【架构大数据】企业架构的定义及目标概述

企业架构是一个能够使组织标准化并组织IT基础架构来与业务目标保持一致的过程。以下的这些战略可用于支持企业的数字化转型,IT发展以及IT部门的现代化。

什么是企业架构?

企业架构(EA)是一个分析、设计、规划和实施企业分析以成功执行业务战略的实践。EA用于帮助企业构建IT项目和策略,以实现期望的业务结果,并使用体系结构原则和实践来掌握行业趋势和中断的风险,这个过程也称为企业体系结构规划(enterprise architecture planning, EAP)。

EA始于20世纪60年代,根据《企业架构知识手册》(EABOK)的说法,它诞生于“Dewey Walker教授撰写的关于业务系统规划的各种体系结构手稿”。Walker的学生之一John Zachmann帮助将这些文档制作成了更加结构化的EA格式。在此期间,两人都曾在IBM工作过,Zachman于1987年在IBM系统杂志上发表了这个框架。

EA框架的出现是对商业技术增长的一种回应,特别是在20世纪80年代,当时计算机系统刚刚在工作场所站稳脚跟。公司很快意识到他们需要一个计划和长期战略来支持技术的快速增长,这对今天来说仍是如此。

现代EA策略将这种理念扩展到了整个业务,而不仅仅是IT,以确保业务能够与数字转换策略和技术增长保持一致。EA对于正在经历数字转型的大型企业来说特别有用,因为它专注于将遗留流程和应用程序整合在一起从而形成一个更加无缝的环境。

企业架构的目标

EA以组织的业务需求为指导,可用于规划信息、业务和技术如何一起流动。对于那些试图跟上云计算、物联网、机器学习等将来推动数字转型的新技术企业来说,这已成为一项优先事项。

EABOK表示:“该框架成功地将人、数据和技术结合起来,展示了信息技术组织内部相互关系的全面视图。”

这个过程是由“从所有者、设计师和建设者的角度对整个企业的全面了解”来驱动的。与其他框架不同的是,它不包含一个正式的文档结构;相反,根据EABOK的说法,它旨在提供一个更全面的企业视角。

良好的EAP战略考虑了业务流程,组织结构,信息系统和技术方面的最新创新。它还将包括业务流程的标准语言和最佳实践,包括分析可以在整个组织中集成或消除的流程。任何EAP策略的最终目标都是提高业务信息的效率、及时性和可靠性。

企业架构的好处

EA可以为企业进行重新设计和重新组织提供支持,特别是在进行重大的组织变更、合并或收购期间。这也有助于通过标准化和整合流程来提高一致性,从而为组织带来更多纪律性。

EA还可用于系统开发、IT管理、决策以及IT风险管理,以消除错误、系统故障和安全违规。它还可以帮助企业驾驭复杂的IT结构或使其他业务部门更容易的访问IT。

根据CompTIA的说法, EAP最大的好处包括:

●允许IT部门和业务部门之间进行更开放的协作

●使企业能够确定投资的优先顺序

●更容易的根据长期目标来评估现有架构

●建立评估和采购技术的流程

●为IT以外的所有业务部门提供全面的IT架构视图

●提供一个基准框架,将结果与其他组织或标准进行比较

企业架构方法学

企业架构作为一个框架来说可能很模糊,因为它旨在解决整个组织的问题,而不是个人的需求、问题或业务单元。因此,有几个具体的框架可以帮助公司来有效地实现和跟踪EAP。

●开放式组织架构框架(TOGAF):TOGAF提供了设计,规划,实施和管理企业IT架构的原则。 TOGAF框架帮助企业创建了一个标准化的EA方法,其中包含通用词汇、推荐标准、合规性方法、推荐工具和软件以及定义最佳实践的方法。TOGAF框架作为一种企业架构师框架而广泛流行,根据Open Group的说法,它已经被全球80%以上的领先企业所采用。

●Zachman企业架构框架:Zachman框架是以企业架构的最初创始人之一命名的,是另一种流行的EA方法。根据CompTIA的观点,它被更好地理解为一种“分类法”,它涵盖六个架构焦点和六个主要利益相关者,以帮助标准化和定义IT架构组件和输出。

●联邦企业架构框架(FEAF): FEAF于1996年推出,作为对Clinger - Cohen法案的回应,该法案引入了对联邦机构IT有效性的授权。它是为美国政府设计的,但也适用于希望使用该框架的私人公司。

●Gartner:在2005年收购Meta Group后,Gartner建立了一个EAP的最佳实践,并将其纳入为公司的一般咨询实践内容。虽然它不是一个单独的框架,但CompTIA认为它是一种“实用”的方法,专注于通过“几个明确的步骤或组件”来实现业务成果。

这些仅仅是四种最常被引用和认可的EA方法,但还有其他方法的存在。例如,还有欧洲航天局架构框架( ESAAF )、国防部架构框架( MODAF )和SAP企业架构框架。这些框架专门针对单个行业或产品,比上面列出的更普遍的EA方法更有针对性。

原文地址:http://blog.51cto.com/14024441/2307487

时间: 2024-11-01 19:25:14

【架构大数据】企业架构的定义及目标概述的相关文章

大数据企业架构师精品课程(大数据篇)

视频课程包含: 大数据企业架构师精品课程(大数据篇)包含01.hadoop100集全.02.大数据_HBase视频教程.03.大数据_Hive视频教程.04.大数据_Spark_视频教程.05.大数据_zookeeper视频教程.06.R语言速成实战.07.python等等! 2017最火的可能就数大数据了,这里给大家按照一定思路整理了全套大数据视频教程,涵盖大数据全部知识点. 本视频属于作者原创搜集整理!下载方式:翻阅到文章底部 总目录 01.hadoop100集全 02.大数据_HBase视

【java高并发 大数据企业架构框架整合】Springmvc+mybatis+shiro+lucene+rest+webservice+maven

1. 使用阿里巴巴Druid连接池(高效.功能强大.可扩展性好的数据库连接池.监控数据库访问性能.支持Common-Logging.Log4j和JdkLog,监控数据库访问) 2. 提供高并发JMS消息处理机制 3. 所有功能模块化.所有模块服务化.所有服务原子化的方式,提供可拓展的服务模型,使程序稳定运行,永不宕机 4. 提供Wink Rest.Webservice服务,故可作为独立服务平台部署 框架整合: Springmvc + Mybatis + Shiro(权限) + REST(服务)

大数据平台架构设计探究

本文首发于 vivo互联网技术 微信公众号? 链接:https://mp.weixin.qq.com/s/npRRRDqNUHNjbybliFxOxA 作者:刘延江 近年来,随着IT技术与大数据.机器学习.算法方向的不断发展,越来越多的企业都意识到了数据存在的价值,将数据作为自身宝贵的资产进行管理,利用大数据和机器学习能力去挖掘.识别.利用数据资产.如果缺乏有效的数据整体架构设计或者部分能力缺失,会导致业务层难以直接利用大数据大数据,大数据和业务产生了巨大的鸿沟,这道鸿沟的出现导致企业在使用大数

DW(一):大数据DW架构参考

DW一直以来是企业信息与决策支持系统的核心组件,随着各类日志.社交.传感等非结构化数据的加入,企业内部数据按指数级增长,传统DW已经达到一个关键临界点——需要大量的资源投入到硬件.优化.支持和维护中,当前大部分使用Apache Hadoop来处理各种来源的大数据,但传统数据仓库不允许最终用户查询非结构化数据,此外,传统数据仓库并没有针对低延迟大容量数据负载和高吞吐量复杂分析工作负载进行优化——而这是大数据的需求之一. 下面例举当前互联网行业基于大数据的数据仓库技术构架参考 目录: 大数据DW逻辑

大数据平台架构技术选型与场景运用

一.大数据平台 大数据在工作中的应用有三种: 与业务相关,比如用户画像.风险控制等: 与决策相关,数据科学的领域,了解统计学.算法,这是数据科学家的范畴: 与工程相关,如何实施.如何实现.解决什么业务问题,这是数据工程师的工作. 数据工程师在业务和数据科学家之间搭建起实践的桥梁.本文要分享的大数据平台架构技术选型及场景运用偏向于工程方面. 如图所示,大数据平台第一个要素就是数据源,我们要处理的数据源往往是在业务系统上,数据分析的时候可能不会直接对业务的数据源进行处理,而是先经过数据采集.数据存储

阿里如何实现秒级百万TPS?搜索离线大数据平台架构解读读后感

阅读文章:阿里如何实现秒级百万TPS?搜索离线大数据平台架构解读 文章网址:https://mp.weixin.qq.com/s?__biz=MzIzOTU0NTQ0MA==&mid=2247488245&idx=1&sn=1c70a32f11da7916cb402933fb65dd9f&chksm=e9292ffade5ea6ec7c6233f09d3786c75d02b91a91328b251d8689e8dd8162d55632a3ea61a1&scene=2

知名大厂如何搭建大数据平台&架构

今天我们来看一下淘宝.美团和滴滴的大数据平台,一方面进一步学习大厂大数据平台的架构,另一方面也学习大厂的工程师如何画架构图.通过大厂的这些架构图,你就会发现,不但这些知名大厂的大数据平台设计方案大同小异,架构图的画法也有套路可以寻觅. 淘宝大数据平台 淘宝可能是中国互联网业界较早搭建了自己大数据平台的公司,下图是淘宝早期的 Hadoop 大数据平台,比较典型. 淘宝的大数据平台基本也是分成三个部分,上面是数据源与数据同步:中间是云梯 1,也就是淘宝的 Hadoop 大数据集群:下面是大数据的应用

大数据平台架构组件选择与运用场景

一.大数据平台 大数据在工作中的应用有三种: 与决策相关,数据科学的领域,了解统计学.算法,这是数据科学家的范畴: 与工程相关,如何实施.如何实现.解决什么业务问题,这是数据工程师的工作. 数据工程师在业务和数据科学家之间搭建起实践的桥梁.本文要分享的大数据平台架构技术选型及场景运用偏向于工程方面. 如图所示,大数据平台第一个要素就是数据源,我们要处理的数据源往往是在业务系统上,数据分析的时候可能不会直接对业务的数据源进行处理,而是先经过数据采集.数据存储,之后才是数据分析和数据处理. 从整个大

深入浅出解析大数据平台架构

目录: 什么是大数据 Hadoop介绍-HDFS.MR.Hbase 大数据平台应用举例-腾讯 公司的大数据平台架构 "就像望远镜让我们能够感受宇宙,显微镜让我们能够观测微生物一样,大数据正在改变我们的生活以及理解世界的方式--". 大数据的4V特征-来源 公司的"大数据" 随着公司业务的增长,大量和流程.规则相关的非结构化数据也爆发式增长.比如: 1.业务系统现在平均每天存储20万张图片,磁盘空间每天消耗100G: 2.平均每天产生签约视频文件6000个,每个平均2