# 数字化转型方案
# 概述
数字化转型是建立在现代信息技术上，以业务中台和数据中台为基础创建一种新的商业模式和决策模式，或是对已有的商业模式和决策模式进行重塑，以此来满足时代变化中传统业务和市场的变革需求。
# 用户场景
# 需要精细化管理
随着国家经济的腾飞，人们的物质生活水平不断提高，需求也在不断转变，对新产品和新的服务模式都有了更进一步的要求。 人们对服务质量的要求不再局限于销售、咨询等与服务业密切相关的企业，而是将服务与企业的业务、产品相融合，统一纳入自己的选择评价体系。 面对这种现状，企业只能对不同用户进行精细化管理，利用数字化技术和数字化思想进行精细化的管理。
# 多系统没有互通
企业中有多个系统，但是互不关联，各自有各自的一套体系；然而这些系统之间却往往存在类似的模块，这就造成每次都要写类似的模块，造成重复开发，同时客户数据的分开管理也导致了难以集合众系统之力分析客户的需求，为营销策略提供依据。
# 体系化业务管理
企业之中有多个业务系统，没有形成统一管理，对于系统管理来说很是麻烦，而且系统越多，这个问题越明显。
# 及时决策响应
随着网络环境日新月异，客户需求也在时时刻刻变化，因此需要能时时收集数据，时时分析，时时根据客户需求数据规划出相应的决策。
# 整合数据的决策建议
公司决策模式为决策层根据经验给出相应决策，但是随着影响决策的数据种类逐渐变多以及数据的快速变化，这种决策方式已经逐渐难以满足市场需求，因此需要机器统合数据进行分析，给出决策建议，与决策人员进行合作。
# 痛点
# 预算有限，转型技术成本、试错成本高
成本有限，但是转型成本要求高。老系统改造升级，业务中台及数据中台搭建，新系统试错磨合，这些都要成本，但是往往初期收益不明显。
# 服务分离及设计困难
由多个单体系统抽象出公共服务，要找到公共模块的共性，解决各个系统在公共模块上的独特要求；而且原先由于是单体应用，模块之间通信方式容易解决，但分出公共服务时则要考虑通信问题，接口调用方式以及网络架构。更为重要的是，要统一各个系统数据格式，让数据中台这边能够集合管理分析与输出。
# 代码改造困难
由众多老系统升级为新系统，不可避免要进行大量改造。包括分离出公共服务，统一数据标准，更改调用方式，添加数据集成和数据分析服务，更改数据存储方式， 这些使得代码改造很是艰辛。
# 数据覆盖面不足
原系统对数据的收集不够全面，或者没有整合公共数据接口收集数据导致数据覆盖面不足以支撑起数据中台的分析系统。
# IT 人员技能不足
进行数据处理时，需要相应管理人员对数据方面技能有相当的造诣，不然难以写出合适的分析方法，从而难以有效利用数据中台分析处理数据。
# 方案优势
# 集成的中台体系
已经集成技术中台，业务中台，数据中台，各个中台职责清晰。用 git，jenkins 与 k8s 做好了持续集成与持续发布，采用 k8s 管理容器从而做到轻松管理与伸缩服务，集成钉钉告警，prometheus 监控从而轻松监控服务。不用再费心搭建中台。
# 服务划分清晰
业务服务和基础服务以及数据服务被明确划分开来，上层可以调用下层，下层要通过消息获取上层消息，划分明确，各自职责划分明确，各个服务功能单一纯粹，服务与服务之间也划分明确。这些使得整个中台易于改造。
# 分布式服务架构方式
采用微服务架构方式建构中台服务，各服务分隔开来；采用接口 http 调用方式互相关联，消除服务与服务的粘连，其他模块停止也不会相互影响；十分方便开发人员维护各自服务，也让各个服务的沉淀变得轻松；也增强了应用的健壮性。
# 流行框架，易于上手
采用市面最流行框架，文档众多，改造方便，易于上手，员工接手工作方便。
# 已集成常用分析模式
服务都集成了 web 管理界面，操作简单，方便明了，数据中台已集成常用分析方法，使得数据管理配置人员不用再发大力气写分析方法。
# 方案架构
待补充
# 推荐产品
无