要實現這項任務很困難。首先，銀行內部許多部門的業務操作IT系統仍然相互孤立，導致IT部門無法確定業務故障出現在哪個業務操作節點；其次，當業務故障發生時，銀行內部的故障溯源分析能力不強，需要花費大量時間來解決；第三，當前銀行部門的監控、運維系統仍然各自為政，只關注某個層面的業務故障，缺乏前瞻性的業務規劃以降低新場景金融業務的故障發生率。

因此，一些銀行開始邀請第三方智能運維技術提供商來解決這些問題。盡管這些技術提供商介紹了如何利用AI智能技術來提升銀行業務故障的預測、分析和解決效率，但銀行更關注運維的穩定性和安全性，而不是引入新智能技術。

另一位股份制銀行IT部門人士透露，引入大量新智能運維系統以降低業務故障發生率和提升業務故障分析解決能力，還需要解決一些問題，包括數據采集管理難、數據庫建設難、數據處理能力弱、無持續開發性等問題。

他強調，對銀行而言，智能運維系統的建設并不在于引入多少新智能技術，而是能否提高異常檢測、智能根因分析和防止異常狀況復發的效率。

引入智能運維技術面臨很多挑戰。隨著金融服務融入越來越多場景，銀行內部對各類場景化金融服務的可靠性和反應速度的要求越來越高，包括要求業務響應率、響應時間、成功率、耗時在分鐘級完成，在線個人消費信貸審批等新型業務甚至要在秒級快速完成。然而，實現這些要求并不容易。

城商行IT部門負責人表示，以在線個人消費信貸審批

熱點：金融 銀行