基于人工智能技术的信息系统运维数据整合方法

基于人工智能技术的信息系统运维数据整合方法

杨宇

渤海造船厂集团有限公司科技与信息化部  辽宁省  葫芦岛市  125004

摘要：随着信息技术的发展，人工智能技术正不断融入到企业的生产运维过程中，尤其是在信息系统运维管理领域，其具有可识别性强，适应性强等特点，能够为运维管理人员提供可靠决策支持，并且能够快速分析处理大量复杂问题，实现对信息系统中大量数据的优化整合。本文将从人工智能技术在企业信息系统运维数据整合中的作用，而后分析当前应用过程中存在的问题，最后再对其应用方法进行探究。

关键词：人工智能技术；信息系统；运维数据；整合

1 引言

随着智能技术的不断发展，人工智能在各行业得到了广泛应用，并取得了良好效果。然而，信息系统平台建设时间跨度较长，且各平台之间存在差异，使得运维管理工作不能同时进行。因此本文主要分析了当前企业信息系统运维数据整合中存在的问题，并提出人工智能技术应用于信息系统运维数据整合的策略，以期更好地提升运维数据整合的整体效率。

2 人工智能技术对运维管理数据整合的作用

2.1 智能识别，强化时间管理

传统信息系统运维管理工作中，主要是由员工通过人工进行维护管理工作，例如对网站进行定期更新、维护、升级等。因此运维管理人员主要是通过定时定点对网站进行维护的方式优化网站运行状况。但是随着互联网信息技术快速发展，越来越多网站开始出现宕机等问题，这将直接影响信息系统的运维效果，并且运维人员需要花费大量的时间处理故障问题。而基于人工智能技术，将能够更加针对性地发现故障问题出现的原因，而后实现及时有效地处理，这将能够为了获得更加全面的运维数据提供良好保障，并且也能够有效降低运维管理时间成本。

2.2 建立共享服务，降低成本

构建数据共享服务平台是获得和整合信息系统运维的关键。为了达到数据有效交换和有效利用，许多企业采用了集中式技术。但是随着数据分析成本和维护成本的不断增加，这样不仅不利于数据的优化流动和有效利用，还会使各网络平台之间存在较大差距。并且由于各网络间通信成本较高，数据在缺乏有效共享服务平台的基础上，将无法及时交换数据，从而影响信息系统质量。基于人工智能技术构建首统一共享服务流程和数据库管理方案，并积极推进应用程序在公司网络中运行管理，将能够更好地实现数据的更新优化，并且能够确保数据的完整性能够得到提升，进而为后续的数据整合工作提供更加完善的保障，并且能够达到有效降低成本的最终目的。

2.3 创建标准规范，提高效率

人工智能技术能够有效针对于目前信息系统运维中存在的问题提出优化对策，由此使得标准规范能够得到有效构建，进一步提升信息系统运维数据整合的效率。首先是算法问题。其算法模型非常复杂，并且有一定的局限性，由此将需要基于人工智能技术对机器学习算法进行分析计算，由此使得数据分析的客观性和系统性能够得到凸显，由此将能够有效提高信息系统运维数据的管理水平和工作效率，且能够有效降低运维数据管理成本。其次是应用问题，传统数据库工作模式中，通常是将数据按月、按季度进行存储和更新处理。如果缺乏对历史数据的有序管理，整个数据存储过程将会变得十分混乱，由此基于人工智能技术不断优化信息系统运维数据的有效整合，将能够更好地确保数据的价值得以充分开发，进而为后续的系统运维管理提供良好依据。

3 当前信息系统运维数据整合中存在的问题

3.1 数据格式不统一

数据的格式不统一主要是指各个信息系统之间存在不同的数据库、查询语言之间存在的错误，这就导致许多数据难以得到有效地进行归类与整合，并且无法形成有效的管理分析，降低数据处理能力与数据管理效率。为了提高数据库应用能力以及数据处理效率，需要进行数据格式一致性整治，这就要求信息技术人员不断提升数据整合应用能力，通过开发建设管理系统，实现数据管理过程化和自动化。在日常工作中，部分企业通过人工方式完成各项工作任务，而通过手工处理大量相关数据，不仅耗费大量的人力物力，同时还难以实现对数据的精确化整理与归类，进而使得运维数据出现失真情况。

3.2 工作人员对数据整理和分析能力不足

信息系统运维数据的整合是一项非常繁杂的工作，在信息系统开发过程中，需要花费大量时间和精力，很多信息系统都是在较短时间内完成开发，但是开发过程中也会产生大量数据，这些数据对企业信息化建设而言至关重要，直接关系到企业在未来发展中是否能够维持自身竞争优势。但企业在开展信息资源整合工作中面临的一大难题就是数据标准化和信息整合分析能力不足，在实际工作中无法很好地实现数据整合分析功能需要人力进行大量分析工作，造成企业人力资源投入严重不足，从而影响企业内部运行效率。并且运维数据的整合分析需要专业化的知识作为支撑，这将对企业运维人员提出了更好地业务能力要求，但在短时间内将海量信息整合利用起来并非是一件容易的事情。

3.3 数据信息系统建设不完善

企业在进行信息系统建设时，由于系统建设缺乏完善的标准，使得部分企业存在一定程度上的数据信息系统建设不完善、不健全和不完备等问题。企业没有对相关信息采集过程进行规范，导致在采集到信息时，由于缺少数据录入标准和采集流程，使得信息未能有效地进行整合。在企业运行过程中，企业各信息系统存在运行环境不稳定、数据格式不规范和管理不规范等问题，这也将直接造成信息整合利用效率低下，难以有效提升数据整合与利用的整体效果。

4 基于人工智能技术的信息系统运维数据整合方法

4.1 利用大数据进行统计分析

无论是基于计算机技术还是深度学习技术，都要从海量非结构化数据中提取出有价值的数据信息。尤其在人工智能技术的支撑下，更加需要充分大数据技术的优势优化统计分析结果，进而更好地提升信息系统运维数据整合的效果。第一种是利用大数据技术，利用机器对存储在数据库中的海量数据进行处理。第二种是非结构化数据。由于数据是非线性，所以需要利用相关模型，对数据进行提取、清洗和处理工作。第三种是采用数据挖掘技术，对数据进行分类、排序、筛选工作。第四种是结合机器学习和深度学习技术，通过对数据信息分析和判断的进一步完善和细化，实现信息系统运行中更具规律性的数据分析和判断工作。同时也可以实现对非结构化数据、分布式数据库以及结构化数据进行融合处理和分析工作。

4.2 利用机器学习方法对数据集进行分类

在信息系统运维过程中，数据整合是一个重要组成部分。在数据整合中，数据将按照不同数据集进行分类。期间运维工作人员可以利用人工智能识别技术实现对数据的分类处理，并有效降低运维数据的错误率。首先，通过对原始数据集进行分析处理，采用回归的方法来处理变量，然后对其计算结果进行统计，得出其在时间轴上具有的主要特点；其次可以使用神经网络和决策树来进行数据分类；最后利用上述算法来解决复杂数据问题。在实际运行中，工作人员通过样本数量进行分析总结，并确保机器学习方法所提取到的特征属性具有统一性。

在进行数据整合的过程中，还需要分析系统业务活动和运营数据以及其他数据要素，其中包括需求分析结果、分析过程等内容。利用机器学习方法对业务数据进行分析，从而可以更好地挖掘出具体的业务活动和运营数据，例如，通过对信息技术行业的用户访问行为、用户对服务质量、用户交互行为以及用户对产品的使用体验进行分析，从而可以更好地理解用户需求。期间企业在网站开通或业务活动中将用户访问行为方式归结为以下几种：浏览、点击、下载和使用，以上这些行为可以形成一个事件集合，而后将事件集合归纳为一个时间序列或指标，由此为信息系统管理人员提供有效指导，进而更好地促进信息系统运维工作效率提升。

4.3 建立用户反馈数据模型

在某些特定的应用场景中，系统功能需求不明确，由此将使其难以形成标准统一的需求分析模型。同时各系统在维护过程中，产生了大量的历史数据之间存在差异，无法对数据进行建模。并且数据之间相互独立，不同系统往往会在应用场景中提出各自的建模需求，这也将直接影响到分析结果及决策效能。而基于人工智能技术将能够更加快捷便利地构建用户反馈数据模型，由此使得数据整合的应用对象更加精准。在建立用户反馈数据模型过程中需要切实优化数据处理流程，期间，首先需要做好数据预处理工作。在收集不同维度、来源以及结构的数据时，需要对数据进行预处理，以便有效地修改错误数据，并对数据进行整理和储存。数据提取是利用ETL技术从数据源中提取数据，而在实际操作中，往往存在许多可供使用的数据采集工具，因此，要根据信息系统运维业务的实际情况，选取合适的采集工具。

其次需要进行数据清洗。由于信息系统运行环境的复杂性和存在信息系统运维数据的多次上报等问题，经常出现数据重复的情况，因此可以利用域的相似性对其进行识别。同时，由于技术和物理因素的原因，导致数据的数值超出采集的范围，并产生异常值。对于离散度较高的数据来源，可以采用盒式图法，若采用数据分布特征量或信息系统运维服务难以辨识噪音数据，则可以采用聚类辨识。一些字段需要彼此确认，并根据字段的数据来源状况，确定哪些字段信息更可靠，哪些字段应该删除和重建。

当信息系统运行数据有多个源时，需要对其相关性进行检验。多源数据的集成比较困难，由此需要充分考虑到数据之间的相关性，并避免数据之间的冲突。在数据不一致性方面，还需要对元数据、字典等数据进行整理和分析，并对数据之间的关系进行彻底的梳理，而后对数据的错误进行修改。一般而言，许多不一致的数据都是由于缺乏数据规范而造成的，由此将可以将数据属性当作一个随机变量，并根据其置信区间进行判定。通过对数据信息的相似性进行聚类处理，识别出不能分组的孤立点。期间还可以采用距离法，精确地测量数据的相似度。同时还可以利用分类方法，建立正常数据和异常数据的分类和查勘模式，由此将不符合规则的数据归入到不正常的数据行列中。

再者，落实规则处理引擎。为了更好地处理信息系统运行数据，需要对各数据项目建立相应的数据元准则和处理准则，实现数据拼接、数据转换、数据检验等功能。而为了解决数据不规范的问题，本文提出一种基于机器学习的方法，即对各个数据域进行识别和处理，而后使用自动标定技术，将数据项与标准库的数据源进行匹配，而后采用机器学习技术进一步降低人工劳动强度，并结合语义立体关系进行抽样值检测，选择具有较高相似性的数据作为相关数据表，然后根据数据特征选择最合理的数据转化规则，最后用规则模板构造出相应的字段。

5 结束语

总而言之，人工智能技术可以有效解决信息系统运维信息整合中出现的一系列问题，从而更好地促进企业生产运营管理工作的顺利开展。此外，人工智能技术还可以有效提高信息系统运维数据质量，使得各企业信息系统故障事件的发生概率大幅降低，同时也能够有效提升信息系统运维数据的应用价值。所以，企业相关人员应当高度重视人工智能技术在信息系统运维信息整合工作中带来的机遇与挑战，切实发挥其整体优势，进而为促进企业信息化建设进程提供强大的数据支撑。

参考文献

[1]苗玲.政务云平台赋能区域教育管理信息化[J].信息系统工程,2022(06):23-26.

[2]冯国礼,李蓉,吴双.基于人工智能技术的电力信息系统运维数据整合方法[J].电力信息与通信技术,2022,20(01):68-73.

[3]李小庆.构建“监、管、控”一体化运维平台[J].中国农村金融,2020(21):91-92.

[4]董国杰,张灵.应用大数据和人工智能技术构建医院信息运维平台的探讨[J].信息技术与信息化,2020(08):228-230.

[5]赵志远,章继刚,季莹.智能时代下的IT运维[J].网络安全和信息化,2018(11):29-30.