CIO该如何衡量企业在SOA上的投资回报?

本文探讨了服务导向架构(SOA)为企业带来的四大核心收益:减少整合支出、提高资产再利用、增强业务灵活性以及降低业务风险,并详细阐述了如何量化这些收益以评估SOA的投资回报。
在规则日趋复杂、全球化竞争日趋激烈、变化日新月异而预算相对紧张的当今互联网世界里,公司(或者政府)需要从他们对技术的投资中得到必要的结果。没有哪个执行总裁愿意在一个没有固定的预期价值的新技术领域投资。当人们明白了一种确定的技术及其随着时间对投资的回报以后,计算一个IT风险投资的ROI(投资回报)将是一个很直截了当的过程。然而,计算一个涉及新技术或者新出现的IT方法的IT项目的ROI,比如SOA大多数时候将是一种艺术,而不仅仅是一种科学。

  使得SOA的投资回报计算更有挑战的因素在于,这种结构本身没有提供可以使得公司将其从一些特定回报中区别出来的特质。最终,这种结构是一项公司必须在任何回报之前做得很好,并且要在整个SOA实施过程持续进行的投资。那么,怎样才能在这些工程付诸实现之前计算SOA的投资回报呢?什么是可以为实施者带来有限投资回报的SOA的可见利润呢?另一方面,公司应该怎样计算那些提供给组织的可见回报的期望收益呢?只有了解了整个SOA的价值计划,公司才可以进行SOA的投资回报计算。即使如此,在工程完成之前,SOA的真实投资回报还是不可知的,因为SOA就是一种从根本上不可预测的商业变化。

  减少固定支出

  SOA提供了四种基本收益:减少结合支出,提高资产再利用,提高商业灵活度以及降低商业风险。这四种核心收益会为这个组织的很多层面和部分带来收益,这取决于这个公司将SOA应用于哪类商业问题。首选,实行松散结合方法将减少复杂度,从而减少综合和掌握分散环境计算的成本。尽管面对标准接口,如Web服务时,结合成本将减少一些,但SOA的真正价值在于用粗颗粒,松散结构的服务取代了很小的细致间隔尺寸,从而可以比基于API的综合更方便的处理范围更更大的综合。

  使用SOA来减少综合支出的投资回报计算是相当直接的。公司可以将他们在基于Web服务的SOA中的投资与一种等效的传统综合中间设备方法进行比较,并且将直接的执照和配置的成本减少与更长时间的维持和变化成本进行比较。就像我们在Understanding the Real Costs of Integration ZapFlash中详细描述的一样,公司可以简单的实现从紧密综合结构到松散综合结构的重要且直接的投资回报。最终,公司可以逐步停止他们更昂贵的综合方法,而避免承受传统的,与基础设施剥离的损失。公司可以用他们现在的EAI和ETL工程一步一步的实施SOA,提供直接的成本节约,对于长期来说,SOA可以明显的降低复杂度,公司可以逐步取代他们传统的中间技术。

  提高资产再利用

  尽管减少综合支出可以判断一个初期的SOA项目,仅仅把SOA看成是减少这种支出的方法是很短浅的。SOA在一个完全一致的环境中也是可行的。另外,当公司需要对现在的基础设施进行新的使用时,一种以综合为中心的模式不会提供投资回报。然而对现有服务的再利用可以为寻找实施SOA的公司提供附加的投资回报。众所周知,公司在为那些有持续变化的需求的项目构造新设备时花费的时间和预算都很少。缺乏发展新设备的重视的一部分原因在于这些新应用需要频繁产生且与之前已存在的应用不相关,这会导致一个新的IT问题,这将导致必须综合新的成份,使我们之前提到综合的问题更加恶化。显然,建立新的应用时不仅需要减少开发成本,而且随着时间的推移保持不变性。

  SOA的一个重要收益在于使用者可以产生新的商业过程交与现在的服务进行合成。换句话说,服务的再利用比应用的综合更好。由于他们可以创造新的服务,并且可以循环利用,公司可以从他们为合成应用的投资中得到回报。因此,合成应用的开发作为SOA的杠杆的经济性将随公司创造并再重复利用的服务数量的增加而增加。这有可能使得现在用于综合的70%的资金用于新的开发。公司在实施这种SOA的资产再利用获得的收益不仅仅是简化的综合带来的成本降低,而且改善了从产品到市场的时间,更敏感的客房服务,总体员工数的减少以及更有能力进行外部采购或产生、实施及组成离岸服务。任何基于SOA的资产再利用收益的投资回报计算必须将SOA价值提案的所有部分都考虑在内。

  增加商业活力

  减少成本和增加重用为SOA提供了清楚的ROI,与之相比增加商业活力是SOA最有前途的收益同时也是最难量化的。综合简化和增加重用是以技术为中心的收益,商业用户同时也期望从IT业获取更大的灵活性。与其一开始简单地构建所需的条件然后一头撞在长以月计的实现周期的IT“开发墙”上,商业用户更加想直接控制他们的运作以便能够迅速地根据市场变化而改变他们的业务。

  为计算商业活力所需的ROI方案着力于商业用户直接控制商业过程的精确度和管理的能力。通过面向服务的过程,公司可以将他们全部业务流程分成许多部分以委派给不同组织,每一个组织对(所掌管的)业务的实际运作进行直接、及时的控制。由此而从SOA投资产生的商业利润(回报)显著地提高了业务的效率,同时将公司的业务过程嵌入到他们的供应商或者商业伙伴的运作当中去了。因此,利润不仅影响了底层公司的运作,同时也影响着它的上游(产业)。增加的商业活力可能以获得公司以前被认为不能取得的收入来源为结果,并且为公司提供不同的途径为他们的供应商或者商业伙伴提供利润以便获得新的重大的商业机遇。通过将SOA的区域扩展到商业用户,可以将ROI作为一个整体发展到商业领域,而不是简单地作为IT业的一部分。

  但是,计算SOA的商业活力的ROI是格外困难的,因为商人将要新增的IT资源是天然地不可预计的。毕竟,活力的全局点可能涉及不可预期的变化。因此,将商业活力ROI限制在一个特定的范围是讲得通的,例如,在产品信息规则变化的情况下,商业伙伴和程序或者其他供应链角色,对应地有规律地修改

  降低业务风险

  按照规则处理是提高业务活力的一种必不可少的方案,因为这种规则具有随意性,并且会随着时间的改变而改变。现在,像Sarbanes Oxley、PATRIOT 法案以及Base II等规则在一些IT实现的公司内部已经有了改变。如果不服从规则,公司的经济状况以及主管人员的自由将会受到严重的负面影响。许多公司的业务操作并不透明,所以他们不得不依靠制定一些聪明的决策计划来控制他们的风险,但却无视增加透明性的要求,这种透明性正是他们的规则所必需的。
内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合Koopman算子理论与递归神经网络(RNN)的数据驱动建模方法,旨在对非线性纳米定位系统进行有效线性化建模,并实现高精度的模型预测控制(MPC)。该方法利用Koopman算子将非线性系统映射到高维线性空间,通过递归神经网络学习系统的动态演化规律,构建可解释性强、计算效率高的线性化模型,进而提升预测控制在复杂不确定性环境下的鲁棒性与跟踪精度。文中给出了完整的Matlab代码实现,涵盖数据预处理、网络训练、模型验证与MPC控制器设计等环节,具有较强的基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)可复现性和工程应用价值。; 适合人群:具备一定控制理论基础和Matlab编程能力的研究生、科研人员及自动化、精密仪器、机器人等方向的工程技术人员。; 使用场景及目标:①解决高精度纳米定位系统中非线性动态响应带来的控制难题;②实现复杂机电系统的数据驱动建模与预测控制一体化设计;③为非线性系统控制提供一种可替代传统机理建模的有效工具。; 阅读建议:建议结合提供的Matlab代码逐模块分析实现流程,重点关注Koopman观测矩阵构造、RNN网络结构设计与MPC控制器耦合机制,同时可通过替换实际系统数据进行迁移验证,深化对数据驱动控制方法的理解与应用能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值