故障修复和升级全靠工程师手工登记在各自的记事本上,而信息管理部门也很难将所有变更进行统一登记。A工程师认为原来是那样接的线、那样配置的参数,被B工程师变更而没有得到通知,导致IT运维管理成本过高。ISO27000信息安全管理体系还特别提到了这个问题可能带来的安全风险。
以上是青岛啤酒信息管理部门采用ITSM事件管理系统后发现的问题。
青岛啤酒是世界第六大啤酒生产商,是世界品牌五百强企业,也是中国国内第一家在海外上市的企业,在全国20多个省市地区拥有60多家啤酒生产企业,无论是规模还是市场份额都居于行业领先地位。作为最早一批走出国门的企业,青岛啤酒一向十分重视信息化建设:目前,企业的信息管理部有员工40多人,常驻总部的外包开发人员70多人;部门负责开发和维护50多套信息系统、100多台小型机和PC服务器以及200多台网络设备。如何运维管理如此复杂庞大的信息化基础设施,成了青岛啤酒信息部门面临的巨大挑战。
信息孤岛:ITSM系统不足以满足需求
如文章开篇所述,青岛啤酒原本使用的ITSM事件管理系统可以将事件、服务台和工单进行基本的管理。但是在长期的运行保障中,这些基本的管理还不够全面,特别是在配置管理和变更管理方面还有较大的缺陷。而该系统无法支撑整个IT运维流程的所有环节,导致信息管理部内部的“信息孤岛”情况非常严重,比如前台的工单与后台的配置管理不能很好地融合和联动,因而无法准确定位到客户满意度与IT系统缺陷之间的联系,部门年度业务规划、IT发展规划、个人绩效考评等KPI工作就缺乏客观数据的支撑。
就在原有的ITSM系统不足以满足需求之时,数据通信行业解决方案领导品牌锐捷网络凭借在IT运维管理领域丰富的经验,在深入分析青岛啤酒信息化管理现状后规划了三期运维建设路线图。
青岛啤酒三期运维建设路线图
首先,规划标准化运维管理体系。通过锐捷网络资深运维管理专家现场调研咨询,优化了现有组织结构,明确各部门在信息化运维方面的义务和职责。初步构建以服务台为核心的一站式运维服务团队;在此基础上建立全集团统一的配置管理数据库(CMDB),是所有信息化资产可视、可控、可管理,并通过变更管理流程的深化落地保证CMDB的完整性和准确性。
其次,强化服务台的调度管理功能。通过建设集中式服务台,升级呼叫中心等关键手段搭建用户与IT部门的桥梁,通过服务台的整体调度功能协调信息管理总部各岗位和运维外包人员的一致性运维工作,加强运维人员的综合管理,逐步构建以客户为中心的服务理念。
青岛啤酒信息服务平台工程师登录界面
最后,完善IT综合运维管理体系。统一构建IT综合运维管理平台,建成即统一门户、综合监控、整体运维流程管理的一体系化运维管理体系,强化服务级别的应用,逐步开展安全管理、可用性管理等一系列运维管理工作,为信息化系统的运维运行奠定基础。
据统计,自2015年7月RG-RIIL-RMC在青岛啤酒信息管理总部正式上线以来,事件管理模块帮助用户记录事件3000余条,通过呼叫中心每日提报问题30余条;配置管理结合变更管理替代用户原有传统excel的记录方式,维护资产数据3000余个。
在谈到IT运维管理时,青岛啤酒集团信息管理总部客户服务处刘处长这样说:“我们前期也考察过很多厂商的运维产品,但最终选择锐捷,看来这个选择没错。通过RG-RIIL-RMC对事件处理过程的跟踪记录、以及用户反馈的情况来看,我们的服务效率及客户满意度确实在提升。同时通过KPI报表,对服务人员工作的效率、质量都得到了量化的统计,这是帮助我们分析未来服务改进方向的重要指标。我们现在正在做明年的整体规划,也希望能通过这个平台,挖掘更多的合作机会,使运维水平更上一层楼。”
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。