在他看来，要完成这项任务，绝非易事。一是银行内部很多部门的业务操作IT系统仍相互割裂，导致IT部门无法知道很多业务故障到底出现在哪个业务操作节点；二是当业务故障出现时，银行内部的故障溯源分析能力偏弱，需要大量时间才能解决；三是当前银行部门的监控、运维系统仍然各自为政，往往只关注到某个层面的业务故障，缺乏前瞻性的业务规划以降低新场景金融业务的故障发生率。

尽管这些智能运维技术提供商争相介绍全新的AI智能技术将如何提升银行业务故障提前洞察、归因分析、迅速解决的效率，最大限度确保银行运维的可靠性与业务故障极低发生率，但银行方面更不愿意为了适配新智能运维系统开展大量的业务迁移。对银行而言，运维的稳定性与安全性相比新智能技术应用更重要。

“对银行而言，智能运维系统的建设，不在于引入多少新智能技术，而是能否最大限度提升异常状况检测、异常状况归类、智能根因分析、落实解决方案、防止异常状况再度发生的效率。”他强调说。

引入智能运维技术面临诸多挑战

“事实上，要完成这些考核要求，难度不小。”上述城商行IT部门负责人告诉记者。以在线个人消费信贷审批业务为例，整个业务流程涉及网银交易系统、网贷链接平台、信贷交易系统、“公检法”交易查询审查系统、身份核查系统、征信统一前置等多个系统，在实际操作环节，由于不同业务系统存在IT割裂，且银行无法做到全流程监控与数据采集管理分析，任何一个业务环节出现数据交互差错，就可能导致整个业务流程效率低下甚至出错，但银行内部若要对业务故障进行归因调查分析，又要梳理追溯不同业务部门的原始数据，整个操作流程异常繁琐且效率低下，甚至有时IT部门人员不知道业务障碍到底发生在哪个业务环节。

“目前，我们也在尝试引入第三方智能运维技术提供商，帮助我们搭建智能运维系统。”他指出。引入外部机构的一大好处，是有更高几率说服各个业务部门同意引入新的智能运维系统，此外第三方智能运维技术提供商可以通过AI智能与大数据技术，解决数据业务大规模迁移过程的差错问题。更重要的是，部分第三方智能运维技术提供商的AI能力，有助于解决传统监控运维系统生态割裂、视角单一、被动查找等痛点同时，结合大数据分析、机器学习、AI可解释性和知识图谱等关键技术有效提升业务故障、归因分析、解决方案快速落地、防止异常状况复发等效率。

这背后，与中小银行运维部门的技术水准与IT资源投入有着密切关系。记者多方了解到，中小银行因 IT投入有限，往往会将数据输出放在小型机器设备，导致他们对智能运维技术引入与部署数据采集节点有更高的要求，以解决相对复杂的数据串联打通等问题，但这导致第三方智能运维技术提供商更难实现数据采集链条的稳定性与安全性。

值得注意的是，如何借助智能运维技术向监管部门精准全面地报送经营数据，俨然成为银行面临的新挑战。

“以往，我们遇到的最大挑战，是通过一个脚本语言或重语言撰写的查询语言，很难令监管部门相对容易快速地了解到各类经营数据背后的底层数据指标是否存在异常，反而造成监管部门与银行之间围绕某些业务数据需要反复沟通确认，才能掌握银行的业务状况。”他告诉记者。因此他们正尝试构建全新的智能运维系统，能让金融监管部门无需花费太多沟通成本，就能快速了解银行各类交易数据与风险状况。但这需要银行内部先实现报送数据的标准化与规范化操作，并通过数据降维等技术确保监管部门能快速了解到底层原始数据，从而更全面精准地了解银行实际运营状况。

记者多方了解到，不少第三方智能运维技术提供商正积极探索通过“区块链+”融合技术，提升金融机构报送经营数据的操作效率与精准度。

<p style="margin:0px auto 25px;padding:0px;color:#535353;font-family:"font-size:16px;white-space:normal;background-color:#FFFFFF;text-indent:2em;">在一位第三方智能运维技术提供商看来，区块链正从单一技术走向融合技术——可以与AIoT(人工智能+物联网)、隐私计算等技术不断融合，一面提升金融机构报送经营数据的可视化程度，一面凭借区块链的不可篡改性，令监管部门可以精准了解底层原始数据，杜绝银行在数据报送过程的弄虚作假行为。