业务分析到架构设计(上)

简介: 业务分析到架构设计(上)

前言:

在过去的若干年工作中,一直尝试找寻找业务场景和架构设计之间关系,并且梳理出清晰有效的映射方法供大家理解以及实践采用。这个过程是不断摸索的过程,也很艰难,也算小有理解,继续的探究也难有突破,所以整理浅见,希望对行业同仁有所帮助。

上篇按照我理解和分析业务的方式讲解如何逐步分析业务结构。这个部分是帮助技术部门理解2件事情,一件事是业务需求密度的来源,一件事是业务需求动态性和多态性的来源。针对该部分我的方法是:分析业务构成要素、分析业务规模要素、分析业务形态要素、分析业务稳态要素。

中篇旨在围绕业务未来尝试思考设计理念和构建宏观架构拓扑,需要反向绘制和重组业务链条,得到技术视角的架构全景和体系架构(这需要拆解业务链条,并对中间环节继续进行多样性分析)。

下篇在架构全景和体系设计理念的基础上,更多关注工程层面的架构落地要点和设计方法,更多解决业务内核映射和弹性设计问题,这个环节离不开大量的建模设计。

下面展开上篇业务理解与分析的4个环节:

【1】分析业务构成要素:

任何公司切入某个行业是因为该行业未来有足够的市场空间,该行业过去或现在正在经历行业产业链要素的变化,因此通过重塑解决方案或者优化现有方案可以获取新的市场。所以第一步按照业务过程,拆分业务的构成要素来提炼业务,看看存在哪些发生变化的要素,其实也能帮助我们更好理解公司的战略意图和阶段布局意图。

依我的从业经验,抛出部分案例举例供大家找找感觉:

新零售:生产+供应链+营销(社区、渠道)+交易场景(菜场、超市、平台撮合)+履约场景(到店、自提、配送)+用户需求(多快好省)

互联网医疗:用户需求(就诊、购药、咨询、康复)+医师资源+就诊+导诊+诊疗方案+供应链/服务(短期、长期慢病、器械、护理)

在线教育:学生需求+教材+师资+教学场景+营销渠道

业务核心要素的分析,只是表明市场维度的可能性和切入角度,偏向于商业分析,并不等于实际状况。

【2】分析业务规模要素:

进入到行业以后,业务需要获取到足够数量的用户和客户,这就是通常听到的增长和规模。又由于具体业务极难全链条产业重构和整合,往往是局部的参与,因此会产生业务范围和边界。(比如同样是互联网医疗领域,假设做实体医院和患者就诊业务,那么业务规模关键是取得足够的医院覆盖和医师专家资源;假设做的在线便捷购药,那么业务的规模关键是足够的品类覆盖、用户营销、和配送能力(但是叮当与美团送药、京东健康的模式也不同))

规模的取得需要突破制约因素,假设突破成功,那么业务达到完美状态,假设突破不成功,那么轻则发展滞缓,重则公司死掉。比如叮当是自营和前置仓模式,用户规模的取得依赖品类规划和前置仓覆盖,前置仓覆盖依赖社群密度和财务模型(假设1个仓长期无法盈利,那么没有办法继续扩建),前置仓财务模型依赖用户交易规模和供应链优化。比如美团平台模式送药,依赖药品分润空间和供应商覆盖,供应商覆盖又要看供应商的门店数量和品类覆盖。

规模的取得不是一朝一夕的,过程是长期的、变化的、直至达到稳态。通常先经历MVP,在经历MDP。期间围绕公司业务的定位,需要具备一系列开展业务的路径和方法,通俗理解就是先做什么、后做什么、在做什么,以及如何判断做的好不好。

常规看,基本是先发力做产品供给侧,而后发力做用户侧,最后在双端匹配中寻求最优匹配方案。所以技术团队需求分布于早期集中在供需双端,中期集中于精细化运营,后期集中于大规模推荐和匹配。作为技术管理者,要理解公司的市场位置和业务底层设计,一方面需要洞察团队的需求内容分布是否合理,需求分布是否与当前阶段公司方向吻合;一方面注意业务阶段变化的衔接,做出技术预研和架构调整。

【3】分析业务形态要素:

业务规模要素的假设分析、障碍因素的识别分析等不具备实操性,不会帮助业务真的达到那个规模,此时需要对业务形态、形式做更多更深解读(一般是市场的细分思考和设计),看看有哪些可能性和差异性,以及可以在业务层面进行覆盖和满足。
换句话说,早期通过最小解(MVP)判断需求真伪和方案真伪,中后期通过最大解(MDP)实现业务形式的覆盖进而达到业务规模。所以最大解是指对行业市场形态进行多维度细分,以图有效指导战略设计和业务覆盖。
对行业形态做穷举和罗列需要分别围绕当前存量市场和未来增量市场展开,进行多样性分析,可大胆做出想象和假设(技术同学可以多阅读行业材料、报告,与业务同学、产品同学交流等方式来收集信息)。伴随着业务多样性变化的过程,技术团队会被需求不断渗透,会打破原有的技术架构方案。比如美团社区团购的半平台模式假设遇到订单增长或者供给匹配效率的瓶颈,那么也许会尝试自建仓储增加供应链厚度,仓配能力的增加和联动也会补充美团在本地生活的竞争力,但是落地层面变成多业务聚合模式的并行,不管在战略制定层面、业务设计层面、一线执行层面还是技术应对层面,都需要做出调整(比如商品技术团队、商家技术团队、供应链技术团队、履约技术团队的历史架构方案会被新模式打穿)。
下面是展示了2个小例子,我自己的经验对线上化零售和线上化教育形式的理解。
• 1
• 2
• 3
• 4
• 5
• 6
• 7

零售:

教育:

【4】分析业务稳态要素:

极少有公司业务通过单一场景的满足就经营的很好,通常会对用户群体、需求模式、地区差异的做很多很多的分析,针对设计足够匹配的方案,分别满足用户。

比如零售业务内用户收入的不同、品质需求爱好的不同、年龄的不同(50 60 70 80 90)、地域的不同、场景的不同(自食、宴客) 带来的需求差异性的挑战,假设我们要实现日均1000万单,那么这些差异性问题的思考必不可免,比如线上化的70到00后用户只能帮助实现600万订单,还有400万缺口,那么线下的50 60后用户也就需要覆盖,那么社区模式、菜场模式、零售店模式等可能都会尝试。

比如远程医疗和诊疗业务形式单一,虽然很有意义和价值,但是商业规模和利润不足,所以公司就会尝试做医药电商等。比如叮当的自营模式规模化难度高,如果长期无法突破,那么和供应商合作做半平台模式也有可能。

因此同质业务场景中会存在很多模式(某些公司也会拆分很多业务线和部门管理业务),此时在业务模式和形态的基础上,追加业务基础链路,那么可以提炼出业务模式复杂性的二维解结构,具体分析过程需要大家多练习和归纳(比如教学场景对课程生产方式进行穷举、对学生需求进行分类等等等)。

以我之前经历的某业务为例,直接贴一个结果给大家参考:

基于业务模式多样性的二维结构,接下来需要面向业务方案的技术落地,构思架构拓扑愿景和中长期架构理念,这部分将在《中篇》展开。
相关文章
|
Android开发
mac下配置adb环境变量
在终端中输入adb命令时,会提示 command not found ,这是是因为mac电脑下没有配置Android环境变量或者环境变量配置错误。
|
关系型数据库 MySQL 数据库
MySQL - 不使用外键约束的实操(二)
MySQL - 不使用外键约束的实操(二)
1015 0
基于若依ruoyi-nbcio支持flowable流程角色,同时修改流转用户为username,流程启动做大调整(三)
基于若依ruoyi-nbcio支持flowable流程角色,同时修改流转用户为username,流程启动做大调整(三)
462 1
|
域名解析 前端开发 搜索推荐
什么叫CMS?如何使用CMS来制作网站?
PageAdmin CMS,是一套开发了17年,官网还持续在更新和维护的网站内容管理系统,对于领开发的用户来说,对于有网站优化的用户来说,PageAdmin CMS就能帮助我们快速搭建属于自己的个性网站或企业网站。
620 5
|
云安全 安全 网络安全
云计算与网络安全:技术融合下的风险与对策
【10月更文挑战第5天】在数字化时代的浪潮中,云计算以其强大的数据处理和存储能力成为企业数字化转型的重要推手。然而,随之而来的网络安全问题也日益凸显。本文将从云计算服务的基本概念出发,深入探讨网络安全的重要性,并通过信息安全的关键技术,揭示云计算环境下的安全风险及应对策略。我们将通过具体案例分析,展现如何在享受云服务带来的便捷的同时,保障数据的安全性和完整性。文章旨在为读者提供一套实用的云计算安全指南,以期在快速发展的云计算时代中,为企业和个人打造一道坚固的安全防线。
232 1
|
安全 网络安全 Apache
CVE-2021-41773 复现
CVE-2021-41773 复现
627 1
|
消息中间件 SQL 大数据
Hologres 在大数据实时处理中的应用
【9月更文第1天】随着大数据技术的发展,实时数据处理成为企业获取竞争优势的关键。传统的批处理框架虽然在处理大量历史数据时表现出色,但在应对实时数据流时却显得力不从心。阿里云的 Hologres 是一款全托管、实时的交互式分析服务,它不仅支持 SQL 查询,还能够与 Kafka、MaxCompute 等多种数据源无缝对接,非常适合于实时数据处理和分析。
382 2
|
存储 SQL 人工智能
揭秘数据库技术:核心原理、应用场景与未来趋势
一、引言 在数字化和智能化的今天,数据库技术已经成为企业和组织不可或缺的基础设施
|
存储 SQL 容灾
PolarDB-X 存储引擎核心技术 | Paxos多副本
PolarDB-X作为PolarDB分布式版,是阿里巴巴自主设计研发的高性能云原生分布式数据库产品,为用户提供高吞吐、大存储、低延时、易扩展和超高可用的云时代数据库服务。PolarDB-X在架构上可以简单分为CN节点和DN节点。计算节点CN负责SQL的解析和执行,存储节点DN负责数据的分布式事务和高可用存储。本文主要对存储引擎核心中高可用部分详细技术解读。
|
人工智能 算法
阿里云人工智能平台 PAI 扩散模型加速采样算法论文入选 CIKM 2023
近日CIKM 2023上,阿里云人工智能平台PAI和华东师范大学陈岑副教授团队主导的扩散模型加速采样算法论文《Optimal Linear Subspace Search: Learning to Construct Fast and High-Quality Schedulers for Diffusion Models》入选。此次入选意味着阿里云人工智能平台 PAI自研的扩散模型算法和框架达到了全球业界先进水平,获得了国际学者的认可,展现了中国人工智能技术创新在国际上的竞争力。