数字化转型案例:源自阿里,中台设计流程及方法(上)

简介: 数字化转型案例:源自阿里,中台设计流程及方法(上)

在过去几年中台项目的实践中,我们团队积累了一套成熟的中台服务中心建设思路,该思路包含了从业务调研到中台设计开发的标准流程和方法论,值得企业在进行中台建设时参考。

我们把业务中台的落地方法总结为一个流程图,如图4-1所示。从业务的调研与规划开始,到产出中台设计,大致步骤包括:

1)调研与规划。

2)需求分析。

3)中台设计。

4)开发实现。


image.png


(1)调研与规划

业务的调研与规划目标是,从发展角度去看企业当下的业务运营情况和未来的业务规划。这一步非常重要,业务规划的长远度决定了业务中台的高度。所以这里要求业务方综合考虑企业自身的特性、新技术应用、新业务发展趋势等方面。这里列举一个零售行业某企业的例子,如图4-2所示。


image.png


从这个业务规划中,能明确看到企业中台建设的总体规划,在不同阶段对于会员、库存、营销以及供应链方面的业务诉求。有了规划,接下来的中台分析设计就更加有的放矢,不会出现目标混淆和不可持续发展的问题。


(2)需求分析

业务规划之后就是需求分析,单纯从中台设计的角度来说,需求分析更关注粗粒度核心业务流程,并不关心业务层面具体的用户交互和功能细节需求。一般业务系统和中台架构设计的需求调研都是同步进行的,所以这里也不用分得太清晰。

需求分析的目标是,从业务规划的各种业务场景出发,梳理核心业务流程。业务流程的粒度需要包含这几类:业务角色、业务实体、业务规则、已经存在的业务系统的接口、外部系统或者平台的服务和接口。这个过程是边梳理业务流程边识别业务实体,两者相辅相成。

(3)中台设计

从需求分析到中台设计有两条路径,如前面图4-1所示。路径A是从业务域分析开始的完整过程,经过流程分析、时序图分析和聚合分析,最后得出中台设计方案;路径B针对业务比较明确和相对简单的场景,或者行业已经有类似的业务沉淀(行业模型库),可以基于这些模型库进行迭代,直接基于已有的方案开始迭代推演。下面我们演示路径A的方法和过程。


这时就会遇到企业客户经常提出的问题—我们的公司到底需要几个中心?这些中心怎么出来的?这些中心是什么样子?

中台设计一般分两个阶段:业务中心分析和业务中心设计。业务中心分析是从业务流程纷繁复杂的业务场景出发分解出目标业务中心,业务中心设计需要完成中心的概要设计和详细设计。


阶段1:业务中心分析

这一步需要架构师具有深度的行业业务理解能力和软件分析设计能力,中台既是前台业务的基石,也是衔接前后台业务的中枢,所以中台设计一定要从企业核心业务场景和流程出发。


第一步,识别整个体系中最核心的业务流程,如图4-3所示。从这些流程出发,分析流程中参与进来的关键业务和数据实体,一一列举。从核心到边缘,从前台到后台、从后台到前台,正向流程、逆向流程,正常流程、异常流程,完整分析之后,你会得到一个企业业务实体的全景图,这个图包括用户、会员、企业组织架构、商品、交易(批发、零售),等等。


image.png


这个过程做得越细越好。在这个过程中,不要给自己设定用户中心、商品中心的概念,这时候你的眼里应该没有中心和业务系统的边界,只关注流程和实体本身。流程梳理完全是从具体业务场景出发,忠实于用户期望的业务需求,不要被现在实际的流程和系统所束缚。


图4-4展示了O2O场景下一个线上下单、线下物流送货的处理流程中,把所有跨系统流程全部梳理后得到的流程全景图。


第二步,把第一步分析的业务流程全景图聚合分析,从不同业务领域来归纳分析产生的业务和数据实体。这时你会发现,整个大图中最关键的那些业务实体与绝大多数的流程都有关系,而且和绝大多数的业务场景都有交互。通常,这时你所要找的适合纳入中台的业务领域就呼之欲出了,比如会员域、商品域、交易域、库存域,等等。这时就可以初步确定中台的基本轮廓。


图4-5是从上面梳理的业务流程全景图出发,分析流程中的主要业务对象,归类整理形成核心业务域,这些业务域将成为下一步服务中心设计的基础。


image.png


image.png

相关文章
|
前端开发 物联网 API
ToolBench指标提升8.25%!魔搭社区让Qwen2 成为你的智能体好帮手
随着千问2.0的发布,魔搭社区在第一时间上线了千问2全系列模型。我们注意到,千问2模型在通用能力上已经非常强悍,然而有时候用户需要使用模型在自己的私有场景上搭建起智能体调用流程,这时就有可能遇到对于特定场景调用不良的情况,在这种情况下,用户对于千问2模型进行二次训练并提升智能体精度是非常有必要的。
|
5月前
|
存储 JSON 安全
如何开发工程项目部管理系统中的设备管理板块(附架构图+流程图+代码参考)
本文详解工程项目部设备管理系统的构建方法,涵盖设备管理的价值、功能清单、技术架构、核心数据模型、业务流程设计及开发实战技巧,提供可落地的代码示例,助力企业实现设备全生命周期管理,降低停工、延长设备寿命、提升管理效率。
|
7月前
|
前端开发 JavaScript Java
如何开发项目管理系统中的统计分析看板?(附架构图+流程图+代码参考)
本文介绍如何通过项目管理系统的统计分析看板,提升项目管理效率与决策能力。内容涵盖客户分析、财务收支及项目综合看板的设计与实现,提供技术架构、业务流程和代码示例,帮助开发者快速构建数据驱动的项目管理平台。
|
7月前
|
存储 BI API
一文读懂数据中台和数据仓库的区别
本文深入解析了“数据中台”与“数据仓库”的区别,从定义、功能、架构设计、数据处理、应用场景等多个维度进行对比,帮助企业更清晰地理解二者的核心差异与适用场景。数据仓库重在存储与分析历史数据,服务于高层决策;数据中台则强调数据的实时处理与服务化输出,直接赋能一线业务。文章还结合企业规模、业务需求与技术能力,给出了选型建议,助力企业在数字化转型中做出更科学的选择。
1399 11
|
供应链 Go 区块链
基于区块链技术实现供应链的全程可追溯性
基于区块链技术实现供应链的全程可追溯性
802 17
|
机器学习/深度学习 人工智能 算法
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
文本分类识别系统。本系统使用Python作为主要开发语言,首先收集了10种中文文本数据集("体育类", "财经类", "房产类", "家居类", "教育类", "科技类", "时尚类", "时政类", "游戏类", "娱乐类"),然后基于TensorFlow搭建CNN卷积神经网络算法模型。通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型,并保存为本地的h5格式。然后使用Django开发Web网页端操作界面,实现用户上传一段文本识别其所属的类别。
507 1
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
|
数据采集 算法 大数据
大数据中缺失值处理填充法
【10月更文挑战第21天】
1487 2
|
存储 人工智能 Java
将 Spring AI 与 LLM 结合使用以生成 Java 测试
AIDocumentLibraryChat 项目通过 GitHub URL 为指定的 Java 类生成测试代码,支持 granite-code 和 deepseek-coder-v2 模型。项目包括控制器、服务和配置,能处理源代码解析、依赖加载及测试代码生成,旨在评估 LLM 对开发测试的支持能力。
536 1
|
存储 分布式计算 安全
阿里云服务器内存型r7、内存型r8y、内存型r8i实例规格性能对比与选择参考
在选择阿里云服务器实例规格时,针对内存密集型应用和数据库应用,内存型r7、内存型r8y和内存型r8i实例是这部分应用场景选择最多的热门实例规格。为了帮助大家更好地了解这三款实例的区别,并为选择提供参考,本文将详细对比它们的实例规格、CPU、内存、计算、存储、网络等方面的性能,并附上活动价格对比。让大家了解一下他们之间的不同,以供参考选择。
|
移动开发 HTML5
一个最简单的 HTML 页面结构如下:
HTML 是一种标记语言,用于描述网页结构。通过 `<html>`, `<head>`, `<body>` 等标签构建页面,支持文本、图像、链接、表格等多种元素。本文介绍了 HTML 基础,包括常用标签及创建简单网页的实例,帮助初学者快速入门。
369 0