雲栖号： https://www.aliyun.com/#module-yedOfott8 第一手的上雲資訊，不同行業精選的上雲企業案例庫，基于衆多成功案例萃取而成的最佳實踐，助力您上雲決策！
導讀：企業應在什麼階段進行數字化轉型、采用什麼樣的方法進行轉型，這是我們必須思考和不斷在實踐中優化的。
作者：阿裡雲智能-全球技術服務部
來源：大資料DT（ID：bigdatadt）
01 雲化
雲化的核心目标主要展現在“降本”“提效”“聚焦主業”三個方面。簡單來講，企業會通過部分雲化的混合雲建設或全面的雲化建設替代傳統的成本較高、效率較低的建設方式，大幅提升業務需求快速實作的速度，同時降低整體營運成本，進而把精力投入企業自身核心業務的發展及業務孵化上。
圖2-5和圖2-6通過一個具體的場景做了進一步對比和闡述。
▲圖2-5 傳統應用開發模式
▲圖2-6 雲上新應用開發模式
通過圖2-5和2-6的對比，讀者會發現，在傳統模式下，如果要開發一個新應用，往往需要從硬體采購開始，等裝置到貨後上架，進行作業系統及各種軟體的安裝和配置，最後完成新的應用系統的部署上線。這是一個漫長的周期，往往需要2～3個月的時間，而且會花費大量的人力，這些都是實實在在的成本。
在雲化後，從需求提出開始，隻需要配置好應用系統所需的資源配置模闆，然後在雲管平台上通過點選按鈕就可以自動化地建立所需的底層虛拟資源，同時利用模闆自動化地部署應用，所需時間往往隻有十分鐘左右。這極大地節省了時間和人力成本，而且可以按需申請和釋放資源，也很好地解決了平時不用的資源的空閑浪費問題。
在企業雲化的過程中，可以通過下面幾個次元進行決策和規劃。
1. 可行性分析
企業要建設混合雲、私有雲或者全部公有雲，首先要做的就是對現有的IT環境做一次梳理，并且從多個次元對應用系統進行分析，評估哪些應用系統适合遷移上雲、哪些應用系統需要放在原有環境、哪些應用需要經過改造才能上雲。
評估的次元通常包括應用耦合、硬體依賴、IP位址固化、容災需求、ERP、OS的軟體版本等，按照一定權重得出可行性分析結果，依據可行性分析結果決定遷雲範圍。
2. TCO（總擁有成本）分析
應分析雲化前後TCO有什麼樣的變化、變化的幅度有多大。可以從雲化前和雲化後兩個次元進行評估，然後再整合對比。
在刨除應用開發成本的前提下，雲化前的TCO往往包含IDC、硬體、軟體、日常營運幾個方面，再從這四個次元對裝置、軟體License、IDC機櫃租用、日常營運維護成本進行估算，得出OPEX和CAPEX以及總投入。
雲化後，TCO主要包含兩部分，一部分是雲資源，另一部分是日常營運維護。通過比較，就可以得出雲化收益效果。
3. 雲化全鍊路評估
經過可行性分析，可以判斷出哪些應用适合雲化，哪些應用要暫時保留原樣。但是，對于要雲化的應用系統，具體是平遷還是架構優化，亦或是需要進行改造，則要從更多的技術次元加以評估，主要是從虛拟化、網絡、資料庫、存儲、中間件、安全的全鍊路進行分析和評估。
4. 雲化路線圖
如圖2-7所示，企業雲化大體分為雲化戰略研讨→雲創新中心建設→上雲整體規劃→雲上架構設計→雲化實施五大步驟，一般情況下會按照這個方式進行雲化。
▲圖2-7 企業雲化步驟
02 服務化
在傳統模式下，應用系統林立、資料無法打通、開發效率低下、業務部門抱怨需求響應速度慢、業務系統越來越臃腫且耦合度越來越高，導緻無法拆分且新功能實作速度越來越慢。
如何有效地解決這些問題，提升企業業務響應和創新速度？實際上，企業做過很多嘗試，從早期的軟體間檔案交換，到後來的SOA資料總線統一資料交換格式的解決方案，再到後來的去中心化的微服務架構，技術和思路一直在演變。
不同類型的企業、企業資訊化處于不同階段、企業資訊化建設戰略不同，這些因素都會影響業務系統建設時的考量和選擇。若企業的資訊化建設出現以下問題，建議進行服務化。
1.企業資訊化建設已成規模，但業務系統林立，資訊孤島現象明顯。
2.網際網路應用場景突出，有較強的業務靈活性與快速響應的訴求。
3.業務需求及所處市場快速變化，但因使用了大量的商業軟體套件，導緻任何需求變更時都需要單獨尋找ISV進行開發，進而使業務發展受制于ISV和商業軟體廠商。
在實施服務化的過程中，一般可遵循下述思路和原則：
1.初創企業不建議馬上進行服務化，因為此時很多思路和很多業務都還沒有成型，盲目服務化不但不能真正起到加快應用疊代速度和業務發展速度的作用，還可能帶來反作用。初創企業可以先快速實作業務功能，等到有業務陸續成熟後再進行服務化改造。
2.服務化需要以點破面，而不能從一開始就大而全地進行整體服務化，正确的做法是逐漸實作、漸進推行。可以先從某幾個業務子產品着手，對業務進行拆分與聚合，做到業務的高聚合低耦合。
3.服務化不僅是技術手段，也是一種組織行為。如果隻是在技術上做出改變，那麼很難真正地發揮效用，隻有組織上也實作中台戰略，服務化的威力才能得到最大化展現。
那麼什麼樣的組織才能確定服務化效率最大化呢？一般情況下，進行服務化改造，不能再像傳統軟體開發那樣，組建一支龐大的開發團隊，而是要在一個大組織裡形成多個小的開發小組，由業務架構師、開發人員、測試人員等組成某個專項服務的小團隊，這樣的小團隊模式是最适合的服務化改造組織模式。
在這個小團隊裡，既有精通該領域業務又熟悉該服務中心技術架構的業務架構師，同時有這個服務中心專門的開發和測試人員，他們是最熟悉和最精通這個服務中心的人。其他小組也是一樣的，這樣就可以在保持組織靈活性的同時最大化地保持專業性，因為每個服務中心都是獨立的。
4.傳統企業應用軟體與服務化改造的關系是很多企業，特别是有商業套裝軟體企業關注的一個重要話題。比如，擁有ERP系統的企業該如何服務化？它們可以在完成非ERP系統的服務化改造後，開始對供應鍊、物流、銷售、HR等相對容易改造的系統進行改造，進而提升企業資訊化建設的疊代速度和效率。
而對于生産制造、财務等複雜及有較高專業性的子產品，則可以根據自身情況判斷是否要進行服務化。對于暫未實作服務化的ERP等商業軟體子產品，可以通過采取類似傳統ESB方式進行資訊互動。
5.工欲善其事必先利其器，完成了業務拆分聚合、技術架構服務化群組織架構優化，但是如果沒有好的開發運維一體化平台，還是無法達到最好的效果。是以，一個好的DevOps開發運維一體化的自動化平台可以助力服務化程序走得更快，實作更好的效果。
6.服務化在帶來高效率、靈活性的同時，也會帶來一些副作用。進行服務化改造後，業務系統的複雜性會急劇增加，而做好全鍊路應用級監控對服務化運維管理将有巨大幫助。
服務化改造是一個長期的過程，也是一個大工程，需要持之以恒。在服務化改造過程中切記不要急功近利，要控制好企業高層管理者、業務方的預期，同時也要給他們講清楚服務化會帶來的好處。
在此之上，另一個很重要的方面就是要能快速見效，通過找到一個業務突破口，快速突破、展現效果，這樣有助于企業高層管理者和業務方了解服務化改造工程。
另外，服務化也需要有好的服務營運，并不是開發出來後就有人使用，而是需要對服務化進行宣傳、推廣、意見收集、優化疊代，才能讓使用者真正感受到服務化的強大之處。同時也需要兼顧好速度與穩定性之間的關系，避免盲目求快而留下大量的穩定性問題，否則就與服務化改造初衷背道而馳。
服務化是業務中台建設中的一項重要工作，如圖2-8所示，具體内容包括業務評估研讨、業務中台方案設計、業務中台系統開發、中台戰略靈活疊代和中台化組織建設等步驟。
▲圖2-8 企業服務化步驟
03 資料化
有些人為資料量不大發愁、有些人為資料雜亂無章發愁、有些人為海量資料的使用發愁，雖然不同的企業在資料治理、資料使用方面的經驗不同，但有些共性的經驗可以互相借鑒。
首先，我們要判斷目前所處的階段和場景，不同的階段和場景需要采取的方法各有側重。同時，我們需要一個整體的資料化建設思路，一般有以下三個步驟：
1.全面架構與初始化：基于資料中台全局架構，從資料向上、從業務向下同步思考，初始化資料采集、資料公共層建設，并初始化最關鍵的資料應用層建設；結合業務思考，直接解決業務看資料、用資料過程中關鍵且易感覺的若幹場景應用。
2.資料中台疊代與應用優化：疊代調優資料中台全局架構，加配和完善資料中台相關産品套件；疊代調優資料中台的初始化資料采集、資料公共層和資料應用層，持續推進資料公共層的豐富完善，并平衡資料應用層建設；深入業務思考，優化場景應用，拓展場景應用。
3.業務資料化全面推進：持續基于業務的資料中台建設；全面推進業務資料化，不斷優化、拓展場景應用。
對于資料化的實作，一般會采取以下思路：
1. 采
對于任何想挖掘資料價值、發揮資料更大作用的人和企事業機關而言，第一步無疑是擷取資料，隻有擷取到足夠多的有用資料，才有可能對資料價值做進一步挖掘。
很多年前就已有很多研究人員緻力于語音識别、人工智能的相關研究工作，可是應用效果總是差強人意，這并不是因為當時的語音識别和人工智能技術不夠先進，而是因為沒有足夠的資料和計算能力。
現在，有了海量資料和雲計算這樣的超大規模計算能力，加速了語音識别和人工智能等相關學科的進步，才有了今天這個領域蓬勃發展的景象。
那麼資料應如何采集？其實，資料藏在很多被我們忽視的地方，我們一起從使用者接觸資料的第一個鍊條開始梳理，看看從哪些地方可以采集到資料。
首先，使用者接觸企業資訊的地方無疑是各類接入層的應用，如手機APP、網站、電話、視訊、操作裝置等，但是大多數企業往往忽視了這裡的資料。
比如，一個使用者在使用手機APP的時候，他的地理資訊、性别、使用頻率與日期的關系、使用時間段特征、浏覽内容等資訊如果都能被企業掌握到，那就可以輕松實作一個資料應用場景，進而可以實作智能銷售，也可以實作智能倉儲，即根據使用者所需要采購的物品的地域和城市特性，智能地預測貨物倉儲配置，進而實作效率提升與成本優化。
另外，工廠中的房間勞工操作機床的日常習慣、操作動作等都是非常有用的資料，這些資料對于操作人員熟練度教育訓練、機床流程優化等都會産生極大作用。資料采集可以按照如下方法：
- 接觸層埋點或增加資料采集傳感器，擴大資料觸角。
- 豐富資料采集的次元，根據業務特性适當擴大資料采集的次元，進而擴大資料源。
- 打通資料采集鍊路，不要隻是孤立地采集某些資料點，單點采集到的資料不完整，進而導緻資料價值大打折扣。而是要在深入研究企業業務的基礎上打通整個資料流，對資料流上的每個點有規則、有體系地采集。
- 邊緣節點資料最好是經過處理後再上傳，否則會夾雜大量垃圾資料。
2. 集
采集到了海量資料，接下來就需要考慮如何把這些資料集中存儲起來，這時就要重點考慮大資料平台的建設、海量資料存儲等。
3. 通
在有了大量資料的基礎上，如何獲得大規模計算能力、如何進行中繼資料的統一、如何進行資料管理、如何建設資料地圖等就成為最重要的工作。
就像人體的協同、有序工作一樣，大資料想要通用起來需要有專業的資料架構師像大腦一樣指揮工作，同時需要建設統一的資料治理體系，包括中繼資料架構、資料模型、資料結構等，這就像是血管，在其中傳遞的資料就是血液。“通”這個階段主要解決的是為了建設資料大廈而需要做的整體架構設計工作。
4. 用
再宏偉的高樓大廈，如果沒有被很好地利用，也隻是一個擺設，難以真正發揮作用。大資料也一樣，如果不知道如何使用資料，那麼它們也隻是一堆資料，資料架構與體系建設得再完美也是浪費。
如何把規整好的資料與業務靈活地結合起來才是最終目标，是以如何實作一切資料業務化就顯得非常重要。一般來說，有以下幾個方法可以實作比較好的資料應用。
- 資料閉環：首先，需要實作資料賦能業務、業務帶來資料，這樣就可以很好地形成資料閉環，進而實作資料與業務的良性互動，在企業内部讓資料活起來。
- 大資料平台：在解決好内部資料業務閉環問題之後，就要考慮如何讓資料發揮更大的價值，可以對外提供一個大資料平台，把企業的資料能力對外輻射，讓外部需求進一步推動資料的發展，同時通過商業化的模式讓大資料業務保持長久的活力。
- 資料生态：生意有生意圈、教育有教育圈、社交有社交圈，大資料也需要有大資料生态圈。任何一家企業都不可能把所有的業務做完，也不可能覆寫所有的資料。
企業不論多麼強大，隻能覆寫整個社會體系中很小的一部分資料，那麼如何建立起一個完整、廣泛的大資料生态圈就顯得尤為重要。
建立良好的大資料生态圈會帶來資料互通與共享、資料平台能力複用、資料價值挖掘能力互補、資料應用創新等衆多益處。是以，我們應努力做好資料生态，封閉資料是極不可取的。
- 資料營運：資料收集得好、體系建設得好、内部用得好還遠遠不夠，在此基礎上還要做好資料營運，酒香也怕巷子深，隻有把資料價值、資料平台的作用、資料生态的能力等都充分展現給廣大使用者，才會吸引更多的人加入這個生态圈。
同時，廣大使用者對資料、資料平台、生态是否滿意、是否有更好的創意與設計，都是推動資料體系不斷優化的強大力量。是以，做好資料營運和回報同樣重要。
一切業務資料化、一切資料業務化是資料化階段的核心目标，其實作路徑可以概括為四句話：從用開始、以用帶通、以通促存、以存利用。
如圖2-9所示，企業資料的建設步驟分為業務評估研讨、資料中台方案設計、業務資料化系統開發、資料中台和應用疊代以及業務全面資料化等主要步驟。關于資料中台的建設，阿裡巴巴集團已出版了《大資料之路：阿裡巴巴大資料實踐》和《大資料大創新》兩本書做專門闡述，有興趣的讀者可參考這兩本書。
▲圖2-9 企業資料化步驟
04 智能化
在完成了資料化後，讓資料變得聰明起來，為企業和機構提出有益的建議，這樣的資料才是衆人追求的目标。資料智能化就是想實作這樣的目标。那麼，什麼是資料智能化呢？
大多數情況下，大資料平台建設好後，很多人認為已經完成了任務，達到了大資料應用的終點，這種認識是錯誤的。恰恰相反，這隻是起點。資料化階段實作後，還需要人來做進一步操控，因為系統還是沒有自己的思維和思考能力。
但是，如果能通過一些方法讓汽車不僅可以實作自動駕駛，還能很聰明地給大家推薦最佳路線、按車主的日常愛好自動推薦餐廳、提醒休息等，或者給車主提供優化汽車的建議，那麼使用者會感覺更有趣、更有價值。大資料也是一樣的，我們需要讓大資料“聰明”起來，可以利用以下方式：
- AI中台：針對業務低感覺的底層技術、比如對機器學習、神經網絡等進行建設，這部分工作可以通過使用成熟産品降低研發成本，同時利用行業通用算法結合自身業務特性，研發适合企業自身的算法。這樣就可以建設以資料引擎和資料應用為基礎的AI中台，為大資料智能化使用提供強大的中台能力。
- 小步快跑：通過快速POC進行方案驗證，快速試錯，不斷疊代優化算法及資料引擎，進而快速找到适合企業的大資料智能化應用場景。切忌把大量時間花在長期規劃上，遲遲不能落地。
- 業務應用：解決了底層的資料引擎、資料應用，也有了POC驗證後，需要加強資料應用系統的研發，進而進一步展現資料價值。
企業智能化是企業數字化轉型的終極階段，大多數企業都處于摸索試錯階段，我們推薦的實施步驟為：業務評估研讨→快速POC方案驗證→算法研發與測試→系統研發與部署→系統上線靈活疊代。如圖2-10所示。
▲圖2-10 企業智能化步驟
關于作者：阿裡雲智能—全球技術服務事業部（GTS）作為阿裡雲智能對外傳遞與服務的視窗，秉承着“自證預言，履約夢想”的擔當精神，負責了阿裡雲智能技術産品在客戶場景中切實落地的最後一公裡建設。團隊基于阿裡巴巴多年沉澱的技術、産品、方法論為客戶提供一站式的數字化轉型服務。
本文摘編自《企業遷雲實戰》（第2版），經出版方授權釋出。
原文釋出時間：2019-12-12
本文作者：阿裡雲智能-全球技術服務部
本文來自雲栖社群合作夥伴“
大資料DT”，了解相關資訊可以關注“
”