时间:2023-07-20|浏览:193
要实现这项任务很困难。首先,银行内部许多部门的业务操作IT系统仍然相互孤立,导致IT部门无法确定业务故障出现在哪个业务操作节点;其次,当业务故障发生时,银行内部的故障溯源分析能力不强,需要花费大量时间来解决;第三,当前银行部门的监控、运维系统仍然各自为政,只关注某个层面的业务故障,缺乏前瞻性的业务规划以降低新场景金融业务的故障发生率。
因此,一些银行开始邀请第三方智能运维技术提供商来解决这些问题。尽管这些技术提供商介绍了如何利用AI智能技术来提升银行业务故障的预测、分析和解决效率,但银行更关注运维的稳定性和安全性,而不是引入新智能技术。
另一位股份制银行IT部门人士透露,引入大量新智能运维系统以降低业务故障发生率和提升业务故障分析解决能力,还需要解决一些问题,包括数据采集管理难、数据库建设难、数据处理能力弱、无持续开发性等问题。
他强调,对银行而言,智能运维系统的建设并不在于引入多少新智能技术,而是能否提高异常检测、智能根因分析和防止异常状况复发的效率。
引入智能运维技术面临很多挑战。随着金融服务融入越来越多场景,银行内部对各类场景化金融服务的可靠性和反应速度的要求越来越高,包括要求业务响应率、响应时间、成功率、耗时在分钟级完成,在线个人消费信贷审批等新型业务甚至要在秒级快速完成。然而,实现这些要求并不容易。
城商行IT部门负责人表示,以在线个人消费信贷审批