企业架构(EA)是规划和实施企业结构、行为、价值主张和目的设计变更的关键推动因素。适应性是指处理变化以实现所需效率和创新的能力。效率是指企业的持续和改进。创新是指企业不断成长和变革。在当前数字化的背景下,适应可以指使用数据、分析、人工智能(AI)、机器学习(ML)、区块链、云、物联网(IoT)、移动和机器人技术来支持自适应数字企业。传统的缓慢而繁重的文档驱动的EA实践受到快节奏的数字化适应和决策信息需求的挑战。此外,虽然EA可用于数字化计划,但考虑改变EA实践以构建数字化智能企业也很重要。本文讨论了自适应企业架构即信息(AEAI),以支持适应决策和行动,以实现所需的效率和创新(结果和影响)。通过信息驱动的AEAI方法使用数据、分析和智能(AI/ML)来构建智能企业。
AEAI被组织为六个交互的架构信息层或域:交互、人、技术、设施、环境和安全。可以根据需要定义附加层,以满足决策的特定信息需求。交互层指定有关人、技术、设施和环境元素之间交互的信息和决策。以人为中心的层指定了业务、信息、社交和专业架构元素以及相关信息和决策。技术中心层指定有关应用程序、数据、平台和基础设施元素的信息和决策。设施中心层指定有关空间、能源、HVAC(供暖、通风和空调)和FHS(消防、健康和安全)等要素的信息和决策。以环境为中心的层指定有关政治、经济、社会、技术、环境和法律要素的信息和决策。安全性是一个总体层,它将AEAI元素视为资产(架构信息作为资产),并重点关注其基于资产价值和风险的弹性。
AEAI专注于信息驱动的能力,能够跨层持续扫描和感知内部和外部环境架构,以获取有关已知和未知事件(复杂事件处理)、变化或中断的数据,解释和分析收集到的数据,并做出决策和响应基于对预期和意外变化的直觉和理由进行适应。这引起了我们对AEAI方法中数据决策这一主题的关注。
AEAI方法需要建立AEA(Adaptive Enterprise Architecture)信息结构(AIF)或企业知识图。AIF提供对来自不同来源和存储库的AEA原始数据的集成访问。可以通过AIF从不同来源搜索和发现(扫描和感知AEA数据)。可以使用数据分析和情报功能来处理(解释和分析)AEA数据,以获得可操作的信息。AEA信息可用于做出明智的适应决策(决定和响应)。这创建了一个从数据到决策的价值链。总之,AEA数据被转换为信息,然后AEA信息被用于决策。
决策可以包含其他几个要素,AEA信息只是决策的六个关键要素之一:
1.决策者
2.一个框架
3.可供选择的替代方案
4.优先排序
5.信息
6.做出决定的逻辑
信息(数据、分析)以及其他决策元素可以嵌入到AEA中,以将AEAI定义为决策支持系统。
数据
可以创建架构数据模型来指定架构数据。它可以包括元素或实体,包括内容和文档及其关系。实体及其关系都具有专有性或属性。元素、关系和属性属于特定的类或类型。此外,数据可以具有不同的特征,例如多样性、速度、数量、价值和准确性。
信息
有不同类型的数据分析和智能模型可以将数据处理为有用的信息。我们可以生成架构数据的描述性、诊断性、预测性和规范性模型。此外,我们可以使用人工智能/机器学习。
决定
该信息可以用作做出决策的适应过程的输入。在这里,我们可以使用决策表、树、矩阵和图表来做出所需行动和绩效结果的决策。
EA通常被认为是一种需要大量文档的实践。本文概述了《自适应企业架构作为信息:构建智能企业》一书中的信息驱动的AEAI方法。这为提供架构信息以做出适应决策提供了新的视角。它还指出数据、分析、情报和决策模型是数据到决策价值链的一部分。
版权声明:本文章文字内容来自第三方投稿,版权归原始作者所有。本网站不拥有其版权,也不承担文字内容、信息或资料带来的版权归属问题或争议。如有侵权,请联系contact@econage.com,本网站有权在核实确属侵权后,予以删除文章。