将数据自助服务做深做精

这是学习笔记的第 1837篇文章

今天和同事脑洞大开聊了下以后的生活，我说简直不可想象啊。假如我们都保持现在的状态，时间轴推进到30年以后，公司还在，我们还在公司，公司还需要我们，我们六十岁的时候生活会是一番什么样的景象，可能开会都得用大喇叭了，

想想那个时候，我们都老得走不动了，还得互相搀扶着去爬楼梯开会，三天两头生病请假，估计挤地铁都挤不动了。。。。

当然时代要进步，我们的生活也会发生天翻地覆的变化，就如同我们的父母一样来适应这个世界。

在这样的一个时代，未来充满未知的前提下，我们如何来规划自己，说实话我也没有答案。

不过我可以用身边的一些例子来解释，用这些例子和我们工作中的自助服务结合起来，这也就是我近期要着力去做的一个方向。

我们来回想一下，我们10年前是怎么取钱的，基本都是在银行里取钱，大多数时候还得排队，后来有了自助提款机，好像一下子方便了很多，当时感觉这应该就是终极解决方案了吧。然后有了信用卡的大规模普及，感觉一下子好像不用准备那么多现金了，所以取钱的强烈需求也慢慢减弱，再到如今的互联网时代，信用卡都见怪不怪，互联网本身就是一个大平台，连信用卡的需求都没有那么强烈了。所以现在各行各业都在革命，都在吃紧，而生活却越来越方便。原来可以忍受的业务场景现在我们都选择了放弃，这算是自助服务的一个迭代和进阶的过程，这一切都在我们身边发生，我们不知不觉就接受了。

地铁卡的变化相对要晚一些，原来是地铁卡充值，要退卡的时候还得去一些指定的站台排队，充值也基本都是一个小长队，而且卡使用时间一段时间之后，卡就会越来越不灵便，就得考虑换卡。以前还出现过手机指扣大小的地铁定制卡，到了现在完全变成了互联网的方式，我已经想不起来我多久没用过地铁卡了，从第一次尝试到现在，我已经完全习惯了扫二维码坐地铁的生活。

再到不需要二维码的NFC方式，这一切都在悄然改变。

所以任何服务，在看不到头的时候总会有新的模式推出来，有些看起来换汤不换药，但是等我们想明白，人家已经工业化使用了。这也就是我们思维的差异，用作一句很时髦的话来说，这是一种降维打击。

之前忙忙乎乎的做运维平台的事情，参与了搬砖苦力的蛮荒时代，到了现在已经相对规范的过程，从整个链条的打通到现在在自助化，自动化服务，其实我想明白了很多问题，有些问题是在特定阶段的特定沉淀基础上才能有新的理解和收获。任何平台和事情在初期都有很大的空间，但是我们如果局限于此，我们所做的事情范围就越窄。就如同基础设施的建设一样，总有成熟和完善的那一天，只是在那个时候我们参与的形式有所差异，但是逐步要往上走才是我们需要考虑的方向。所以在这个基础上，我们完成了拓荒，但是我们在建设力度和改进力度上其实已经开始有一种迷茫的松懈了。 所以我需要对已有的工作方向做出一个更深层次的定义，那就是把自助化服务做深做细，深耕于业务之上的应用才是相对成熟的应用。

所以在这个基础上，我觉得很多人的工作其实还不到位，我们需要了解：

每一台服务器，都不是一个孤立的个体。

理解了这句话，就会对我们的运维工作有一种新的认识和更高的要求。

这个基础上怎么做深做细，本质上是要做好数据分析，利用数据来产生数据价值，既然数据分析是运维服务的源动力，其实可以按照以下的三个步子来走。

1.建立数据模型

模型的设计和可扩展性是一个关键因素，良好的模型和架构设计会让我们面对复杂需求的时候更加得心应手，最理想的情况下，我们不需要改动代码，而是最多通过配置即可搞定。

2.基于大量历史数据的分析

要去体现运维数据的价值，一种方式就是基于大量的历史数据，做出基于现状的数据决策或者问题提示，如果你主动发现了问题，而且对于问题的解决方案也得心应手，没有理由会和业务疏远。

3.基于算法的历史数据分析

基于历史数据的分析本身是有一些瓶颈，基本是上基于阈值或者有一定的浮动范围来做计算，但是更合理的方式是基于定制算法来深度分析。这一块的工作门槛和要求很高，所以我们也要忘记哪些蹩脚的设计和分析方法，而把更全面的数据分析建立在工作之上。