LinkedAIOps落地实践

大家看到“落地”这个词有没有一种似曾相识的感觉？最近互联网黑话又被翻了出来一顿DISS，小编也给大家现挂一段：

LinkedAIOps旨在以大数据技术为依托，以机器学习和人工智能为抓手，把在BAT级的多年运维认知和技术沉淀迁移到金融、政企等多个细分领域，凭借在智能运维领域多年深耕和对行业场景复制性的充分认识，聚焦智能运维赛道，打通数据收集治理、故障发现和快速响应、根因精准定位运维闭环，实现降低MTTR提升SLA的具象化目标，真正赋能行业。

是不是有点意思？这些描述甚至被认为是不讲“人话”，有人说互联网黑话一定程度上反映了当下行业风气，但也有人认为在一定语境这些黑话可以降低沟通成本，说到底大家关心的还是这些词背后的实际意义，今天就以灵犀AIOps的成功经验来实实在在了解一下我们是怎么“落地”的。

先来看看广义上的落地：

今天我们主要讨论的是狭义上的落地，即把解决方案以产品的形式运行在客户的运维系统上，真正在客户运维系统建设中提供价值。

在ToB行业我们场景落地往往需要以下三个过程：可行性方案确认、POC验证、实施和交付。

1、可行性方案确认

其实本阶段之前还有个第0阶段，就是交流和确认业务痛点。这部分很关键，只有充分认识客户需求才能进行准确的方案评估。在确认最终解决方案的时候，大部分厂商都会遇到一个进退两难的问题：复制性和定制化的权衡。

复制性指的是方案提供方在行业积累的最佳实践，而定制化则是客户的个性化业务场景，这也是对厂商的最大挑战。这就需要厂商拥有丰富运维场景实战经验，灵犀通过多年的积累形成了自己的方法论：通用覆盖、个性挖掘、方案共建。

通用覆盖：统一的数据收集和处理、异常发现和根因分析方案，如自研的日志聚类和模式发现专利算法，多种异常检查算法，颗粒化到访问量、延迟、CPU、磁盘等。

个性挖掘：充分收集并理解客户的实际运维场景，如证券的报盘、银行的转账、红包、假日等，要求方案紧贴客户场景。

方案共建：这也是灵犀一直秉承的理念，我们邀请客户直接参与到我们的方案建设中，和客户一起成长一直是我们的初心。

（关于这部分方法论有机会和单独和大家分享）

2、POC验证

OK方案有了，是骡子是马得拉出来溜溜了，灵犀一直坚持以技术为导向来落实解决方案，同时我们也会充分理解客户的难度如数据整理成本、数据分析成本、机密性等。我们在POC数据方面一直有自己的指导方针，数据接入前我们会在数据、流程、规范性等方面和客户进行充分的接洽，从而在POC以及后面的实施中充分暴露数据中的问题。在POC整个过程中我们都有严格的规划和限制包括POC时长、准确度等。

我们的指导思想只有一条：机器学习赋能专家经验，当然我们的最终目标是人工智能，但现阶段只有结合才能真正实现收益最大化。其实这一点也比较好理解，AIOps的参与旨在降低专家经验的门槛，机器学习解放运维压力。

3、实施和交付

灵犀在交付过程中不止有交付工程师的投入，在后方我们会以项目组的形式为每一个客户配置从产品、研发、算法等多个角色，以应对交付和产品使用中出现的问题，不同的工程师会被分配到多个项目组，以实现“通用覆盖”。在实际的交付中我们会遇到POC中被隐藏的数据量问题（即性能问题）、输入输出（对接多方数据、个性化输出）等，为此我们有专门的工程优化和数据中台团队，多方保证高效交付。

行百里者半九十，签单只是开始，实施和交付才是兑现价值的关键时刻，如何把POC中的局部问题放大到整个系统？如何把产品融入到客户的运维体系，高效的发挥作用？交付不只是把你的产品部署到客户的机器上，而是要把你的能力“部署”到客户故障解决场景中。

这里透露小机密：灵犀有个内部的要求就是每一个和客户直接对接的技术人员在项目结束之后要成为可以直接在客户运维部门供职的人员。

客户驱动、用户第一，在智能运维落地方面我们能做的只有把自己真的置身客户的实际场景中，一起成长，成败共系。