數字經濟給人們的生活帶來了顛覆性變化。一部手機、一個網絡幾乎就能解決日常生活的所有問題；一個微信App就能解決日常社交；云化模式顛覆了各行各業的商業運作、運營協同模式；數字化設施提升了整個行業的效率，既替代了大量的傳統工作崗位，也催生了大量就業機會。

運維早已身處數字世界。長久以來，由于運維面臨海量的基礎設施與運行數據、復雜的網絡與應用關系、嚴峻的內外部安全風險等困難，與研發、產品、項目管理等從0到1的生產過程管理相比，運維組織要管理企業IT生產運行環境中從1到100的迭代變化與演進。遺憾的是，非運維領域從業者通常難以體會這種復雜性，所以在企業中通常存在重研發輕運維的情況。不過，好在運維領域有大量企業服務廠商、行業布道者以及運維從業者，他們利用有限的資源在不斷地適應、應對IT生產運行環境的復雜變化。

運維數據的應用驅動運維進入“人機協同”模式。我個人認為未來幾年，平臺工具最重要的是能夠適應“人機協同”模式的變化，這個模式大概是：圍繞“洞察、決策、執行”的閉環，既要解決“大計算”“海量數據分析”“操作性”“流程化”“規律性”“7×24”“人機體驗”等類型的運維工作，還要對現有的“專家經驗+最佳實踐流程+工具平臺” 運維模式進行補充，提供“洞察感知、運營決策、機器執行”能力，支持向“人機協同”模式轉變，建立數字平臺化管理模式，閉環落實決策執行。在“人機協同”模式下，運維數據的質量顯得尤其關鍵，數據質量不佳將導致“人”對“機”的不信任，從而無法達到協同。

數據治理成為數字化轉型的關鍵舉措。自1997年NASA武器研究中心第一次提出“大數據”概念，2001年Gartner提出大數據模型，2004年Google推出大數據技術論文，到接下來大數據、人工智能、云計算等技術的廣泛應用，再到數字時代，企業已逐漸了解數據所蘊含的價值，對數據的重視程度也越來越高，并投入大量資源進行大數據的研發與應用。但我們必須承認，國內很多企業在大數據技術應用前并不是很重視數據治理，出現像投入大量資源建設大數據平臺，但用的時候又發現報表不準、數據質量不高，導致項目沒有達到預期效果的普遍性問題。由此，大部分企業都回過頭來推動數據治理，行業相關的數據治理規范、指引也適時的推出。

運維數據是企業數據戰略的重要組成部分。運維數據主要指IT運營過程中，基礎設施硬件、平臺軟件、應用系統、平臺工具系統等產生的數據，包括監控指標數據、報警數據、日志數據、網絡報文數據、用戶體驗數據、業務運營數據、鏈路關系數據、運維知識數據、CMDB、運維流程等多種數據類型。這些數據具備海量、實時等特征，對運維數據的有效應用，可以實現運行感知、業務感知等涉及的IT風險控制，性能管理、終端感知等涉及的客戶體驗分析，運營效能、服務臺等涉及的服務質量，發布管理、變更管理等涉及的交付管理。

落地運維數據治理新課題。雖然在運維平臺化階段，運維組織推進了部分運維數據治理，但是這些工作比較分散，資源配置不夠高效，且在傳統大數據治理在推進中持續總結了大量經驗與運維領域資源投入不足的背景下，整體思考運維數據治理顯得尤其重要。一方面是如何借鑒大數據領域數據治理的經驗，反思運維數據平臺建設應該關注的問題，減少不必要的風險，做好運維數據治理，讓運維數據用得更好；另一方面是運維數據治理一定要以落地為目標，結合運維組織日常工作場景，充分利用好已有的組織、流程、工具等資源，用以終為始的方式驅動運維數據治理的落地。

由于運維數據治理是一個領域內的新課題，《運維數據治理》對運維數據治理的分析，借鑒了傳統數據治理沉淀下來的方法，從四條主線索展開。一是結合運維組織核心價值創造，確立運維數據的資產地位；二是建立運維數據治理相關的制度、標準、流程等工作機制；三是圍繞運維數據治理構建和使用適合的平臺工具；四是促進數據的使用、共享、開放，監測數據質量，保障數據安全。