需要決策的地方， 都需要資料支撐， 大資料的價值就在於此。 隨著雲計算、大資料、移動化、社交網路等新興應用的蓬勃發展， IT運維的資料量開始爆發。 那麼， 這些資料是待開墾的荒山， 還是價值連城的金山呢？人工智慧（Artificial Intelligence）+商業智慧（Business Intelligence）+資料智慧（Digital Intelligence）的結果， 或許就是這把鋤頭。
資料資產早已存在,但為何用不起來？
隨著移動互聯網、大資料、物聯網和雲計算等新興技術的崛起以及互聯網+、中國製造2025等政策支援的頻頻出臺， 越來越多的企業開始爭先恐後地加入數位化轉型浪潮中。 據IDC資料顯示， 截止2017年年底， 全球2000強企業中三分之二的首席執行官都會把數位化轉型放在其企業戰略的核心位置。
毫無疑問， 數位化生產運營過程中所產生的資料資訊已經成為重要的核心資產， 這為IT運維管理賦予了更多內涵。 IT部門需要聚焦企業資訊資產價值挖掘， 將現有的資料進行有效的整合， 快速準確地提供報表和決策依據， 方能幫助企業做出明智的業務運營管理決策。 但是， 以現有的能力， 這幾乎成了“不可能完成的任務”。
首先， 運維資料增長迅速、體量龐大， 但可用於經營決策和業務優化的資料分析模型和報表較少；其次， ETL、計算引擎、BI、深度分析等， 每一個工具都是不同的產品， 致使報表工具細碎化， 採購成本增加， 學習成本增加；最後， 報表結果永遠處於“過去時”，
從荒山到金山， IT運維如何打造BI平臺
資料放在那裡， 就只能是座荒山。 因此， 我們需要一把鋤頭， 把它刨開， 。 比如：用這把鋤頭將日誌資料、工單數據、監控資料等進行整合， 告別資料孤島；把各種報表之間的通道刨開， 將資料重新組合， 提取出最精確的資料用於決策；為資料視覺化開山修路， 讓這座荒山變得井然有序， 一切美景盡在眼底；修建運維資料的“金庫”， 對業務部門的資訊需求快速回應， 做好資料支撐， 提升IT部門價值。
針對上述需求， 北塔軟體以BTSO平臺為核心， 推出了基於BI的運維報表解決方案， 實現了對不同方式採集到的資料資訊進行整合，
圖：北塔軟體基於BI技術的運維報表解決方案
從內部實現方式上看， 首先由採集引擎將資料獲取並存儲到資料庫中， ETL工具將資料經過抽取、清洗、轉換、載入等步驟對資料進行處理。 然後， 將有“含金量”極高的資料提取出來， 經過BI工具將提取出來的資料進行有效整合， 快速準確的提供報表並提出決策依據， 幫助企業做出明智的業務經營決策。
從外部展示方式上看， 使用者可以通過拖拽方式進行任意資料探索和查詢， 列過濾和列位置調換等功能， 實現了臨時性的報表隨時輸出、表格資料的動態展示， 提高了查看報告的靈活性。 此外， BI解決方案還引入了協力廠商 GIS 地圖功能和熱力圖， 可清晰直觀地在地理地圖上顯示相關“金磚資料”，
機器學習替代人力， 百億資料也能秒開
IT運維常常遇到“自我救贖”的問題， 比如：當我們完成IT基礎設施自動監控之後， 運維人員每天面對著海量的運維資料卻不知道如何著手去綜合分析和挖掘資料之間的相關性， 更別說對這些資料進行有效利用了。 而大資料為我們帶來了什麼？數據， 讓一切有跡可循， 讓一切有源可溯。 資料， 也將是我們身處萬物互聯化、萬物智慧化時代的DNA。
但是， 若沒有合格的資料品質， 以及到位的資料清洗、管理流程和系統， 在海量資料分析面前， 你有極大的可能性， 會陷入垃圾資料的陷阱。 而當大資料和機器學習（ML）技術整合之後，不但可以讓我們從繁複耗時、容易出錯的基礎運維工作中徹底解放出來，更可以讓我們專注於更有價值的業務資料。
為此，在北塔軟體BI解決方案中也融入了機器學習演算法，包括 K-Means 聚類、邏輯回歸分類、關聯分析、決策樹等，使用者可應用這些演算法輕鬆建模。通過高性能基礎架構、深度演算法和敏捷運算，實現從百萬到百億資料分析，達到秒級回應，幫助用戶洞察無法直接觀測到的資料背後的關聯、趨勢和邏輯。
而當大資料和機器學習（ML）技術整合之後，不但可以讓我們從繁複耗時、容易出錯的基礎運維工作中徹底解放出來，更可以讓我們專注於更有價值的業務資料。為此，在北塔軟體BI解決方案中也融入了機器學習演算法，包括 K-Means 聚類、邏輯回歸分類、關聯分析、決策樹等，使用者可應用這些演算法輕鬆建模。通過高性能基礎架構、深度演算法和敏捷運算，實現從百萬到百億資料分析，達到秒級回應，幫助用戶洞察無法直接觀測到的資料背後的關聯、趨勢和邏輯。