汤滨，20年以上企业数据管理和应用领域从业经历，先后服务SPSS、SAP、Splunk等国际知名软件厂商，并作为核心团队成员在多家创业公司带领团队开拓业务。

推荐语
前言
第1章 总论
1.1 运维管理的现状
1.2 AIOps为什么会成为公认的运维管理的方向
1.3 AIOps对于运维数据管理提出的需求与挑战
第2章 需求分析
2.1 企业数据治理概论
2.2 运维数据治理的差异化分析
2.3 运维数据治理工作的策略与原则
2.4 运维数据治理工作的创新思路
第3章 解决方案——企业基础数据平台建设
3.1 运维数据管理系统
3.2 运维数据模型建设思路
3.3 企业统一基础数据管理平台
第4章 实施规划与案例分享
4.1 案例分享
4.2 运维知识图谱
4.3 实施规划
4.4 对AI的认知
第5章 运维数据资产化与运维管理数字化转型
第6章 智能工业运维探索
6.1 数字孪生技术
6.2 时空数据技术
6.3 工业运维数据模型
6.4 基于物联网的工业运维数据平台
6.5 物理信息融合
后记

运维数据治理开山之作！
本书将理论与大量典型案例相结合，深入浅出、化繁为简，阐述了为什么AIOps是运维的终极目标，详细分析了一般企业信息化的运维需求，提出了完整的基础平台搭建和实施规划。
本书力求通过创新的思考帮助用户厘清思路，发现问题，确立方向，找到那条数字化转型可行的路。

无数据，不AI。而没有统一完整的基础运维数据资源平台，AIOps也无从谈起。基础运维数据资源平台是AIOps的数据基石，也是未来支撑企业数据战略的两大数据平台之一。
本书在分析运维数据治理与传统数据治理的差异化特点的基础上，阐明了数据治理的DAMA理论体系在运维数据管理领域实现的广义元数据管理、广义数据标准、广义数据模型等方面的理论突破，创造性地提出运维数据模型建设的思路，为运维数据治理构建了体系化理论基础，并提供了具有方法论支撑的完整蓝图。同时，本书就基础运维数据资源平台建设，也分享了基于数据模型实体库的概要设计，以数据湖为基础，包含运维数据中台建设的架构规划。最后，本书还在工业运维领域略做了一些延展，分析了工业运维数据模型的差异化特点，对以数字孪生、时空数据等关键工业技术为核心的物理融合技术做了介绍，提供了开展智能工业运维的必要内容。
本书不仅适用于IT服务从业者，也适用于从事IT技术咨询、开发、建设的一般读者。