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

對于每個領域，信息或數據流反映在以下示例中：

企業能力示例：價值流和能力與 IT 服務的映射，重點關注數據服務。

案例場景示例：需求映射，根據數據源(來自用戶輸入和系統輸出)識別數據 SLR。

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

操作環境示例：部署包映射到 功能服務，重點關注數據服務，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(典型的企業解決方案演練)的信息流的集成映射。

數據架構決策只有考慮以下因素才會有效：

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

數據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據為中心的方法就信息流達成一致時，ESA 模型便開始成形。

對于數據關聯流，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、關聯和引導方式方面發揮著關鍵作用。

提示：在敏捷 ESA 模型中，數據服務更多地基于 IT 服務或軟件，提供對數據的訪問和操作。它支持業務流程和功能，并解決以下問題：1) 與企業能力相關的案例場景需求映射;2) 給定數據服務的真實來源;3) 復合數據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)表示的數據服務的抽象級別。順便說一句，數據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過訓練的圖神經網絡 (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解決方案賦予了強大的分析能力，涵蓋企業方向和業務洞察、案例場景模擬和分析、軟件建模和開發、架構模式識別、指標規范、預測分析以及比較權衡輔助等。總而言之，人工智能通過智能元數據管理和動態數據關聯，使復雜的數據結構和關系更加易于理解。

然而，人工智能可能會產生數據偏差。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。即使與人工智能協同工作，這些領域仍然需要人類的投入、專業知識和推理能力，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系統的運作方式。

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，從而創建數據相關映射和適配級別的數據服務。Agile ESA 還利用 AI 驅動的重構工作，或指導 AI 驅動的治理功能與更詳細的解決方案系統設計相連接。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據架構。

利用人工智能功能進行架構設計

當今的企業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選擇性流程自動化、強化數據治理、更佳的互操作性、系統透明度、運營平臺彈性、AIOps 等等。這些功能涵蓋 ESA 的所有關鍵領域。

在企業解決方案環境中，AI 能力不僅包括創新型、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。遵循標準集成協議至關重要，例如模型上下文協議 (MCP)，這是一個用于集成 AI 模型和外部數據源的開放標準，能夠實現跨不同系統的互操作性，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據架構。

數據與人工智能如同探戈般協同。數據驅動人工智能，人工智能則從數據中提供洞察。企業業務需要的既不是帶有偏見和粒度不合適的數據架構觀點，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據架構模型為指導，并結合人工智能輔助的可行性評估和架構決策分析。人工智能驅動的企業數據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數據架構中扮演著重要的角色。

需要注意的是，許多 AI 用戶、應用程序開發者和其他人員更注重應用，只關注 AI 企業解決方案的一部分。然而，對于認真對待 AI 平臺或企業環境的企業領導者、數據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，企業能力空間應簡潔直觀地反映符合特定企業環境的 IT 戰略方向的本質。復雜或成熟的模型看似優雅，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據架構，您就會產生未來的債務。

傳統的企業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 輔助的企業解決方案的復雜關聯。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。

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

提示：在對遺留企業進行服務化現代化之前，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 不僅僅是一份企業架構規劃、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，成為一種可實現的架構，或是對現實企業解決方案中架構思維的證明。在 AI 賦能下，通過 Agile ESA 建模構建的集成數據架構有效地連接了業務目標和技術執行，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