企业系统化架构设计的5个方面

信息通信技术、交通技术的发展促进了经济的全球化和一体化，信息的自由流动实现了各种资源在全社会范围内的配置，社会专业化分工更加细致，社会经济更加具有效率和活力。

科学技术在推动社会发展的同时，也让企业处于一个更加不确定的经营环境之中。企业需要具备敏捷地响应变化的能力，需要解决好发展战略到日常运营的过渡问题，需要解决好业务与技术的衔接问题，最终形成一个环境自适应的、能力不断优化完善的管理体系。

企业要解决好以上问题,首先需要具备以下思维方式，实施系统化的架构设计，主要包括5个方面：

第一，要认识到商业模式已经从价值链条转变为价值网络模式。价值网络模式要求企业能够在社会分工中把握好适合自身发展的关键环节，具备良好的集成能力，实现业务能力的组件化和服务化。

第二，要认识到IT架构模式已经从面向单一系统转变为面向服务的模式。竖井式的系统设计使得组织业务流程流转不畅、信息难以充分共享。面向服务的架构模式将业务能力和IT能力视为一种服务，使得企业内部和外部均可以通过服务的方式进行交互。

第三，要认识到数据是推动企业发展的核心资产。与传统的资产的不同，数据可以帮助企业及时、准确地认识到市场、客户、供应商、合作伙伴、员工等的需求并采取适当的行动，可以说大数据是企业未来发展的生命线。

第四，要正确认识操作活动和分析活动之间的密切关系。操作活动好比人的四肢，主要负责执行，而分析活动则好比人的大脑，负责思考和决策。正确认识两者之间的关系，可以使企业从业务活动的角度出发，将两类活动连接起来。

第五，要正确认识职能、过程以及全生命周期管理之间的关系。职能管理面向企业某一特定功能，过程管理采用业务活动分类方法，将企业业务活动分解为多个相互配合的过程块，过程块之间相互配合实现不同的职能。全生命周期管理要求从事物产生、发展、消退、消亡的全过程思考问题，让认识更加全面。

有了设计良好的架构，企业就具备了连接战略与运营、业务与技术的桥梁和纽带，才能够将发展战略有效地贯通到企业的日常运营活动之中，同时也能够实现业务需求与技术支撑的无缝对接。

大数据服务与操作型服务相比，既有自身的独特之处，又有着密切的联系。

第一，大数据服务的目标是支持决策的制定，而操作型服务用于支持业务操作的完成；

第二，与操作型服务相比，大数据服务对于系统的响应性要求较低，操作型服务对响应时间通常要求在秒级；

第三，大数据服务的数据操作主要是读操作，而操作型服务主要为写操作，要求事务必须是完整的。数据存取特点不同，数据架构方案也不同；

第四，大数据服务的依赖的数据规模大而且数据量会不断增加，要求存储架构具有良好的线性扩展能力，通过横向基础设施的扩展，就可以实现数据存取能力的线性提升。

第五，大数据服务更像是一个探索发现的过程，大数据服务需要持续提升数据的完整性和准确性，而操作型服务则更关注于对业务需求的满足、易用性以及操作效率。

 

 

大数据服务与操作型服务也有着密切的联系。

第一，大数据服务的数据源头是业务操作和业务使用日志，无论这些数据是企业内部应用产生的还是其它组织产生的；

第二，大数据服务与操作型服务业务活动中是一个一体的，不可分割。大数据服务负责分析判断，而操作型服务则负责执行，两者是“知”与“行”的关系；

第三，大数据服务与操作型服务都支持战略、战术、执行3个层次的业务活动。高层级业务活动重点在于确定方向和路线，要求大数据服务能够提供全面、准确的分析结果，而低层级业务活动重点则在于执行效率，要求大数据服务能够快速地反馈分析结果。

在企业的各种业务活动中，虽然大数据服务与操作型服务起的作用不同，但是两者的实现思路却是非常相似的，都需要经历需求分析、架构设计、功能开发、测试部署、运行维护、优化完善、管理治理的过程。

企业架构可以衔接发展战略和日常运营，站在整个业务活动的角度，大数据服务与操作型服务是不可分割的，因此大数据服务同操作型服务一样，需要从企业架构的10个视角进行分析、设计、开发、测试以及管理。

操作型服务的需求分析与设计输入是企业提出的业务需求，而大数据服务在需求分析与设计方面的输入则是待解决的决策问题以及大数据基础。

当大数据服务按照要求完成设计和开发工作后，同样需要从开发测试阶段转换到上线运营阶段，正式支持企业的生产经营。

处在上线运营状态的大数据服务并不能一劳永逸，需要进行不断的优化完善。通过对大数据服务在数据采集、集成、清洗、转换、装载等不同阶段的观察，改善数据质量，提升系统的可靠性、可用性和性能，根据数据的活跃度和管理要求采取不同的数据迁移策略。

下面以筑巢、联姻、孕育、分娩、培育、腾飞6个阶段为主线，分别论述大数据服务在企业架构设计、与企业架构结合、需求分析与架构设计、转换、持续运营、行业实践的方法与思路。