平台及开源软件等的安全防护， 全面提升安全管理能力，构建企业级省大数据平台的数据、应用、系统、终端、 网络全方位安全防护体系系统。 新增 Hadoop 大数据平台的安全管控手段，加强租户、权限、账号、日志 等方面的安全防护，结合已有的安全管控体系，构建数据、应用、系统、终端、 网络全方位安全防护体系。 1.2.3 企业级大数据平台建设原则 1、统一性原则 以“逻辑集中、物理分散”为中长期目标，实现数据的统一采集、统一存储、 务为目标”的客户 360 度画像。 客户经营中心逻辑架构分为数据源、客户洞察、服务方式、服务对象、目 标市场等几个层级，具体如下图所示： 客户经营中心通过更多渠道立体收集客户需求(如客户上网日志，客户交 往话单，客户参与营销活动记录等),改变以往以品牌，ARPU 等电信属性去区隔 客户群之间的差异，结合流量的客户访问内容信息换成更加细分以衣食住行角 度观察微客户群对象需求差异。通过系统自动全量计算和手工匹配计算，实现 理与分析实时性能。对内支撑 数据产品智能推荐；对外支撑数据变现模式落地。 实时查询：实现 BI 系统中涉及 CRM 与 BOSS 的一些关键指标实时展示。 例如：业务发展、用户发展类指标、上网日志流量分析。 实时营销：现有营销实时化，实时触发营销活动，满足大数据实时运营需 求。例如：基于流处理的实时标签、营销、评估。 实时预警：实现一些指标的实时动态预警。例如：运维相关指标、仓库压 力指标、数据生成报错的及时预警。

手机门户(建设中) 微信机器人 …… 基础配置中心 CMDB 数据源 任务调度框架 数据字典 监控配置 组织机构 角色权限 云网 指标 智能监控中心 拨测 监控 接口 监控 投诉 监控 日志 监控 主机 监控 智能工具中心 可视化开发 授权单表维护 API配置 能力开放 专用场景维护 服务编排 SQL配置 动态 阈值 AI中心 大模 型 趋势 预测 关联 分析 自然 语言 智能调度中心 事件 侦测 告警 收敛 处置 策略 协同 推送 自动 巡检 作业 计划 机房 监控 服务 监控 智能知识中心 智能 采编 知识 图谱 认知 搜索 智能 推荐 汇聚库 日志平台 kafka 大网网元 云眼北向 接口 大数据平台 …… 智慧运营 核心能力 数据来源 p 统一门户 − 多租户PC门户 − 元宇宙虚拟监控中心 p 基础配置中心 − 内置多种监控源配置模版、零代码 zookeeper …… Cpu使用率 主机监控(Zabbix) 内存使用率 磁盘IO 文件系统 微服务 专线 网络监控(综告/snmp) 网络时延 吞吐量 链路关系 API调用成功 率 日志监控(ES) API调用次 数 API耗时 慢SQL 机柜温度 数据中心动环 业务发展 业务发展 客户投诉 卡单错单 … 话务量 客户感知 接通率 投诉量 派单量 校园营销

国泰海通证券：基于 AI Agent 的金融云平台全场景运维决策机制研究 北京农商银行：智能矩阵根因分析辅助系统 哈尔滨银行：商业银行智能运维体系重构——AI 技术驱动的数字化转型实践 恒丰银行：基于海量监控和日志数据的银行智能运维设计与实现 90 102 86 98 数据库迁移与运维管理 04 智能运维与 AI 应用 05 金科创新社 金科创新社 金科创新社 金科创新社 金科创新社 金科创新社 通过智能运维系统的建设，建立了全行统一的、全面完整的、自动化、智能化运维平台，解决了传统运维系统 人工干预多、监控手段单一、无法适应技术快速迭代等关键问题。通过定义 22 个运维能力中心，实现了日志统一管 理与查询、应用程序自动化部署、自动化变更、交易监测、智能预警、运维工具箱等多种运维场景。该系统打通了 以往各个系统运维信息孤岛，提供机器学习引擎，整合数据中心的软硬件数据，构建全行统一的智能数据湖，极大 比对功能，并可生成对比报告，实现生产和灾备系统基线的统一配置管理；实现对光传输、复制网络、磁盘阵列、 主备主机设备的运行状态，对系统、应用关键用户资源一致性状态进行监测。 五是系统管理功能，支持操作日志查看、系统参数配置、角色配置、权限配置、菜单配置等。提供操作日志记录功能， 一、项目背景及目标 二、项目方案 按照河南省农村信用社前期同城灾备体系建设规划，结合监管部门有关业务连续性的监管要求，为实现全部重 要系统灾备切

供应链等应用缺乏安全防护，分支接入安 全 主机安全层面 • 安全基线管理、服务器防病毒、电脑主机防入侵层面需加强 安全管理与运营层面 • 缺乏统一的资产、威胁管理、风险管理的平台； • 无集中的日志审计、网络审计，缺乏网络管理体系。 • 安全集中监控、管理层面薄弱；没安全运营中心，可视化展示。 安全技术体系需求 已有措施 • 结合当前网络结构和安全建设结构可以分析出，将会建设阿里 的私 平台层安全设备 接入 出口设备 核心 虚拟化层 云平台基础架构 安全资源池架构 南北向安全服务能力 东西向安全服务能力 服务对象 网络行为审计 下一代防火墙 数据库审计 VPN 日志审计 数据库审计 主机安全 租户 服务商 主管方 购买 安全编排 编排 运维 云内威胁管理 云内威胁管理 虚拟机 部署于每一台虚拟机的 agent 安全技术体系 - 云平台安全：软件定义安全界面 安全一体机 MIG 广域网加速 流量探针检测： 采集流量、感知资产、网络、漏洞变 化 终端检测响应 EDR ： 软件重构边界 快速联动响应 边界网关： 下一代防火墙 上网行为管理 SSL VPN 日志采集器 采集交换机、防火墙、操作系统等日 志 软件定义安全资源池： 安全组件（数据库审计、堡垒机、漏 洞扫描、安全基线检查）  构建“ 1 套“指标体系 +”3 大“安全能力中心 +”1 套“制度流程”的安全运营中心体系。

《数据驱动的企业流程数智化路径与实践（2025）》 5 图 2 流程数据的范围 1. 基础数据层 基础数据层涵盖流程事件日志和流程主数据，是记录流程运行 的实体基础，承载业务流程的客观真实记录，支撑流程实例分析、 合规审计、仿真建模、跨系统协同等。 流程事件日志是指业务流程执行过程中产生的带有时间戳的事 件记录集合，涵盖流程“三要素”数据，即流程实例标识符（流程 运行中生成的全局唯一的标识 等信息。 3. 衍生数据层 衍生数据层主要记录由原始数据加工分析得出的数据，用于辅 助流程决策和优化。衍生数据层主要涵盖流程指标数据和衍生分析 数据等。 流程指标数据是依托流程主数据、事件日志原始数据加工后， 形成的结构化指标数据。按类型分，可以分为流程时效性指标、流 程质量评价指标等，其中流程时效性指标包括与流程耗时相关的各 类统计指标，例如处理耗时、等待时间、持续时间、平均时长、中 联通数科 中国信通院云大所 中国联通 联通数科 中国信通院云大所 中国 中国联通 联 《数据驱动的企业流程数智化路径与实践（2025）》 7 结构化数据。衍生数据既包括基于流程主数据、事件日志进行流程 还原后形成的 BPMN 流程模型，也包括基于流程指标定位并分析得到 的流程问题根因、分析结果报告、风险预警分析、流程优化建议等 内容。 (二)流程数据的特点 1. 流程数据的类型划分

时推理和批量处理。采用模型压缩、量化和剪枝等技术，优化 模型在边缘设备上的运行效率。同时，建立模型更新机制，确 保模型能够持续改进。 5. 监控与维护：建立全面的监控系统，实时跟踪模型的性能指标 和资源使用情况。通过日志分析和异常检测，及时发现并解决 问题。定期进行模型评估和重新训练，确保模型的准确性和稳 定性。 6. 用户支持与培训：提供面向业务部门的技术支持和培训，帮助 他们理解和使用 AI 大模型底座。制定详细的操作手册和最佳 接口和模型管理功能，支持模型的部 署、监控和更新。采用容器化技术（如 Docker）和编排工具（如 Kubernetes）实现模型的高效部署和弹性伸缩，确保服务的高可 用性和低延迟。服务层还集成了日志监控和告警系统（如 Prometheus+Grafana），实时跟踪模型性能和系统状态。应用层 则面向最终用户和业务系统，提供定制化的 AI 服务，如智能客 服、文档自动生成、知识图谱构建等，满足企业多样化需求。 离线数据的统一管理、以及数据质量与安全的保障需求。首先，数 据采集模块通过 API 接口、数据爬虫、物联网设备等多种方式，实 现对企业内部系统和外部数据源的全方位获取，支持结构化数据 （如数据库记录）、半结构化数据（如日志文件）和非结构化数据 （如文本、图像、视频）的接入。采集过程中，需配置数据清洗和 预处理逻辑，去除冗余、重复和无效数据，确保数据质量。 数据存储采用分布式架构，支持海量数据的高效存储与访问。

保护制度，加强对 Z 务数据、企业商业秘密和个人数据的保护。建 设数据安全管理系统，包含数据审计、数据安全体系建设、数据脱 敏（动态、静态）等功能。对数据泄露、误操作、非法访问等异常 行为监测预警、日志多维分析、红黑名单管控。通过数据流转溯源 监控，优化数据分类分级，跟踪数据来源，对数据来源进行溯源跟 踪。 6、数据应用更“深”：本次疫情防控是大数据应用的一次实战演 练，需要巩固和固化当前工作成果，持续丰富应用场景，积极引入 等功能，云管理平台需要建立运维管理人员双因子身份认证机制、 管理权限分离机制以及对管理策略、运维数据等关键信息的安全保 护机制，保障云管理和运行维护过程的安全。在安全审计方面，需 要应用密码技术建立行为记录机制、操作日志记录机制，确保发生 安全问题后，事件能回放，操作能追溯追责，保障数据机密性、完 整性和抗抵赖性。 60 / 309 大数据能力平台建设项目方案建议书 61 / 309 大数据能力平台建设项目方案建议书 部门库：部门库是通过对中心汇聚库的数据进行清洗比对后， 对于正确的结果数据将统一清洗比对进入部门库。此库的数据是有 质量保障的，将作为部门对外共享的数据来源。 管理库：对于清洗比对后的错误信息、比对不一致信息以及数 据处理的日志信息等，将由管理库进行统一管理。管理库是大数据 中心区数据管理的基础。 基础库：基础库用于省市的基础信息，包括人口基础库、法人 基础库、信用库、行政权力事项库等。基础库将通过对中心汇聚库 的

业务沙盘演练 数据增 值产品 零售数据 供应链数据 增值产 品数据区 主 题 数 据 区 …… 用户访 问层 客户汇总 账户汇总 机构汇总 …… 社交媒体 移动互联 用户评价 访问日志 处 理 后 大 数 据 待 处 理 大 数 据 流 程 调 度 监 控 告 警 数 据 标 准 数 据 质 量 元 数 据 数 据 安 全 流程 调 度 平台 …… 数据 管控 要包括用户访问日志、用户投诉、用户点评……  企业外部数据  企业外部数据以非结构化为主，主要包括国家政策法规、论坛等互联网信息、地理位置等移动信息、微博等社交媒体信息…… 源数据内容  在本次项目实施中将采用以增量为主、全量为辅结合的方式获取源数据  商城和消费企业业务系统的数据  增量数据识别、获取由云数据推送平台负责，云数据推送平台采用分析、对比源系统日志方式实现  两种模式实现下列 功能：  数据采集  数据传输到数据交换 平台（接口服务器） NAS 指定目录  存储数据到数据平台 大数据区指定 HDFS 目录  定时抽取用户访问 日志，加载到数据 平台大数据区 HDFS 指定目录， MR 程 序 加工处理  开发网络爬虫程 序，扫描用户微 博，抓取用户微博 内容，社交圈信 息，存入大数据区 处理对象 实现技术

知识梳理方法核心流程包括知识收集、知识提炼、知识拆分、引擎选择、知识整理实践 五大环节，其流程图如下： 3.2 如何进行知识收集？ --基于知识来源收集候选知识 智能客服的知识往往有不同的知识来源，包括历史日志、历史知识、文档文章、SOP 流 程、表格数据等，知识来源往往是多种格式、多种形态、多种渠道。在构建智能客服知 识体 系时，需要基于知识来源收集候选知识，综合考虑业务覆盖情况、数据格式情况，完 【公开】 史日志均为可进行频次统计的高质量数据源，提炼高频知识既需要基于历史频次来提炼，也 需要基于业务需求范围来提炼，本质上是二者的交叉，在业务框架下寻求最高频次的知识范 围，提炼出既契合业务需求，也能够高效完成服务的知识。 2）从业务视角反观客户，他们最在意的模块和内容是哪些？ 3）到同行的服务渠道做体验，了解别人的业务覆盖面和内容是什么，做参考。 通过以上几方面的思考，先梳理一版初步的知识，等上线开放小流量后，即可通过日志 等方式，慢慢补充客户所关注的知识要点。 步骤如下： 3.4 如何进行知识拆分？ --基于知识分类的拆分方法 版本：1.0

..... 25 1. 拥抱 Data+AI | 破解电商 7 大挑战，DMS+AnalyticDB 助力企业智能决策 . 25 2. 拥抱 Data+Al 丨解码 Data+Al 助力游戏日志智能分析 .................................... 34 3. 拥抱 Data+AI | “全球第一"雅迪如何实现智能营销？DMS+PolarDB 注入数据 新活力 来能在电商产品上实现全面 智能化。 第二部分：Data+AI 行业应用 34 2. 拥抱 Data+Al 丨解码 Data+Al 助力游戏日志智能分 析 2.1 行业趋势 随着互联网游戏行业的迅猛发展，数据量也在急剧增加。这种增长不仅是因为玩家数 量的增多和在线时间的增长，还归因于游戏内集成的丰富数据驱动型功能，如个性化 推 重点问题。本文将详细 探讨如何利用阿里云 Data+AI 解决方案来应对这些挑战，并借助 AI 为游戏行业注入 新的活力。 2.2 技术挑战 在游戏行业产生的海量数据中，日志类数据扮演着至关重要的角色。日志类数据记录 了玩家行为、游戏运行状态及系统性能等关键信息。这类数据通常包括游戏玩家登录 与退出时间、游戏角色的成长轨迹（如等级提升）、虚拟物品交易详情、玩家间的互 动记录（如聊