需要以一种全局的视角来看待问题。
由数据架构、数据治理、数据共享、资产增值、场景变现这五大板块组成的数据资产管理“五星”模型。
里面有一类问题非常普遍，那就是数据稽核的方式方法看起来过于老旧，但是挖掘深层次原因，其实不难理解，我们有文档，开发环境，生产环境，我们几乎不能保证在每一个环境中数据和逻辑都保持一致，所以数据稽核是一种方式，可能未来会有更好的工具和方法，但是过程还是必须的。
其中对于数据资产的建设中，对于数据版本的管理是一个标准化的工程，地基打牢了之后才能够完善类似数据地图，数据目录，当然元数据建设的意义才能够更好的体现出来。
对于场景变现的理解，有一个很有意思的例子，比如你去买水果，结果水果店摊位旁边不断的播放水果榨汁的视频，那么从某种程度上就会促进客户购买榨汁机的需求，所以对于运维来说，能够通过这种方式发掘出业务更多的价值。
提问环节，有一个问题很耐人寻味，那就是数据的价值，当然可以有很多的属性，比如经济的价值和社会价值。有时候是一把很难去标量的尺度，但是对于不同行业的出发点来说，可以说是一种补充和社会价值吧。
郑磊老师分享的主题是《政府数据共享、开放与治理》，他专程从国外赶来做了这个分享，开始我想这类主题可能离我们很遥远，听了内容之后很有启发，因为以下的几个问题吸引了我。
其实对于很多企业来说，彼此的角色和位置都不是对等的。对于部门协作来说，最理想的情况是 你给我什么，我给你什么，这样双方都能够共同处理和协作，而如果是我需要你的数据，但是你不感兴趣，这就很容易行程代沟和壁垒。很多企业的老毛病就是
对于政府数据的采集和公开，确实是一个浩大的工程，对于数据质量的把控就是一把行之有效的标尺，比如如果单纯按照数量来完成KPI，那么数据质量的工作就会流于形式，所以他们采用了一种容量来计算的方式，比如通过这个维度的方式，可以看到数据质量较高的一些数据情况。
总体来说，对于政府的数据公开和企业里的数据管理，很多思路是相通的。数据质量不高的原因主要有以下几点，对于我们的实际工作而言同样具有参考意义。
其中给我触动很大的是下面的理念，什么是开放数据，信息查询，可视化都不是开放，开放是一种更加的标准的形式，从我的理解来说，比如数据访问接口等。
所以最终数据治理不是一蹴而就，而是很可能有一个反推的过程，一种思路就是通过开放倒逼治理。
史海峰老师分享的主题是《从0到1创新项目架构取舍之道》，史老师的内容相对更加轻松和开放。
当然在开篇，史老师提了一个问题，对于企业来说最重要的资产是什么?是数据，客户，代码还是人？ 当然最后的答案不一而论。
对于议题的内容，主要提了几个重要的方向来讨论
1.成熟技术体系中如何快速创新？
2.创新项目从0到1架构演进策略？
3.敏捷迭代中的技术债如何偿还？
4.技术怎么与创新业务齐头并进？
史老师举了他们主导的一个项目，通过抽调成员组成临时团队，启用项目管理看板，使用小黑屋的模式，开发周期禁用了6天就上线了第一个版本，在这个过程中积累了大量的实践经验，从最开始蛮荒式实现到后期逐步建设完善供应链系统，
对于一个团队来说，召之即来 来之能战 战之必胜，这样的团队战斗力是相当惊人的。这个过程中，积累下来的技术债也要慢慢还掉。整个过程对于我们目前在思考的前后端分离和架构抽象很有借鉴意义。
互联网企业竞争和挑战极大，要的就是高效，如何在架构中实现平滑的过渡，有以下的几点总结：
1.风口创新，唯快不破，坚决不拖后腿
2.从0到1，以MVP为第一目标
3.不追求技术先进架构完美
4.适度前瞻，拥抱变化
5.不同阶段，不同策略，适时调整
6.先支持业务，深入理解业务，再驱动业务
史老师是颜值担当，人气很旺，最后在粉丝的簇拥中我都找不到他了。
下午听了下聂星老师分享的主题《腾讯最新AIOPS落地实战》，对于AIOPS的落地实践，吸取了不少思想。
如果我们的工作中被大量的事务所缠绕，而且业务逻辑越来越复杂，要求越来越高，那么我们就好像陷入了一个泥潭，无法自拔。
对于运维来说，最理想的方式就是咖啡运维了。我们都希望喝着咖啡（喝茶也行），对于工作都运筹帷幄。
关于监控，腾讯也经历了很多的迭代，逐步完善，在广度和深度上做了不少的改进。比如自动化模拟测试监控，模块间调用质量监控，数据被处理为多种维度进行深度的挖掘视角。
里面有一个新的概念很受益，那就是DLP, 这是他们内部总结的一个概念，即这个指标是最清晰的指标。通过这种方式来优化已有的监控。
看起来难以衡量，但是通过无阈值的方式其实可以对已有的监控做减法，同时结合历史数据来做参考。这个过程的落地是很艰辛的，这也是AIOps要落地必然要经历的难处所在。
AIOps下的运维体系注定要被改写，可以一窥腾讯的这个设计思路。
要建设这样一套平台，要走很多的路，包括很多的弯路，这个演进策略可以带给我们很多的借鉴思想。
李强老师分享的是《运维人职业生涯发展与软硬件技能提升》，李强老师和我是老乡，虽然之前未曾谋面，但是彼此在网络上熟悉。
李强老师提到了一些运维的现状，不同工作层次的运维工程师的段位：
到了一定的层次之后，就必然需要带团队，参与管理的工作，李强老师总结的很到位，如果你已经是管理岗位，那么你需要投入更多的精力在团队建设上，那么相比而言，技术就是兴趣，管理是工作。
在工作中，其实如果能够深入 你才会有价值，他举了一个例子，keepalive的切换，检测异常在10毫秒以内，切换2毫秒，这是我们对于技术的一个标准和追求。所以反思我们的工作，我们需要更多的思考和改进。
最后也感谢社群和各位老师。
