挑战
系统压力大：
平均日交易量可达3000笔+；每分钟系统性能指标数据达到GB级；运维数据只能保留月度数据甚至1~2周数据量。
运维协作少：
运维条线僵硬，整合分析困难，出现运维死角；运维数据缺乏统一管理，造成根因甄别排错困难；业务部门与运维部门协调困难，难以实现敏捷开发，部署，上线快速业务创新。
数据利用低：
大量的网络流量与事务处理、日志文件、报警与事件、性能指标数据没有有效利用；被动式IT运维方式，很少做到主动式/预测式IT运维，实现整体运维监控趋势把握。
价值
软件著作权
通过统计学理论／数学算法对历史数据进行分析；按照不同日期特性，如：工作日／休息日／特殊运维日，进行单KPI预测；按照不同的时段特性，如：交易高峰时段／交易平峰时段，进行单KPI上下限预测；根据预测结果，结合实际值，制定不同的告警规则。
通过统计学理论，挖掘指标间的关联关系；通过统计学理论／数学算法对具有关联关系的KPI进行数据分析，找到各KPI之间的标准误差；通过算法计算各关联指标之间的标准误差，当标准误差超过算法范围后进行预警。
根据各KPI的影响度提出故障解决的推荐意见；当多个KPI之间的关系被打破，即发生异常时，通过对大量数据的挖掘和学习，在第一时间找到异常发生的原因。
