数字化建设方案

一、概述

        数字化时代，企业面临新的机遇和新的挑战。遵循“旧地图”，一定找不到“新大陆”。因此企业需要构建一套新的技术体系，以应对不确定的、个性化的、复杂的系统需求，从而支撑企业的业务创新。

企业数字化建设可分为五部分：拥抱云原生（夯实底座）、优化大数据架构体系(发挥数据的价值)、推进数据智能应用(覆盖业务全链路)、整合大前端体系(简化触点开发)、统筹一体化开发平台(践行组装式理念，加快业务落地速度)。

1、it基础设施云化是数字化的基石，因此植根与云计算，引入云原生体系是技术重构的重要起点，云原生吻合云计算的设计思想，能最大的发挥云计算的强大功能，让业务系统更灵活应变，运行更加稳定。
2、企业的海量数据，经过整理加工才能形成数据资产，才能为业务提供服务，从而产生价值。大数据的系统化的建设是实现数据资产化和资产价值化的必然选择。
3、基于数据发现规律产生智能，经过数据智能与业务整合，帮助决策并指导行动，才能更好的赋能。
4、客户经由触点才会与企业产生交互，因此通过触点数字化重构企业与客户的沟通是数字化的找重点。实现触点的丰富多样化需要通过融通各样前端技术栈，构建大前端体系，从而提升触点的迭代的敏捷性。
5、不同零散的技术手段，需要整合成一个一体化的研发平台，才能更好的提升研发效能，从而提升业务交付速度。

二、云原生

数字化关键要素基础设施、运行环境、应用架构、交付过程。
统一管理基础设施，按需提供硬件资源，降低基础设施维护复杂度和成本。
简化交付过程，降低对运行环境的依赖。
按领域纵向划分微服务，各个业务领域独立发展，更好的应对业务变化，沉淀共享资产。
规范研发过程，提升研发效率，提升系统交付速度。    

数字化时代，全面拥抱云原生是企业数字化系统建设的必然选择。云原生技术，重点在于4个方面：
1）引入容器化，采用容器镜像确保应用在不同环境的稳定运行，无需关注底层运行环境的差异性，并通过K8S管理和编排容器，保证系统的高可用和弹性伸缩;
2）实施微服务架构，对单体系统根据单一职责、高内聚松耦合的原则进行领域化拆分，降低系统开发复杂性，并配合容器化提升按需扩展的能力;
3）推行DevOps理念和配套工具，以敏捷协同、持续测试、持续集成、持续部署等方式达到持续交付，驱动开发运维全流程一体化协作；
4）实现多云适配，只需开发一套业务代码，即可实现系统在不同云服务提供商间快速切换，满足企业复杂的部署场景。

---

• 容器化简化系统部署和运维复杂度和资源利用率

容器化是一种轻量级虚拟化技术，隔离应用程序与其依赖以及底层操作系统环境，降低应用对部署环境的要求，同时由于提升了虚拟化粒度，得以更充分的利用资源。

• 微服务是技术层面最佳时间

微服务按业务领域纵向分拆应用系统的方法，形成高内聚低翘合的能力中心。在纵向领域拆分的基础上，横向将中台与应用进行隔离，形成中台服务层和应用服务层，造就了中台的共享理念。纵向分服务，降低了业务耦合度，横向隔离的应用服务层聚合中台服务层的能力，提供面向特定业务场景的服务，促进了业务和数据在各业务系统间的交叉共享，大大减少了企业的重复建设和重复投资，由此也形成了企业可持续沉淀积累和运营的企业资产。

• 延伸DevOps理念，打造研发服务平台

贯彻DevOps持续交付理念，研发服务平台端到端串联整个软件系统开发流程。通过敏捷开发管理从源头就开始管理业务需求;按需求进行分支迭代并编程，代码提交后触发持续构建;通过代码扫描插件，检查并输出代码质量报告;完成构建后，结合环境管理及资源配置，实现快速部署，直到使用自动化测试工具进行回归测试。由此形成了一个自成体系的高效研发交付的全场景闭环。

• 多云适配是上云的加速器

企业数字化系统与云计算融合已成为必然选择，但企业在不同阶段会采用或同时会采用不同的云运行环境来部署系统。因此业务系统不应与云服务提供商强合，需要一套与具体环境无关的云服务抽象层，通过适配机制，达到无缝切换运行环境而无需更改业务代码，从而降低业务系统在复杂场景下的部署成本。多云适配既允许企业当下灵活选择运行环境，又方便后期维护和迭代。

三、大数据

随着数据处理与存储技术不断推陈出新，企业的数据建设模式也在持续演进。最初，数据库系统RDBMS广泛用于日常的数据处理和统计，但随着数据体量的增长，简单的数据统计逐步被数据仓库所代替，为企业的经营分析提供更高质量的数据服务。互联网时代暴增的海量数据催牛了以分布式计算与存储为核心的Hadoop生态，保使数据系统架构由前大数据时代进入大教据时代。于是企业将各种业务产生的数据搬上大数据平台，开创了数据平合时代。以阿里巴巴为代表的互联网企业进而以数据应用场景为驱动，整合各种大数据技术推出数据中台架构，再次开启了数据处理和应用的一个新里程碑，称为数据中台时代。数据中台相较于数据平台，带着更明确的数据应用目的来规划企业数据建设，强调业务与数据的闭环。

各类大数据技术从开始孵化到成为开源社区的顶级项目逐渐成为数据中台各方面建设的选择方案，尤其是以Flink为代表的流式计算、以Hudi为代表的湖仓一体和以ClickHouse为代表的OLAP实时分析是成熟数据中台架构选型的3大核心技术组件。

1、流式计算逐步融合批处理，形成流批一体的混合架构，支撑实时数据应用

2、湖仓一体逐步取代湖仓分离，简化数据处理链路，降低数据存储成本

3、以clickHouse为代表的列式存储大幅提升OLAP性能

四、数据智能

数据智能应用从单一场景过渡到业务全链路覆盖。全局优化，协同提升。

五、大前端

前端从单端异构发展到多端同构
从单应用到微前端
积累丰富的前端组件库，形成飞轮效应

六、一体化开发平台

企业数字化带来了更高的架构设计要求、更高的技能要求和更全面的系统特性要求，由此促使企业搭建一套与之匹配的一体化开发平台，围绕低代码方式，从顶层规划，到设计建模和开发，再到集成和部署，直至运营6大阶段，涵盖数字化系统建设的全生命周期，无论是前端页面，后端业务能力，还是大数据处理脚本，都可在一体化平台上进行可视化开发，为企业全体开发角色赋能提效。

七、建设模式

四个维度评估模型建设模式

后续会在此专栏持续更新各个模块的细节建设方案。

八、推荐资料

关注公众号”小猿数字化“，免费下载数字化相关建设方案。

---