导读 1)工业农业都要上云,都要有自己的数据中心,我们基础设施呢? 2)上一篇仪表配好了,数据宝藏怎样才能挖掘出珍宝? 3)统计局局座如何升级成企业领航员? 数据中心的数据中心 七年前笔者成为当时还无人知晓的高级能效管理工程师,那时候云和数据中心就已经很火热了,各行各业都要有自己的数据中心,没有条件创造条件也要上。 而现在有多少数据中心运营团队有组建自己的数据中心? 1)全部数据电子化、信息化; 2)全部数据标准化,可快速筛选、计算、导出; 3)电费、水费、带宽等核心支出;因项目而需的驻场人员工资、福利等人力资本支出;因项目而需的备品备件等材料支出;全部数值、预算值、差异报告等分门别类数据化; 4)电量、水量、网络流量按照各自的统计级别、统计口径、时间颗粒度等分门别类的数据; 5)零部件及设备等的故障报告、维修报告、场地在用总数量、以及经年累月由此反馈的设备依类别、品牌的真实可靠性,维护人员水平; 6)零部件、设备、系统的周期性、预防性、预测性维护计划与性能保持率; 7)运维管理规章制度,SOP、MOP、EOP,财务制度; 8)团队培训资料,全新技术、数据中心行业新技术、企业新技术、新方案技术交流资料,各系统专业培训资料,知识能力实践经验传承资料; 9)其他各种设计、建设、采购等项目相关或者能力相关有效数据; 10)以上数据的计算、分析、挖掘和产出,优化数据中心运营。 数据的分级 数据因为其敏感性,可分为不敏感数据,可脱敏数据和不可脱敏数据。(有些数据本身敏感,脱敏后,数据其实就消失了) 敏感度可以分为以下几个常用级别: 0)不敏感,可完全公开传递; 1)对部分相关企业(客户/投资人/竞争对手等)敏感,由有权掌握数据的人自主根据需要公开,并尽量设置一定的传输障碍(比如仅口头交流或者仅通过交流会分享,仅能通过参与交流会才可有限获得); 2)涉及企业经营核心数据,由有权掌握数据的人,根据公司规定申请,并获得授权确认后,方可定向或者有限公开; 3)涉及企业核心竞争力及企业经营机密,禁止任何途径的公开。 人力配置 国家有统计局(数据收集及弱分析)+智囊团(数据强分析及应用); 企业有科技/信息处室和部门(数据收集及弱分析)+决策层(数据强分析及应用); 数据中心有一线班组(数据收集)+运管团队(数据收集及弱分析)+能效管理部门(数据收集及强分析及应用) 数据中心的数据中心人力组织与配置,初看起来貌似也能满足数据收集、分析及应用需求。但实际上由于 1)较多数据跨越较多部门,甚至涉及财务; 2)现有人力数量和水平(职级和权限)配置不足; 3)仅有人力往往还身兼数职,其主力工作量并非是数据分析或应用。 往往导致现有的数据部门只实现了阉割版的功能。 数据中心的数据中心,应根据其需要收集的数据类别、数量,需要实现的数据挖掘、分析和应用的功能,来优化其人员和组织架构的配置。 高效运营之数据中心的数据中心 实现单位产出平均TCO大幅下降 1)数据中心能效逐年提升,耗能水平及费用水平逐年下降(总量和总费用可能随着产出或者上架的增加而增加,但耗能水平如PUE、WUE等均需逐年大幅下降); 2)以量化的可靠性数据,削减不合理的品牌溢价; 3)以量化的性能及经济性数据,突破采购的政策限制;(比如必须三家,比如必须有数据中心经验,比如采购一次最低价中标,比如采购合约对产品性能无罚则、无约束、约束不细) 4)避免花了真价钱,却买回个伪劣产品或者服务; 5)实现资金、人力、数据好钢用在刀刃上; 6)通过节能降耗及运营优化,实现资源更有效利用,富裕的电力和空间指标可以用来增加产出; 7)高效输出数据报告及报表,加速决策、优化市场效果,增加产出; 8)通过精确量化和对细节的充分关注,提高管理效能,降本增效。 实现团队成长 1)培训数据化、系统化,方便学习、总结、传承; 2)设计-采购-建设-验收-运维-设计形成正反馈循环,通过实践及组织的内外部技术交流与学习的积累,快速提升中高层跨专业跨系统跨知识结构的能力水平; 3)通过开放、平等、详尽的数据共享,快速提升一二线实操及理解能力水平; 4)通过专业、丰富、系统的培训,促使新人快速融入工作及团队; 5)通过数据及作为数据本身一部分的政策,来引导学习、成长与晋升,从而实现无中心的团队系统,铁打的营盘流水的兵。 主编寄语 很早就想写这么一篇,有的时候灵感走了,好像变成了某种程度上的任务,望各位见谅与海涵。(有朋友偶然问起俱乐部白皮书在哪,等写满十二篇就可以合集成书了,欢迎大家提前订购,在001赞赏20元,可以留言快递信息,后期成文后将会直接快递) 今天对于数据中心是个特殊的日子,虽然人不可能7*24h持续工作,但是作为一个团队,我们通过高效轮班和高质量高水平的辛苦工作,实现了无数的数据中心永续运行。 向各位此时依然奋斗在一线的运维同仁们致敬! |
|