這些領域之間的關聯(lián)流程比每個領域各自的關注點更重要。例如，業(yè)務人員主要關注業(yè)務組件模型和信息價值，而不是數(shù)據(jù)在企業(yè)系統(tǒng)中的設計和操作方式。因此，這些流程成為集成數(shù)據(jù)架構的主要關注點。這些流程共同反映了用戶與系統(tǒng)、業(yè)務與系統(tǒng)以及系統(tǒng)之間的交互。

對于每個領域，信息或數(shù)據(jù)流反映在以下示例中：

企業(yè)能力示例：價值流和能力與 IT 服務的映射，重點關注數(shù)據(jù)服務。

案例場景示例：需求映射，根據(jù)數(shù)據(jù)源(來自用戶輸入和系統(tǒng)輸出)識別數(shù)據(jù) SLR。

功能服務示例：解決方案上下文映射，問題空間以數(shù)據(jù)服務為中心 (超越數(shù)據(jù)對象或組件級建模)，反映了架構良好的服務組合。

操作環(huán)境示例：部署包映射到 功能服務，重點關注數(shù)據(jù)服務，因為它們通常具有跨切關注點。

解決方案上下文示例：來自度量、架構模式、集成風格和解決方案概述(典型的企業(yè)解決方案演練)的信息流的集成映射。

數(shù)據(jù)架構決策只有考慮以下因素才會有效：

數(shù)據(jù)服務是每個信息流的關鍵映射元素。例如，企業(yè)能力的信息流包含通過價值流分析實現(xiàn)數(shù)據(jù)能力與數(shù)據(jù)服務的映射，并通過客戶旅程等與單車司機(SLR)的案例場景關聯(lián)起來。

數(shù)據(jù)服務必須與其相關的功能服務或包裝器一起考慮，包括技術服務(通常稱為應用程序邏輯服務)以及可能的 UI 服務。

在實踐中，這些流程是通過敏捷方法逐步構建的。當各領域的決策者以數(shù)據(jù)為中心的方法就信息流達成一致時，ESA 模型便開始成形。

對于數(shù)據(jù)關聯(lián)流，人工智能負責繁瑣且容易出錯的工作，而人類在確定流程映射的結構、關聯(lián)和引導方式方面發(fā)揮著關鍵作用。

提示：在敏捷 ESA 模型中，數(shù)據(jù)服務更多地基于 IT 服務或軟件，提供對數(shù)據(jù)的訪問和操作。它支持業(yè)務流程和功能，并解決以下問題：1) 與企業(yè)能力相關的案例場景需求映射;2) 給定數(shù)據(jù)服務的真實來源;3) 復合數(shù)據(jù)服務的通信和集成方法;以及 4) 由不同的敏捷 ESA 元素(例如通用服務、視圖框架等)表示的數(shù)據(jù)服務的抽象級別。順便說一句，數(shù)據(jù)服務將作為單獨的主題進行闡述。

六 利用人工智能輔助、基于 IT 服務的建模方法

ESA 是人工智能輔助的，而不是人工智能驅(qū)動的。

人工智能輔助敏捷 ESA 建模方法可通過以下用例普遍采用：

利用人工智能提示收集架構信息并澄清建模問題 [建模]

基于初始人工設計或逆向工程工作，使用定制的人工智能代理進行架構推理和分析[建模]

將建模工具與人工智能(例如人工智能圖表生成器或經(jīng)過訓練的圖神經(jīng)網(wǎng)絡 (GNN))相結合，以促進建筑模型渲染 [建模]

將人工智能功能融入企業(yè)解決方案架構[架構]

構建人工智能解決方案(或以人工智能為中心的框架、企業(yè)應用程序等)[架構]

這些用例中的任何一個，或者它們的組合，都適用于敏捷 ESA 建模。在這里，我們簡要討論一下從建模和架構角度提供的 AI 輔助，這兩者都將算法推理和繁瑣的工作轉移到 AI 代理或中間件上。

借助人工智能進行建模

人工智能的普及為許多企業(yè)解決方案賦予了強大的分析能力，涵蓋企業(yè)方向和業(yè)務洞察、案例場景模擬和分析、軟件建模和開發(fā)、架構模式識別、指標規(guī)范、預測分析以及比較權衡輔助等?？偠灾斯ぶ悄芡ㄟ^智能元數(shù)據(jù)管理和動態(tài)數(shù)據(jù)關聯(lián)，使復雜的數(shù)據(jù)結構和關系更加易于理解。

然而，人工智能可能會產(chǎn)生數(shù)據(jù)偏差。人工智能目前無法，將來也無法完全在上述五個領域之間映射信息，因為它們是獨立的實體，各自解決企業(yè)解決方案領域中的一組特定問題。將它們混雜在一起會使企業(yè)解決方案變得復雜，并使每組利益相關者都無法獲得清晰的架構圖。即使與人工智能協(xié)同工作，這些領域仍然需要人類的投入、專業(yè)知識和推理能力，才能做出明智的架構決策。畢竟，正是人類從多個維度決定了企業(yè)系統(tǒng)的運作方式。

敏捷 ESA 建模在人類思維與人工智能之間尋求平衡，利用 AI 輔助進行詳細分析和洞察，從而創(chuàng)建數(shù)據(jù)相關映射和適配級別的數(shù)據(jù)服務。Agile ESA 還利用 AI 驅(qū)動的重構工作，或指導 AI 驅(qū)動的治理功能與更詳細的解決方案系統(tǒng)設計相連接。需要注意的是，Agile ESA 元素(將在單獨的主題中詳細闡述)可以基于 AI 分析，使用一組最少的架構符號來具體化數(shù)據(jù)架構。

利用人工智能功能進行架構設計

當今的企業(yè)解決方案架構涵蓋眾多 AI 功能，包括工具、API、中間件、代理等。支持 AI 的解決方案架構可實現(xiàn)選擇性流程自動化、強化數(shù)據(jù)治理、更佳的互操作性、系統(tǒng)透明度、運營平臺彈性、AIOps 等等。這些功能涵蓋 ESA 的所有關鍵領域。

在企業(yè)解決方案環(huán)境中，AI 能力不僅包括創(chuàng)新型、AI 融合型或代理型應用程序和 RAG(檢索增強生成)，還包括 AI 集成能力。遵循標準集成協(xié)議至關重要，例如模型上下文協(xié)議 (MCP)，這是一個用于集成 AI 模型和外部數(shù)據(jù)源的開放標準，能夠?qū)崿F(xiàn)跨不同系統(tǒng)的互操作性，就像 AI 應用程序的 USB-C 端口一樣。請記?。篈I 的有效性取決于可行的集成數(shù)據(jù)架構。

數(shù)據(jù)與人工智能如同探戈般協(xié)同。數(shù)據(jù)驅(qū)動人工智能，人工智能則從數(shù)據(jù)中提供洞察。企業(yè)業(yè)務需要的既不是帶有偏見和粒度不合適的數(shù)據(jù)架構觀點，也不是碎片化的洞察。細致的框架采用和技術棧選擇應始終以清晰的數(shù)據(jù)架構模型為指導，并結合人工智能輔助的可行性評估和架構決策分析。人工智能驅(qū)動的企業(yè)數(shù)據(jù)架構仍是一個遙不可及的愿望。即使看似如此，人工智能仍然在企業(yè)數(shù)據(jù)架構中扮演著重要的角色。

需要注意的是，許多 AI 用戶、應用程序開發(fā)者和其他人員更注重應用，只關注 AI 企業(yè)解決方案的一部分。然而，對于認真對待 AI 平臺或企業(yè)環(huán)境的企業(yè)領導者、數(shù)據(jù)架構師或解決方案架構師來說，整體建模方法是必不可少的。

提示——敏捷企業(yè)架構 (Agile ESA) 中的人工智能輔助整體方法必須以簡潔性和重要性為基礎，并融合人工智能和人類智能。例如，企業(yè)能力空間應簡潔直觀地反映符合特定企業(yè)環(huán)境的 IT 戰(zhàn)略方向的本質(zhì)。復雜或成熟的模型看似優(yōu)雅，卻會使架構思考變得困難，最終達不到預期目的。

七 小結

如果沒有清晰的宏觀數(shù)據(jù)架構，您就會產(chǎn)生未來的債務。

傳統(tǒng)的企業(yè)架構建模復雜且實用性較差。它更有可能被人工智能取代，就像設計級建模一樣。ESA 代表了一種易于人類理解的架構，同時在后臺利用了 AI 輔助的企業(yè)解決方案的復雜關聯(lián)。在可預見的未來，AI 永遠無法取代 ESA，這也是一門權衡利弊的藝術。

數(shù)據(jù)架構對于企業(yè)解決方案架構至關重要，必須擁有一個集成模型來支持業(yè)務目標并適應不斷變化的需求。在敏捷企業(yè)解決方案架構 (ESA) 中，信息架構、數(shù)據(jù)架構和解決方案架構之間的區(qū)別變得模糊。一種整體而簡單的方法，將數(shù)據(jù)架構與業(yè)務功能、案例場景、解決方案上下文、功能架構和運營環(huán)境以及解決方案管理支持和治理技術相集成，可確保企業(yè)解決方案的成功。

提示：在對遺留企業(yè)進行服務化現(xiàn)代化之前，必須建立清晰的敏捷 ESA 模型，并使用最小可行遷移方法。急于追求一時興起的架構風格，很可能會失敗。

Agile ESA 不僅僅是一份企業(yè)架構規(guī)劃、一份治理文檔或一個以技術為中心的解決方案架構，它通過考量端到端的重要案例，成為一種可實現(xiàn)的架構，或是對現(xiàn)實企業(yè)解決方案中架構思維的證明。在 AI 賦能下，通過 Agile ESA 建模構建的集成數(shù)據(jù)架構有效地連接了業(yè)務目標和技術執(zhí)行，從而提高了架構的可觀察性，降低了架構債務的可能性，并降低了變更成本。

審核編輯 黃宇