需要决策的地方，都需要数据支撑，大数据的价值就在于此。随着云计算、大数据、移动化、社交网络等新兴应用的蓬勃发展，IT运维的数据量开始爆发。那么，这些数据是待开垦的荒山，还是价值连城的金山呢？人工智能（Artificial Intelligence）+商业智能（Business Intelligence）+数据智能（Digital Intelligence）的结果，或许就是这把锄头。
数据资产早已存在,但为何用不起来？
随着移动互联网、大数据、物联网和云计算等新兴技术的崛起以及互联网+、中国制造2025等政策支持的频频出台，越来越多的企业开始争先恐后地加入数字化转型浪潮中。据IDC数据显示，截止2017年年底，全球2000强企业中三分之二的首席执行官都会把数字化转型放在其企业战略的核心位置。
毫无疑问，数字化生产运营过程中所产生的数据信息已经成为重要的核心资产，这为IT运维管理赋予了更多内涵。IT部门需要聚焦企业信息资产价值挖掘，将现有的数据进行有效的整合，快速准确地提供报表和决策依据，方能帮助企业做出明智的业务运营管理决策。但是，以现有的能力，这几乎成了“不可能完成的任务”。
首先，运维数据增长迅速、体量庞大，但可用于经营决策和业务优化的数据分析模型和报表较少；其次，ETL、计算引擎、BI、深度分析等，每一个工具都是不同的产品，致使报表工具细碎化，采购成本增加，学习成本增加；最后，报表结果永远处于“过去时”，静态化模型无法实现交互分析，二次开发只能望梅止渴。
从荒山到金山，IT运维如何打造BI平台
数据放在那里，就只能是座荒山。因此，我们需要一把锄头，把它刨开，。比如：用这把锄头将日志数据、工单数据、监控数据等进行整合，告别数据孤岛；把各种报表之间的通道刨开，将数据重新组合，提取出最精确的数据用于决策；为数据可视化开山修路，让这座荒山变得井然有序，一切美景尽在眼底；修建运维数据的“金库”，对业务部门的信息需求快速响应，做好数据支撑，提升IT部门价值。
针对上述需求，北塔软件以BTSO平台为核心，推出了基于BI的运维报表解决方案，实现了对不同方式采集到的数据信息进行整合，包括：机房环境数据、网络环境数据、业务系统相关数据（如：服务器、中间件、数据库的信息）、流量数据、业务指标数据、日志数据以及与之相关的流程、资产、人员信息，告别信息孤岛，通过对数据进行建模、分类、关联、钻取、分析、挖掘，协助用户实现“从数据荒山到数据金山”的壮举。
图：北塔软件基于BI技术的运维报表解决方案
从内部实现方式上看，首先由采集引擎将数据采集并存储到数据库中，ETL工具将数据经过抽取、清洗、转换、加载等步骤对数据进行处理。然后，将有“含金量”极高的数据提取出来，经过BI工具将提取出来的数据进行有效整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策。
从外部展示方式上看，用户可以通过拖拽方式进行任意数据探索和查询，列过滤和列位置调换等功能，实现了临时性的报表随时输出、表格数据的动态展示，提高了查看报告的灵活性。此外，BI解决方案还引入了第三方 GIS 地图功能和热力图，可清晰直观地在地理地图上显示相关“金砖数据”，同时实现了流量分析、分布分析、密度分析等需求，将分析、处理、决策等功能全面集成。
机器学习替代人力，百亿数据也能秒开
IT运维常常遇到“自我救赎”的问题，比如：当我们完成IT基础设施自动监控之后，运维人员每天面对着海量的运维数据却不知道如何着手去综合分析和挖掘数据之间的相关性，更别说对这些数据进行有效利用了。而大数据为我们带来了什么？数据，让一切有迹可循，让一切有源可溯。数据，也将是我们身处万物互联化、万物智能化时代的DNA。
但是，若没有合格的数据质量，以及到位的数据清洗、管理流程和系统，在海量数据分析面前，你有极大的可能性，会陷入垃圾数据的陷阱。而当大数据和机器学习（ML）技术整合之后，不但可以让我们从繁复耗时、容易出错的基础运维工作中彻底解放出来，更可以让我们专注于更有价值的业务数据。
为此，在北塔软件BI解决方案中也融入了机器学习算法，包括 K-Means 聚类、逻辑回归分类、关联分析、决策树等，用户可应用这些算法轻松建模。通过高性能基础架构、深度算法和敏捷运算，实现从百万到百亿数据分析，达到秒级响应，帮助用户洞察无法直接观测到的数据背后的关联、趋势和逻辑。
