事前：缺少全局运维监管和预测能力
IT基础架构转型，使得业务系统、应用、设备和等运维对象快速增加；现有IT运维监控难以实现全面集中统一监控和实时观察、预测性感知能力。
事中：告警噪音大，误报漏报多
敏态业务架构使得服务模块之间调用依赖关系更为复杂，监控指标成指数级增加且为固定阈值，故障告警容易产生大量的误报漏报，影响业务运营。
事后：复杂业务依赖下的故障定位难
数字化业务下，IT服务和数据交互更为复杂，一个异常往往引发多个相关告警，需排查海量告警日志信息，故障定位难度增加，影响业务正常运转。
实时感知业务健康状态，提升系统服务可用性
KPI智能分析方案，构建企业IT运营实时观察力，降低运维管理复杂度。以服务可用性分析为核心，利用机器学习和关系图谱实体建模技术，打造智能化的服务可用性分析平台。 通过服务健康度预测、动态阈值、告警降噪、关联分析和故障分析，降低故障修复时间，提升服务可用性。
• 构建业务全局运行视图，实现以业务运营为核心的全面集中监控运维；实时洞察IT和业务运行状况和服务运行状态，及时识别业务运营隐患，评估业务系统健康状态。
• 服务状态实时洞察，实时分析系统指标数据，系统服务和监控指标高危状态突出显示，运维聚焦高危事件。
• 趋势预测、智能检测系统服务、基础设施运行指标状态；风险前置，提前规避潜在风险隐患。
• 拓扑视图清晰展示系统服务与IT基础设施之间的依赖关系、调用流程等，精准、直观识别异常服务影响范围；故障快速定界定位，帮助分析影响业务降级的根本原因，提升故障解决效率。
• 精准智能告警，减少误报漏报；海量告警信息压缩，解放运维劳动力，优先处理高危事件，减少故障影响范围。
• 深度分析多个系统服务的KPI指标状态，综合分析不同指标在同一时间数据，辅助分析定位故障指标。
