Fullwave multicolor opt3 3x
金融服務業的可觀察性狀態報告

差異化與複雜性:2024 年金融服務業公司的技術挑戰

我們調查了 260 位來自大型金融服務與保險機構的全球資訊長與資深 IT 領導者,深入了解他們對數位轉型的觀察。

金融服務業的競爭從未如此激烈過。

在這個激烈的環境中,科技處於最核心的地位,各機構都希望透過數位服務脫穎而出。

然而,傳統技術與現代多雲環境的結合,已證明對 IT 與安全團隊而言是難以管理的燙手山芋。

City Illustration
Section bkgd blue green top wave

複雜性是個越來越大的挑戰

12

橫跨一般多雲環境的不同平台和服務數量。

89%

的組織表示其技術堆疊複雜性在過去 12 個月內增加了,而 54% 的組織表示複雜性將持續增加。

持續依賴分散的監控工具和手動分析進一步加劇了挑戰

11

金融服務業組織用於管理應用程式、基礎設施和使用者體驗的平均可觀察性或監控工具數量。

81%

的金融服務業技術領導者表示,他們依賴的工具、平台與應用程式增加了多雲環境的複雜性。

Illustration of fragments
Gray wave background

Kubernetes 已成為首選平台

它的可擴展性與效率非常適合雲原生領域,但也增加了維持雲端可見性的挑戰。

首選平台

87%

的技術領導者表示,與傳統技術堆疊相比,維持動態 Kubernetes 架構的可見性更加困難。

雲原生技術堆疊產生的資料量超過了團隊能處理的範疇

ITOps 與安全團隊遭大量資料淹沒,無法專注於推動更多自動化並做出更明智的決策。

88%

的金融服務業技術領導者表示,雲原生技術堆疊產生了超出人類處理能力範圍的大量資料。

85%

表示儲存與分析日誌的成本飆升,超過了原本能提供的益處。

79%

的這些組織目前正在使用或計畫在未來十二個月內採用統一的可觀察性與安全性資料平台。

Section bkgd blue green top wave

越來越多金融服務業轉而使用先進的人工智慧、分析與自動化

這些能力可以幫助克服複雜性。但對大多數金融服務業而言,其初步分析與自動化策略所帶來的價值有限。

75%

的組織已採用 AIOps 降低其多雲複雜性,另外有 18% 計畫在未來十二個月內採用

94%

的技術領導者表示機率性的機器學習方法由於需要大量手動操作,限制了 AIOps 工具的價值。

82%

表示人工智慧、分析與自動化能力的成熟度,在選擇供應商與合作夥伴時將發揮更重要的作用。

準備好瞭解詳情了嗎?

閱讀完整報告,瞭解來自金融服務業
與其他產業 IT 領導者的更多洞察力。
Full wave bg