基于人工智能的以数据为中心的数据架构方法

这些领域之间的关联流程比每个领域各自的关注点更重要。例如，业务人员主要关注业务组件模型和信息价值，而不是数据在企业系统中的设计和操作方式。因此，这些流程成为集成数据架构的主要关注点。这些流程共同反映了用户与系统、业务与系统以及系统之间的交互。

对于每个领域，信息或数据流反映在以下示例中：

企业能力示例：价值流和能力与 IT 服务的映射，重点关注数据服务。

案例场景示例：需求映射，根据数据源(来自用户输入和系统输出)识别数据 SLR。

功能服务示例：解决方案上下文映射，问题空间以数据服务为中心 (超越数据对象或组件级建模)，反映了架构良好的服务组合。

操作环境示例：部署包映射到 功能服务，重点关注数据服务，因为它们通常具有跨切关注点。

解决方案上下文示例：来自度量、架构模式、集成风格和解决方案概述(典型的企业解决方案演练)的信息流的集成映射。

数据架构决策只有考虑以下因素才会有效：

数据服务是每个信息流的关键映射元素。例如，企业能力的信息流包含通过价值流分析实现数据能力与数据服务的映射，并通过客户旅程等与单车司机(SLR)的案例场景关联起来。

数据服务必须与其相关的功能服务或包装器一起考虑，包括技术服务(通常称为应用程序逻辑服务)以及可能的 UI 服务。

在实践中，这些流程是通过敏捷方法逐步构建的。当各领域的决策者以数据为中心的方法就信息流达成一致时，ESA 模型便开始成形。

对于数据关联流，人工智能负责繁琐且容易出错的工作，而人类在确定流程映射的结构、关联和引导方式方面发挥着关键作用。

提示：在敏捷 ESA 模型中，数据服务更多地基于 IT 服务或软件，提供对数据的访问和操作。它支持业务流程和功能，并解决以下问题：1) 与企业能力相关的案例场景需求映射;2) 给定数据服务的真实来源;3) 复合数据服务的通信和集成方法;以及 4) 由不同的敏捷 ESA 元素(例如通用服务、视图框架等)表示的数据服务的抽象级别。顺便说一句，数据服务将作为单独的主题进行阐述。

六 利用人工智能辅助、基于 IT 服务的建模方法

ESA 是人工智能辅助的，而不是人工智能驱动的。

人工智能辅助敏捷 ESA 建模方法可通过以下用例普遍采用：

利用人工智能提示收集架构信息并澄清建模问题 [建模]

基于初始人工设计或逆向工程工作，使用定制的人工智能代理进行架构推理和分析[建模]

将建模工具与人工智能(例如人工智能图表生成器或经过训练的图神经网络 (GNN))相结合，以促进建筑模型渲染 [建模]

将人工智能功能融入企业解决方案架构[架构]

构建人工智能解决方案(或以人工智能为中心的框架、企业应用程序等)[架构]

这些用例中的任何一个，或者它们的组合，都适用于敏捷 ESA 建模。在这里，我们简要讨论一下从建模和架构角度提供的 AI 辅助，这两者都将算法推理和繁琐的工作转移到 AI 代理或中间件上。

借助人工智能进行建模

人工智能的普及为许多企业解决方案赋予了强大的分析能力，涵盖企业方向和业务洞察、案例场景模拟和分析、软件建模和开发、架构模式识别、指标规范、预测分析以及比较权衡辅助等。总而言之，人工智能通过智能元数据管理和动态数据关联，使复杂的数据结构和关系更加易于理解。

然而，人工智能可能会产生数据偏差。人工智能目前无法，将来也无法完全在上述五个领域之间映射信息，因为它们是独立的实体，各自解决企业解决方案领域中的一组特定问题。将它们混杂在一起会使企业解决方案变得复杂，并使每组利益相关者都无法获得清晰的架构图。即使与人工智能协同工作，这些领域仍然需要人类的投入、专业知识和推理能力，才能做出明智的架构决策。毕竟，正是人类从多个维度决定了企业系统的运作方式。

敏捷 ESA 建模在人类思维与人工智能之间寻求平衡，利用 AI 辅助进行详细分析和洞察，从而创建数据相关映射和适配级别的数据服务。Agile ESA 还利用 AI 驱动的重构工作，或指导 AI 驱动的治理功能与更详细的解决方案系统设计相连接。需要注意的是，Agile ESA 元素(将在单独的主题中详细阐述)可以基于 AI 分析，使用一组最少的架构符号来具体化数据架构。

利用人工智能功能进行架构设计

当今的企业解决方案架构涵盖众多 AI 功能，包括工具、API、中间件、代理等。支持 AI 的解决方案架构可实现选择性流程自动化、强化数据治理、更佳的互操作性、系统透明度、运营平台弹性、AIOps 等等。这些功能涵盖 ESA 的所有关键领域。

在企业解决方案环境中，AI 能力不仅包括创新型、AI 融合型或代理型应用程序和 RAG(检索增强生成)，还包括 AI 集成能力。遵循标准集成协议至关重要，例如模型上下文协议 (MCP)，这是一个用于集成 AI 模型和外部数据源的开放标准，能够实现跨不同系统的互操作性，就像 AI 应用程序的 USB-C 端口一样。请记住：AI 的有效性取决于可行的集成数据架构。

数据与人工智能如同探戈般协同。数据驱动人工智能，人工智能则从数据中提供洞察。企业业务需要的既不是带有偏见和粒度不合适的数据架构观点，也不是碎片化的洞察。细致的框架采用和技术栈选择应始终以清晰的数据架构模型为指导，并结合人工智能辅助的可行性评估和架构决策分析。人工智能驱动的企业数据架构仍是一个遥不可及的愿望。即使看似如此，人工智能仍然在企业数据架构中扮演着重要的角色。

需要注意的是，许多 AI 用户、应用程序开发者和其他人员更注重应用，只关注 AI 企业解决方案的一部分。然而，对于认真对待 AI 平台或企业环境的企业领导者、数据架构师或解决方案架构师来说，整体建模方法是必不可少的。

提示——敏捷企业架构 (Agile ESA) 中的人工智能辅助整体方法必须以简洁性和重要性为基础，并融合人工智能和人类智能。例如，企业能力空间应简洁直观地反映符合特定企业环境的 IT 战略方向的本质。复杂或成熟的模型看似优雅，却会使架构思考变得困难，最终达不到预期目的。

七 小结

如果没有清晰的宏观数据架构，您就会产生未来的债务。

传统的企业架构建模复杂且实用性较差。它更有可能被人工智能取代，就像设计级建模一样。ESA 代表了一种易于人类理解的架构，同时在后台利用了 AI 辅助的企业解决方案的复杂关联。在可预见的未来，AI 永远无法取代 ESA，这也是一门权衡利弊的艺术。

数据架构对于企业解决方案架构至关重要，必须拥有一个集成模型来支持业务目标并适应不断变化的需求。在敏捷企业解决方案架构 (ESA) 中，信息架构、数据架构和解决方案架构之间的区别变得模糊。一种整体而简单的方法，将数据架构与业务功能、案例场景、解决方案上下文、功能架构和运营环境以及解决方案管理支持和治理技术相集成，可确保企业解决方案的成功。

提示：在对遗留企业进行服务化现代化之前，必须建立清晰的敏捷 ESA 模型，并使用最小可行迁移方法。急于追求一时兴起的架构风格，很可能会失败。

Agile ESA 不仅仅是一份企业架构规划、一份治理文档或一个以技术为中心的解决方案架构，它通过考量端到端的重要案例，成为一种可实现的架构，或是对现实企业解决方案中架构思维的证明。在 AI 赋能下，通过 Agile ESA 建模构建的集成数据架构有效地连接了业务目标和技术执行，从而提高了架构的可观察性，降低了架构债务的可能性，并降低了变更成本。

审核编辑 黄宇