赵宇辰：“大家好，我是赵宇辰，很高兴有这样的机会和大家分享。也很感谢大家坚持到现在，其实我的职业生涯10年都是在美国从事很多数字化的研究和数字化的优化，服务了很多国外的比较优秀的银行，比如说美洲银行等等。后来回国加入听云，今天很高兴有这样一个机会跟大家分享一下我今天的主题，就是AI+业务运维成就数字新基建。
我们想想，其实很多人可能还记得我们图上的这个场景，去银行我们拿一个泛黄的存折去柜台进行存钱、取钱，进行交易，刚刚很多领导说门店已经越来越少人真正去实体进行交互。我们发现很多信用卡都是用手机银行网上银行操作。各个银行都有数据中心，都是银行的私有云或者跟其它合作做公有云，甚至网管中心有网络，包括很多银行在对外提供一些服务，有混合运营。同时客服中心也在建立非常数字化的过程。我们看到很多银行正在引入一些AI的手段，做智能机器人，智能客服，服务更多的老百姓。
整个数字化带来非常大的挑战，虽然给很多的客户带来了很多便捷，其实这个数字化并不是一蹴而就的，并不是一下能搞定的事。随着数字化进程，大家在网上可以畅所欲言，包括很多APP，在买基金或者进行转账的时候，可能经常看到转不出来，导致很多用户到网上抱怨。出现无法登录或者无法绑定银行卡等各种各样的问题。数字系统它的性能、体验、包括刚才讲的风险的控制，其实直接影响业务。以前业务是线下进行各种各样的操作，现在全部搬到线上。
我们就会发现要使业务正常进行，就需要一定有好的监控手段，不管是用户角度，还是业务角度，还是刚刚讲的从风控、安全的角度，都需要做监控。以前传统的基建，盖各种高楼大厦有很多监控的手段，比如布各种摄像头，而数字领域如何做监控，则需要用数字化手段。
数字化时代监控越来越重要，有四个比较大的数字化的变革。我们讲数字新基建，到底体现在什么地方？很多非常传统的行业都在进行变化，除去我们刚刚讲的银行，其它行业也是这样。比如买车票，买飞机票，很少去实体，都是通过手机购买。包括保险，可能做一次赔付很多都是APP做的。未来所有的企业被很多人称做金融科技。
另外IT本身正在进行非常大的变革，传统的IT是成本中心，到我们企业内部很多东西放到了数据中心里边，本质上相当于是一个数据库，比如ERP是财务的数据，HR是企业内部员工的数据，其实IT系统体验好不好、有没有问题，一般都在内网，安全的不会出现太大问题，这个是支撑业务的成本中心。而这个非常大的变革就是，越来越多数字系统在前台，不单单在后台，可能跟用户之间的交互、跟客户之间的交流，直接代表业务的本身。同时直接代表了一些竞争优势，很多新一代的使用者，可能仅凭你的数字体验更好更方便，所以就选择你的服务。
另外，应用复杂度也呈爆炸式的增长，很多时候我们为了让这个系统更加安全更加高效，会引入新的功能，新的工具，这样导致整个的IT系统，或者数字新基建系统非常复杂。可能在简单的购买基金过程中，经过几十个交付，这样中间出现比如客户说这个基金买不了，或者红包为什么没抢成功，中间是某一台服务器出问题，或者手机机型不适配，或者网络某一个地级市的移动宽带出现问题等等，如今这么高的应用系统怎么保障性能和安全，是一个非常重要的事情。
同时很多人很关注开发，需要去招聘很好的工程师，招聘很好的研发人员做各种各样的开发，各个银行有自己的软件开发中心。Google也说到，开发和运营在水下，占很多成本。一个软件或者APP，任何一个数字化系统，搭建的时候需要半年、一年的时间，搭建完持续运营的时间会达到三到五年，甚至更长时间，运营的成本非常高。同时数字化体验也非常高。如果说用户一个网站超过5秒或者8秒打开不了就会放弃，又或者一个APP老崩溃，就会换另一个。同时福布斯报告说81%的买家单纯因为体验感好，就会选择一个体验更好的数字化服务。
综合这四点，传统的很多监控是不能解决问题的，传统监控只监控最底层，比如看网络内存很基础的指标，实际上没有从上往下看，从上往下看是一个用户真正使用数字化系统的时候，比如使用网银，使用渠道系统的时候真正的体验如何？对业务造成收益是如何的？如果有一个故障，有一个BUG造成损失，整个数字化交易成功率是多少？同时监控各种各样的层面，为什么还有很多客户仍然在投诉？我的VIP客户怎么保证？
同时有很多外包团队，有一些是自己的团队做的，有一些是外包团队做的。我们从四个角度观察，第一个角度从最底层的资源层面，怎么保证数字基建的性能；第二层面从系统层面，软件层，各种各样的软件，有可能是自己内部开发的，或者各种云开发；第三从人的角度，真人用户用得怎么样？流不流畅？第四个是从业务的角度，任何一个企业不单单是一个业务，内部是非常多的不同的业务，一个业务里有子业务，作为CEO关注每个业务表现怎么样，每个业务里子业务情况又如何。核心是这四点，中间是我们的数据，希望把各种各样的数据搜集下来服务这四点。
听云有多元探针的手段，解决以前的困境。以前企业内部数据来自不同的部门，这些数据是相互打架的，那我们把小的探针放到不同的服务上，把数据回传回来。偏业务的比如说全局有交易流水号，这笔金额过来的时候，金额是多少？如果是跟用户，那么用户手机号是多少，这笔交易是成功还是失败，所以业务数据可以抓取下来，如此就形成端到端的数字基建性能感知了。
比如前端的时候用的是网页端，小程序，甚至微信公众号的推送，包括APP，经过网络到了我们后台服务端，后台上千台服务器，各种各样软件应用，最后把结果返回。期望能不能构建全视图就知道交互关系怎么样。对于用户体验希望有整套指标管理体系，我们精确到什么程度？下载一个APP，把这个APP杀掉，再启动一次，或者把这个APP放在后台打开微信再切回来，都有非常完整的指标体系来衡量。很多时候关注的是业务的表现情况，比如今天有多少笔交易，这些交易来自全国哪些地方？我的环比、同比怎么样，每类业务日活分布如何，每一类交易重点用户分布怎么样？这些能不能同时也相应地制定一些监控，企业根据这些指标做监控，出现异常的时候，可以智能地进行软件的推送。
比如整个银行，我想看除了IT系统之外，承载的IT系统上面有多少交易指标，每天这么多交易量，有多少错误，比如典型的业务错误--用户的今天区块金额导致上限了，导致失败；或者这个渠道满了，所以不能从这个渠道买了，所有的一切是不是关联到一起？具体看看交易类型的错误的分布情况。
另外可以点击详情，看看每一笔错误交易，失败或者成功的原因是什么？目前因为数据最终都汇聚到中台也好，也能做很多不一样的事情。刚才有老师讲做一些转换，现在银行渠道也很多，这些可能很多用户通过互联网其他渠道过来，我们是不是可以把业务流转换刻画出来。如果一个用户从提交注册到实名认证，到人脸识别，再到银行卡提交，每个操作流失的用户数比例多少，流失大的原因是产品没设计好，还是有IT故障。比如人脸识别掉了一个第三方的KPI，这样可能会去换第三方人脸识别，要不然采用一些别的方式进行补救，这样清晰的刻画业务流转过程。因此可以让企业或者银行做到更加精细化的管理。
同时其实我们数字化手段在于会把很多的客户的投诉聚合起来。以前的投诉会通过当地的支行门店进行解决，现在发现这些客户投诉会更加中心化，怎么处理很复杂的场景。比如支付就是不成功，但是实际上并不能复线，或者客户人员复线不了。发现经常走一些不一样的流程；比如老人家手比较抖，他不小心点到回馈，就导致程序崩溃了。碰到这种场景，数据全部输到系统里，到底这个用户进行了哪些操作，一系列操作真的确实出现问题。我们看经过哪些流程和步骤最后导致失误。可能在强的网络情况下，wifi不会出错，很弱的情况下会出现这样的错误。如果是这样的话我们会具体地分析，客户为什么去投诉，投诉的原因是什么，怎么解决这样的问题。
总体来说由于现在数据化系统越来越多，希望各个银行各个数字化系统用一套系统说话，避免每个业务部门只说自己的数据，导致不再一个频道或者用一个标准、一个体系来进行沟通。我们希望可以构架这个IT和业务之间的桥梁。比如一个客户，他们的实施关联交易是多少，他们的趋势是怎么样？今年错误率提升了，到底有哪些影响，是否是前端或者后端的问题，出错的情况下，把出错的东西专发给产品。
那我们结合下主话题，希望能跟AI结合起来，到底怎么结合？本质上AI不是目的，目的是帮助用户降本增效。以前几天几个小时做的事，现在是不是分钟能解决。同时以前主动地系统里看，现在是不是能自动推送？今天是不是就这两个问题需要解决，AI为什么认为这是一个问题。出现问题的时候，是否能够一键排查，可能数据库出现问题，可能这个前端的银行代码出现问题，或者就是对某个机型适配性出现问题。
同时每天会有大量的告警，这么多的告警不能形成一个数据孤岛，分别散落在不同的地方，是不是合在一起智能地判断，这些告警是因为一个事故造成的。可能是因为某个数据出错了，导致出现一系列连锁反应。
我们希望有一体化的解决方案，去智能监控，让这个数字世界更美好，核心就是希望有一个统一的数据采集的模式，不管数据来源于前端、后端、各种各样的数据，只有数据是整个平台的核心，这样可以打破生态和系统割裂，做成统一的平台。同时能结合各种各样的场景，不管是安全的、运维的、运营的场景，都能满足其场景需求。
虽然内在的数据是一样，但表现形式是不一样的，以前是偏人工，现在是更加智能。所以最后总结一下，其实我们很多时候，最开始做的数字基建，关心的首先是这个系统可以用起来，最起码让用户的体验和性能可以理解的。再往前，企业每年这么多IT投入，上面到底有哪些业务，如果出现问题会影响哪些关键业务，怎么做业务分析，获客分析，渠道分析，是不是能够加入一些智能。这样更加为企业提质增效，降低成本。将人力释放出来，可做更多创造性的东西，很多重复性的劳动交给机器，对于未来对于风险管控是不是把智慧沉淀下来。只有结合了这四个阶段，我们才能帮企业帮银行做最好的决策的推荐，同时帮助我们达成这样的业务目标。这就是我今天分享的内容，谢谢大家！”
目前，AI能够帮助企业解决很多繁琐的问题，听云注重提升AIOps能力，持续增加研发投入，结合大数据分析、机器学习和AI可解释性，通过使用基于算法的技术推进数字化的IT运营，让IT运维变得简单化和高效，为银行以及其它企业带来更优质的服务体验！
