【企业架构框架】Caminao框架概述

语言 Chinese, Simplified

SEO Title

Caminao Framework Overview

宝塔蓝图

与有形且常年存在的实体架构相比，企业架构是在企业生命周期中进行的工作。因此，需要映射来监控业务和技术环境的变化，确保表示的连续性和一致性，以及决策过程的可追溯性和问责制。

为此，企业体系结构是根据针对环境定义的级别（或层或层）的关键功能（Who、What、How、Where、When）进行描述的：

在企业（或组织）层面，蓝图考虑了业务环境、概念、目标、组织和流程。
在技术（或操作）层面，蓝图考虑了物理和数字环境、系统接口和平台。
在这两者之间，逻辑/功能蓝图处理业务模型、组织和系统的符号表示。

Enterprise Architecture Capabilities

虽然术语可能有所不同，但宝塔级别可以整齐地与以下内容对齐：

建立了概念、逻辑和物理建模级别
MDA（模型驱动体系结构）CIM（独立于计算）、PIM（独立于平台）和PSM（特定于平台）模型
Zachman架构框架

更有限的对齐也可以通过工程框架实现，如 Archimate或Capella/Arcadia。

知识

符号表示是体系结构的面包和黄油，尤其是对于企业体系结构来说，它本身就是物理和符号工件的混合体；更不用说他们沉浸在数字环境中了。

EA本体论

从功能的角度来看，本体论的作用是管理知识表示（KR）；如Davis、Shrobe和Szolovits所定义，可概括为五个基本函数：

代理（Surrogates）：管理上下文中确定的与关注点相关的对象、事件和关系的符号对应物。
本体论承诺（Ontological commitments）：对所考虑的领域中可能存在的事物类别保持一套一致的陈述。
智能推理的碎片理论（Fragmentary theory of intelligent reasoning）：支持可操作的事物可以做什么或可以用什么来做的表示。
高效计算的媒介（Medium for efficient computation）：使知识为计算机所理解，并支持平滑的学习曲线。
人类表达的媒介（Medium for human expression）：改善特定领域专家和通用知识管理者之间的沟通。

传统模型可以支持第1点、第4点和第5点，但通常无法支持第2点和第3点。本体论旨在概括任何一种领域的表示和推理，无论是实际的还是虚拟的：

Terms(术语),基本含义（词典）
Facts(事实)，用于在环境（目录）中可识别的实际或符号元素
Categories(类别)，用于事实的符号表示
Concepts(概念)，用于独立于实例或类别定义的语义结构
Documents(文档)，用于结构化符号内容

为此，EA本体必须将不同类型的资源聚集在一起：

Thesauruses（分类词典），同义词库处理术语、类别和概念的含义。
Models（模型），添加语法来构建上下文和关注点的表示。
Ontologies（本体论），增加语用学，以确保模型和词库在物理和符号环境中的功能集成。

Ontologies

语言层次反映了内容的表示，可以映射到通信接口：数字（事物）、符号（系统）、自然（人）。

数据、信息、知识

企业架构存在的理由是将业务、组织和技术视角放在一个共同的屋顶下。由于没有理由假设一种全面、通用和固定的语言，本体必须提供确保各种同义词库和建模语言在使用中的互操作性的结构。

首先，数据、信息和知识之间需要有一个关键的区别：

Data 数据（或ORM定义的事实），包括在环境中可以观察到的任何东西
Information 信息（又称模型，）处理企业管理的符号表示
Knowledge 知识，用于企业的目标和价值链，换句话说，是投入使用的数据或信息

为了确保资源共享以及结果的完全可追溯性，需要分层但可互操作的表示：

网络，用于所用术语的语义
资源描述框架（RDF），用于建模语言用于描述类别结构的语法
图形，用于特定领域语言的概念和语用

银河系的比喻可以用来描述它们的融合：

恒星、行星和卫星，分别用于概念、类别和事实
重力，用于术语之间的正或负语义连接
恒星系统和轨道，用于（子类型）视角内和（实现）视角之间的抽象层次

Knowledge Galaxies

例如：

“Wheels”是“Car”的同义词，“Bike”与“Car（定义）”和“Wheels（用法）”相对
概念车的统计系统包括汽车、船和飞机类别，以及时间胶囊概念
摩托车和自行车是自行车的实际子类型，因为实例可以映射到环境中已识别的元素
紧凑型、厢式和SUV是租赁类别的功能（又称符号）子类型，因为实例可以映射到环境中已识别的元素集
退休和就业的通勤者是通勤者的实际实现（与子类型相反），因为尽管在环境中识别了一些实例，但并没有代表它们的托管类别
Ford Mustang和Fiat500是汽车模型的功能实现（与子类型相反），因为没有确定的实例或管理的类别

必须强调的是，确保表示的互操作性不会对其有效性做出任何假设。

本体论棱镜

本体论旨在确保词库、模型和知识图的集成，以及表示的互操作性：事实（数据视图）、类别或类型（信息视图）和思想或概念（知识视图）。这可以通过将内容视为光的本体论棱镜来实现，从而实现本体论的内容与数据、信息和知识成分之间的某种可逆衍射。

为了发挥任何作用，衍射机制必须确保在不同抽象级别、视图内和视图之间的内容的一致组成和分解：

Subsets (data view)，子集（数据视图）：在已识别的事实（物理或符号）和已命名的集合（符号）之间
Types and subtypes (information view)，类型和子类型（信息视图）：在已识别的事实和类别或类型之间（符号）
Kind-of (knowledge view) 类型（知识视图）：在思想或概念之间
Realizations 实现：跨视图

因此，本体论棱镜可以用来确保建筑设计与不断变化的环境所带来的新变化保持持续和可持续的一致性。这种一致性并不局限于符号表示：随着企业沉浸在数字环境中，本体论棱镜可以变成“……跨越生命周期的对象或系统的虚拟表示，从实时数据中更新，并使用模拟、机器学习和推理来帮助决策。”（什么是数字孪生？IBM）

在此基础上，本体论棱镜可以作为EA数字孪生的矩阵：

EA Digital Twin

流程设计反映了业务模型（知识）和业务智能（数据挖掘）的交叉
操作反映了应用程序（信息）和环境（流程挖掘）的交叉
组织反映了业务模型（知识）和企业体系结构能力（信息）的交叉

公司的大脑

本体论棱镜可以走得更远，将数字双胞胎变成企业的神经和认知系统，结合渗透和稳态：

本体论确保企业体系结构中不同组件的全面一致的符号表示
机器学习技术能够从实时数据中进行更新，如果信息和知识有一些延迟的话（渗透）
知识图能够实现决策过程和符号资源的配对，以及实际和模拟过程的可解释性（稳态）

一方面，沉浸在数字环境中的感觉运动系统与另一方面具有推理、判断和学习能力的集体智能相结合，为斯塔福德·比尔的“公司大脑”愿景提供了新的相关性，该愿景支持三种基本认知功能：

对环境和机会的理解（商业智能）
上下文和机会的相关方面的符号表示（系统建模）
情境和机会的虚拟方面的符号表示（规划）

The Brain of the Firm

决策

决策往往与解决问题相混淆，即如何在给定一组资源（通常是人员、信息、资金和材料）的情况下选择解决方案。这种范式忽略了企业决策的时间维度，这些决策是由相互依存的承诺组成的，旨在跨越不断变化的背景和重叠的时间尺度进行。

假设有一个知识管理框架，目标是将决策过程的观察/定向/决策/行动（OODA）步骤与其内容的数据/信息/知识对应物配对（如DNA链）。

观察：数据可以从数字或商业环境中获得。它可以被分析并转化为知识（商业智能），也可以与管理信息的模型相匹配。
方向：推理（信息）应用于观察（数据）和判断（知识）。
决策：判断（知识）得到观察（数据）和因果链（信息）的支持。
行动：决策是通过操作（数据）和组织（知识）的混合来执行的。

Decision-making

因此，每一步都可以将重点放在关键问题上，即：

不确定性（观察结果）：事实并不是可以从河床上摘下的金块；根据分割（模型）确定的数据和应用来挖掘它们的含义。因此，在决策过程中可以增强信心，更普遍地说，可以提高数据的质量。
因果关系（方向）：在数字环境中竞争意味着，通常为解决问题而预先设定的根本原因和理由，现在可以在持续的基础上重新评估，并通过数据分析和信息模型的集成改进因果链。
风险（决策）：由于商业竞争本质上是一种与时间相关的非零和游戏，因此可以重新评估风险，直到“最后一个负责任的时刻”，此时推迟承诺会减少期权范围或预期回报。这种重新评估（知识）可以考虑减少的不确定性（数据）和改进的因果链（信息）。
经验（行动）：在企业层面做出的决策通常涉及一系列相互交织的承诺和行动，其效率取决于运营（数据）与组织（知识）的一致性。在数字环境中，经验可以从知识和观察相结合的直接反馈中受益。

更普遍地说，决策过程与符号资源的性质相结合有助于定义视野：