本文来自微信公众号“twt企业IT社区”，作者/汪照辉，中国银河证券架构师，专注于容器云、微服务、DevOps、数据治理、数字化转型等领域，对相关技术有独特的理解和见解。擅长于软件规划和设计，提出的“平台融合”的观点越来越得到认同和事实证明。发表了众多技术文章探讨容器平台建设、微服务技术、DevOps、数字化转型、数据治理、中台建设等内容，受到了广泛关注和肯定。
很多企业经过多年的数字化实践，逐渐意识到数字化转型是战略、业务、技术、数据、环境、组织等高度相关联的事情，全链条的响应是数字化的基本框架。但经过这么多年的信息化单体系统建设，数据独立存在于各自系统的数据库中，虽然通过数仓、大数据平台甚至数据湖等方式使企业大部分数据汇聚到了一起，从而可以实现一定程度上的数据共享和数据深度分析能力，但这其中需要付出巨大的、繁重的数据治理代价。每增加一个系统，就可能需要重新做一遍数据的抽取、转换、加载、处理等。各个系统之间数据不一致，格式、语义不统一，数据冗余或缺失等问题并没有从根本上改变。初始的数据依旧散落于每个系统各自的数据库中。
在企业架构上，大部分企业缺乏整体的架构规划，也就缺乏顶层的数据架构设计。虽然很多公司成立了项目管理办公室PMO，但却没有全局的架构师团队，或者缺乏企业架构的意识。也因此无法实现企业架构下数据的全局架构定义、全局数据模型的设计等。一方面，从厂商角度来说，专注于某一方面技术和产品的研发，利益诉求不同，无法为企业提供全局的架构视角；另一方面，企业习惯了信息化的单体系统建设方式，各部门和团队基于自身认知和利益习惯了一个一个项目的立项申请流程，改变太难；再者，PMO关注的是项目的管理，而不是项目的顶层规划，更缺乏企业架构的顶层设计；而专业的咨询团队往往限于时间、费用、保密要求等难以融入企业细致的业务之中，水土不服，难以提供有针对性的解决方案。所以企业数字化转型最终还是需要依靠自身的能力来进行规划和推进。
数据作为数字化阶段的基础生产要素，需要在企业架构内规划设计数据架构，使数据在产生的源头上就标准化，尽可能消除数据治理环节，以主数据为骨架重构企业全局数据架构，实现数据的融合。从而彻底解决数据孤岛和数据脱节的问题，支持企业业务应用系统的融合，在数字化阶段实现最短链路最高效率的转型赋能和转型支撑。这对推进数字化转型企业来说，可能需要设立企业架构团队，根据数字化业务需求，去规划、设计、实施、支持和适时调整企业数据架构、应用架构和技术架构。
设立企业架构团队
设立具备企业架构思想和意识的企业架构团队是企业推进数字化转型很关键的一步。当前大部分企业习惯于一个项目一个项目去实施，缺乏顶层IT架构的设计。而绝大部分架构师是不具备相应的认知和能力的，特别在数字化阶段，架构师不但需要理解和了解各种的架构模式和知识，还需要能够自由的运用这些模式和知识，根据实际的情况选择合适的架构模式。比如说，中台就是一种架构模式，中台的本质就是一种架构方式，其主要目的为了实现企业级的复用，所以中台架构复用粒度的定义就非常重要。正是由于很多人没有理解中台而盲目的去上中台，比猫画虎不成反为所累。再比如微服务并不是要把服务拆分的多么微小，不是一个操作就定义一个服务。微服务架构提出的目的，其是为了解决单体系统敏捷变更的问题。所以微服务也不是越小越好。把微服务架构和中台架构结合，去实现微服务粒度的复用，也就为单体系统重构改造提供了一种比较好的方案。
企业架构团队可以对接企业战略和业务、IT部门，指导和协调数据架构、应用架构和技术架构的规划和设计。数字化不能只关注单一信息系统的能力，而是要协调系统之间的配合。信息化系统往往会尽可能去实现很多功能，所以也导致80%的功能几乎不用，因为这些功能要么在别的系统是有的，要么没什么价值，这就造成很大的浪费；数字化应用就需要消除这80%的功能，从顶层架构上规划企业所需能力和功能，以微服务重构信息化单体系统，并尽可能复用已有的能力。
以企业主数据为骨架重构数据架构
领域驱动设计将企业内数据划分为若干个领域，这样简化了数据模型的设计，但同时也导致一些模型在设计过程中缺失一些相关性，也会导致一些重复的能力设计。基于领域驱动设计的不足，考虑到主数据是企业内各系统之间共享的高价值数据，以主数据实体来驱动数据架构的设计，通过主数据骨架图，将更容易直观地看到实体之间的关系，以及业务和数据实体之间的联系。考虑主数据在企业内的共享性，也可以以主数据来驱动微服务设计，实现企业级数据服务的复用。
有了主数据实体模型，则参考数据和描述这些主数据和参考数据的元数据等也就有的放矢，也不用把元数据搞的那么复杂化，分什么业务元数据、操作元数据的，避免以元数据为中心的数据治理误区。在数据治理过程中，如果以元数据为中心，就容易迷失在森林里，看不到数据的整体框架和范围。主数据就像树的主干，属性等如枝叶，而元数据描述这些干支叶的数据，比如树干高、截面积、围长等等，它在粒度无法串起企业的数据整体框架的，所以数据治理要避免因小失大。
当前对于数字化转型的理解还有很大差异，但比较重要的一点是要理解数字化转型的本质和目的，才能更好地去规划和推进数字化能力和生产力的建设，更好地去培养数字化团队，更好地利用数据要素，更好地推进创新和转型。
