1、中国信息通信研究院云计算与大数据研究所 2022年12月!#$%&()*+,-./01-!#$%&()*+,-./01-!#$%&!#$%&版权声明版权声明 本报告版权属于中国信息通信研究院，并受法律保护。转载、摘编或利用其它方式使用本报告文字或者观点的，应注明“来源：中国信息通信研究院”。违反上述声明者，本院将追究其相关法律责任。本报告版权属于中国信息通信研究院，并受法律保护。转载、摘编或利用其它方式使用本报告文字或者观点的，应注明“来源：中国信息通信研究院”。违反上述声明者，本院将追究其相关法律责任。!当前，我国数字经济蓬勃发展，逐步成为经济社会发展的“新领域、新赛道、新动能和新优势”，也

2、是引领中国经济增长和社会发展的关键力量。近年来，人工智能、大数据、云计算等新一代信息技术加速创新，并日益融入经济社会发展的各个领域和阶段，数字经济的高质量发展已成为我国国际竞争力提升的重要领域。我们应把数字经济新优势作为重要抓手，着力构建创新发展新格局。而信息技术的快速高质量发展离不开 IT 运营体系的强力支撑，企业 IT 运营转型成为必然趋势。目前，企业 IT 运营体系正在向多元化方向发展，涌现出了很多新的方法论，XOps 体系应运而生。它强调要提质增效，并关注持续的优化改进，重视人员的文化意识培养、组织间的协同能力和端到端的全流程闭环管理与持续反馈，围绕研运一体化、安全体系建设、大数据、人

3、工智能、机器学习、IT 资源财务运营等方面，推动企业数智化发展行稳致远。本研究报告从 XOps 应用创新发展背景、历程出发，梳理企业XOps 应用创新体系，围绕组织、文化、流程等对通用需求进行总结。并针对当前成熟度较高的 XOps 领域的概念与内涵、国内外应用创新发展现状，及关键能力进行总结研究。同时，分析研究 XOps 应用创新发展所面临的挑战，并对应提出发展建议。最后，总结未来发展趋势，推动我国企业多元化运营体系更好更快发展。#$一、XOps 应用创新发展概览.1（一）XOps 应用创新发展背景.1（二）XOps 应用创新发展历程.2（三）XOps 应用创新发展通用需求.4 二、DevOp

4、s 打造数字时代研发运营新范式.10（一）DevOps 概念与内涵.10（二）全球 DevOps 市场规模持续强劲增长.11（三）我国 DevOps 建设价值得到企业普遍认可.13（四）DevOps 为软件生命周期提质增效.14 三、AIOps 赋能技术运营开启数智运维新时代.18（一）AIOps 概念与内涵.19（二）全球 AIOps 正处于应用逐渐成熟的增长阶段.20（三）我国 AIOps 部署规模与日俱增具备增长潜力.21（四）AIOps 提供动态化系统保障能力.22 四、DataOps 助力企业引擎换挡实现数据价值最大化.25（一）DataOps 概念与内涵.25（二）全球对 Data

5、Ops 关注程度持续升温.26（三）我国各行业积极探索 DataOps 实践.26（四）DataOps 为企业数据引擎换挡.27 五、MLOps 引领模型流水线生产管理新模式.28（一）MLOps 概念与内涵.28（二）全球 MLOps 服务已进入成熟发展期.29（三）我国 MLOps 处于规划和建设落地初期.31（四）MLOps 助力 AI 模型规模化生产.31 六、BizDevOps 是重塑智能高效服务流程的核心.34（一）BizDevOps 概念与内涵.34（二）持续优化业务技术关系拥抱 BizDevOps.35（三）BizDevOps 聚焦全链路业务价值管理.36 七、FinOps 指

6、导企业 IT 资源的变革管理.37（一）FinOps 概念与内涵.37（二）全球 FinOps 产业生态加速构建.38（三）我国 FinOps 正处于布局发展阶段.41（四）FinOps 提升成本精细化运营管理.42 八、XOps 应用发展挑战和建议.44（一）面临挑战.44（二）发展建议.45 九、XOps 应用创新发展趋势.47（一）XOps 将向一体化、平台化持续发展.47（二）XOps 助力 IT 部门向运营中心转变.47（三）XOps 对核心业务价值交付影响深远.47%#$图 1 XOps 应用创新发展成熟度现状示意图.4 图 2 XOps 应用创新体系示意图.5 图 3 FinOp

7、s 文化变革.6 图 4 矩阵型团队组织结构.7 图 5 全功能团队组织结构.8 图 6 云财务运营团队协作示意图.8 图 7 闭环管理流程示意图.9 图 8 度量体系架构.9 图 9 DevOps 定义示意图.11 图 10 全球 DevOps 软件工具市场规模及预测（2021-2025 年）.12 图 11 2021 全球 DevOps 软件工具收入份额：各功能.12 图 12 2022 年度企业 DevOps 成熟度分布情况.13 图 13 20212026 年全球 IT 运营分析软件收入概览（按部署方式）.21 图 14 20202025 年中国 IT 管理与分析软件市场规模及增长率.

8、22 图 15 MLOps 生命周期示意图.29 图 16 MLOps 工具及平台概览.31 图 17 模型开发流程示意图.32 图 18 模型交付流程示意图.33 图 19 FinOps 基金会会员单位.39 图 20 FinOps 市场竞争格局.40 图 21 亚马逊&微软云成本管理能力示意图.41 图 22 云财务运营能力建设示意图.43&#$表 1 敏捷开发管理实践方法.16 中国 XOps 应用创新发展研究报告（2022 年）1(XOps)*+,-./0 国家“十四五”规划中指出，“坚持新发展理念。把新发展理念完整、准确、全面贯穿发展全过程和各领域，构建新发展格局，切实转变发展方式，

9、推动质量变革、效率变革、动力变革，实现更高质量、更有效率、更加公平、更可持续、更为安全的发展。”其中高度强调创新发展，并对实践过程中的质量、效率、安全等方面提出了更高的要求。当前，我国正处在以信息化、数字化、网络化、智能化为特征的科技变革浪潮中，新一代信息技术与其他产业加速融合，我国企业数字化转型成为大势所趋，推动新技术、新业务、新生态不断涌现。作为支撑企业 IT 运转的 IT 运营体系也在向多元化方向发展，包含了DevOps（研发运营一体化）、AIOps（智能运维）、DataOps（数据研发运营一体化）、MLOps（机器学习研发运营一体化）、BizDevOps（业务研发运营一体化）、FinO

10、ps（云财务运营）等内容的 XOps 体系逐渐落地并深化应用，围绕研运一体化、研运效能度量、安全体系建设、智能化、IT 资源财务运营等多个方面为企业提供信息化建设实施路径和建议，推动企业数字化转型行稳致远。（一）（一）XOps应用创新发展背景应用创新发展背景 随着数字化技术与业务的不断发展，越来越多的学科领域开始探索持续化、端到端的运营体系，企业 IT 管理正在面临以下三个难点：!#$%&()*随着我国的信息化、数字化发展，企业业务规模、模式发生改变，对业务需求变化响应时间提出要求。企业的技术管理者为了更好、更稳定、更安全、更低成本的进行产品交付，通过中国 XOps 应用创新发展研究报告（20

11、22 年）2 敏捷软件开发和持续交付等方式，提高需求响应速度，从而让产品更快的投入到市场，并快速接收反馈进而持续优化，让公司在市场竞争中更加灵活，保持竞争力。+,-./01)*当前全球 IT 技术飞速发展，我国科技创新正是处于“井喷式”爆发期，新技术不断涌现，因此需要通过持续性的运营对企业 IT 技术应用进行迭代更新，最大化程度发挥技术支撑能力，通过技术助力企业发展提质增效*2 IT 34567*企业数字化转型日益深入，企业业务对 IT 系统存在强依赖性，IT 部门工作量与工作压力持续增长，IT 投入也在不断增加，然而，由于 IT 部门在企业中无法直接创造经济效益，因此很难体现其价值。通过精细

12、化、端到端的 IT 运营管理，能够在企业工作效率、业务流程规范、客户 IT 服务需求满足、信息安全防护等方面为企业带来效率提高与效益提升，凸显自身价值。因此，IT 运营管理正在探寻新技术、新方法、新模式，一是提升需求响应速度，二是提升 IT 技术深入应用与迭代能力，同时，未来的发展也要走向业务前端并与其充分融合，推动业务价值的实现。（二）（二）XOps应用创新发展历程应用创新发展历程 XOps 并非一个限定概念，而是一个统称，代表着 IT 运营的多元化创新发展。正如 X 所包含的未知与无限的意义，XOps 这个概念也随着运营对象的丰富而不断扩充，但是 XOps 89:;?A，就是围绕借鉴 De

13、vOps 的最佳实践去BCDE(FGHIJK,-LMN?OPHQRSTUVWXUOYWHZ7L_*中国 XOps 应用创新发展研究报告（2022 年）3 整体而言，对企业 IT 运营管理对象可以划分为七层：战略与规划、业务管理、财务与成本、数据生命周期、机器学习工程、软件生命周期和基础设施运行。由于 XOps 应用创新体系各领域面向的对象不同，出现时间、应用实践内容及复杂性均各有不同。对于战略与规划，ArchOps 出现于 2016 年前后，总体而言在企业内应用成熟度较低；对于业务管理，BizDevOps 这一词也在 2016 年被提出，当前相关应用正在逐渐获得企业的认可与重视；对于财务与成本

14、，FinOps 出现于 2017 年，近两年关注度持续上升；对于数据生命周期，DataOps 于 2014 年被提出，企业已进入应用落地阶段；对于机器学习工程，MLOps 这一概念出现在 2018 年，目前部分头部企业已具备较成熟的应用实践；对于软件生命周期，DevOps这一词于 2009年被首次提出，目前在 XOps 应用创新体系中发展最为成熟，而 AIOps的概念则是于 2016 年出现，作为技术运营侧的高阶实践，在企业内的应用成熟度仅次于 DevOps；对于基础设施运行，NetOps 出现于2017 年，相关领域的实践较少。如图 1 所示，图中横轴为 XOps 出现时间，纵轴为运营面向的

15、对象，气泡大小表示 XOps 各领域成熟度情况。中国 XOps 应用创新发展研究报告（2022 年）4 来源：中国信息通信研究院，2022 年 图 1 XOps 应用创新发展成熟度现状示意图 本报告将主要针对XOps应用创新发展较为成熟的六大领域展开深入研究与阐述，包括 DevOps、AIOps、DataOps、MLOps、BizDevOps和 FinOps。（三）（三）XOps应用创新发展通用需求应用创新发展通用需求 随着对 AI、大数据、云计算等新技术的应用深化，企业也在不断探索新业态、新模式、新机会，为了保障企业各创新领域的自动化、持续运营支撑，XOps 应用创新体系建设的重要性日益凸显

16、。XOps 应用创新体系主要根据企业中不同的 IT 运营管理领域进行划分，如图2 所示，虽然 XOps 各领域面向的对象不同，但由于其存在统一的目的，即串联多个流程领域，在提升效率的同时提高质量，并强调持续的优化改进，对于人员的文化意识培养、组织的协同能力和流程的闭环管理与持续反馈等具有通用性需求。因此，XOps 应用创新发展通用需求主要从文化、组织、流程三个维度展开。中国 XOps 应用创新发展研究报告（2022 年）5 来源：中国信息通信研究院，2022 年 图 2 XOps 应用创新体系示意图 1.XOps 重塑组织跨文化的意识培养 随着数字化转型的发展，企业新业态、新模式、新技术不断涌

17、现，在 IT 服务流程的支撑下，组织会形成一整套行为参与准则，而组织的行为参与准则会时刻影响软件交付、产品交付和价值输出的各阶段的效能和质量，因此需要将组织的行为参与准则进行规整，形成行之有效、可持续的 XOps 文化。XOps a(Cbcd=e*由于 XOps 通常包含多领域的融合，企业人员也不止限于对原本的职责尽责，以 FinOps 为例，如图 3 所示，其要求 IT/业务人员需要像财务人员一样开始考虑成本，上海品茶的变革使整个组织从财务人员进行集中成本控制模式转变为多部门共享的责任模式，文化的转变使各部门不应仅关注本领域的发展，中国 XOps 应用创新发展研究报告（2022 年）6 更应

18、注重整体的平衡，云财务运营团队因此可以在速度、成本、质量之间更好地进行需求平衡。同样地，DataOps 强调数据的民主化，践行 DataOps 的理念不再只是简单的技术问题，所以在未来也不会仅由技术团队来独自承担。数据和业务是天然共生的，数据文化的普及要惠及到一线业务人员、深入到高层管理人员，共同建设和维护上海品茶氛围。来源：中国信息通信研究院，2022 年 图 3 FinOps 文化变革 XOps%fghi?jka(Lljk?mdH此处的信任包括对数据团队的信任和对数据本身的信任。数字化的飞速发展，使各领域运营都离不开对数据的使用消费，数据文化的建立也就变得愈发重要。对数据和系统的信任可以消

19、除无休止的重复性需求及优先级评审上的反复协商步骤，进一步也可以实现对数据的自助取用和分析。对数据的信任可以使数据科学家、数据分析师和数据工程师花更少的时间来清理数据、追溯血缘，而将更多的时间用于开发数据产品和做出决策。2.组织需持续优化团队协作管理能力 中国 XOps 应用创新发展研究报告（2022 年）7 XOps 还需要组织加强团队协作能力，传统的职能型团队属于垂直结构各部门职责清晰，但缺少部门间交流。职能型团队要结合企业自身特点，逐渐转型至更为灵活、敏捷的组织型态。同时，应清晰定义团队间交互方式，明确团队边界，有效提升效率。nopqrstupPvwxHUyzWCH|*矩阵型团队成员来自各

20、职能部门，项目目标明确，冲突少且易解决，但多方领导使管理成本增加，如图 4 所示。来源：中国信息通信研究院，2022 年 图 4 矩阵型团队组织结构 FqrqrFG*自组织的全功能团队中每个成员都可以主导某个时间和改进，可以打破角色边界从而提高总体产出，如图 5 所示。中国 XOps 应用创新发展研究报告（2022 年）8 来源：中国信息通信研究院，2022 年 图 5 全功能团队组织结构 以 FinOps 为例，由于各部门在涉及高度多变的云资源调整时反应速度较慢，云财务运营要求云资源的各利益相关方共同参与管理，建立跨职能的集中式 FinOps 团队集合管理层、业务/产品、运营、财务/采购组成

21、，便于统一标准进行管理和衡量、提高沟通效率、并利于建立问责机制，如图 6 所示。来源：中国信息通信研究院，2022 年 图 6 云财务运营团队协作示意图 3.组织重视全流程闭环管理及反馈改进 对于 XOps 而言，全流程串通的端到端闭环管理是不可或缺的能中国 XOps 应用创新发展研究报告（2022 年）9 力，通过持续不断的反馈，实现改进优化。无论是交付系统软件、数据还是模型，都对其研发运营一体化的流程自动化提出了较高的要求。以 DevOps为例，需要通过打通开发、测试、运维，覆盖端到端的软件开发全生命周期，并形成有效的度量反馈和持续优化，组织制度规范帮助约束流程的正确实现，如图 7 所示。

22、来源：中国信息通信研究院，2022 年 图 7 闭环管理流程示意图 因此，为了助力企业实现持续反馈与优化的闭环管理，达到整体研发效能提升，需建立有价值的度量体系，从指标管理、数据管理、分析与决策以及运营改进等维度展开，如图 8 所示。来源：中国信息通信研究院，2022 年 图 8 度量体系架构 在度量体系搭建过程中需重点关注以下四点能力建设：一是趋势分析，对关键指标数据进行纵向趋势分析；二是分级分析，提供中心中国 XOps 应用创新发展研究报告（2022 年）10 级、部门级、项目及系统级多层次视角的统计数据；三是对比分析，对相同特征指标进行横向对比分析；四是多维分析，结合多项指标对项目进行全

23、方位多维度评价。1(DevOps 2345678-9:,;?A9:BC4D9E,67 在 IT 建设的深入和完善下，计算机软硬件系统运行维护的市场中国 XOps 应用创新发展研究报告（2022 年）19 需求爆发，手工运维逐渐被自动化运维替代，随后 IT 运维进入 2.0 自动运维时代，但在自动运维时代中依然以人与自动化工具相结合的运维模式为主，并且受到信息获取方式与观测方式的局限性，无法持续地面向大规模、高复杂性的系统提供高质量的运维服务。在数字化业务要求 IT 运维提供更快的响应速度和更高的处理效率的环境下，智能运维的重要性逐渐显现，越来越多的企业已经开始布局智能运维能力，包括历史/实时数

24、据采集、算法分析平台，整合 IT 数据和业务指标数据；告警消噪（包括告警抑制、告警收敛等），以消除误报或冗余事件；提供跨系统追踪和关联分析，有效进行故障的根因分析；设定动态基线捕获超出静态阈值的异常，实现单/多指标异常检测；根据机器学习结果，预测未来事件，防止潜在的故障。IT 3.0F(I/Q*（一）（一）AIOps概念与内涵概念与内涵 随着互联网与信息技术的快速发展，企业信息基础设施、软件系统数量和规模持续攀升，IT 运维环境日益复杂，在现有人力与技术条件下，企业运维团队很难有效保证业务系统稳定性。利用大数据、云计算、人工智能等新技术，推动 IT 运维向智能化方向转型，提高 IT系统可用性和

25、运维效率，成为越来越多企业的选择。智能运维的概念最早由 Gartner 在 2016 年提出，但当时人工智能技术还没有广泛兴起，所以智能运维的最初概念定义为 Algorithmic IT Operations，采用算法进行 IT 运维，随着人工智能等大量新技术深化应用，智能运维的概念逐渐演变为 Artificial Intelligence for IT 中国 XOps 应用创新发展研究报告（2022 年）20 Operation，即现在的 AIOps 概念。智能运维（AIOps）主要依靠人工智能技术对运维管理对象的海量运维数据进行建模分析，如日志、监控信息、应用信息等进行提炼和规律总结，包含

26、问题的发现、分析、解决的全生命周期。（二）全球（二）全球AIOps正处于应用逐渐成熟的增长阶段正处于应用逐渐成熟的增长阶段 随着大数据分析技术逐渐成熟，可用于分析的 IT 管理数据的范围和数量也在迅速扩大，根据 Gartner 预测，到 2023 年 40%的 DevOps团队将使用 AI 增强应用程序和基础设施监控工具用于构建 IT 运营(AIOps)平台功能。更多的 IT 和业务分析师开始使用智能化分析工具采集多源数据进行综合分析，而无须数据科学家定制分析模型。第一代 IT 运营分析软件专注于日志分析和搜索。根据 IDC 数据分析表明，通过将基于用户、基础设施和应用程序性能数据的预测分析，

27、异常检测和业务影响分析，与 IT 基础设施中的日志分析相结合，以实现全面的根因分析和主动容量优化。此类跨场景多数据源的分析方式逐渐成为主流。智能运维服务提供商需要为客户提供一整套具有成本效益且易于使用的智能运维分析平台，以保持长期战略合作。根据 IDC 测算，由于数据量的快速的增长以及 IT 运营分析软件更易于使用、成本更低并采用更易于部署的解决方案，全球 IT 运营分析软件市场总额在 2021 年已达到 42 亿美元。如图 13 所示，预计 2026 年全球 IT 运营分析软件市场总额将增长至 66 亿美元，并将以 9.3%的年复合增长率增长。云服务部分，代表软件即服务模型交付的智能运营分析

28、软件，中国 XOps 应用创新发展研究报告（2022 年）21 预计将达到 37 亿美元，5 年复合年增长率为 17.5%。来源：IDC，2022 年 图 13 20212026 年全球 IT 运营分析软件收入概览（按部署方式）（三）我国（三）我国AIOps部署规模与日俱增具备增长潜力部署规模与日俱增具备增长潜力 近几年，随着 IT 投入在企业中占比逐年增长，国内敏锐的创业公司和投资机构已经在智能运维领域快速布局，并且发展迅速。我国智能运维行业主要分为三类：第一类是以中大型互联网公司，如腾讯、百度、阿里、京东等为代表的自有产品线研发，主要为自研AIOps 平台；第二类是亚信科技、新炬网络等以外

29、包和项目为主的IT 技术公司，主要是在已有业务线的基础上融合 AIOps 平台能力；第三类是以中小型科技创业公司，如擎创科技、必示科技、云智慧等为代表，专注 AIOps 系统工具与解决方案领域的 IT 技术产品服务提供商。其中，科技创业公司依托自身创新型智能运维产品和服务模式，在国内具有较强的竞争优势。例如，专注于 AIOps 系统工具和解决方案的科技创业公司，以业务为视角将指标、调用链、日志等多数据进行智能处理与分析，实现运维的可观测性。此外还将机器学习算法用于故障链路跟踪、关联关系挖掘等方面，可提供数十中国 XOps 应用创新发展研究报告（2022 年）22 种运维决策方案，为企业业务的高

30、速发展提供有力保障。随着下游渗透率的逐步提高，我国 IT 智能运维规模将持续扩大。如图 14 显示，2021 年我国 IT 智能运维市场规模增长至 606 亿元，随着市场需求的持续增长，预计 2025 年我国 IT 智能运维市场规模将达到 1093 亿元。市场规模的稳步增长来源于 IT 运维刚性、持续的需求，也将进一步受益于数字产业化及产业数字化的协同互进。来源：观研天下，2022 年 图 14 20202025 年中国 IT 管理与分析软件市场规模及增长率 中国信通院从 2018 年以来持续关注 AIOps 发展态势，并开展了相关研究与标准建设工作，助力我国企业 AIOps 能力体系建设，持

31、续推动国内外 AIOps 相关产业的健康有序发展。（四）（四）AIOps提供动态化系统保障能力提供动态化系统保障能力 为了应对来自标准运维数据积累和运维业务发展的双重需求，AIOps 的着力点在于赋能 DevOps，通过运用大数据、机器学习、人工智能等技术能力进一步处理自动化运维不能解决的问题。针对智能中国 XOps 应用创新发展研究报告（2022 年）23 化运维应用场景层与关键技术能力，可分为感知、分析、决策、执行、知识更新，即收集和监测原始输入数据，随后基于采集/接入的数据进行数据分析，接着基于分析过程推理得到的决策依据或选项，再基于决策过程做出进一步运维操作，最后基于过往操作、决策经验

32、进行知识迁移覆盖。这一过程覆盖了以下应用场景及关键技术内容。1.持续精准感知保障系统高质量稳定运行 7FGH包括业务指标异常检测和日志异常检测场景，指标异常检测是业务指标从功能适配的角度对业务可用性指标进行实时检测。常用技术包括，单指标异常检测，针对数据特征的不同，可使用如静态阈值、统计性算法、时序性检测算法，包括 SARIMA、K-Sigma、TSD、GBRT 等。时序 KPIs 指标异常检测，针对时间序列指标数据进行异常检测，将不同的指标时序转化为标准的 0/1 时间序列表示在某个时刻某个指标是否异常。日志异常检测则是从应用日志、系统日志的角度发现日志数据中蕴含的异常事件，并作为故障排查时

33、的佐证。FGH包括业务明细多维定位和机器异常定位场景，业务明细数据中蕴含丰富的维度数据可用于判断异常根因维度和故障影响范围，机器指标数据则用于判断 IT 基础设施对象的运行状态在故障时段是否存在异常。常用技术包括，异常机器指标定位，通过运用聚类、核密度估计、极值理论等算法，可以快速判断并定位指标与历史及其他机器的波动差异情况。FGH已知根因可能的若干类型，利用模型判断最中国 XOps 应用创新发展研究报告（2022 年）24 可能的一个或多个根因类型。常用技术为因果推断，利用指标间的因果关系和拓扑图，找到问题根因，结论通常是因果关系图上的某个节点（KPI 指标）并且事先定义了明确的根因类型或某

34、条根因路径（Path）。2.合理优化系统资源保障服务连续性”FGH 通过系统自动完成包括 CPU、内存、存储、数据库等应用所需多维度指标，协同资源容量预测，此外还可采用多种回归分析预测技术进行容量预测，常用技术包括 ARIMA、Prophet、LSTM 等，并根据资源容量预测的结论自动触发资源容量扩缩容操作。3.沉淀运维知识与经验提升整体运维效率/FFGH知识图谱可以将运维工单中的重要信息通过三元组抽检出来，形成工单知识图谱。工单知识图谱可以通过向量召回、知识图谱召回相似工单，辅助解决相似故障，也可用于故障原因分析，通过图谱之间的连接找到故障问题根源，还可用于构建智能运维机器人，辅助及替代业务

35、人员消息回复。FH以智能化技术为基础，具有可编程性，其在应用过程中模拟人工操作，替代了传统人工巡检。因其巡检方式灵活、稳定性高、环境适应性强等特点，被应用于各行业巡检工作。其中的无轨智能巡检机器人目前主要应用于室外设备巡检，以及室内环境复杂的设备巡检，在电力网络、数据机房、安防等场景发挥重要作用。4.综合评估安全态势保障全域系统安全 中国 XOps 应用创新发展研究报告（2022 年）25 FGH实时分析网上数据流来监测非法入侵活动，结合资产测绘、漏洞发现、威胁情报等技术手段，及时感知网络安全风险态势同时进行安全响应和处置，如进行告警分诊、关联分析、事件调查、威胁定级、安全联动、告警处置等。常

36、用技术包括，用户和实体行为分析(UEBA)，安全与分析模块针对各类用户行为和实体（主机、服务器、数据库等）行为数据，从合规维度及异常维度（时间/数量/时序），以规则或算法模型等方式对用户/实体行为进行检测分析，发现用户的违规行为或者偏离个人基线的异常行为，从而及时发现内部威胁并进行响应处置和影响评估。安全编排与自动化响应（SOAR），安全响应模块将针对不同的安全事件，为安全与业务提供自定义安全能力编排、风险自动化处置能力，最终实现针对风险的全生命周期智能化管理。F(DataOps GHIJKLMNOP4QRSTUV DataOps 关注企业数据的研发、治理和运营环节，凭借其自动化（Automa

37、tion）、智能化（Inteligence）、敏捷（Agile）、融合协作（Integration）、精益（Lean）的核心思想（即 AIAIL），帮助企业快速、准确的完成数据的交付，进行持续的运营维护和流程优化，并不断加速数据研发运营流程、优化研发运营成本。（一）（一）DataOps概念与内涵概念与内涵 jk!6(DataOps!jkH34u(A?Z*聚焦于协同从数据需求输入到交付物输出的全链路过程，明确研发运营目的，细化实施步骤，在系统工中国 XOps 应用创新发展研究报告（2022 年）26 具、组织模式、安全风险管理的支撑下，实现数据研发运营的一体化、敏捷化、标准化、自动化、智能化、价

38、值显性化的理念。（二）全球对（二）全球对DataOps关注程度持续升温关注程度持续升温 DataOps 的概念最早在 2014 年被提出，随后业界逐步对其内涵进行补充和完善。在 2018 年 DataOps 正式被纳入 Gartner 的数据管理技术成熟度曲线当中，由此进入了国际的视野当中，并且其热度在随后的几年中连续攀升，更是在 2022 年达到了顶峰期（Peak of Inflated Expectations）。从实践上看，欧美国家的一些公司在 DataOps 的探索和发展要早于中国。Twitter、Google 等公司采用面向未来的数据架构，IBM 也在 Knowledge catal

39、og、DataStage、Cloud Pak for Data 等符合DataOps 理念的解决方案上拥有多年研究经验，也有如 StreamSets 这样以 DataOps 思想来引领开发工具产品的企业。DataOps 作为一种现代化的数据工作指引，能够极大的提升数据交付的效率和可信性，从而更快的转化为业务价值，根据 IDC 研究显示，目前 89%的组织机构非常重视 DataOps 应用，但是仅有 10%的组织能够全面的实施DataOps。（三）我国各行业积极探索（三）我国各行业积极探索DataOps实践实践 现阶段，我国有更广阔的发展空间和挖掘潜力，在制度保障、人才培养、技术储备发展上都有着

40、长期优势。有许多行业先驱者通过敏锐的嗅觉和强大的管理执行力去探索 DataOps 的实践，积极探索并尝试用 DataOps 的理念来推动我国数据文化的建设和发展。中国工商银行建立一站式全线上的数据研发流水线，支撑数据中台各类数据资产中国 XOps 应用创新发展研究报告（2022 年）27 和服务的高效研发，弥补了此前产品门槛高，支持面低、效率差的缺陷。建立一站式全线上的数据研发流水线，支撑数据中台各类数据资产和服务的高效研发，弥补了此前产品门槛高、支持面低、效率差的缺陷。华为在建立企业级信息架构的基础上，利用数据治理中心（Data Governance Center，DGC）平台推行一体化模型

41、设计，将数据模型的需求作为起点，通过构建数据标准池为数据模型提供实体属性选择，并从源头上实现基于元数据的全流程自动化治理。广东移动利用统一数据开发平台，实现了数据可视化编排、调度、配置能力，并对数据作业进行智能异常诊断，提升数据作业连续性，在管理上针对数据流水线设置了不同角色，并以租户方式在 PaaS 平台进行各项目角色管理，使数据项目开发缩短了 35%。中国信通院持续关注这一理念的发展，并于 2022 年启动了DataOps 的标准建设工作，以此为基础推动我国大数据产业的多元化发展，帮助企业完成数据引擎的换挡。（四）（四）DataOps为企业数据引擎换挡为企业数据引擎换挡 DataOps 的

42、主要方法论仍处于快速发展阶段。如 Facebook、Twitter 等公司通常会有专门的数据平台团队（Data Platform Team）处理数据运营并实现数据项目。但是，它们的实现方式大多与公司现有的 Ops 基础设施集成，因而不适用于其他公司。可以借鉴学习其成功经验，并建立可以由每家公司轻松实施的通用大数据平台。构建 DataOps 所需的通用平台，一般需要以下技术：1.技术能力加速推动数据研发运营一体化 中国 XOps 应用创新发展研究报告（2022 年）28 H必须使用基于云的基础架构来支持资源管理、可扩展性和运营效率。H在 DevOps 的实现中至关重要，在资源隔离和提供一致开发、

43、测试、运维环境中的作用也至关重要。ZILMH目前来看，实时和流处理在数据驱动平台中变得越来越重要，它们应该是现代数据平台中的“一等公民”。HMapReduce 是传统的分布式处理框架，但 Spark 和 TensorFlow 等框架日常使用越来越广泛，应该进行集成。DevOps;H该平台应为数据科学家提供有效的工具，以分析数据并生成分析程序，为数据工程师提供大数据流水线的工具，并为其他角色提供消费数据和结果的方法。2.管理能力保障引擎换挡平稳进行?YNLjk|H应用程序和数据管理（包括生命周期管理、调度、监控、日志记录支持）对于生产数据平台至关重要。DevOps 的常规实践可应用于应用程序管理

44、，但是数据管理及应用程序与数据之间的交互需要很多额外的工作。LWH数据安全性可以说是数据项目中最重要的问题，如果数据无法得到保护，数据使用也就无从谈起。该平台应为每个人员提供一个安全的环境，使其可以使用这些数据并对每个操作进行授权、验证和审核。W(MLOps KXYZ_a,Y（一）（一）MLOps概念与内涵概念与内涵 MLOps!N?“La(，连接模型构建团队和业务、运维团队，提供标准化、自动化、可持续的 ML 模型全生命周期（开发、部署、运维等）的过程管理和技术能力，使得企业中国 XOps 应用创新发展研究报告（2022 年）29 组织能更好的利用 ML 的能力来促进业务增长、实现降本增效。

45、MLOps 将 DevOps 在软件工程的成功原理和实践迁移到 ML 领域，并将数据、参数、模型等因素带来的整体不确定性纳入管理。MLOps 的核心是 ML 生命周期管理的简化和标准化。MLOps 是 AI工程化落地最后一公里的助推剂，能缓解 AI 落地过程中团队协作难、过程管理乱、交付周期长等三大痛点，实现高效率、高质量、可持续、低风险的规模化模型生产，图 15 为 MLOps 生命周期示意图。来源：中国信息通信研究院，2022 年 图 15 MLOps 生命周期示意图（二）全球（二）全球MLOps服务已进入成熟发展期服务已进入成熟发展期 2015 年，Google 在 NIPS 上发布的论

46、文Hidden Technical Debt in Machine Learning Systems指出，ML 工程项目由于缺少系统的方法论指引和规范的流程管理导致技术债累积如山。ML 项目不止具有传统软件工程代码的运维问题，更有 ML 系统层面关于各生产模块的系列特定的问题，如数据依赖关系不稳定、配置易出错、实验不可重中国 XOps 应用创新发展研究报告（2022 年）30 现等。2018 年，在 Google 举办的一场演讲后，业内人士公开谈及工业生产中 ML 生命周期集成化管理的重要性。ML 项目大规模生产上线过程中，面临着过程难管理、模型难监控等多重困难。为了消除这些障碍，MLOps

47、这一概念应运而生。与 DevOps、DataOps 类似，MLOps旨在提高自动化水平和 ML 工程解决方案的质量，保障高质量、可持续、低风险的模型交付。目前，国外大型科技公司如 Google、Microsoft、Amazon 等将 MLOps 作为较成熟的机器学习生命周期管理的服务功能集成在自有的云服务平台上。MLOps 工具及平台相关的创业公司雨后春笋般涌现，如芬兰 Valohai 平台能够支持从数据提取到模型部署自动化），Dagshub 平台能够支持数据、模型、实验和代码的版本控制、MLflow 能够进行实验追踪等，详见图 16。来源：中国信息通信研究院，2022 年 中国 XOps 应

48、用创新发展研究报告（2022 年）31 图 16 MLOps 工具及平台概览（三）我国（三）我国MLOps处于规划和建设落地初期处于规划和建设落地初期 总体来说，国外企业将 MLOps 布局于 AI 生产的探索和发展早于中国，国内商业模式尚在探索初期，但我国在监管治理、技术储备、市场前景方面毫不逊色，未来发展长期向好。目前，国内金融、互联网和电信行业的数字化程度较高，在智能化转型过程中处于引领地位。国内银行，如中国工商银行、中国农业银行、上海浦发银行等和电信运营商，如联通、移动等，大型应用方企业正在尝试基于 MLOps 概念自建或共建相关管理体系。同时，我国科技企业正在逐步推出MLOps 解决

49、方案或服务支撑，部分头部科技企业，如百度、华为、阿里、京东等正在尝试在原有的 AI 中台上逐步扩展 MLOps 过程管理功能，而部分初创公司，如九章云极、星环科技等，则尝试在 AI 生产全生命周期发力，开发 MLOps 平台或工具链体系下的部分工具，工具化、平台化和服务化的商业落地刚刚起步。中国信通院自 2021 年致力于打造 MLOps 产业生态，推动 AI 生产的高质效和稳定性，目前已组织多次技术交流沙龙，并启动 MLOps系列标准的建设工作，为企业智能化转型、模型大规模应用落地提供指南和导航。（四）（四）MLOps助力助力AI模型规模化生产模型规模化生产 MLOps 为企业的 AI 开发

50、模式从 PoC（概念验证阶段）到大规模生产落地提供了标准化的指南和参考，缓解过程难管理、团队难协作、交付难持续的三大痛点，助力企业实现高效率、高质量、可持续、低中国 XOps 应用创新发展研究报告（2022 年）32 风险的机器学习模型生产。MLOps 中流程的标准化和流水线的自动化可降低对 AI 高端复合型人才的依赖，同时减少重复冗余劳动。机器学习模型全生命周期的管理体系能增进不同团队角色的携手并进。数字资产的版本控制和风险管理有利于模型的安全应用和审计追责。下面列举机器学习全生命周期中典型的关键能力。1.标准化的生产线支撑开发过程中模型的高效构建 从业务方的需求出发，将业务需求转为 AI

51、技术需求，模型开发的过程管理离不开全流程的自动化、体系的规范化、资产的版本化和可追溯。如图 17 所示，标准化的生产线包含了需求管理、数据工程、模型开发的全链路流水线串接，数据、代码、模型等资产的统一纳管和版本控制，业务人员、数据工程师和数据科学家的高效协同，从而实现高效的模型构建和开发，为后期生产环境下的模型交付奠定基础，最大限度地减少开发技术债的积累。来源：中国信息通信研究院，2022 年 图 17 模型开发流程示意图 2.持续集成、持续部署保障模型交付的敏捷高频 中国 XOps 应用创新发展研究报告（2022 年）33 与 DevOps 中不同，MLOps 的持续集成（CI）是指在版本控

52、制基础上，当数据、代码、模型、配置等发生变更时，快速地构建编译和集成测试等。持续集成目的是加快集成频率，及时反馈和修复问题，提高模型交付的质效。持续集成一般包括集成过程、集成反馈两个部分。持续部署（CD）是指将模型服务部署至目标环境，并通过更新策略将新版本模型服务进行持续部署的过程，同时还关注模型服务运行质量情况，从而对模型服务进行持续监控与维护。持续部署一般包括服务配置、模型部署、更新策略、运行监控四个部分。通过 CI、CD 支撑上线模型服务更新时所需的高频触发代码的分支合并、测试及模型的相关测试，极大消除了 ML 工程师与 IT 运维沟通协作的壁垒，实现交付过程的敏捷快速和高效迭代，如图

53、18 所示。来源：中国信息通信研究院，2022 年 图 18 模型交付流程示意图 3.持续监控、持续训练托举模型服务的高质量和低风险 中国 XOps 应用创新发展研究报告（2022 年）34 持续监控（CM）是在生产中定期地监控模型的有效性和服务性能的过程，这是 MLOps 的一个关键领域。随着生产环境中的数据随时间变化，数据属性偏离前段时间训练好的模型的数据，这可能会导致模型的有效性能下降，即产生数据漂移。此外，产生预测请求的上游系统中的变化或错误如数据质量问题、概念漂移等，都可能导致模型产生错误的预测。如果模型已降级退化，需要深入调查、重新训练、迭代更新，CM 的能力能确保工作人员及时接到

54、通知、尽快跟进变化。持续训练（CT）是基于预先编排好的管道流程实现模型的自动和持续训练。当模型服务出现性能衰退、降级退化的现象时，结合 CM可实现异常触发模型的高频更新、质量维稳，使数据科学家和业务人员能够高效、经济地运行用于训练 ML 模型的各类算法。虽然 DevOps中也有 CI/CD/CM 的关键能力，但 CT 是 MLOps 所独有的针对于 ML系统自动触发重新训练的一项特殊能力，CI/CD/CT/CM 的高效合一延长了模型的服务生命周期，维持模型的高质量和低风险。b(BizDevOps cdeD?fghijklm（一）（一）BizDevOps概念与内涵概念与内涵 当前，数字生产力飞速

55、发展，众多企业逐步开始探索和尝试通过研发转型赋能业务价值的整体优化、创新、重构和提升，在不断获取个性化、动态化的业务价值的同时，实现企业高质量发展。业务研发运营一体化（BizDevOps）是指企业围绕业务商业价值实现，贯通 IT、运维、业务三大职能部门，形成利益相关的全功能混编团队，并借助中国 XOps 应用创新发展研究报告（2022 年）35 一体化作业流程，以及低技术门槛作业平台工具，支撑对业务商业价值端到端的交付及生命周期管理，帮助企业持续满足转型对 IT 研发、传统运维、业务运营提出的更高诉求，以敏捷应对商业模式、运营模式、管理模式等变化，实现企业商业价值最大化。（二）持续优化业务技术

56、关系拥抱（二）持续优化业务技术关系拥抱BizDevOps BizDevOps 要求业务、开发和运维三个团队拉齐认知与责任，高效协同，为交付高可用性的业务系统而共同努力。从产品交付的视角，BizDevOps 不但是一种软件开发的方法，更是一种文化理念、工具与实践的结合，它将业务人员、开发人员和运维团队融合在一起，以快速交付符合业务和市场需求的定制化业务产品。从业务价值交付的视角，BizDevOps 将帮助越来越多的企业建立一个认知：只有业务、开发和运维三个团队紧密协同保障业务可用性、可靠性和正确性，才能确保在应用软件生存周期内实现其业务价值。据中国信通院发布的中国 DevOps 现状调查报告（2

57、022）中指出，超四成企业已引入 BizDevOps，但多数处于探索阶段，行业内缺乏相关标准和标杆引领。在实践 BizDevOps 上，借助低代码/无代码、RPA 等降低平台技术准入门槛已成为业内共识。调查显示，超三成企业已应用低代码、无代码等低门槛技术平台，低门槛技术工具对内加速 BizDevOps 推行进度，围绕业务敏捷构建转型竞争力，对外可激发生态合作与资源整合意愿，并可围绕业务创新探索平台经济新模式。中国 XOps 应用创新发展研究报告（2022 年）36 中国信通院紧跟 BizDevOps 产业发展动向，于 2021 年启动了BizDevOps 标准建设工作，聚焦业技融合技术发展趋势

58、和企业内落地成熟度演进，荟萃了各行业专家力量和智慧，帮助企业重塑高效服务流程，加速拥抱数智化转型。（三）（三）BizDevOps聚焦全链路业务价值管理聚焦全链路业务价值管理 BizDevOps 拉通业务、IT、运维运营三大混编团队，围绕业务价值的实现和全生命周期管理进行不断地探索与改进，其核心应用场景在于业务价值管理、业务、IT 研发、运营团队协同开发以及业务运营三大主要业务场景，并借助人员及工具能力对于价值链路和业务研发、运营流程进行承载。1.聚焦业务价值的快速正向循环流动#$34|H围绕业务价值的实现，从业务规划、业务设计、业务价值时间三个阶段进行能力构建。在业务规划时期，组织需明确业务价

59、值，进行价值探索、价值定义等必要环节，并对业务价值进行决策与评估。在业务设计时期，组织的业务结构往往对业务设计起到了至关重要的作用，通过对业务结构的重塑、评估与改进，重新定义业务流程，并做好业务分析。在业务价值实践时期，尝试构建业务试验能力，打造业务交付的关键领域资产开关，构建快速交付的能力。2.关注从研发到运维服务的可视、可管及可洞察#$Y$H三大混编团队围绕架构规划、开发可视、可信发布，构建协同开发能力，在系统及工具中构建领域资产管理能力，做好开发能力复用能力保障，通过全链路的数字化研发工具，打中国 XOps 应用创新发展研究报告（2022 年）37 造数字资产管理能力体系，进而建立并维护

60、领域资产规模及特点，并且打造可视化的发布全流程，确保业务、IT 研发和运营团队均能对业务交付流程和阶段进行洞察。3.构建应用、资产、用户及平台一体化运营支撑体系#$H其核心为围绕业务运营提升业务价值流转，打造运营治理能力，通过数据驱动、客户驱动双螺旋构建运营创新能力，建立多个业务运营评估模型，打造一体化运营视图与大盘，对运营健康度进行全方位评估，进而构建运营资产治理链路与能力，实现对业务运营的高效治理。n(FinOps opIJ IT qrksta 伴随企业数字化转型进程持续推进，云计算技术发展日趋成熟，越来越多的组织开始把 IT 基础设施从传统本地部署迁移到公有云，或者采用私有云和混合云的部

61、署方案。根据信通院发布的云计算白皮书（2022 年）数据显示，2021 年中国云计算整体市场规模达 3229亿元，增速超过 54%，企业上云成为主流。与此同时，根据国外调研机构 Flexera 的调查结果发现，云成本管理问题在企业云中面临的前5 大挑战中已排名第二，过半数实践者存在经常性超支，成本控制问题引起企业关注，企业亟需针对云资源的成本进行有效管理。FinOps助力企业构建新型 IT 财务管理模式，消除业务、IT、及财务视角差异，促进 IT 资源变革管理。（一）（一）FinOps概念与内涵概念与内涵 FinOps 概念源自国外，起源于企业在云中不断变化的业务需求中国 XOps 应用创新发

62、展研究报告（2022 年）38 和经常性超支的预算，促使企业构建针对于云资源的全新管理流程。财务人员在每季度或每年度初进行产能规划时，需确定组织的生产需求，以满足业务要求。伴随企业由本地部署逐渐上云，云中资源使用存在灵活多变的性质，经常产生额外的资源需求，造成预算经常性超支，最终导致企业管理层关注到云成本超支现象，认为资源存在浪费。在此背景下，企业财务人员亟需构建针对云资源的全新管理流程，保持关注云成本支出，运用云成本优化等策略，如云支出分配策略、标签策略、调整资源规模的标准等控制企业的云中成本，实现效益的最大化。FinOps 应运而生。云财务运营（FinOps）是 Financial 与 O

63、perations 的结合，是将财务、业务与 IT 整合在一起的变革，从财务角度对云资源投入的全过程进行管理，以实现对云成本投入的合理性及实际效果进行整体、客观、清晰化地理解和评价，提高 IT、业务、财务部门沟通效率，实现快速调整云资源部署的效益最大化。（二）全球（二）全球FinOps产业生态加速构建产业生态加速构建 FinOps 基金会是全球推广 FinOps 的组织，其成员可以分为云厂商（或云服务商）、咨询公司、云管理软件供应商和解决方案提供商。全球的主要参与者目前包括：Google、腾讯、APPTIO、SADA、VMware、德勤、埃森哲、麦肯锡、IBM、softwareONE 等，如图

64、 19 所示。中国 XOps 应用创新发展研究报告（2022 年）39 来源：FinOps Foundation 图 19 FinOps 基金会会员单位 根据 FinOps 基金会针对 804 名 FinOps 实践者进行调研，发现云财务运营已经成为大型组织的主流实践，同时通过各实践者的分享，针对现有团队协作、成本分摊、资源用量预测等方面挑战已有部分应对经验，同时提出企业应该尽早开始云财务运营实践。数据统计表示，大规模公司更有采用云财务运营的趋势，70%以上实践者所在公司规模大于 1000 人，管理资源越大，需求越迫切，管理实践越成熟。同时，FinOps 团队面临的挑战还包括如 IT/业务团队

65、协作问题、资源用量准确性评估问题、成本分配完整度问题、成本分摊合理性问题以及如何减少资源浪费等。对此，定期分享社区经验或定期开展交流会、企业需建立相关制度、对费用进行标记、建立可视化能力、建立购买/使用有效性等指标跟踪资源使用效果等方式是目前较为有效的云财务运营实践经验。最后，调查发现“花费 5 亿美元的公司和 500 万美元的公司所面临的挑战是一样的”，所以云财务中国 XOps 应用创新发展研究报告（2022 年）40 运营并非企业上云发展到一定程度的产物，而应自一开始便构建能力体系及管理流程。FinOps 基金会目前将云成本管理能力划分三个级别，选取成本分配程度、预测准确性和自动化程度等指

66、标作为衡量企业云成本管理能力成熟度的依据。同时调查显示，目前处于初始级、中级与专家级的企业占比分别为 43.5%、41.5%及 15%。ISG 在 2021 年 11 月发布的 ISG Provider Lens Quadrant Report中，对多云 FinOps 平台的主要参与者进行评价，处于领先的包括Apptio、VMware、Flexera、NetApp、HCL 等，如图 20 所示。来源：ISG Research，2021 年 图 20 FinOps 市场竞争格局 国外三大公有云平台亚马逊、谷歌及微软均已针对云资源提供一定程度得成本管理功能，帮助用户深入了解云资源使用情况。以亚马逊

67、及微软为例，如图 21 所示，其公有云平台均提供包含预算、中国 XOps 应用创新发展研究报告（2022 年）41 成本监控、成本分析、成本优化、账单管理等云资源成本管理能力，有效提高云支出的透明度、控制度、可预测性，优化成本使用，提升管理效率。来源：中国信息通信研究院，2022 年 图 21 亚马逊&微软云成本管理能力示意图（三）我国（三）我国FinOps正处于布局发展阶段正处于布局发展阶段 通过对国内需求方在云成本管理方面现状调研发现，目前国内多数需求方暂未建立相关体系，财务人员有进行云财务运营的管理需求，对于数据的标记、预算维度、数据预测等方面有对于平台能力的要求，我们调研多家国内需求方

68、在云财务运营方面的管理现状，并选取其中三类企业进行调研，其中：A 类企业表示，目前业务基本上云化，但针对成本管理方面尚未系统化考虑，亟需科学的方法论支撑。B 类企业表示，目前成本方面处于探索阶段，已经开始使用如标签策略等措施对云成本进行标记，但存在标记混乱现象，进而导致标签无法匹配；希望打造多云管理平台，当前系统资源的历史数据不能满足财务的管理要求。管理方面，针对云资源的预算按照部门、项目、实践的较粗颗粒度进行制定。C 类企业表示，伴随 IaaS、PaaS、SaaS 涉及分层使中国 XOps 应用创新发展研究报告（2022 年）42 用情况，因此针对云资源二次定价的管理方面存在痛点。同时针对云

69、成本的分摊需要数据支撑，但目前数据完整性方面仍有提升空间。由此可见，目前需求方针对云成本管理方面多处于积极探索阶段，存在云财务运营意识，但多数企业针对云资源的管理方法欠缺或工具平台能力存在提升空间，财务核算的精细化管理水平待提升。在市场方面，我国 FinOps 的主要参与者除了全球 FinOps 参与企业在国内的业务分支机构外，更多地集中在云管理软件或多云管理软件供应商，如腾讯云、富通云腾、佳杰云星、骞云、浪潮云等。国内 FinOps 生态中众多云用户的踊跃参与，很多大型的云计算服务的使用单位也主动的参与到 FinOps 在国内的推广和应用过程中，通过自身的实践来践行 FinOps 思想，同时

70、也对生态伙伴分享得失经验，足以说明企业对 FinOps 的重视程度。此外，中国信通院联合产学研各界共同助力中国 FinOps 领域发展，在 2020 年便牵头成立国内首个聚焦 FinOps 领域的产业推进方阵，并牵头编制 FinOps 领域系列标准。（四）（四）FinOps提升成本精细化运营管理提升成本精细化运营管理 FinOps 要求企业在结合财务及运营方面不同关注点的基础之上进行能力建设，结合财务人员关注的预算控制、成本分摊、成本优化、成本核算等方面，与运营人员多关注的资源优化、架构优化、性能优化等方面需求，最终形成 FinOps 的关注要点，如图 22 所示。中国 XOps 应用创新发展

71、研究报告（2022 年）43 来源：中国信息通信研究院，2022 年 图 22 云财务运营能力建设示意图 通过 FinOps 为企业实现云成本优化，包括以下几个关键能力：1.持续跟踪云成本构成 在公有云、私有云或混合云环境下，对业务用云成本进行持续跟踪，将云公共成本进行摊销，形成真实的最终业务用云成本。2.开展用云效益分析 根据成本分析和业务分析，得到业务价值与用云成本的关联模型，客观分析业务的用云成本效益，为业务用云优化和预算管理提供数字化支撑。3.应用云财务运算管理 跟踪业务的用云成本，明确费用构成，通过大数据和 AI 技术预测业务的用运费用发展趋势，形成财务预算与云配额管理的关联。4.云

72、成本持续优化 通过技术手段、财务手段和管理手段，实现业务用云成本的持续优化，云真正成为推动业务发展的可持续动力。中国 XOps 应用创新发展研究报告（2022 年）44 u(XOps)*-.vwxyz（一）面临挑战（一）面临挑战 DevOps 行业报告提出了两个顶层的用于衡量 IT 组织效能的指标：吞吐量和稳定性，然而，这两个指标项难以兼得。追求交付吞吐量，会带来更大的不稳定性和风险，而传统运维管理以稳定性为目标，则会阻碍对变化的响应能力。而进行 XOps 转型与体系建设，就是要在追求更高效率的同时，保障质量，达到质效兼顾的目标，通过企业管理、人员培养和工程技术实践的提升，让企业 IT 运营能

73、力上升到新的高度。然而，这一过程仍然面临着众多不容小觑的挑战与问题。从企业管理方面看，|5DR6(5#$%F&yz*XOps 强调多组织、多部门间的协作，覆盖技术、财务和业务等各团队的人员，以确保能够将管理思想和方法进行贯彻，实现最佳的效果。这种联合办公的方式会给传统的职能分工企业或缺乏协作动力的企业带来较大的工作模式挑战。从人员培养方面看，cd=e?a()*+*强职能化组织结构也深刻地影响着一个组织的文化。旧有的组织治理模式产生了“各扫门前雪”的官僚文化，没有落实责任共担，以及出现问题即问中国 XOps 应用创新发展研究报告（2022 年）45 责的文化。这种文化可能源自惯性的职能化思维，组

74、织的绩效考评和激励制度等因素。Ptp,6f-dO./*XOps 的全面成功势必需要企业培养复合型人才，并且根据 XOps 的文化目标来看，该类人才还要熟悉组织模式，了解业务发展，掌握公司发展战略。对于这类人才的培养还要投入大量的时间成本和资金成本。企业需要时间和耐心来摸索发展。从技术实践方面看，XOps 0;1Y)23*为了加速 XOps 落地应用，企业需要建立一个或多个满足 XOps 策略的技术工具或平台软件，帮助对基础设施、模型、数据、系统平台、业务、财务（成本）等不同对象，形成如云成本优化工具、云管理平台或混合云管理平台等工具，实现数据的集中采集、集中分析和预测管理，推进交付协作流程的自

75、动化与敏捷化。XOps 576”4t*在数字化转型大背景下，传统企业 IT 系统复杂庞大，引入XOps 方式更多是重新编排原有流程以及对原有系统架构的升级。例如，自研工具集成到原系统内或采购使用第三方工具，因此涉及不同系统间的架构融合与对接。需要自下而上打通各系统数据与应用层，形成研发流程与系统间的协同能力，以提升整体效率。（二）发展建议（二）发展建议 C56“bH”7!Q8X,-L9*完善政策法规体系、指导方针，培养各企业的 XOps 建设理念，形成合理协调推进XOps 产业化的途径。XOps 是全球基于 DevOps 创新发展的新赛道，也是企业科技创新的核心发力点，坚持将 XOps 产业发

76、展与企业 IT中国 XOps 应用创新发展研究报告（2022 年）46 运营管理建设等协同推进，将成为落实网络强国、数字中国等重大战略的重要途径，也将为全面建设社会主义现代化国家提供有力支撑。同时，制定形成 XOps 企业规范化发展指南，和配套的标准化体系，为企业提供信息化建设实施路径和建议，明确实践规范、模块化、安全性、风险责任主体等方面，推动企业数字化转型行稳致远。z:;W XOps 6(H,-?E1z*确定XOps 通用模型、明确前进的方向以及路线图，帮助企业寻找值得信赖的合作伙伴，建立可靠的数字业务方法。同时，构建业务驱动的业务场景自动化编排与特性交付能力，形成以领域资产管理和数字资产

77、管理的双引擎。围绕安全要素提取、安全态势理解和基于数据模型、知识推理、模式识别等的安全态势预测，多维度全面形成安全态势感知能力，对 IT 运营管理进行有效安全防护。!E XOps 4t1ZHGAB7/(Cz*工具平台建设作为项目管理实践及技术工程实践的落地基石，能够有效支撑研发过程规范管理、交付效能持续改进，通过对研发运营相关工具平台的创新研究，能够为打造符合我国发展特点的数字化、智能化、一站式 XOps 体系奠定基础。通过自下而上打通各系统数据与业务应用层，实现不同系统间的架构融合，进一步形成服务化能力，降低研发维护及迭代成本，保障系统稳定性与可靠性，护航企业数字化、信息化能力建设高速、高质

78、量发展。中国 XOps 应用创新发展研究报告（2022 年）47(XOps)*+,-.|（一）（一）XOps将向一体化、平台化持续发展将向一体化、平台化持续发展 随着 XOps 的发展，需要从管理到业务将企业所有不同的部门和需求整合在一起，以软件定义、API 驱动的模块化平台架构来实现快速的产品创新，进而满足企业构建现代分布式和云原生应用的需求。未来，将以如 PlatformOps（平台运维）等的理念为核心促进运维创新，将基础设施、运维、云管理等纳入统一的发展方向规划。（二）（二）XOps助力助力IT部门向运营中心转变部门向运营中心转变 伴随全球数字经济的高速发展以及企业数字化转型的深入推进，

79、IT 部门需要最大限度地满足复杂多变的市场环境中企业业务需求，帮助企业在市场上迅速形成竞争优势，IT DEFGAH_AHyz。在此过程中，IT 部门关注要点由仅进行成本控制扩充到资源的集中与配置、资源使用情况等，管理要求更加精细。成本中心的管理者只关心投入量，重点在于控制成本费用，完成所要求的品种和数量产品的生产，而忽视了这些产品的销售情况。关注经营则表明 IT 部门拥有更进一步的责任，营业利润将会是评价其管理者业绩的一项重要指标。XOps 在此 IT 部门定位转变中，对成本、安全、效率、效益等各方面的价值赋能，将有效助力 IT 部门向运营中心转变。（三）（三）XOps对核心业务价值交付影响深

80、远对核心业务价值交付影响深远 数字化转型的大浪潮下，未来的所有实体经济都走向数字化，企业若想保持并提升其竞争力，业务必须运行在数字化基座之上，并基于数字化基座进行迭代和调整，以实现业务的创新和发展。所以对软中国 XOps 应用创新发展研究报告（2022 年）48 件开发和运维提出了更高的要求，需要站在端到端的全链路的业务视角实现价值交付，而不是仅仅站在单个产品的角度去实现软件的开发和运维。业务是开发、运维和运营的源头，完整的价值流必须从源头开始。为快速交付和实现业务价值，从组织内部打通业务和技术之间的墙，即建立业务、开发和运营的通道，BizDevOps 作为组织内进行 DevOps转型的自然演

81、进，必将被各大企业推到提升 IT 价值、赋能业务的前沿。本报告于 2022 年 8 月启动编写，在背景调研、提纲架构设计、报告起草、报告评审、报告完善等阶段，均面向 XOps 相关领域技术提供方、服务提供方、行业应用方、产业研究方开展深入调研、访谈和意见征求。参与编制单位说明如下：牵头单位：中国信息通信研究院云计算与大数据研究所；参与单位：南银法巴消费金融有限公司、浙商银行股份有限公司、上海新炬网络信息技术股份有限公司、富通云腾科技有限公司、湖南泛联新安信息科技有限公司、华青融天（北京）软件股份有限公司、钛信（上海）信息科技有限公司、中国民生银行股份有限公司、国金证券股份有限公司、腾讯云计算（北京）有限责任公司、阿里云计算有限公司、畅捷通信息技术股份有限公司、北京华佑科技有限公司、云智慧（北京）科技有限公司、北京美图之家科技有限公司、上海密斯凯网络科技有限公司。中国信息通信研究院中国信息通信研究院 云计算与大数据研究所云计算与大数据研究所 地址：北京市海淀区花园北路地址：北京市海淀区花园北路52号号 邮编：邮编：100191 电话：电话： 网址：网址：