为什么企业架构需要成熟度模型
发布时间:2019.02.26来源:亿信华辰浏览量:109次标签:数据治理
跑步之前走路。我们已经听过一百万次了,引用了几乎同样多的不同学科。然而,由于时间有限,想要快速完成任务往往是人性。然而,就像我们的第一步一样,构建成功的企业架构实践是一个随着时间的推移而开发和开发的过程。
这就是成熟度模型的用武之地。成熟度模型被用作企业评估其当前位置的手段,因此,更好地了解何时是正确的时间向前发展以及如何进行。
考虑到这一点,隐喻是一种比喻过度受欢迎的风险,考虑到这一点:给你的婴儿买一双昂贵的跑步鞋,并期待他们冲刺,这至少是一种错误的推定。由于孩子显然没有准备好使用它们,因此绝对没有办法证明成本合理。你最好选择一对适合目的的人,知道他们会长大。
成熟度模型在企业架构中的使用
企业架构(EA)可以在同一个角度查看。如果您的企业架构实践是新建立的 - 这种类型的设置专注于在问题到达时对问题作出反应 - 您不应该期望团队立即开始提供与先锋企业架构师更加关联的工作,而这些工程师更关注思考前进,规划和创新。
成熟度模型本质上是一个基于调查的框架,旨在评估IT功能。能力包括但不限于运营效率和有效性。简而言之,组织中的IT领导者完成一项调查,并根据他们的答案获得分数。
但是,成熟度模型本身并不是组织发现其价值的地方。这是从组织当前的位置和模型中获得的知识所获得的知识,以及为模型提供价值的建议。企业可以使用此信息来影响其企业架构实践的开发路线图,以便更好地继续前进。
Gartner自己的EA成熟度模型为开发实践提供了通用但有先见之明的建议。这些建议是对一些业界最值得信赖的分析师的累积理解和判断。
但是,组织应该自己定制他们的发展计划,因为他们个人经验的细微差别将依赖于组织自身的业务成果。
对于EA实践而言,成熟度模型的最大好处可能是它可以帮助您更好地确定正确的双峰时间,建立Vanguard Enterprise Architect 角色或扩展团队。这一点非常重要,因为当前的行业发展轨迹表明,随着数字业务在各个市场的不断扩展,双向IT方法将变得越来越重要。
企业架构成熟度模型的不同层次
Gartner绝不是该学科唯一的成熟模型。然而,由于Gartner作为行业值得信赖的分析来源的盛行和地位,他们的模型是本次讨论的重点。
他们的成熟度模型确定了企业架构实践中的五个不同成熟度级别。从“不存在”的企业架构结构到“无处不在”的架构结构。
他们将五个级别分解为:
-
等级1:不存在 -听起来如此。
在这种情况下,企业架构要么已不存在,直到这一点,或者是在其非常早期实施阶段,并已完成的任何企业架构的工作,几乎可以肯定是非正式和关闭袖口。 - 第2级:反应 -在这种情况下,企业架构实践确实存在,并得到组织的正式认可。然而,实践的本质是回应,而不是先发制人的计划和行动。因此,工作仍然是临时或袖口,通常只能承诺短期修复。
- 第3级:功能 -此时,企业架构实践现在正在考虑业务成果。基础企业架构师通常在这里有很好的代表。但是,组织并不一定为真正的双模式EA设置做好准备,并且在将一些更多的Vanguard EA职责引入折叠时可能会遇到平衡。
- 第4级:集成 -在此阶段,企业架构实践正在提供价值,并始终如一。Vanguard EA已经明确建立,因此企业可以采用“真正的”双峰方式来运营。这就是组织应该致力于在这里达到最低限度的目标,组织正在实现业务成果。
- 第5级:无所不在 -在这里,企业架构的成功在整个组织中具有涓滴效应。EA成为一种自然的工作方式,该学科背后的原则被广泛采用。
企业架构师的角色转变
在EA实践成熟历程中,企业架构团队倾向于重新关注不同阶段。最初,实践的主要重点是提供指导 - 如果您熟悉双峰IT (您应该),您将知道这与'模式1'相对应。在这里,企业架构主要关注于回答有关最大化流程效率,降低复杂性以及帮助指导和实施开发决策的具体问题。
然后,这种做法转向新的焦点,专注于提供业务成果。企业架构师负责制定业务战略背后的结构,并努力寻找和发现所述战略背后的业务成果。此时,EA还负责确保整体IT,与更广泛的业务保持一致。
最后,企业架构实践将占据它今天可能需要的空间 。现在,实践的任务是支持数字业务 - 这一概念占据了大量的消费者市场,并继续渗透更多。这就是企业架构需要创新的地方,以及为什么具有创新管理能力的EA工具是一项明智且有价值的投 企业架构师现在负责创造新的商业机会,而不仅仅是支持他们取得成果。这需要一种不同类型的企业架构师,并在实践运作的方式中引入新的“模式”(模式2)。
在每个转换过程中,前者都是建立在而不是被遗忘的基础之上。在导航数字业务环境时,双模IT非常重要。成熟的企业架构实践要求确保“一切照旧”和提供业务创新。
-
数据治理、共享交换、数据仓库、数据中心的关系
建数据中心离不开数据,以前设计数据库都是从事务性数据库考虑(做的都是业务系统,思维模式太固定了),没有从数据仓库的角度来统管分析。以下是……查看详情发布时间:2019.08.07来源:CSDN浏览量:157次
-
数据质量六大评价标准是什么
随着大数据时代的带来,数据的应用也日趋繁茂,越来越多的应用和服务都基于数据而建立,数据的重要性不言而喻。而且,数据质量是数据分析和数据挖……查看详情发布时间:2022.03.28来源:小亿浏览量:5751次
-
数据质量管理包括什么方面
数据是组织最具价值的资产之一。企业的数据质量与业务绩效之间存在着直接联系,高质量的数据可以使公司保持竞争力并在经济动荡时期立于不败之地。……查看详情发布时间:2019.11.07来源:知乎浏览量:163次
-
数据治理的伦理 - “数据带来利益和负债”
数据从未像现在这样强大。2018年发现了一些历史上最大的数据泄露事件,包括万豪酒店集团违规行为和剑桥分析公司丑闻,两者都对国际关系产生了……查看详情发布时间:2019.03.12来源:亿信华辰浏览量:111次
-
什么是主数据管理系统?
采集与集成、共享、数据质量、数据治理是主数据管理的四大要素,主数据管理要做的就是从企业外部和企业的多个业务系统中采集和整合最核心的、最需……查看详情发布时间:2020.04.29来源:知乎浏览量:102次
-
数据指标体系搭建实践:指标管理四步法
因为不同人对于一个指标口径的理解,会存在偏差的,比如对于“新用户”这个原子指标的定义口径,有的人是理解为当日新注册的用户为新用户,而有些……查看详情发布时间:2020.09.21来源:头条浏览量:125次
-
数据质量评估体系主要参考以下5个指标
数据质量评估体系主要参考以下指标:,针对不同的信息系统做出定量的数据质量评估,也可根据实际情况,在评估执行中进行取舍。……查看详情发布时间:2019.11.07来源:知乎浏览量:236次
-
数据治理面对的挑战有哪些
随着企业数据量的增长,大数据平台需要投资扩容,但大量的存量应用依赖的数据也在同步增长,因此也需要扩容,当然这份冗余的数据会越来越大。……查看详情发布时间:2022.05.07来源:小亿浏览量:166次