前阵子一个做金融投资的朋友问我学Python编程难不难，我觉得很奇怪，一个做量化投资的人居然想学Python。他说现在做量化光靠脑子活不够用了，很多人都在用AI算法分析数据。像qstrader这样的开源项目现在在他们行业很热门，很多人都在研究。如果他不跟上，那么就要落伍了。任何新技术出现后，都会在业务领域掀起应用的狂潮，这种事情在专业业务领域越来越多的发生，而为什么在我们的IT部门中，却很少看到呢?

这些年IT技术的变革，新技术的出现，总是让业务部门受益，而业务部门也不断地利用新技术在优化他们的生产方式和生产技能。反过来，IT部门，特别是IT运维领域，似乎这些年还都在一成不变地采用刀耕火种的模式，依靠运维人员辛勤的劳动来为各个业务部门提供良好的支撑。说的难听一点，那就是为什么业务部门在不断的利用新技术武装自己的业务，而IT部门还是一群完全依靠人的身体的土八路呢?

企业在IT运维领域的投入不足是最主要的原因，不过IT部门的技术高管在技术远见上的不足其实是其根因。正是因为这方面能力的缺失，使IT部门在运维自动化、数字化、智能化领域的蓝图完全是错误的。因此信息系统建设完全脱离了数字化转型的本质，花的钱也大多数打了水漂。因此久而久之，很多企业的IT部门觉得，把钱花在人身上才是最靠谱的，任何的数字化平台的投资都是浪费钱。花钱建平台还不如把钱省下来多找几个外包驻场的技术人员来得实在一些。

另外一方面的因素是IT部门的信息化和数字化进程要远远落后于业务部门。企业的业务已经经历了电算化、信息化，目前已经进入了数字化转型的前期。而IT部门这些年虽然帮助业务部门实现了电算化和信息化，但是自身的业务依然处在电算化阶段。能够用电脑写点报告材料，用简单的EXECL或者数据库管理一些配置信息，已经是很多企业的IT部门针对IT运维管理的最高水平了。其技术水准连信息化都谈不上，更不要说数字化转型了。

上图是一个业务数字化转型的工作内容，从数字化描述、数字化模型、数字化呈现到数字化执行和数字化评估这个数字化转型的流程来看。对于IT运维部门来说，完成IT运维的数字化描述这项工作也基本上算是一个无法完成的任务了，更不要谈后面的模型、呈现和执行了。

二十多年前，我也参加过一些行业的业务数字化建模工作，参加过冶金、邮政、电信、检验检疫行业的业务系统的数据模型标准设计。其实大量的业务部门最初的模型建设都是业务专家和IT专家一起构建的。并且在多年的实践活动中不断的迭代和演进，其脉络十分清晰，业务通过数字化描述后也和IT深度融合了，其继续演进的能力很强。

反观IT部门，除了折腾一些我一直认为是身外之物考核人的绩效的KPI之外，在真正的IT业务上实际上并没有做数字化描述的投入。因此对于大多数企业来说，都无法完整地描述出某个IT基础设施的数据模型，更不要谈针对目前复杂的IT环境进行数字化建模了。

造成这方面问题的主要原因除了这些年IT部门在这方面的投资不足外，最主要的问题还是人的观念问题。经过这些年的发展，IT部门的领导眼中只有那些评价人的KPI，而缺乏针对业务进行数据建模的认知。2019年我在组织一个IT运维对象指标模型标准化项目建设的时候，很多IT部门的领导觉得我在做一个没有价值的事情。都进入智能化运维的时代了，怎么还有人在干这种基础的工作呢?针对一个数据库对象，有必要去采集数百个指标来做分析吗?现在有多少指标就用这些指标来做分析不行吗?为什么还要去折腾基础指标的事情?

如果这是在业务部门，这种观点肯定是没有生存空间的。不过在IT部门，这种观点得到了广泛的认同，好像是顺理成章的事情。大家都觉得搞智能化运维才是目前的潮流，而去折腾数字化描述，那是吃力不讨好的事情。殊不知数字化描述是智能化的基石，基石不存，高楼从何而起呢?在如此认知之下，那么IT部门的数字化也就只能是空中楼阁了。