近期，复旦大学计算机科学技术学院教授王鹏在深圳某会的AIOps最佳实践及解决方案专场，讲述了他作为时序数据算法专家对智能运维算法场景的理解。
“智能运维在国内发展已经是如火如荼，甚至出现过度炒作的现象（如宣称拥有完整的解决方案、通用的大而全的算法），但是在场景落地能力方面目前仍然十分欠缺。实际上，智能运维的落地，除了需要考虑算法的设计能力之外，还应该考虑对运维场景的理解能力，以及平台的工程化能力。
-
算法的设计能力。客户的需求是个性化的，我们需要设计针对性的算法。此外由于生产环境不同，客户的数据也具备很强的个性化特点，参数调整会显得更加复杂，而且需要反复调整。
-
对运维场景的理解能力。算法只是手段，运维才是最终的目标。算法必须结合运维场景，只有深入研究、理解运维场景，才能发挥出算法的效用。
-
平台的工程化能力。针对目前的海量数据环境，大规模的运维数据处理需要高效稳定的数据平台，此外还需要同算法进行高效的结合，提高平台的数据处理分析能力。
