数字业务映射到可观察性和自动化
您可能听过这样一句话：“凭借今天的能力，我们无法取得明天的成功。” 这不是一个新概念。 创新是任何行业或企业生存的关键。 对于业务所依赖的企业架构来说也是如此。
最近备受关注的一项创新是生成式人工智能。但由机器学习驱动的人工智能是建立在自动化基础之上的。 虽然你可以自动化手动流程和重复性任务，但如果没有可观察性，自动化的成功和力量倍增就无法真正实现。
以汽车行业的创新及其对普通驾驶员的影响为例。 如果您 25-30 年前在路上行驶，那么您的汽车手套箱里很可能有一张地图。 如果您在新地方旅行时没有副驾驶来帮助您导航路线，并且您错过了转弯或出口，您就必须靠边停车，将地图放在车前面，眯着眼睛看细小的线条和街道名称来纠正路线。
插入可观察性和自动化。 随着全球定位系统 (GPS) 跟踪技术的进步（本质上是大量位置数据或遥测数据，可以识别经度和纬度位置），驾驶员可以使用个人导航设备了解自己相对于目的地的位置，而不必开车到最近的路牌。 此外，这些导航设备还具有自动化功能，能够使用观察到的遥测数据重新规划驾驶员到达最终目的地的路线。 接下来只需由司机按照新的路线行驶即可。
架构中的可观察性和自动化
与实体企业不同，数字化企业如果企业架构中不包含可观察性和自动化功能就无法蓬勃发展。 客户的数字体验与企业数字服务的可用性、安全性和性能息息相关。
监控数字服务的各个要素需要对所有系统和应用进行全栈可观察性，涵盖所有位置（本地、云端和边缘），以便识别性能下降并识别威胁，以免它们严重影响消费者体验，进而影响业务。 但即使从运营数据流中获得了洞察力，如果没有完全自动化，数字体验仍然面临风险。 手动操作、补救和缓解无法满足大规模需求，因为“在毫秒之差下，没有人为干预的余地”。 这就是我们在考虑真正的数字化业务时谈论的内容。
以之前使用导航系统的司机为例。 系统自动化程度有限；是否遵循新的路线则取决于驾驶员。 如果您曾在城市中开车等待 GPS 重新规划路线，那么您可能会体验到一次又一次错过转弯的沮丧，因为系统需要额外的时间来处理表明您偏离路线的数据、确定新路径并在您驶过重新规划路线的路口时更新地图。 您的数字服务的全面自动化更像是自动驾驶汽车。 在他们的架构中，可观察性和自动化显然不是事后才想到的。 它们完全融入基础，确保不断评估、分析和采取行动，以获得最佳乘客体验。
无论是数字业务还是（除少数例外）驾驶汽车，人类仍然是最终的决策者。 但做出最佳决策需要信息，而这些信息来自数字信号——无论是来自 GPS 系统还是全栈可观测性功能。 数字业务的纠正速度不可能比决策的速度更快，而决策的速度完全取决于系统获取、分析和产生可操作见解的速度。 对于数字业务来说，这意味着可观察性和自动化。 因此，我们必须对企业架构进行现代化改造，将这些作为核心能力纳入其中。
要了解如何利用这些关键功能以及它们为数字业务提供的额外好处，请阅读我们的 O'Reilly 书籍《数字业务的企业架构》中由工程副总裁兼applications首席技术官 Mike Wiley 撰写的“可观察性和自动化”一章。