一种例行操作响应支持数据分析模型及使用方法与流程

1.本发明属于数据运维服务技术领域，特别是涉及运维服务工作编排优化和效能提高及使用方法。具体为一种基于多元回归分析法和非线性回归-对数函数模型分析法的例行操作/响应支持数据分析模型及使用方法。


背景技术：

2.在运维服务项目的合同签订中，sla的制定是非常重要的环节；sla，是服务供应商与客户之间的服务等级协议，它定义了服务供应商应保证的服务质量。项目建设方一般在例行操作频次的编排方面完全取决于自己的经验，在面对客户等级以及其他多维度方面经验编排就变得死板无效。


技术实现要素：

3.为了克服上述现有运维项目例行操作编排存在的问题，本发明的目的是提供一种基于多元回归分析法和非线性回归-对数函数模型分析法的例行操作/响应支持数据分析模型及使用方法，解决现有技术中存在的问题。
4.本模型主要从不同等级客户的不同服务目录维度出发，通过多元回归分析法和非线性回归-对数函数模型分析法对过去三年来例行操作工时、响应支持人员配比、运维成本、可用性、客户满意度及sla达成率等的运维历史数据进行量化分析，获得该运维服务项目例行操作、响应支持成本比率，进而得出合理例行操作工时，基于该数据分析的结果完善例行操作、响应支持优化，实现对运维服务交付过程中例行操作、响应支持的决策。
5.模型的输入为2016年至2021年例行操作响应支持历史数据：包括例行操作工时(roh)、系统数(qom)、例行操作成本(roc)、可用性(usa)、故障处理工时(fhh)、响应支持成本(rsc)以及指标项：满意度(cs)、sla达成率作为模型的输入因子进行模型分析。其中例行操作工时(roh)指标解释为例行操作使用时长，单位(小时)；系统数(qom)指标解释为运维合同要求的系统数量；监控指数(md)指标解释为对系统运维指标项的监控程度；例行操作成本(roc)指标解释为例行操作成本(人民币元)；可用性(usa)指标解释为系统无故障时间与总时间的百分比；故障处理工时(fhh)指标解释为一、二、三线工程师故障处理时长，单位(小时)；响应支持成本指标解释为响应支持成本(人民币元)；满意度(cs)指标解释为质量管理部运维项目满意度调查结果；sla达成率指标解释为质量管理部关于项目级服务目录分解评价。
6.1、一种例行操作响应支持数据分析模型及使用方法，其特征在于包括如下步骤：
7.s1计算历史每系统运维成本
8.采集历史运维数据，通过数学公式分别计算各等级客户相应服务目录下的历史每系统运维成本；
9.10.例行操作成本＝一线人员运维成本
×
例行操作工时(roh)
[0011][0012][0013]
每系统运维成本＝每系统例行操作成本+每系统响应支持成本；
[0014]
s2计算历史每系统运维成本
[0015]
建立每系统运维成本与系统可用性、满意度、sla达成率的回归方程y＝β0+β1x1+β2x2+β3x3，其中x1，x2，x3分别代表系统可用性、满意度、sla达成率，y代表每系统运维成本，运用多元线性回归模型估计参数β0，β1，β2，β3的值；从而得出每系统运维成本的表达式为：
[0016]
每系统运维成本(c)＝可用性系数(ω1)
×
可用性成本+满意度系数(ω2)
×
满意度成本+sla系数(ω3)
×
sla成本
[0017]
s3计算合理每系统运维成本
[0018]
根据可用性、满意度、sla以及每系统运维成本的历史数据，利用y＝a*ex+b函数进行曲线拟合，得出这三项指标对应的每系统运维成本。
[0019]
数据来源方面例行操作工时、系统数量来源于客户签订的合同清单，监控指数来源于配置资料，可用性以及故障处理时长来源于itsm系统，响应支持成本来源于人力资源部对专家、核心、一般员工成本的核算数据。
[0020]
客户级别的定义分为三个级别：一般客户(cmp)、重要客户(vip)、战略客户(stp)，一般客户定义为运维服务合同50万以下、新客户、仅合作一次客户、订单额较小、消耗大量公司资源客户；重要客户定义为运维服务合同50万以上、长年使用公司产品、认可公司、客情关系牢靠；战略客户定义为签订长年运维服务协议、平台战略合作伙伴、社会价值高、合作潜力大、社会资源多。
[0021]
本发明的有益效果：sla科学的编排的收益在于，增强运行态的确定性：sla可以帮助构建线上运行态的确定性，让产品从“能够正常对外提供服务”跨度到“能主动控制服务状态”，在服务能力明确的基础上，产品能明确自身的短板，能以最优的资源投入产出比提升服务质量。一个简单的例子就是：某服务可用性从99.9％提升到99.99％所需的资源和带来的收益之比，是决定该服务是否应该提供4个9的重要依据。
[0022]
在服务能力明确的基础上，产品能增强对突发情况的应对能力。合适的sli指标能帮助产品在故障发生时进行更好的决策，产品有能力在资源不足时去选择舍弃哪些服务。在服务能力明确的基础上，产品能给用户提供差异化的服务，进而节省成本。建立用户预期：从用户的视角来看，sla可以帮助用户建立对服务质量的预期。这可以避免用户对某项服务的过度依赖，甚至会左右用户的技术方案和架构设计。为了避免用户对服务的过度依赖，google sre会保证服务能达到预定义的slo，但也确保不会大幅超出该slo，在slo的可控范围内，sre甚至会安排计划内的停机，以找出不合理的服务过度依赖。
具体实施方式
[0023]
该模型首先利用数学公式计算得出每系统运维成本，根据计算的结果采用多元回归模型计算模型关键指标可用性(usa)、满意度(cs)、sla达成率对每系统运维成本的影响
系数，从而构造出每系统运维成本与这几个指标的关系式，以便通过客户分级标准计算出合理的每系统运维成本；然后由历史数据得出的每系统例行操作成本占每系统运维成本的比例关系，构造非线性回归模型计算它们的影响系数，得到每系统运维成本和每系统例行操作成本占比的关系式，最终计算出合理的每系统例行操作工时，作为优化资源配置的决策依据。
[0024]
s1计算历史每系统运维成本
[0025]
采集历史运维数据，通过数学公式分别计算各等级客户相应服务目录下的历史每系统运维成本；
[0026][0027]
例行操作成本＝一线人员运维成本
×
例行操作工时(roh)
[0028][0029][0030]
每系统运维成本＝每系统例行操作成本+每系统响应支持成本
[0031]
根据每系统运维成本的计算公式分别计算出一般、重要、战略三个等级客户不同服务目录的历史每系统运维成本如下：
[0032]
一般客户：
[0033][0034][0035]
重要客户：
[0036][0037]
战略客户：
[0038]
[0039][0040]
s2计算历史每系统运维成本
[0041]
建立每系统运维成本与系统可用性、满意度、sla达成率的回归方程y＝β0+β1x1+β2x2+β3x3，其中x1，x2，x3分别代表系统可用性、满意度、sla达成率，y代表每系统运维成本。运用多元线性回归模型估计参数β0，β1，β2，β3的值，从而得到可用性、满意度、sla达成率对每系统运维成本的影响权重如下：
[0042]
[0043][0044]
从而得出每系统运维成本的表达式为：
[0045]
每系统运维成本(c)＝可用性系数(ω1)
×
可用性成本+满意度系数(ω2)
×
满意度成本+sla系数(ω3)
×
sla成本
[0046]
s3计算合理每系统运维成本
[0047]
根据可用性、满意度、sla以及每系统运维成本的历史数据，利用y＝a*ex+b函数进行曲线拟合，得出这三项指标对应的合理的每系统运维成本。
[0048]
然后将回归模型计算得出的可用性(usa)、满意度(cs)、sla达成率三个因子的影响权重以及客户分级标准带入到每系统运维成本计算公式即可得到合理的每系统运维成本。其中客户分级维护标准如下：
[0049][0050]
计算得出的各等级客户不同服务目录的合理每系统运维成本为：
[0051]
一般客户：网络296.93系统332.10数据库356.59虚拟化298.02安全126.78
[0052]
重要客户：网络336.84系统362.22数据库380.60虚拟化306.30安全150
[0053]
战略客户：网络357.64系统384，83数据库403.54虚拟化332.02安全176.01
[0054]
s4计算例行操作和响应支持的运维成本比例
[0055]
根据历史每系统例行操作成本占比及每系统运维成本的对应关系，建立非线性回归模型y＝a*ln(x)+b得出回归系数如下：
[0056][0057]
重要客户：
[0058][0059]
战略客户：
[0060][0061]
在这一部分中选择回归算法的使用的细节如下：
[0062]
[0063]
[0064]
[0065]
[0066]
[0067][0068]
该算法通过历史数据可以计算出运维服务项目最佳例行操作、响应支持成本占比和例行操作工时，也是模型的核心输出。
[0069]
实施例一.重要等级客户模型应用效果
[0070]
我司在2021年底对五大行业的二十六个重要等级客户项目应用模型计算出其服务目录：网络、系统、数据库、虚拟化、安全对应的历史每系统运维成本为：
[0071]
(415.85，500.08，627.55，452.65，303.96)^t。作为重要客户，其系统可用性要求≥99.65％，满意度≥95％，sla≥97％，
[0072]
根据每系统运维成本的方程得出合理每系统运维成本为：(440.08,523.33,649.21,470.46,322.85)^t，其中每系统例行操作成本占比为：(42.08％,44.33％,45.21％,46.46％,53.85％)^t，每系统响应支持成本占比为：(57.92％,55.67％,54.79％,53.54％,46.15％)^t，每系统
[0073]
例行工时为：(0.252,0.349,0.673,0.326,0.273)^t。
[0074]
从图片三可以看出可用性相比之前的96.274％上升到了97.912％，sla相比之前的94.64％提升到了97.12％，每系统运维成本增长的幅度分别为：(5.83％，4.65％，3.45％，3.93％，6.21％)t，相对来说在达到一定的满意度、可用性和sla的情况下，成本增长幅度较低，而且能够达到较好的运维效果。
[0075]
实施例二.运维项目模型应用
[0076]
以甘肃省人力资源和社会保障厅的运维服务项目为例，其服务目录对应的系统数和监控指数分别如下：
[0077][0078][0079]
可用性、满意度、sla符合度三项指标的对应值分别为：99.80％、97％、99％，属于战略客户，根据模型计算得出每系统的例行操作工时为：
[0080]
服务目录系统网络数据库应用安全每系统例行操作工时0.3490.2520.6730.3260.273
[0081]
结合监控指数、系统数、每系统例行操作工时计算得合理的每系统例行操作工时为：
[0082]
服务目录系统网络数据库应用安全每系统例行操作工时8.93.28.50.33.7每系统例行操作成本4770.41715.24556160.81983.2
[0083]
实施例三.评价指标变更下的模型应用
[0084]
2020年10月，我司与xxx签署《xxx管理平台运维服务》，该客户按照客户分级要求属于重要客户。该客户在合同条款中提出可用性必须达到99.80％，因此将该项指标的指标值带入到模型中，计算得出其例行操作工时为：16，相比之前的12提高了33.3％，每系统运维成本从362.22提高到481.75，增大了33％，每系统例行操作成本占比从51.24％变为55.68％，增加了8.67％。