企業(yè)架構(gòu)概覽

01、什么是企業(yè)架構(gòu)

企業(yè)架構(gòu)并不是一個新的概念，那企業(yè)架構(gòu)是做什么的呢？企業(yè)架構(gòu)是對真實世界企業(yè)的業(yè)務(wù)流程和IT設(shè)施的抽象描述，包括企業(yè)戰(zhàn)略、組織、職能、業(yè)務(wù)流程、IT系統(tǒng)等。對于數(shù)據(jù)領(lǐng)域來講企業(yè)抽象是流程和信息流。在做模型化時要分離出哪些部分呢？比如流程描述把企業(yè)看成價值鏈，所謂價值鏈就是把原材料開始經(jīng)過一系列的加工，最終實現(xiàn)為客戶提供有價值的產(chǎn)品。

我們做個類比，一個城市需要做整體規(guī)劃，也會做功能區(qū)規(guī)劃，最終是建筑物和工程局部設(shè)計。同理，企業(yè)做IT也需要一個架構(gòu)，企業(yè)架構(gòu)是由很多模塊組成，比如財務(wù)、供應(yīng)鏈、生產(chǎn)系統(tǒng)等，不同模塊下也有很多功能，也需要細致的設(shè)計。

肯定了企業(yè)要做架構(gòu)，我們來看一下企業(yè)架構(gòu)的歷史，信息化架構(gòu)發(fā)展歷史是非常久遠的，上世紀80年代末開始，直到2011年左右，企業(yè)架構(gòu)被廣泛接受。

02、Togaf的 ADM方法論

下面重點介紹下Togaf 的ADM方法論，即所謂的“一備一中心和八個階段”，主要表現(xiàn)在以下四個方面：

1.預(yù)備階段：達成要建設(shè)企業(yè)架構(gòu)的共識，建立架構(gòu)的保障機制，比如企業(yè)架構(gòu)委員會。

2.設(shè)計階段：包含業(yè)務(wù)架構(gòu)、信息系統(tǒng)架構(gòu)、技術(shù)架構(gòu)，其中信息系統(tǒng)架構(gòu)包含數(shù)據(jù)和應(yīng)用。不同的業(yè)務(wù)形態(tài)，對架構(gòu)的要求是不同的。比如非智能制造的生產(chǎn)型企業(yè)的數(shù)據(jù)應(yīng)用需求主要是經(jīng)營業(yè)績分析，采用傳統(tǒng)數(shù)倉架構(gòu)即可；而智能客戶運營階段的服務(wù)型企業(yè)，數(shù)據(jù)應(yīng)用需求主要是基于行為數(shù)據(jù)為基礎(chǔ)的數(shù)據(jù)驅(qū)動的操作層面的業(yè)務(wù)決策，采用Hadoop架構(gòu)更節(jié)約成本。

3.遷移規(guī)劃階段。架構(gòu)設(shè)計完后，制定實施計劃，進行架構(gòu)的執(zhí)行和遷移規(guī)劃。

4.架構(gòu)治理階段。PMO對項目實施過程進行治理，并對業(yè)務(wù)或技術(shù)變更進行控制。

下面我們來細化一下架構(gòu)設(shè)計方面的內(nèi)容。

業(yè)務(wù)架構(gòu)：主要由業(yè)務(wù)分析師來完成，包括靜態(tài)的企業(yè)戰(zhàn)略方位圖、企業(yè)組織結(jié)構(gòu)圖和企業(yè)職能分解圖，以及動態(tài)的企業(yè)業(yè)務(wù)軌跡圖和業(yè)務(wù)流程圖。根據(jù)業(yè)務(wù)流程圖可以知道應(yīng)用系統(tǒng)如何建設(shè)，這里面需要的數(shù)據(jù)是數(shù)據(jù)架構(gòu)所需要涉及的。

應(yīng)用架構(gòu)：表示的是應(yīng)用系統(tǒng)與業(yè)務(wù)系統(tǒng)的映射關(guān)系。

數(shù)據(jù)架構(gòu)：主要包括數(shù)據(jù)模型、數(shù)據(jù)實體-業(yè)務(wù)功能矩陣、數(shù)據(jù)實體-應(yīng)用系統(tǒng)矩陣。企業(yè)的數(shù)據(jù)模型有利于更深入地了解企業(yè)數(shù)據(jù)，便于梳理企業(yè)數(shù)據(jù)資產(chǎn)，便于企業(yè)貫徹數(shù)據(jù)標準。數(shù)據(jù)實體-業(yè)務(wù)功能矩陣中可以確認數(shù)據(jù)由哪些部門負責(zé)和使用，有利于權(quán)限分配。數(shù)據(jù)實體-應(yīng)用系統(tǒng)矩陣，梳理某一數(shù)據(jù)在不同系統(tǒng)中分布情況。

技術(shù)架構(gòu)：主要包括環(huán)境與位置圖、網(wǎng)絡(luò)計算圖、平臺分解圖等。

03、TOGAF構(gòu)架

主要分為6個部分，靜態(tài)內(nèi)容方法論，提供功能模板、參考模型、在架構(gòu)開發(fā)時在不同的階段進行架構(gòu)開發(fā)指引和技術(shù)、企業(yè)連續(xù)系列參考和架構(gòu)能力框架。

企業(yè)系統(tǒng)架構(gòu)從BI到AI的轉(zhuǎn)變

01、成為智慧企業(yè)的必經(jīng)之路

在我國的大部分人的概念中，BI最大的特點就是對經(jīng)營業(yè)績、經(jīng)營成果進行分析。BI宏觀業(yè)務(wù)分析，基于報表和可視化的分析。AI是微觀業(yè)務(wù)分析，建立起對微觀個體的洞察以及未來行為的預(yù)測。面向BI的數(shù)據(jù)應(yīng)用要求數(shù)據(jù)在數(shù)據(jù)倉庫匯總和標準化即可，因此源系統(tǒng)可以是“豎井”，即數(shù)據(jù)模型和數(shù)據(jù)標準在源系統(tǒng)可以不統(tǒng)一。AI最終服務(wù)的不是業(yè)務(wù)報表，而是建模完成后最終返回到業(yè)務(wù)系統(tǒng)，在一些流程節(jié)點當(dāng)中需要用到算法模型的輸出，在業(yè)務(wù)系統(tǒng)中落地。業(yè)務(wù)系統(tǒng)中的標準和分析系統(tǒng)中的標準是一體化打通的，因此對IT系統(tǒng)是更為嚴格的要求。既然要做轉(zhuǎn)變，我們需要做什么事情呢？我們可以從四個方面考慮，分為數(shù)據(jù)戰(zhàn)略、數(shù)據(jù)架構(gòu)、算法架構(gòu)、數(shù)據(jù)平臺。

1. 數(shù)據(jù)戰(zhàn)略：將數(shù)據(jù)素養(yǎng)納入組織愿景、戰(zhàn)略和核心流程，制定企業(yè)級的數(shù)據(jù)應(yīng)用規(guī)劃。

2. 數(shù)據(jù)架構(gòu)：根據(jù)數(shù)據(jù)應(yīng)用的需求，以領(lǐng)域驅(qū)動設(shè)計為方法論，構(gòu)建企業(yè)級的數(shù)據(jù)模型及其他組件。企業(yè)的數(shù)據(jù)模型視應(yīng)用的方向不同，不限于傳統(tǒng)的主題模型和維度模型，還有可能是復(fù)雜網(wǎng)絡(luò)模型等等。其中數(shù)據(jù)模型會分層，面向應(yīng)用的上層數(shù)據(jù)主要服務(wù)于經(jīng)營分析、客戶洞察、風(fēng)險識別等；底層的數(shù)據(jù)更貼近源系統(tǒng)。

3. 算法架構(gòu)：根據(jù)數(shù)據(jù)應(yīng)用的需求，使用數(shù)據(jù)挖掘的方法論，構(gòu)建企業(yè)級的算法模型及其組件。企業(yè)的算法模型是應(yīng)用的方向不同，分為統(tǒng)計模型、機器學(xué)習(xí)模型、自優(yōu)化模型等。一般分為兩層結(jié)構(gòu)，上層是算法實現(xiàn)層，下層是特征工程層。我們主要講一下服務(wù)行業(yè)的算法架構(gòu)，主要包括決策類預(yù)測、識別類模型和業(yè)務(wù)優(yōu)化分析。算法模型需要從視角、觀點、層次三個方面進行劃分，即主體-客體視角、成本-收益觀點、微觀-宏觀層次。對于決策類模型，屬于客體視角、成本-收益可比的微觀層次模型。識別類模型，屬于主體視角、成本-收益不可比的微觀層次模型。業(yè)務(wù)優(yōu)化分析，屬于宏觀層次模型。

4. 數(shù)據(jù)和算法平臺：為了支持不同的數(shù)據(jù)架構(gòu)和算法架構(gòu)，則需要建立不同的數(shù)據(jù)和算法平臺。比如傳統(tǒng)服務(wù)于經(jīng)營分析的報表是小數(shù)據(jù)量的，使用單機關(guān)系型數(shù)據(jù)庫架構(gòu)即可，不需要算法平臺；而服務(wù)于違規(guī)交易識別的復(fù)雜網(wǎng)絡(luò)的數(shù)據(jù)模型，需要進行深度的特征學(xué)習(xí)，因此數(shù)據(jù)平臺中需要圖數(shù)據(jù)庫模塊，而算法平臺中需要支持并行深度學(xué)習(xí)。

02、如何能做到持續(xù)智能

傳統(tǒng)企業(yè)由于組織隔離，導(dǎo)致交付時間長、難以支持創(chuàng)新。如果希望提高創(chuàng)新速度、敏捷開發(fā)、縮短交付時間，則需要組建數(shù)據(jù)科學(xué)家、開發(fā)人員和運營人員攜手合作的混合團隊。

03、持續(xù)智能的能力建設(shè)

這是ThoughtWorks所倡導(dǎo)的持續(xù)智能能力，主要分為：

1. 識別變化，采用程式化的方式自動識別外部環(huán)境的改變，比如在信貸風(fēng)控中，實時監(jiān)控數(shù)據(jù)漂移和數(shù)據(jù)異常，評估準入規(guī)則和風(fēng)控模型的適用性。

2. 敏捷研究，提供建模人員敏捷工作環(huán)境，縮短建模中占時80%的低效特征構(gòu)建和價值驗證工作。

3. 智能建模，在算法模型需要調(diào)整時，基于既有的標簽和畫像特征，快速迭代算法模型。

4. 智能評估，模型上線后，配置好回流數(shù)據(jù)，可以對模型進行實時評估。

5. 敏捷測試，對模型的穩(wěn)健性進行快速的全方位測試，縮短算法模型開發(fā)和算法模型上線的時間，避免算法模型崩潰導(dǎo)致的業(yè)務(wù)中斷。

舉個例子，疫情期間很多傳統(tǒng)模型無法使用，針對風(fēng)險變化快速建模的能力顯得尤為重要。因為客群發(fā)生很大的漂移，需要公司快速建模的能力，尤其是針對敏捷研究，可以在短時間內(nèi)快速上線。

DataPipline實現(xiàn)標簽提取，特征工程，樣本選取。打通生產(chǎn)環(huán)境和分析環(huán)境的數(shù)據(jù)標準，實現(xiàn)企業(yè)級的數(shù)據(jù)標準版本管理和算法模型版本管理。對于分析建模人員而言，實現(xiàn)入模特征的所用即所得，避免模型上線時重新編輯特征。

DataOps敏捷研究智能建模，可以實現(xiàn)數(shù)據(jù)與算法的融合和管理。建立起端到端的數(shù)據(jù)算法模型開發(fā)團隊，避免開發(fā)語言轉(zhuǎn)換、數(shù)據(jù)轉(zhuǎn)換等無效率環(huán)節(jié)。

04、ThoughtWorks數(shù)字化愿景

為了實現(xiàn)構(gòu)建智慧、敏捷、場景驅(qū)動的美好愿望，需要實現(xiàn)深入客戶洞察、縮短產(chǎn)品上市時間、創(chuàng)造數(shù)字化收益等戰(zhàn)略子目標。數(shù)據(jù)資產(chǎn)和算法能力是支持各個戰(zhàn)略子目標的基礎(chǔ)。而ThoughtWorks認為支持能力建設(shè)的五個數(shù)字化基礎(chǔ)組件是必不可少的，分別是低摩擦運營模式、企業(yè)級平臺戰(zhàn)略、用戶體驗設(shè)計和數(shù)字化產(chǎn)品能力、智能驅(qū)動的決策機制、工程師文化和持續(xù)交付的思維。

數(shù)據(jù)資管出品

作者：研究猿