01. 銀行業數字化轉型白皮書（2023）對研運能力建設的啟發

近日，中國工商銀行與中國信通院聯合編制了業界首份《銀行業數字化轉型白皮書(2023)》，對銀行業的數字化轉型進行系統剖析，提出了銀行業數字化轉型的基本方法、實施路徑、發展趨勢。

1）銀行業數字化轉型路徑

白皮書指出銀行業數字化轉型應從頂層設計、模式創新、科技賦能三個方面進行建設，其中IT相關的科技賦能包括數據治理與賦能、數字技術能力建設與應用兩個領域，要求通過多層級強化數據要素創新應用，多領域深化數字技術服務供給，多維度進化數字基礎設施支撐，筑牢轉型發展根基。在數字技術服務供給和數字基礎設施支撐方面對研運能力提出了對應的建設建議。

2）多領域深化數字技術服務供給能力

建設基礎技術體系。基礎技術體系為銀行提供基礎的計算、存儲、網絡以及企業級研發、運行、運維服務，是銀行的數字基礎設施。銀行業積極運用云計算、分布式技術打造開放化基礎技術架構，推進業務下主機，有效支撐業務快速增長和大數據創新應用。具體如下表1：

3）多維度進化數字基礎設施支撐能力

開展系統架構轉型。互聯網發展及大數據應用對算力提出更高需求，銀行積極推進云計算平臺建設、分布式架構轉型。具體如下表2：

從以上的建設要求來看，隨著銀行數字化轉型和新核心建設的推進，對研運能力的要求也進一步提升，一是對云原生、分布式架構的適配支持，二是對研運工作線上化、一體化的打通，三是對生產安全保障能力的體系化要求。

銀行數字化轉型及其對IT能力的要求是銀行IT從業者關注的重要問題。IT團隊應該做什么？怎么做？怎么衡量建設效果？監管機構、行業協會以及銀行數字化轉型先行者都給出了一些指引及參考借鑒，部分重要內容如下：

1. 《中國銀保監會辦公廳關于銀行業保險業數字化轉型的指導意見》：銀保監會2022年1月發布
2. 《JR/T 0271—2023 金融數字化能力成熟度指引》：中國人民銀行2023年11月發布
3. 《銀行業數字化轉型白皮書（2023）》：工商銀行、中國信通院2023年12月28日聯合發布
4. 《基于業務價值的金融業數字化轉型能力評估模型》：中國信通院2023年12月發布
5. 《商業銀行“Bank Digital Mesh”數字化成熟度評估模型白皮書》：百信銀行2023年2月發布

02. 各建設指引對研運建設的要求及建議

通過各文件的分析對比（其中《《基于業務價值的金融業數字化轉型能力評估模型》僅有模型框架圖），可以發現《商業銀行“Bank Digital Mesh”數字化成熟度評估模型白皮書》主要從云計算和敏捷交付層面提了偏泛化的要求，其他的指導意見、建設指引有涉及研發運維具體的能力、工具建設。綜合來看，銀行業數字化轉型背景下的IT建設，在研發領域，強調敏捷轉型，建設研發運維一體化工具，提升交付效率和質量；在運維領域，強調安全生產，構建集中監控能力，建設自動化運維體系，通過運維數據治理和算法的應用提升智能運維水平，其中工商銀行發布的白皮書明確指出運維核心能力包括運維基礎技術支撐、持續交付、 監控分析、應急處置、性能容量、變更風險管控。

以上對IT能力的要求實際是在要求研運過程的數字化，數字化的本質是通過數據的自動流動來化解復雜系統的不確定性。通過建設IT團隊的數字化工作空間，將人機交互、人人交互的過程數據化，讓研運數據的自動流動和消費，可以助力工作的協同、度量和改進，通過研運數字化來助力業務數字化。這需要足夠好的工具體系來承載企業的研運工作。

由于傳統建設模式會讓企業存在較多孤島式的研運工具，這些孤島阻礙了研運數據的流動，因此需要依循新的工作流程從工具層面打通整個協同過程。借鑒業務中臺建設的方式進行研運中臺建設，一是構建能力底座，將通用研運能力服務化；二是基于長期價值考慮，集成或替換現有工具融入中臺，實現數據和能力的打通；三是通過低代碼運維開發手段或者流程編排引擎做場景構建，支持變更管控、容量分析等場景。

03. 研運數字化建設思路

由于研運工作本身的復雜性，通過某一個或某幾個產品來覆蓋整個研運工作實際上是不限時的，實現研發運維的一體化并不是換一個產品，而是換一種建設方式。就如同業務系統從單體到SOA到微服務的發展，研發運維的一體化打破煙囪的方式是連接整合，而不是徹底統一。而在研發運維這樣的支撐領域，必定難以像業務系統一樣投入大量的資源做完全的微服務改造，研發運維一體化更傾向于SOA和微服務結合的模式，通過ESB或者API網關打通各個軟件系統，非核心工具系統只需要提供API和數據，部分核心模塊如CMDB則可進行微服務改造。

通過連接的方式促進研發運維一體化建設可以分為三個方面，數據的連接、執行能力的連接和場景的構建。

1）研運數據治理

要實現數據的連接，需要進行研運數據的治理，首先需要各個模塊有統一的元數據，比如說可以基于同一個CMDB做數據轉化，只有能夠識別出同樣的IT對象，數據與數據之間才可能產生連接。

其次需要可以統一調用的數據資源池，將各系統的數據做匯聚。這種數據的匯聚可以有兩種方法，高階的做法是做統一的數據存儲，這種做法技術難度高，成本大，但有利于后續運維大數據和AIOps的建設。變通的做法是做查詢接口的統一管理，基于API或者數據庫讀取的方式獲取數據，一般用于報表編輯或者其他系統的集成開發，這種做法相對簡易，但是不利于場景的擴展。

2）研運能力治理

執行能力的連接，主要實現方式是對各工具模塊的API做統一管控。通過ESB或者API網關的方式將不同工具模塊的核心執行能力做管理，并供其他模塊進行消費。

研運能力治理的難點在于存量的研運工具對外暴露的能力一般而言不會非常完整，如果需要做API開發的話需要投入不少資源做改造。在進行運維能力治理時需要有所取舍，舍棄封閉性較強的運維系統，盡量替換成開放性高，具有良好生態的研運系統，并且在進行API開發時遵循“二八原則”，在資源有限的情況下只對需要經常調用的能力做API開發，保障投入產出比。

3）通過編排進行場景構建

當把各工具模塊的數據和能力連接到一起，并構成了研運中臺能力之后，下一步就是基于這些豐富的素材通過編排的方式做研運場景的優化。編排的方式有四種：執行流程編排（自動化）、數據編排、管理流程編排、研運場景編排。

① 執行流程編排

執行流程編排即針對自動化能力的編排，將針對操作系統的腳本、平臺工作的API作為執行原子將企業內部多系統間的工作整合到一個流程模版中，實現一鍵自動化調度。通過執行流程編排可以對構建測試、投產發布、故障恢復等作業進行封裝管理。

② 數據編排

數據編排即針對數據的可視化編排，作為研運領域的BI，從各個工具模塊或IT對象中消費數據通過報表的方式做可視化呈現，實現研運工作的統計分析。一般可用于研發效能、IT服務乃至于人員績效的度量。

③ 管理流程編排

管理流程編排即針對ITSM流程的編排，在流程引擎（可支持審批、會簽、分支等基本流程需求）的基礎上還需結合執行流程編排、報表編排的功能，實現審批流、操作流、數據流的融合。一般用于需求管理、缺陷管理、投產發布、事件問題變更等管理工作。

④ 研運場景編排

研運場景編排是在數據治理、能力治理基礎上的高階應用，通過低代碼的方式基于已整合的數據和API做融合性運維工具的開發。執行流程編排、報表編排、管理流程編排會作為低代碼開發的能力項使用。研運場景編排的低代碼能力可以更快速地進行研運數字化的覆蓋。

最后，歡迎隨時與嘉為藍鯨共同探討！