本文來自微信公眾號“白鱔的洞穴”，作者/白鱔。
前陣子一個做金融投資的朋友問我學PYTHON編程難不難，我覺得很奇怪，一個做量化投資的人居然想學Python。他說現在做量化光靠腦子活不夠用了，很多人都在用AI算法分析數據。像qstrader這樣的開源項目現在在他們行業(yè)很熱門，很多人都在研究。如果他不跟上，那么就要落伍了。任何新技術出現后，都會在業(yè)務領域掀起應用的狂潮，這種事情在專業(yè)業(yè)務領域越來越多的發(fā)生，而為什么在我們的IT部門中，卻很少看到呢？
這些年IT技術的變革，新技術的出現，總是讓業(yè)務部門受益，而業(yè)務部門也不斷地利用新技術在優(yōu)化他們的生產方式和生產技能。反過來，IT部門，特別是IT運維領域，似乎這些年還都在一成不變地采用刀耕火種的模式，依靠運維人員辛勤的勞動來為各個業(yè)務部門提供良好的支撐。說的難聽一點，那就是為什么業(yè)務部門在不斷的利用新技術武裝自己的業(yè)務，而IT部門還是一群完全依靠人的身體的土八路呢？
企業(yè)在IT運維領域的投入不足是最主要的原因，不過IT部門的技術高管在技術遠見上的不足其實是其根因。正是因為這方面能力的缺失，使IT部門在運維自動化、數字化、智能化領域的藍圖完全是錯誤的。因此信息系統建設完全脫離了數字化轉型的本質，花的錢也大多數打了水漂。因此久而久之，很多企業(yè)的IT部門覺得，把錢花在人身上才是最靠譜的，任何的數字化平臺的投資都是浪費錢?；ㄥX建平臺還不如把錢省下來多找?guī)讉€外包駐場的技術人員來得實在一些。
另外一方面的因素是IT部門的信息化和數字化進程要遠遠落后于業(yè)務部門。企業(yè)的業(yè)務已經經歷了電算化、信息化，目前已經進入了數字化轉型的前期。而IT部門這些年雖然幫助業(yè)務部門實現了電算化和信息化，但是自身的業(yè)務依然處在電算化階段。能夠用電腦寫點報告材料，用簡單的EXECL或者數據庫管理一些配置信息，已經是很多企業(yè)的IT部門針對IT運維管理的最高水平了。其技術水準連信息化都談不上，更不要說數字化轉型了。
上圖是一個業(yè)務數字化轉型的工作內容，從數字化描述、數字化模型、數字化呈現到數字化執(zhí)行和數字化評估這個數字化轉型的流程來看。對于IT運維部門來說，完成IT運維的數字化描述這項工作也基本上算是一個無法完成的任務了，更不要談后面的模型、呈現和執(zhí)行了。
二十多年前，我也參加過一些行業(yè)的業(yè)務數字化建模工作，參加過冶金、郵政、電信、檢驗檢疫行業(yè)的業(yè)務系統的數據模型標準設計。其實大量的業(yè)務部門最初的模型建設都是業(yè)務專家和IT專家一起構建的。并且在多年的實踐活動中不斷的迭代和演進，其脈絡十分清晰，業(yè)務通過數字化描述后也和IT深度融合了，其繼續(xù)演進的能力很強。
反觀IT部門，除了折騰一些我一直認為是身外之物考核人的績效的KPI之外，在真正的IT業(yè)務上實際上并沒有做數字化描述的投入。因此對于大多數企業(yè)來說，都無法完整地描述出某個IT基礎設施的數據模型，更不要談針對目前復雜的IT環(huán)境進行數字化建模了。
造成這方面問題的主要原因除了這些年IT部門在這方面的投資不足外，最主要的問題還是人的觀念問題。經過這些年的發(fā)展，IT部門的領導眼中只有那些評價人的KPI，而缺乏針對業(yè)務進行數據建模的認知。2019年我在組織一個IT運維對象指標模型標準化項目建設的時候，很多IT部門的領導覺得我在做一個沒有價值的事情。都進入智能化運維的時代了，怎么還有人在干這種基礎的工作呢？針對一個數據庫對象，有必要去采集數百個指標來做分析嗎？現在有多少指標就用這些指標來做分析不行嗎？為什么還要去折騰基礎指標的事情？
如果這是在業(yè)務部門，這種觀點肯定是沒有生存空間的。不過在IT部門，這種觀點得到了廣泛的認同，好像是順理成章的事情。大家都覺得搞智能化運維才是目前的潮流，而去折騰數字化描述，那是吃力不討好的事情。殊不知數字化描述是智能化的基石，基石不存，高樓從何而起呢？在如此認知之下，那么IT部門的數字化也就只能是空中樓閣了。
