中國著名的科幻小說《三體》中有一個來自理工男作者極為天才大膽且具有顛覆性的設想，叫做：降維攻擊。
我們可以學習這種思維的方式來對今天的運維成本中心予以升維定位。我們認為，未來的運維中心將會成為企業(yè)的基礎資源管理中心、基礎能力中心和基礎創(chuàng)新中心。
之所以有這樣的定位，是因為未來企業(yè)的所有數據資源將集中在業(yè)務數據平臺和基礎數據平臺兩大核心平臺之上，企業(yè)所有的能力，所有的創(chuàng)新，都需要這兩大平臺的支撐。而這樣的升維定位也為企業(yè)運維數據資產化和運維數字化轉型明確了方向。
有了這樣的定位，讀者就會明白未來的AIOps一定是平臺化的，是具有科學方法論的，也是在全局基礎數據資源統(tǒng)一管理基礎上的創(chuàng)新和發(fā)展。這其實與近期提出的Dataops概念異曲同工。同時，讀者也就一定理解本書所定義的AIOps與目前業(yè)界各運維工具類廠商的根本不同。工具類的運維軟件廠商就某些業(yè)務場景開展數據分析其實是算法運維(Algorithmic IT Operations)的范疇，AIOps應該具有體系化的理論依據與平臺化的整體構思。
只有平臺才能發(fā)揮數據整合的威力與能量，而數據的整合當然需要治理先行。在傳統(tǒng)業(yè)務數據平臺領域有太多由于沒有開展數據治理造成種種問題的前車之鑒值得運維數據平臺建設予以借鑒。
然而在構思運維數據治理體系的時候我們也曾經有很多困惑。傳統(tǒng)比較成熟的數據治理的方法或最佳實踐在運維領域很難得以照搬套用，比如運維數據領域就無法直接從結構化數據庫中獲取全量元數據，似乎在套用業(yè)務數據治理理論時總是有很多不同之處。一直到我們提出了廣義元數據管理、廣義數據標準和廣義數據模型后這些問題才迎刃而解，并由此順藤摸瓜般總結出運維數據治理的差異化需求和特點。這是我寫這本書的過程中最大的收獲。由此我們提出了業(yè)界第一版的運維概念模型，也分析出數據湖技術更為符合運維數據平臺的特點和需求。
本書力求通過創(chuàng)新的思考幫助用戶厘清思路，發(fā)現問題，確立方向，找到那條數字化轉型可行的路。在書中我們有三大預言，希望與讀者一起去見證未來。
本書最后一章對于工業(yè)運維略作延展，因為今天正在火熱的智能制造、工業(yè)4.0同樣需要智能工業(yè)運維的保駕護航。工業(yè)運維與IT運維同樣具有極大的差異化，所以書中對包括數字孿生技術和時空數據技術在內的物理融合模型（CPS）做了介紹和說明。我們認為工業(yè)運維不是簡單的搭建了一個云平臺，通過數據接口接通了很多生產線的實時物聯網數據，然后開展了若干統(tǒng)計與可視化，就可以稱為工業(yè)運維。智慧的工業(yè)運維同樣需要在數據融合的基礎上通過治理實現數據資源體系化的梳理，然后結合實際環(huán)境結合具體業(yè)務場景和業(yè)務需求開展AI分析并支撐快速決策。
我們認為工業(yè)運維可以借鑒AIOps的理論與方法，結合工業(yè)運維需求予以分析和開展。今天由IT（信息技術）、CT（通信技術）和OT（運營技術）的融合已經沒有技術障礙，這為在工業(yè)運維領域通過AI技術實現自動化智能化奠定了堅實的技術基礎。我們相信，未來的智能工業(yè)運維一定將是蓬勃的發(fā)展前景。
最后，感謝在本書的完成過程中給予我指導和建議的所有的朋友和老師，感謝大家的支持，本書的成果離不開你們的幫助，這里一并致謝！由于是全新領域的構思，相信書中一定有很多紕漏瑕疵之處，我希望得到業(yè)界同仁的批評指正，與大家共同創(chuàng)新，共同探討運維發(fā)展之路！

湯濱
2019年夏 北京