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(gè)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(duì)真實(shí)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(duì)于數(shù)據(jù)領(lǐng)域來(lái)講企業(yè)抽象是流程和信息流。在做模型化時(shí)要分離出哪些部分呢？比如流程描述把企業(yè)看成價(jià)值鏈，所謂價(jià)值鏈就是把原材料開(kāi)始經(jīng)過(guò)一系列的加工，最終實(shí)現(xiàn)為客戶提供有價(jià)值的產(chǎn)品。

我們做個(gè)類比，一個(gè)城市需要做整體規(guī)劃，也會(huì)做功能區(qū)規(guī)劃，最終是建筑物和工程局部設(shè)計(jì)。同理，企業(yè)做IT也需要一個(gè)架構(gòu)，企業(yè)架構(gòu)是由很多模塊組成，比如財(cái)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(xì)致的設(shè)計(jì)。

肯定了企業(yè)要做架構(gòu)，我們來(lái)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(yuǎn)的，上世紀(jì)80年代末開(kāi)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(diǎn)介紹下Togaf 的ADM方法論，即所謂的“一備一中心和八個(gè)階段”，主要表現(xiàn)在以下四個(gè)方面：

1.預(yù)備階段：達(dá)成要建設(shè)企業(yè)架構(gòu)的共識(shí)，建立架構(gòu)的保障機(jī)制，比如企業(yè)架構(gòu)委員會(huì)。

2.設(shè)計(jì)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(duì)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(yíng)業(yè)績(jī)分析，采用傳統(tǒng)數(shù)倉(cāng)架構(gòu)即可；而智能客戶運(yùn)營(yíng)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(dòng)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(jì)完后，制定實(shí)施計(jì)劃，進(jìn)行架構(gòu)的執(zhí)行和遷移規(guī)劃。

4.架構(gòu)治理階段。PMO對(duì)項(xiàng)目實(shí)施過(guò)程進(jìn)行治理，并對(duì)業(yè)務(wù)或技術(shù)變更進(jìn)行控制。

下面我們來(lái)細(xì)化一下架構(gòu)設(shè)計(jì)方面的內(nèi)容。

業(yè)務(wù)架構(gòu)：主要由業(yè)務(wù)分析師來(lái)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(dòng)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(shí)體-業(yè)務(wù)功能矩陣、數(shù)據(jù)實(shí)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(biāo)準(zhǔn)。數(shù)據(jù)實(shí)體-業(yè)務(wù)功能矩陣中可以確認(rèn)數(shù)據(jù)由哪些部門負(fù)責(zé)和使用，有利于權(quán)限分配。數(shù)據(jù)實(shí)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(jì)算圖、平臺(tái)分解圖等。

03、TOGAF構(gòu)架

主要分為6個(gè)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(kāi)發(fā)時(shí)在不同的階段進(jìn)行架構(gòu)開(kāi)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(guó)的大部分人的概念中，BI最大的特點(diǎn)就是對(duì)經(jīng)營(yíng)業(yè)績(jī)、經(jīng)營(yíng)成果進(jìn)行分析。BI宏觀業(yè)務(wù)分析，基于報(bào)表和可視化的分析。AI是微觀業(yè)務(wù)分析，建立起對(duì)微觀個(gè)體的洞察以及未來(lái)行為的預(yù)測(cè)。面向BI的數(shù)據(jù)應(yīng)用要求數(shù)據(jù)在數(shù)據(jù)倉(cāng)庫(kù)匯總和標(biāo)準(zhǔn)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(biāo)準(zhǔn)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(bào)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(diǎn)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(biāo)準(zhǔn)和分析系統(tǒng)中的標(biāo)準(zhǔn)是一體化打通的，因此對(duì)IT系統(tǒng)是更為嚴(yán)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(gè)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(tái)。

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(jí)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(dòng)設(shè)計(jì)為方法論，構(gòu)建企業(yè)級(jí)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(huì)分層，面向應(yīng)用的上層數(shù)據(jù)主要服務(wù)于經(jīng)營(yíng)分析、客戶洞察、風(fēng)險(xiǎn)識(shí)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(jí)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(jì)模型、機(jī)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(shí)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(cè)、識(shí)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(diǎn)、層次三個(gè)方面進(jìn)行劃分，即主體-客體視角、成本-收益觀點(diǎn)、微觀-宏觀層次。對(duì)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(shí)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(tái)：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(tái)。比如傳統(tǒng)服務(wù)于經(jīng)營(yíng)分析的報(bào)表是小數(shù)據(jù)量的，使用單機(jī)關(guān)系型數(shù)據(jù)庫(kù)架構(gòu)即可，不需要算法平臺(tái)；而服務(wù)于違規(guī)交易識(shí)別的復(fù)雜網(wǎng)絡(luò)的數(shù)據(jù)模型，需要進(jìn)行深度的特征學(xué)習(xí)，因此數(shù)據(jù)平臺(tái)中需要圖數(shù)據(jù)庫(kù)模塊，而算法平臺(tái)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(shí)間長(zhǎng)、難以支持創(chuàng)新。如果希望提高創(chuàng)新速度、敏捷開(kāi)發(fā)、縮短交付時(shí)間，則需要組建數(shù)據(jù)科學(xué)家、開(kāi)發(fā)人員和運(yùn)營(yíng)人員攜手合作的混合團(tuán)隊(duì)。

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(shí)別變化，采用程式化的方式自動(dòng)識(shí)別外部環(huán)境的改變，比如在信貸風(fēng)控中，實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)漂移和數(shù)據(jù)異常，評(píng)估準(zhǔn)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(shí)80%的低效特征構(gòu)建和價(jià)值驗(yàn)證工作。

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

4. 智能評(píng)估，模型上線后，配置好回流數(shù)據(jù)，可以對(duì)模型進(jìn)行實(shí)時(shí)評(píng)估。

5. 敏捷測(cè)試，對(duì)模型的穩(wěn)健性進(jìn)行快速的全方位測(cè)試，縮短算法模型開(kāi)發(fā)和算法模型上線的時(shí)間，避免算法模型崩潰導(dǎo)致的業(yè)務(wù)中斷。

舉個(gè)例子，疫情期間很多傳統(tǒng)模型無(wú)法使用，針對(duì)風(fēng)險(xiǎn)變化快速建模的能力顯得尤為重要。因?yàn)榭腿喊l(fā)生很大的漂移，需要公司快速建模的能力，尤其是針對(duì)敏捷研究，可以在短時(shí)間內(nèi)快速上線。

DataPipline實(shí)現(xiàn)標(biāo)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(biāo)準(zhǔn)，實(shí)現(xiàn)企業(yè)級(jí)的數(shù)據(jù)標(biāo)準(zhǔn)版本管理和算法模型版本管理。對(duì)于分析建模人員而言，實(shí)現(xiàn)入模特征的所用即所得，避免模型上線時(shí)重新編輯特征。

DataOps敏捷研究智能建模，可以實(shí)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(kāi)發(fā)團(tuán)隊(duì)，避免開(kāi)發(fā)語(yǔ)言轉(zhuǎn)換、數(shù)據(jù)轉(zhuǎn)換等無(wú)效率環(huán)節(jié)。

04、ThoughtWorks數(shù)字化愿景

為了實(shí)現(xiàn)構(gòu)建智慧、敏捷、場(chǎng)景驅(qū)動(dòng)的美好愿望，需要實(shí)現(xiàn)深入客戶洞察、縮短產(chǎn)品上市時(shí)間、創(chuàng)造數(shù)字化收益等戰(zhàn)略子目標(biāo)。數(shù)據(jù)資產(chǎn)和算法能力是支持各個(gè)戰(zhàn)略子目標(biāo)的基礎(chǔ)。而ThoughtWorks認(rèn)為支持能力建設(shè)的五個(gè)數(shù)字化基礎(chǔ)組件是必不可少的，分別是低摩擦運(yùn)營(yíng)模式、企業(yè)級(jí)平臺(tái)戰(zhàn)略、用戶體驗(yàn)設(shè)計(jì)和數(shù)字化產(chǎn)品能力、智能驅(qū)動(dòng)的決策機(jī)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