2019年夏天，一组有关中国银行业的数据看似不经意间流传出来，在中国银行业协会公布的《2018年中国银行业社会责任报告》中透露，截止到2018年末，国内已经布放自助设备共计103万台，自助设备交易笔数达400亿笔，交易总额达66万亿元，更为重要的是，全行业平均离柜率达88.68%，国内银行离柜交易额增长至1936万亿。
往前倒推一年，一款叫定损宝2.0的保险AI正式付诸商用，这个号称“将过去由人工肉眼判定车损的环节升级成用人工智能做标准化统一定损”的黑科技产品，展现出了它惊人的准确率和极快的车险定损速度，覆盖了约60%的纯外观损伤案件，减少查勘定损人员50%的工作，在此之前，国内虽有近10万名定损员，却捉襟见肘。
随着数字化、新科技的力量在金融机构中被实践应用，央行也开始深度拥抱金融科技。从2019年8月央行颁布的《金融科技（FinTech）发展规划（2019-2021年）》，到2020年央行工作会议中提出“加强金融科技研发和应用”，结合央行一直以来推动并要求的“全面提高金融服务与金融管理水平”，创新科技在金融行业的应用与实践如今得到了企业实践和行业主管部门的“双线认可”。
很显然，随着21世纪第二个十年的开始，无论是在银行、保险领域，还是在证券、财富管理等方面，以云计算、人工智能、区块链、5G等为代表的新科技正在发挥巨大的作用，推动国内金融行业在数字化转型的道路上快速前进，并在数字化、智能化的过程中，不断产生新的“化学反应”，涌现出大量的业务创新，从而在进一步提高行业运营效率的同时，优化改善与客户之间的服务关系。
但，在一片为创新科技所创造的绚丽烟花中——智能投顾、AI定损、无人网点、区块链金融这些新兴技术大声叫好的时候，行业是否将太多的注意力聚焦到了创新业务与新鲜事物之上？是否忽略了对于国内绝大多数金融机构更基础、更本质也更为关键的领域？
“双态”之下，金融IT“敏为创新 稳是基业”
分析机构Gartner在提出“双模IT（又称双态IT）”时认为，对于企业IT建设来讲正面临着巨大挑战：一方面，企业需要传统IT模式来满足传统业务对于稳定、安全等功能的需求；另一方面，移动互联网、互联网业务应用则需要快速响应，同时，这些业务也让IT部署变得不可预测，传统的可规划的IT建设模式无法满足业务发展需求。
同样的情况也发生在金融行业。作为最早开始接触信息化建设的行业，银行、保险、证券等金融机构已经构建起了规模庞大、架构复杂、品牌众多且正在支持大量关键业务的后端IT基础设施，这也就是为什么大量金融机构的业务创新都是基于新的IT（如上云）所展开的，这意味着金融机构的IT建设必须遵循“敏为创新 稳是基业”的主基调：
◆敏态IT采用“互联网+”思维模式，这意味着所支持的业务模式本身可以处在不断探索、优化、总结的过程，并且需要通过不断试错来逐步完善；
◆稳态IT支撑按照传统方式经营，战略目标明确，业务流程相对成熟的业务，目标是提升IT贡献率、降低运营风险，逐渐使用一些新技术去优化改善；
当敏态IT在支持银行将人工智能技术应用于物理网点，并将其进行智能化、无人化、数字化改造的同时，稳态IT要做的事情同样具有非常重要的意义，它至少将包括三个方面：
1、 优化IT基础设施结构，简化过去“烟囱式”的建设思维，以平台化、中台化的建设思路，提高传统数据中心的效率、利用率，并通过基础设施云化，推动IT基础设施投资从Capex转向Opex；
2、 推动关键IT项目的智能化、自动化，包括灾备、备份、存储管理、高可靠网络、安全防护等方面，尽可能降低人为因素和人力限制所导致的事故与潜在威胁，有数据显示，超过50%的安全和业务连续性故障都与“人的因素”密不可分；
3、 通过对耗费人力资源较大的运维工作的智能化、自动化和工具化，继而开展针对IT团队职能分配、能力提升和责任转变的组织优化和升级，为IT团队打开组织升级、职能扩展和个人上升的通道。
睿至：让智能在稳态IT中高效渗透 快速起效
对于许多金融机构的IT团队来说，“双态IT”下的运维对其造成了巨大的困扰，传统“稳”态运维模式的特征与新型“敏”态运维模式特征有着显著不同：前者以物力资源环境为主，面向传统三层应用架构，后者随着虚拟化、云以及容器技术的广泛应用，业务微服务架构的落地带来了许多运维理念的变革；
与此同时，在过去业务的弹性或可用性保障通过应用本地高可靠或灾备实现，应用集群横向扩展与弹性能力通过物理设备扩展实现，而在“敏态IT”中强调的是全栈的可编程性，能够通过对全局资源（既包括云也包括非云）编排手段支持横向扩展等复杂运维场景。
更让IT运维团队产生“分裂”的，是过去分工明确的生产与开发测试运维界面，那些基于ITIL标准构建的监控、流程、配置等运维体系，正在被DevOps的浪潮所影响，开发、测试和运维环节通过自动化运维工具打通，形成“你中有我，我中有你”的全新局面。
如何进一步提高“稳态IT”的运维效率和可靠性，又如何兼顾“稳态IT”和“敏态IT”？业界普遍的答案是AIOps，智能化运维，即将人工智能的能力与运维相结合，通过机器学习的方法来提升运维效率的运维体系建设，实现DevOps在运维技术层面结合AI技术的更高级效果。
作为国内较早运用人工智能和知识图谱技术解决IT运维问题的供应商，睿至大数据基于多年来在能源、电力等行业的深度实践，以数据治理、数据挖掘到场景建模分析的全业务链智能分析体系为基础，构建了支持PB级数据存储和分析能力的新一代智能运维平台，在提供“七大（常见需求）场景（如基于全量数据的全景视图、基于AI的智能巡检建议推荐等）”的基础上，提供了可自定义的大数据云微门户，支持全景分析视图、异常诊断、分享预测、根源挖掘等切实需求。
但更重要的是，睿至大数据在推动AIOps实践应用中发现，过去许多在IT运维上的创新迭代，要么使用习惯与过去格格不入难以适应，要么对原有流程影响（破坏）太大，对IT运维团队的工作效率、流程完整性会造成相当大的影响，因此睿至大数据新一代智能运维平台的一个重要建设宗旨：就是通过与现有工具集成，做到资源打通、做好AI（算法）赋能，确保产品应用符合客户原有组织、流程和应用习惯，并在此基础上，结合原有服务大型行业客户的经验，让IT团队通过技术、产品和经验的三重演进具备IT运维整体高效管控的能力。
同样的理念也贯彻到了睿至大数据的智能灾备管理平台，针对当前灾备体系建设中存在的固有问题和应用规律，包括新旧架构共存、可用性评估困难（严重缺乏系统本身的验证机制）、人工响应瓶颈（过多人工干预导致的切换过程不可控、不可信）、灾难备份预案管理分散、运维工具不足（尤其是实时性、可视性不足），睿至大数据提出“灾备三化”，即灾备状态可视化、灾备切换可控化、灾备演练自动化，持续提高灾备管理水平和工作效率。
在智能灾备管理平台中，睿至大数据将大量智能运维领域积累的技术与经验应用起来，不仅支持灾备切换场景、流程、脚本可自定义的自动化灾备切换，更进一步以灾备切换演练大屏为基础，提供了支持多应用场景的一键式灾备演练，确保IT团队可以通过大量的与真实场景尽可能接近的灾备演练确保真正出现灾备切换场景时切换的准确性和实时性。
在2020年双态IT用户大户上，睿至大数据再次将这两款产品展出，同时也带着对整个市场和行业更深入的理解，与我们的客户携手走进21世纪第二个十年。
关于Raysdata睿至大数据
北京睿至大数据有限公司（简称：睿至大数据）为中国大数据50强，专注于云计算、大数据、人工智能与智慧城市等领域的创新研究与行业实践，拥有自主研发的行业大数据平台、人工智能，云计算、大数据，灾备管理、云存储，智能化运维、超融合一体机等多种产品与全栈式行业解决方案，为用户输出同步国际的“云+数据”体系。睿至在大量行业用户的真实环境中形成一系列的成熟的算法模型，加之在云计算领域多年的技术和行业经验积累，为数据的深度利用建立了充足的技术资源储备。睿至与国内外一系列重量级客户展开全方位合作，通过建设、融合、研发等合作，建立了良好的共赢体系。并与国内外知名高校、权威研究机构成立了城市治理实验室、大数据联合实验室等科研机构，为产业提供科学标准及数据模型，支撑产业落地。
