14、企业项目管理解决方案架构设计详解

企业项目管理解决方案架构设计详解

在设计企业项目管理(EPM)解决方案时,需要综合考虑多个方面,以确保方案能够满足业务需求,同时具备良好的性能、可用性和安全性。

制定架构规划

架构规划对于设计满足客户业务需求的 EPM 解决方案至关重要。它是协调业务架构师和 IT 架构师规划工作的宝贵工具,也有助于明确和细化客户的业务需求。架构规划应包含以下信息:
1. 业务需求概述
- 估计使用解决方案的用户类型。
- 每种用户类型的估计数量。
- 描述用户如何使用解决方案的估计使用场景。
- 短期和长期的估计使用情况。
- 基于业务需求的系统预期可用性。
- 基于短期和长期增长的可扩展性计划。
- 基于业务需求的系统预期性能。
- 估计的硬件和软件需求。
- 安全要求。
- 存档要求。
- 备份要求。
- 高级灾难恢复计划。

制定架构规划时,不必详细记录每一个细节,重要的是完成规划过程,并确保规划结果能有效响应已确定的业务需求。

在架构规划阶段,业务需求可能会发生变化。因此,在规划过程中应考虑两个问题:
1. 短期情况会如何?
2. 长期情况会如何?

这两个问题有助于鼓励业务架构师超越初始部署进行思考,避免过度设计解决方案,从而节省时间、金钱和资源。

审查业务需求

在设计 EPM 解决方案的硬件和软件组件之前,建议审查业务需求。由于规划阶段可能耗时较长,且业务需求可能随时间变化,因此需要确保之前的假设仍然有效。业务需求应

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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