“隨著金融業務越來越融入各類場景，每天都要處理不少在線支付失敗、在線轉賬失敗等業務故障。”一位城商行IT部門負責人向記者透露。盡管這類業務故障占比很低，但銀行高層認為這會影響客戶金融服務體驗與市場口碑，要求IT部門盡早將每日業務故障量再降低逾30%。

    在他看來，要完成這項任務，絕非易事。一是銀行內部很多部門的業務操作IT系統仍相互割裂，導致IT部門無法知道很多業務故障到底出現在哪個業務操作節點；二是當業務故障出現時，銀行內部的故障溯源分析能力偏弱，需要大量時間才能解決；三是當前銀行部門的監控、運維系統仍然各自為政，往往只關注到某個層面的業務故障，缺乏前瞻性的業務規劃以降低新場景金融業務的故障發生率。

    他透露，去年底以來他們也邀請第三方智能運維技術提供商搭建智能運維系統以解決上述痛點。

    盡管這些智能運維技術提供商爭相介紹全新的AI智能技術將如何提升銀行業務故障提前洞察、歸因分析、迅速解決的效率，最大限度確保銀行運維的可靠性與業務故障極低發生率，但銀行方面更不愿意為了適配新智能運維系統開展大量的業務遷移。對銀行而言，運維的穩定性與安全性相比新智能技術應用更重要。

    一位股份制銀行IT部門人士則向記者透露，目前銀行要引入大量新智能運維系統以降低業務故障發生率與提升業務故障分析解決能力，還需解決這些新技術的水土不服問題。這些水土不服問題主要包括數據采集管理難、數據庫建設難、數據處理能力弱、無持續開發性等問題。

    “對銀行而言，智能運維系統的建設，不在于引入多少新智能技術，而是能否最大限度提升異常狀況檢測、異常狀況歸類、智能根因分析、落實解決方案、防止異常狀況再度發生的效率。”他強調說。

    引入智能運維技術面臨諸多挑戰

    在業內人士看來，隨著金融服務融入越來越多場景，銀行內部對各類場景化金融服務的可靠性與反應速度考核要求日益提升，包括要求業務響應率、響應時間、成功率、耗時必須都在分鐘級完成，在線個人消費信貸審批等新型業務甚至要在秒級快速完成。

    “事實上，要完成這些考核要求，難度不小。”上述城商行IT部門負責人告訴記者。以在線個人消費信貸審批業務為例，整個業務流程涉及網銀交易系統、網貸鏈接平臺、信貸交易系統、“公檢法”交易查詢審查系統、身份核查系統、征信統一前置等多個系統，在實際操作環節，由于不同業務系統存在IT割裂，且銀行無法做到全流程監控與數據采集管理分析，任何一個業務環節出現數據交互差錯，就可能導致整個業務流程效率低下甚至出錯，但銀行內部若要對業務故障進行歸因調查分析，又要梳理追溯不同業務部門的原始數據，整個操作流程異常繁瑣且效率低下，甚至有時IT部門人員不知道業務障礙到底發生在哪個業務環節。

    他透露，此前他們內部也在嘗試打造全新的智能運維系統，進而梳理整合各部門IT系統與數據報送分享體系，最大限度實現業務數據標準化，但在實際操作環節，多個業務部門認為大規模數據遷移相當繁瑣且容易出錯，對引入智能運維系統的積極性并不高。

    “目前，我們也在嘗試引入第三方智能運維技術提供商，幫助我們搭建智能運維系統。”他指出。引入外部機構的一大好處，是有更高幾率說服各個業務部門同意引入新的智能運維系統，此外第三方智能運維技術提供商可以通過AI智能與大數據技術，解決數據業務大規模遷移過程的差錯問題。更重要的是，部分第三方智能運維技術提供商的AI能力，有助于解決傳統監控運維系統生態割裂、視角單一、被動查找等痛點同時，結合大數據分析、機器學習、AI可解釋性和知識圖譜等關鍵技術有效提升業務故障、歸因分析、解決方案快速落地、防止異常狀況復發等效率。

    “目前，不同銀行對引入智能運維技術的訴求截然不同。”上述股份制銀行IT部門人士向記者透露。目前大型銀行比較看重智能運維系統的開放性與可迭代性，即智能運維系統的底層數據、數據共享、知識匯聚等領域可以彼此打通與重復使用，進而有效支撐銀行快速開發全新的業務場景智能運維能力，促進銀行內部的業務迭代升級與新場景拓展。相比而言，中小銀行主要側重使用智能運維技術，完成場景化金融服務的數據分析與業務增長預測，以及快速解決各類業務故障等。

    這背后，與中小銀行運維部門的技術水準與IT資源投入有著密切關系。記者多方了解到，中小銀行因IT投入有限，往往會將數據輸出放在小型機器設備，導致他們對智能運維技術引入與部署數據采集節點有更高的要求，以解決相對復雜的數據串聯打通等問題，但這導致第三方智能運維技術提供商更難實現數據采集鏈條的穩定性與安全性。

    數據報送還需落實“標準化”與“規范化”

    值得注意的是，如何借助智能運維技術向監管部門精準全面地報送經營數據，儼然成為銀行面臨的新挑戰。

    一位銀行合規部人士向記者透露，目前金融監管部門希望借助大數據監控與分析技術，將監管要求報送的銀行運營數據轉化成數字化、標準化的“機器可讀”程序語言，對銀行等金融機構也有明確的技術規格設定要求。但對銀行而言，信息科技風險監測需應對的是海量抽象的機器數據，它不像隱私信息、用戶信息、交易數據等業務數據那般容易理解。所以銀行等金融機構采集這些機器數據后，還需經過專業化分析，不僅將機器數據轉化成可視化的業務指標與符合監管部門的監管指標，報送給金融監管部門。

    “以往，我們遇到的最大挑戰，是通過一個腳本語言或重語言撰寫的查詢語言，很難令監管部門相對容易快速地了解到各類經營數據背后的底層數據指標是否存在異常，反而造成監管部門與銀行之間圍繞某些業務數據需要反復溝通確認，才能掌握銀行的業務狀況。”他告訴記者。因此他們正嘗試構建全新的智能運維系統，能讓金融監管部門無需花費太多溝通成本，就能快速了解銀行各類交易數據與風險狀況。但這需要銀行內部先實現報送數據的標準化與規范化操作，并通過數據降維等技術確保監管部門能快速了解到底層原始數據，從而更全面精準地了解銀行實際運營狀況。

    “我們正與一些第三方智能運維技術提供商合作，借助后者提供的動態數據采集+數據分析模塊實現各項業務全鏈路監測分析、異常行為分析、異常交易歸因分析，再實現指標變量數據匯聚與匯總計算，以可視化方式向金融監管部門提供報表展示同時，便于后者更精準地開展指標分析。”他指出。目前通過初步測試，這套智能運維技術已初步解決各項業務數據規范化與標準化問題，但在以可視化方式向金融監管部門報送經營數據方面，還需開展大量可操作性探索。

    記者多方了解到，不少第三方智能運維技術提供商正積極探索通過“區塊鏈+”融合技術，提升金融機構報送經營數據的操作效率與精準度。

    在一位第三方智能運維技術提供商看來，區塊鏈正從單一技術走向融合技術——可以與AIoT（人工智能+物聯網）、隱私計算等技術不斷融合，一面提升金融機構報送經營數據的可視化程度，一面憑借區塊鏈的不可篡改性，令監管部門可以精準了解底層原始數據，杜絕銀行在數據報送過程的弄虛作假行為。