来源：“鑫智奖”第四届金融数据智能优秀解决方案评选

获奖单位：上海鼎茂信息技术有限公司

荣获奖项：运维创新优秀解决方案

一、解决方案简介

鼎茂的基金证券行业核心业务系统智能运维解决方案是建立在多年运维经验、对行业洞察和对业务理解基础之上，使用基于AI算法、构建起数据分析、问题发现、智能定位、自动恢复和预测预警的闭环智能运维场景，同时通过组件化平台，实现完整数据治理、场景运行和现有运维工具体系的一体化连通，大幅提升客户在运维的各个环节基于动态智能决策的管理和运行能力，突破现有运维瓶颈，实现高可用性、低人力依赖、风险智能可控的新一代运维体系。

二、应用场景痛点简介

随着基金证券公司投资产品和客户数量的较快提升，各类新业务不断扩展并日趋复杂，导致信息技术方面各类基础和应用系统运行风险增加，同时公司日常的各类业务开展和运营操作也同样面临业务扩展带来的风险提升。

基金证券行业的运维痛点场景主要包括：

1.系统运行状态难以判断

开市前，系统开机和环境巡检工作时间紧任务重，虽然逐步上线了自动化工具，减轻运维负担，但是自动化流程的运行状态正常与否难以判断。

2.难以实现实时监控告警

开市期间，需要确保系统运行稳定，各类监控工具实现了一定程度的系统监控可视化，但是仍然难以提前预警问题，避免故障发生；

在发现问题后，故障排查又主要依赖专家经验，缺乏固定章法；

在异常交易行为监控方面，需要在不同系统之间关联各类业务数据，缺乏手段进行实时监控告警。

3.容量预测方式难以支撑

闭市后，除去对例行流程、备份操作和跑批的监控和异常分析，还需要进行业务与容量预测，目前的预测方式比较传统，难以支撑及时制定合理规划。

三、解决方案亮点介绍

鼎茂科技将自研AI算法运用于基金证券行业运维的各个环节，包括基础设施运行情况、异常交易的检测与诊断，告警信息根因定位与收敛等。

1.基础设施异常检测和预测

面对基金证券业分布式、容器化基础架构所产生的海量监控指标，难以依靠人工从中快速筛选出重要指标，鼎茂科技的异常检测和预测算法采用通用异常检测技术，结合模式学习的创新自优化技术，能够快速自适应不同特征的各类指标，减少部署训练所耗费的时间精力，实现提前准确发现问题，并为告警收敛、精准触达和快速治理提供信息基础。

2.例行工作流程异常检测

依靠步骤识别、特征分析算法自动学习基金证券业的每日开市、闭市工作流程日志，动态更新工作流及分支运行情况并建立模型，并用检测算法对比流程历史状态，形成智能检测。动态模型可以应对工作流程中串行工作的前/后置项，和并行工作流程等复杂情况，实现更为精准的异常识别。

3.异常交易检测

由于基金证券业本身业务种类多，加上对接的外部机构系统繁多，对交易的监控检测涉及多种不同业务日志的关联分析。鼎茂科技的日志关联算法可以发现多维数据的内在关系，再结合领域知识和结果反馈持续迭代，实现低门槛、高收益的业务日志分析。使用业内领先的AI算法，从业务日志中挖掘关联关系，形成业务拓扑从而进行异常交易的检测。

4.根因定位

为了对上述不同基金证券业运维场景中所识别到的异常进行根因定位，鼎茂科技的根因定位算法结合了全量可观测性数据（指标、日志、告警等）和前沿根因分析算法，实现全链路、多层次、跨组件的精准根因定界定位，帮助运维团队快速排除异常，保障业务持续运行。在根因定位的基础上，通过差异化的告警聚类和关联降噪，结合内置行业应急处置中心最佳实践工作过程，突出根因、重要告警，完整解决告警管理需求。

四、金融行业客户名单

鼎茂科技券商基金用户：富国基金、华安基金、国金证券等。

五、客户评价

华安基金评价：

该解决方案基于我司运维管理现状，把握运维痛点，通过各类数据分析和AI算法对运行状态及趋势进行判断，及时发现各类问题，以免延迟处理造成的影响扩散，并在一些场景中防范风险问题的产生。在提升运维团队的工作效率与成果的同时，通过黄金指标的趋势预测，不仅对核心应用全技术栈性能进行预判，也让我们对计算资源的投资更有方向。

更多金融科技案例和金融数据智能优秀解决方案，请登录数字金融创新知识服务平台-金科创新社官网案例库、选型库查看。