企业架构知识体系-构建业务+技术+管理的深度融合知识框架

小天才学习机打游戏

于 2024-10-02 10:45:00 发布

阅读量517

点赞数 9

文章标签：架构人工智能大数据机器学习 ocr 数据库

本文链接：https://blog.csdn.net/m0_59164520/article/details/142642949

版权

今天跟大家聊下围绕企业架构知识体系的外延展开。

数字化整体知识地图

这个图是在我很多年前基于it咨询顾问的知识框架体系结构重新进行了整理，所以这个图里面你可以看到涉及到相关的方法论的内容，也涉及到相关的你去做数字化规划建设的内容，同时还包括了后期运营和运维，管控和治理方面的内容。

双维度的知识体系

对于数字化能力知识体系的构图方式，它更多的是采用一种矩阵式的构图方式。因为如果是简单的用思维导图的方式去构建我们的知识体系，它往往是基于一个中心单个维度的，但是我们去看数字化知识体系的时候，它更多是需要从多维视角，所以从这个图里面我们也可以看到重量的两个维度。

纵向：围绕数字化规划建设全生命周期展开
横向：围绕过程支撑+平台+应用的横向分层解耦展开

纵向我们是会围绕数字化，从规划建设实现运营运维的全生命周期流程展开，而横向的核心是基于平台加应用的这种核心思想，基于底层的过程支撑和管理支撑，上层的业务和流程支撑展开。

在横向构图中虽然参考了常见的4A架构，但是更多是参考云平台的横向分层和平台+应用的思想。以及SOA服务化思想体现的资源+服务+应用的构建模式。

企业架构知识地图

最近，不少朋友私信我，他们原本从事软件开发，架构设计或业务流程管理方面的工作，在职业发展上希望朝企业架构规划和设计方向转型。那么在这种场景下应该如何制定个人的职业发展路径规划，包括如何构建企业架构的完整知识体系，并基于知识体系制定后续的学习和实践计划。

首先，我要强调的是，如果你想转型企业架构，仅仅学习企业架构方法论，了解业务架构、应用架构、数据架构、技术架构这“4A架构”是远远不够的。企业架构的本质是基于企业战略和业务目标，最终实现IT和数字化建设落地的完整系统思考。

整个企业架构的知识体系覆盖了业务、技术、管理等各个方面。因此，学习企业架构时，一定要围绕整个知识体系进行上下游的拓展，这样你才能构建一个完整的企业架构知识框架。

所以还是从企业架构这个核心点讲起。

我们通常讲的企业架构，都是围绕业务架构、应用架构、数据架构、技术架构的核心架构。但在这个架构之上，一定有一个架构体系框架或方法论的指引。整个类似TOGAF等企业架构方法论外，我们还需要增加相关的BLM业务战略模型，增加SOA和领域建模的思想。包括到了技术层面还需要增加类似软件建模和云原生架构思想等。

企业架构到软件架构

在企业架构规划设计完成后，你一定涉及到IT信息化建设的落地，所以企业架构一定会转到后面的软件“4+1架构”的设计，包括逻辑架构、开发架构、数据架构、运行架构和最终的物理架构。在软件架构设计里面更多借鉴的传统面向对象分析和设计，RUP统一软件过程和UML等核心建模思想来完成。

实际上，我们讲的企业架构的4A架构和软件的“4+1架构”，它们之间本身也有严格的一对一的映射关系。类似流程架构会映射到软件架构中的用例和逻辑架构，数据架构会映射到软件里面的数据模型等。当我去研究软件架构时，本身又会涉及到相应的数字化技术。这个数字化技术不是简单的传统IT技术，往往还涉及到5G、物联网、区块链、AI等。

在软件架构设计完成后，一定会涉及到最终的技术落地。技术落地时，我一直强调要规划平台加应用的构建思想。当前的核心其实就是云原生的三大技术实践：容器云、微服务、DevOps。云原生最终的应用架构现代化和组装式编程的思想，最终还是要落到我们常说的云服务平台上，包括我们常说的云计算的IaaS，PaaS、SaaS的三层架构模型。

软件架构到过程管理

软件架构设计完成后，你要管理整个软件生命周期，从需求到设计、开发、编码、交付。这一定会涉及到IT项目管理的知识体系，它参考CMMI的软件能力成熟模型，包括底层的支撑过程管理、中间的软件工程架构域、上层的IT项目管理的全生命周期。

当然，当前主流还会有相关的敏捷方法论，如Scrum敏捷方法论。IT项目管理可能只管理单个项目，但面对整个企业的数字化建设规划时，往往是管理一个大项目或项目群。这个时候一定要引入相关的产品研发方法论。

项目管理到产品管理

在这里我对IPD集成产品研发进行了裁剪和抽象。在整个过程中，你仍然是市场驱动研发，有市场管理、需求管理，然后规划相应的产品组合，进行产品规划、版本规划、目标规划。这个过程完成后，才会进入概念、计划、开发、验证、发布的整个产品开发流程。当然在底层仍然有核心的过程支撑和复用能力支撑，类似CBB，类似阶段决策等。当一个大企业做整个信息化建设规划实施落地时，它一定需要有顶层的产品生命周期管理。

面向战略和业务的知识拓展

企业架构朝上游走，一定会涉及到两个关键的东西：战略和商业模式。在这里，我对BLM业务领先模型做了一个简化。在这个地方，你如何清楚市场的洞见，详细做你的战略规划和设计，包括组合内部的组织、人才、团队和文化。

在整个BLM中，有个关键衔接点，我的理解是业务能力。业务能力其实就是你在商业模式梳理过程中，核心的业务价值主张。

在战略和商业模式下来后，就会落到我们经常说的核心价值链和价值流分析。在这个地方，可以借鉴波特的价值链分析模型，包括底层的支撑过程，如财务、HR，上层的战略管理和决策流程，中间就是它核心的价值流，如研发、物流、生产、营销、服务。

IT和数字化的建设落地

业务分析完成后，做完企业架构规划，最终一定还是会涉及到相关的整个IT应用建设的落地。

在整个信息化建设过程中，有传统的ERP，它可能核心是实现财务底座。在当前新一代ERP建设过程中，外围的核心业务都逐渐剥离为独立的外部业务应用系统，如供应链、产品研发、CRM、客户关系管理、售后等。

当然，在上层我们其实是希望进一步体现数字化下数据驱动的思想，考虑数据驱动业务、数据驱动决策，这是两个核心的价值点。

数据驱动线条脉络

在企业架构规划应用落地中，除了传统的OLTP建设，还有一条线就是我们说的OLAP数据分析线。

你如何挖掘企业核心数据，让它形成一种数据资源，并逐渐转变成一种有价值的数据资产。这是当前谈的比较多的如何构建核心的数据资源要素，同时通过相关的数据服务实现价值能力的对外开放。

数据资源要素是一个核心内容，它仍然需要底层的数据基础支撑、基础设施去做相应的支撑。在整个云原生架构落地时，有三个核心的基础设施：算力、数据、算法。数据基础设施就涉及到如何构建数据的技术平台、数据服务，包括上层的数据仓库、数据服务系统。

而对于AI算法这一块，就会涉及到相应的算法库、训练库、模型库，如何进行学习、训练和推理。

当然，在整个架构中，数字化应用建设最终有一个关键指导，即当前主流的数字经济和传统企业的数字化转型。如何实现产业数字化、数字产业化，如何做好整个数字化的治理？

整个东西里面本身也是分三层的：从内部数字化升级，实现内部的横向和纵向集成，到打通最终的消费者消费互联网，再到打通整个产业供应链上下游的产业互联网生态的构建。

这是我们去做整个架构的核心目标。

IT服务和IT运营

整个数字化IT应用建设完成后，我们仍然要回到IT服务和运营上。基于传统的IT服务标准体系，我们应该更多地增加运营的思路，而不是简单的服务。

服务的思路很多是被动的支撑，而运营的思路是属于基于数据驱动的、风险驱动的、主动的IT能力的构建和实现。所以企业的IT建设到了后期后一定要从IT运维的思路转变到基于数据驱动的IT运营思路。

基于这个图我们可以看到，学习企业架构时，不要把重心只围绕在“4A企业架构”的实现上，而应该基于企业架构去做上游和下游知识点的展开。

上游核心的知识其实是企业的战略、业务目标、商业模式和核心价值链的分析，下游的知识是软件架构和整个云原生平台、云计算的能力支撑，包括在数字化后，如何体现数据驱动、数据资源要素这条核心内容线。

最终，所有的建设落地都有一个实施的过程，所以说还需要有相关的项目管理、产品生命周期管理的支撑，实现整个过程的管理。只有这样，规划企业架构时，才能从前期的需求调研分析到架构规划，到最终的IT数字化建设落地，形成一个完整的闭环过程。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述