/}}
8 8  {{/box}}
9 9  
... ... @@ -12,6 +12,7 @@
12 12  
13 13  == 3.1 集成和数据共享 ==
14 14  
16 +
15 15  服务设计通常依赖于多个系统之间的集成（integration），在这种情况下，理解集成建模的不同层次相当重要。例如：
16 16  
17 17  * **应用程序级**  应用程序之间是相互交互的。
... ... @@ -29,6 +29,7 @@
29 29  
30 30  === 3.1.1 集成拓扑 ===
31 31  
34 +
32 32  集成设计需要了解和考虑集成多个系统的不同拓扑方法。有两种普遍接受的拓扑：点对点和发布-订阅（point-to-point and publish–subscribe）。
33 33  
34 34  //点对点 //集成涉及系统的直接链接对，可能是适合于少数集成系统的简单服务。但是，这种方法有一些缺点：
... ... @@ -43,6 +43,7 @@
43 43  
44 44  === 3.1.2 整合方法 ===
45 45  
49 +
46 46  当服务实现依赖于多个集成时，考虑这些集成的交付方法很重要。表3.1概述了三种方法。
47 47  
48 48  表格 3.1 交付方式
... ... @@ -70,6 +70,7 @@
70 70  
71 71  == 3.2 报告和高级分析 ==
72 72  
77 +
73 73  高级分析是使用高级技术和工具对数据或内容进行的自主或半自主检查。高级分析超越了传统的商业智能，能够揭示新的或深刻的洞察，做出预测或生成建议。
74 74  
75 75  一些高级分析技术有：
... ... @@ -98,6 +98,7 @@
98 98  === 3.2.1 数据分析 ===
99 99  
100 100  
106 +
101 101  (% class="box warningmessage" %)
102 102  (((
103 103  **定义：数据**
... ... @@ -119,6 +119,8 @@
119 119  * **数据工程** 使用编程语言（如Python，R，Java，SQL或Hadoop）处理数据，并准备分析。
120 120  * **数据科学** 使用R、Azure ML或Power BI等工具分析数据并获得洞察。
121 121  
128 +
129 +
122 122  === 3.2.2 大数据 ===
123 123  
124 124  大数据是描述大量结构化、半结构化和非结构化数据的术语。从大数据中提取有意义的信息，需要处理能力、分析能力和技能。
... ... @@ -162,6 +162,7 @@
162 162  
163 163  === 3.3.1 协作 ===
164 164  
173 +
165 165  管理工作越来越多地采用敏捷方法，在软件开发领域更是如此。这种方法已经触发了使用支持该方法的工具和方法的相关要求。表3.2予以了概述。
166 166  
167 167  
... ... @@ -188,8 +188,13 @@
188 188  |(% style="width:173px" %)使用简单的反馈机制|(% style="width:526px" %)沟通并不需要过于正式的或复杂的。实际上，如果沟通很容易理解，通常会有更大的机会引起人们的注意、理解和采取行动。客户和员工反馈的收集应是即时且直观的。
189 189  |(% style="width:173px" %)协作和“社交媒体”功能|(% style="width:526px" %)某些社交媒体功能正被基于工作的工具采用。许多人已经习惯了“点赞”、“转发”或“分享”等功能，这些功能可以在工作环境中提供有用的数据。此外，表情符号也可用于表示反馈。
190 190  
200 +
201 +
202 +
203 +
191 191  === 3.3.2 工具和功能 ===
192 192  
206 +
193 193  许多用于协作的工具设计成类似于用户在社交媒体上熟悉的界面，包括：
194 194  
195 195  * 通信墙 许多社交媒体平台的一个特点，尤其是那些致力于交流的平台。墙可用作一般交流的中心区域。
... ... @@ -199,8 +199,11 @@
199 199  * 自助 知识库直接为用户提供解决方案，对于解决简单和低风险的问题很有用。
200 200  * 社交媒体功能 协作工具为用户提供简单而有效的方式响应和提供反馈。
201 201  
216 +
217 +
202 202  === 3.3.3 IT和服务管理工具中的工作流 ===
203 203  
220 +
204 204  许多IT和服务管理工具的最新开发和改进所提供的功能是能够在产品中动态地构建、映射和管理流程工作流。这种功能通常是通过一个锁定的开发界面实现的，这样就可以在不需要脚本或编码的情况下更改工作流元素，意味着可以由技术水平较低的前线人员实现。
205 205  
206 206  这些管理工具的界面通常以熟悉的流程映射格式设计，包括泳道和行动框、决策点、并行流和依赖关系。这些工具支持协作，减少了更改的准备时间，并以简单的图形格式展示工作流。
... ... @@ -216,11 +216,13 @@
216 216  
217 217  == 3.4 机器人流程自动化 ==
218 218  
236 +
219 219  机器人流程自动化（Robotic Process Automation, RPA）是组织简化业务运营、降低人员成本并减少错误的一种潜在方式。使用软件机器人（机器人）可自动化重复的和平凡的任务，从而可将资源部署到其他更高价值的活动中。机器人可用来模拟人类通过屏幕或应用程序执行的活动，以便捕获、解释和处理事务。机器人可以触发响应，以一致和可预测的方式创建和操作数据。机器人通常成本低且易于实现，无需重新开发现有系统，也不涉及现有系统中的复杂集成。RPA潜在的好处是显而易见的，因为RPA允许以一种成本高效的方式实现一致、可靠和可预测的流程。这种一致性可以减少关键流程中的错误、增加收入、改善客户服务，从而提高客户保留率。
220 220  
221 221  
222 222  === 3.4.1 在哪里使用RPA? ===
223 223  
242 +
224 224  RPA能产生最大收益的流程往往是大量、易出错且对故障敏感的流程。基于规则的流程和无需复杂决策的流程可使用这种自动化方法。
225 225  
226 226  更复杂的RPA工具结合了机器学习和人工智能（AI）。这些工具取代了机械式反馈的方法，可以适应和应对各种输入。
... ... @@ -232,6 +232,7 @@
232 232  
233 233  === 3.4.2 RPA技术 ===
234 234  
254 +
235 235  通常，RPA技术有三种类型：
236 236  
237 237  * 流程自动化 侧重于依赖结构化数据的自动化任务（如电子表格）。
... ... @@ -256,8 +256,11 @@
256 256  * **提高吞吐量** 由于机器人可比人类更快地完成手动任务，包括开发、测试和部署软件，因此可以缩短新产品的上市时间，从而加快投资回报（ROI）。一年四季机器人都持续可用。
257 257  * **提高准确性** 机器人能够实现近乎完美的准确性，从而在整个价值流、价值链和SVS中提高卓越性，提供了与标准输出水平更一致的体验，对业务/IT性能和客户体验有更深入的了解，并减少了人为错误的水平。
258 258  
279 +
280 +
259 259  === 3.4.3 RPA 注意事项 ===
260 260  
283 +
261 261  不应低估应用程序和环境更改对RPA的影响。如果没有战略思维、治理、控制和明智的应用程序支持总体策略，RPA就有可能成为未来的遗产应用。
262 262  
263 263  与任何服务或工具一样，应谨慎对待RPA实施。RPA实施需要适当的计划、分析、设计和治理流程，包括以下注意事项：
... ... @@ -279,6 +279,7 @@
279 279  
280 280  == 3.5 人工智能 ==
281 281  
305 +
282 282  越来越多使用的认知技术在服务生命周期的每个阶段提供了更多的自动化，并增强消费者和服务人员的服务体验。认知技术在软件开发和运维等相关的和支持的领域的应用也越来越普遍。
283 283  
284 284  尽管AI技术已经存在了数十年，但新一代的基于云的工具使得人们对它的关注和使用显著增加。现在许多AI工具作为公共云服务提供，从专业AI供应商到主要提供广泛服务的云供应商都提供了一系列的选择。这些云服务显著提高了AI工具的可访问性，解决方案以前可能需要复杂的技术和大量的财务支出，现在可以以相对较低的成本通过调用简单的API（应用程序处理接口）随需而变。
... ... @@ -288,6 +288,7 @@
288 288  
289 289  === 3.5.1 架构考虑 ===
290 290  
315 +
291 291  AI技术的实施往往需要在硬件、软件和专业知识方面进行大量投资。在过去，费用和复杂性限制了AI的使用，但自从新一代基于云的服务出现后，AI已成为主流。
292 292  
293 293  AI技术越来越多地从主要的供应商那里获得并作为公共云服务使用，现在所有主要的云服务提供商(CSPs)都提供一系列服务，解决许多不同的优先级或“用例”。这些服务将领先的AI产品置于API调用的末端，因此许多组织现在使用AI支持交付给用户的数字服务。
... ... @@ -303,6 +303,7 @@
303 303  
304 304  === 3.5.2 应用与价值 ===
305 305  
331 +
306 306  AI技术为服务设计者提供了一套广泛的新工具，并且有可能预见到在服务管理中应用AI的许多新创新。AI在服务设计和提供方面的一些常见应用包括：
307 307  
308 308  * **流程和决策自动化** 基于对已知事实的分析，使用AI确定要遵循的适当流程分支。
... ... @@ -311,8 +311,11 @@
311 311  * **预测分析** 对度量标准或情况未来状态的预测，从而能够主动决策。
312 312  * **发现 **从大量信息中识别有用的洞察，如日志文件、知识库或以前记录的工单。
313 313  
340 +
341 +
314 314  === 3.5.3 AIOps的增长 ===
315 315  
344 +
316 316  另一项将改变未来IT服务管理方式的新兴技术是AIOps和AIOps平台的出现。2016年，Gartner首次描述了IT运维领域结合大数据、分析和机器学习实践的这些平台^^4^^。术语AIOps最初来源于算法化的IT运维，尽管AIOps经常认作IT运维的人工智能的同义词，便于对该主题更清晰地描述。
317 317  
318 318  与其让各个团队孤立地监测基础设施的各个部分，不如将所有重要的监测数据集中在一个地方，然后使用机器学习识别模式并检测异常。这可以帮助IT运维更快地识别和解决严重性高的事件，甚至帮助IT运维在潜在问题发生之前检测出来。AIOps还可用于自动化日常任务，以便IT运维团队能够专注于更具战略性的工作。AIOps旨在将人工智能引入IT运维，以应对基础设施不断发展的现代趋势所带来的挑战，如软件定义系统的增长。这些新技术的含义，如基础设施重新配置和改造速度的增加，需要更多的自动化和动态管理技术，可能对组织的数字服务产生重大影响。
... ... @@ -338,6 +338,7 @@
338 338  
339 339  == 3.6 机器学习 ==
340 340  
370 +
341 341  机器学习是AI的一种应用形式，基于对数据响应的系统原理。而且，随着机器学习不断地接触到更多的数据，就会相应调整行动和输出。在用机器学习支撑服务的地方，这本质上意味着机器学习成为了决策的基础，代替了由人类服务设计者创建的指令所定义的路径。
342 342  
343 343  随着任务复杂性的增加，将机器学习映射到该任务变得更加困难。机器学习通常最适合于解决特定问题。例如，可以有效地使用机器学习对所支持记录上的数据分类做出决策，这可能随后会驱动路由分配等其他决策。
... ... @@ -345,6 +345,7 @@
345 345  
346 346  === 3.6.1 监督和无监督学习 ===
347 347  
378 +
348 348  监督学习是最常见的机器学习方法。在起始点（输入）和预期的结束点（输出）都定义良好的情况下使用。监督学习可以表示为一个简单的方程式：
349 349  
350 350  //Y //= //f//(//X//)
... ... @@ -367,6 +367,7 @@
367 367  
368 368  === 3.6.2 机器学习的优点和局限性 ===
369 369  
401 +
370 370  在IT服务的背景下，机器学习的一个关键优势是能够从大量的数据（在广度、深度、更新频率或三者的组合方面）中获得有价值的结果，而这些数据是人类难以处理的。机器学习可以提高决策的效率或准确性，并可能实现全新的数据驱动的决策自动化，而这种决策让人类评估是不实际的（如数据点数量过多)。
371 371  
372 372  然而，机器学习系统的性能完全取决于系统的数据、所使用的算法，以及在监督系统中训练的质量。如果输入的数据包含固有偏差，可能会直接使结果失真。这个问题已经引起了一些备受瞩目的媒体报道，如当机器学习系统暴露并传播源数据中的种族偏见时。
... ... @@ -395,6 +395,7 @@
395 395  
396 396  == 3.7 持续集成、持续交付和持续部署 ==
397 397  
430 +
398 398  持续集成、持续交付和持续部署（CI / CD）是主要与软件工程相关实践的描述性术语，是精益和敏捷软件开发的核心。这些实践的采用量正迅速增长，在实施由软件开发支持的服务时，重要的是要了解CI / CD的定义特征以及不断发展的系统开发实践的背景。
399 399  
400 400  (% class="box warningmessage" %)
... ... @@ -432,6 +432,7 @@
432 432  
433 433  === 3.7.1 目标和价值衡量 ===
434 434  
468 +
435 435  CI/CD的主要目标是支持对系统进行更小、更频繁的变更部署。这样做的目的是降低风险（通过降低每个部署的复杂性），同时增加价值共创的速度（通过有用的变更能更快地交付给消费者）。较小的变更更容易理解、使用、测试、故障排除和（在必要时）回滚。
436 436  
437 437  敏捷运动建立在拒绝大型、复杂的项目的基础上，这些大型、复杂项目很少交付大量有效载荷，被视为无效的主要原因是:
... ... @@ -449,6 +449,7 @@
449 449  
450 450  === 3.7.2 CI/CD 流水线 ===
451 451  
486 +
452 452  CI / CD实施的关键组成部分是流水线。该术语定义了工具、集成、实践和防护栏的集合，容纳着从最初的设计和开发到部署再到生产的连续的、基本自动化的变更流。
453 453  
454 454  该流通常分为三个不同的阶段：
... ... @@ -471,6 +471,7 @@
471 471  
472 472  === 3.7.3 将CI/CD与ITIL对齐 ===
473 473  
509 +
474 474  Agile软件开发以及扩展的CI/CD的核心方面与每条ITIL指导原则紧密相关：
475 475  
476 476  * **聚焦价值 **敏捷开发旨在为客户提供尽早和连续的价值。
... ... @@ -491,8 +491,11 @@
491 491  * 将更广泛的业务背景引入风险评估中，有助于更好地量化特定变更的风险，并且在理想情况下，找到风险更低、可能通过CI / CD 流水线更顺利执行的变更。
492 492  * 放宽对支持“防护栏”的预定义的控制，从而使各个团队更灵活地创新和建立他们自己的变更流程，同时仍然保持对CI/CD流程整体安全性的信心。
493 493  
530 +
531 +
494 494  === 3.7.4 CI/CD并不适用于所有情况 ===
495 495  
534 +
496 496  CI/CD之类的敏捷方法非常适用于对服务当前和未来的需求存在高度不确定性，并且与错误或故障相关的风险影响相对较小或可以快速管理的情况。在这些情况下，CI/CD的迭代特性使服务的持续开发能够响应和推动对客户需求的不断了解，CI/CD是向客户交付价值的最佳方法。
497 497  
498 498  但是，在某些情况下，基于计划的方法（如瀑布式方法）可能仍然更适合。例如，在服务需求高度确定的地方，或者由于安全要求不太适合使用敏捷方法进行大批量部署的地方。在实践中，尤其是在大型和更复杂的组织中，服务通常取决于使用不同方法交付的多个元素。
... ... @@ -503,10 +503,13 @@
503 503  (% id="cke_bm_536S" style="display:none" %)** **(%%)**ITIL 故事:持续集成，持续交付和持续部署**
504 504  
505 505  [[image:1640085029066-835.png||height="50" width="40"]]**因杜: **//如果这个项目成功，那么持续集成以及为我们的自行车客户部署改进或提供新服务将是扩大或拒绝服务之间的区别。为了适应所需的变更，我们将需要持续不断地交付工作软件，并调整我们的工作模式以更好地适应变更。这意味着每次变更的风险都较小，并且允许我们在其中一个变更不能正常工作时迭代响应予以反馈。//
545 +
546 +
506 506  )))
507 507  
508 508  == 3.8 有效的信息模型的价值 ==
509 509  
551 +
510 510  随着数字化转型的发展，组织的业务运营将越来越紧密地与其技术系统和服务保持一致，并相互依赖。在这种情况下，信息日益成为有效交付服务的约束。几个因素可以导致此问题：
511 511  
512 512  * 组织可能会在多个IT系统之间以及系统之外不一致地和零星地分发信息（例如，某些信息可能保存在物理介质中，而其他关键数据和知识可能只存在于人们的头脑中）。
... ... @@ -523,6 +523,7 @@
523 523  
524 524  === 3.8.1 对信息模型的解剖 ===
525 525  
568 +
526 526  信息模型没有单一定义，但有效的定义通常由几个核心要素组成，包括：
527 527  
528 528  * 组织内关键事实、术语、活动和实践的定义
... ... @@ -533,7 +533,7 @@
533 533  尽管有些组织可能选择从头开始创建信息模型，但其他组织可能决定采用（至少在最初阶段）已建立的、侧重于大型组织的技术和运营的众多模型之一。这方面的两个例子是：
534 534  
535 535  * **通用信息模型（由DMTF管理）** 一组开放标准，列出了广泛的IT基础设施（包括现代云和虚拟化技术）中管理信息的通用定义（该定义正在不断增长）。
536 -* **Frameworx **一组“最佳实践和标准，一旦采用，就能以面向服务、高度自动化和高效的方式进行业务操作”。 Frameworx由TM Forum管理，特别关注电信行业，是该行业中广泛使用的框架。
579 +* **Frameworx  **一组“最佳实践和标准，一旦采用，就能以面向服务、高度自动化和高效的方式进行业务操作”。 Frameworx由TM Forum管理，特别关注电信行业，是该行业中广泛使用的框架。
537 537  
538 538  (% class="box" %)
539 539  (((
... ... @@ -542,13 +542,22 @@
542 542  [[image:1640085083316-869.png||height="57" width="41"]]**亨利: **//我一直致力于对艾克苏的架构、术语、信息和系统达成共识。自行车租赁试点使用的信息模型将反映整个组织的情况。//
543 543  
544 544  [[image:1640085092478-234.png||height="48" width="39"]]**雷尼: **//ITIL提供了一种公共语言，服务管理者可以利用该语言促进沟通。从试点开始就采用ITIL实践将提高项目扩展时的可伸缩性。//
588 +
589 +
545 545  )))
546 546  
592 +(% class="wikigeneratedid" %)
593 +== ==
594 +
595 +(% class="wikigeneratedid" %)
596 +== ==
597 +
547 547  == 3.9 服务管理自动化 ==
548 548  
549 549  
550 550  === 3.9.1 集成服务管理工具集 ===
551 551  
603 +
552 552  自1990年代以来，一些供应商一直在提供用于服务管理的集成工具集。这些工具集将记录和工作流管理自动化，并充当启动和沟通工具，许多工具旨在支持服务管理的整体信息模型。这些工具集中的大多数的设计都致力于使ITIL建议的服务管理实践自动化，并且在不断地发展并采用新的技术。
553 553  
554 554  这些工具集最常用的功能是记录系统和契动系统。它们用于提出、分类、确定优先级、升级和解决业务和技术基础结构的项目和领域（包括人员、IT、部门、服务和职能领域）的问题、请求和更改，包括对交付和实现、批准、升级和消耗期望的实时管理，以及与库存、财务和生命周期管理相关的其他管理功能。
... ... @@ -560,6 +560,7 @@
560 560  
561 561  === 3.9.2 服务管理工具集期望 ===
562 562  
615 +
563 563  服务管理工具集有望提供：
564 564  
565 565  * 工作流的有效自动化，包括：
... ... @@ -596,8 +596,12 @@
596 596  [[image:1640085183568-954.png||height="56" width="40"]]**索尔马兹: **//ITIL的指导原则是“ 优化和自动化”。它建议我们在开始自动化工作之前，通常需要通过迭代试验和试错找到最佳方法。这就是我们期望的团队工作方式，并且数据表明，与直接进入自动化而不花时间正确确定需要更改和优化的内容相比，这种方法结果更好。//
597 597  )))
598 598  
652 +(% class="wikigeneratedid" %)
653 +== ==
654 +
599 599  == 3.10 总结 ==
600 600  
657 +
601 601  在消费者和企业自动化时代，IT投资对于交付有价值的产品和服务至关重要。技术领域正在带动生态领域多元化地、快速地改变。
602 602  
603 603  为了帮助导航这个复杂的生态系统，服务组织正积极投资于以下工具：促进流程在多个功能域中工作；推广协作；协助高级分析和决策；将重复性低技能的工作自动化。另外，这随后将便于组织投资在高级服务管理功能，这些功能可以为各种利益相关者增加价值。
深圳市艾拓先锋企业管理咨询有限公司