一文读懂 BizDevOps:数字化转型下的技术破局

简介: 目标、方法与实践。

我们正迈向数字经济时代,数字化转型成为普遍行动。未来绝大多数业务都将运行在数字基座之上,软件系统成为业务创新和发展的核心引擎。在这一趋势下,产品研发的交付能力面临巨大挑战,产品研发的交付实践和方法亟待变革。


BizDevOps将是这一变革的主题,是数字化时代的技术破局之道。本文将分成3个部分,系统介绍BizDevOps体系,它们分别是:

1)BizDevOps产生的背景;

2)BizDevOps要解决的核心问题和基本解法;

3)BizDevOps的数字化模型和实践体系。


我们将从数字化转型这一背景开始,理解BizDevOps。


1数字化转型将重塑业务和技术的关系

1.1数字化统一了质量、效率和体验,是一次历史性的飞跃


“统一质量和效率”,是工业时代的最大成就之一。


DM_20220808110507_001.PNG


图⒈工业时代实现了质量和效率的统一,是人类史上的一次伟大飞跃


手工业时代的特征是“慢工出细活”,质量和效率不可兼得。进入工业时代,通过规模化和标准化的过程,从流水线上源源不断产出的产品既好又便宜,实现了质量和效率的统一,这是人类史上的一次伟大飞跃。


规模化、标准化加上科学技术的应用,一同造就了20世纪的繁荣,其影响不仅限于制造业。标准服务流程(SoP)的应用,让服务业的效率和质量也同步跃升。但,它是以牺牲个性化体验为代价的,正如福特先生的幽默表述:“你可以要任何颜色的汽车,只要它是黑色的”。


标准化天然排斥个性化。受限于技术条件,为了质量和效率,牺牲个性化体验是不得已的选择。而,数字化将彻底改变这一切。


DM_20220808110507_002.PNG

图⒉数字化时代在质量和效率的基础上进一步统一了体验


数字化技术让企业在实现高效和高质的同时,满足个性化的体验需求。如果,工业时代的主题是“规模化标准制造”;那么,数字化时代的主题就是:“规模化定制”。定制的既包含实体产品,也包含服务。在数字技术支持下,精准医疗、个性化教育都将成为普惠的服务。在工业时代,这绝无可能。从规模化标准制造到规模化定制,这是继工业革命统一效率和质量之后,人类历史上的又一次里程碑意义的飞跃,它将是未来业务竞争的胜负手。为此数字化转型将是每一个企业所必须回答的命题。


问题是,数字化转型何以能够,又将如何实现这一飞跃呢?


1.2数字化转型的三个核心能力

为了统一效率、质量和体验,通过数字化转型要建设三个核心能力。如图3所示,它分别包括业务、技术和数据3个方面。

DM_20220808110507_003.PNG

图⒊数字化转型的三个核心能力


第一个核心能力是:从业务视角关注出发,连接价值交付链路。它体现为图3的横坐标,也就是从关注各个独立业务环节,到打通价值交付链路。IT应用的早期,通常从各个独立的业务环节开始,站在企业内部视角,提高现有业务模式的运行效率。在数字化转型中,为了满足个性化的体验,必须从企业内部视角,切换到用户视角,连接从需求的获取、还原、设计、生产、交付、服务的端到端过程,这样才可能去精准满足每个用户的个性化需求。连接端到端的价值链路,是数字化转型的第一步,也是最基础的一步。但,它并非数字化转型所特有。数字化转型的本质不同是,它在满足个性化体验的同时,保障效率和质量。做到这一点就需要数字化技术的加持,这也是数字化转型的第二个核心能力。


第二个核心能力是:从技术视角出发,实现全链路的数字化。它体现为图3的纵坐标,也就是从信息传递到数据共享。信息化是将已有的业务搬上线。比如,早期的OA系统,会计电算化系统,以及各个业务环节的信息支持系统,都属于此类。此时一方面,数字世界和物理世界之间需要通过信息的传递,来保持同步;另一方面,不同业务环节,也需要通过信息的传递来实现集成。信息化带来的直接好处提高运作效率和规范性。数字化则要对个性的用户需求快速、精准的响应,并保障效率和质量。为此,数字化必须从信息传递进化为数据共享。


数据共享体现为两个方面:

1)数字世界和物理世界的数据共享,数字世界应该能够与物理的世界实时的同步与互操作。数字世界建模并反映物理世界的实时状况,数据在数字世界的算法处理后,能够转化为物理世界的动作,并即时反馈到数字世界;

2)业务链路上的数据共享。价值交付链路应该实时共享同一份数据,并且都能够理解和应用这一份数据。只有通过以上两点,数字化才能够发挥真正的作用,即时响应用户的需求,并精准和高效地满足它们。


为了做到这两点,数字化首先要还原业务的本质,基于对业务的本质理解,建立底层数字化模型,在各个环节的实现数据连通和共享,并实时连接数字世界和物理世界。综合第一和第二个能力,就实现了数字化转型的基础目标,也就是图3中的第一象限——用户价值驱动的全链路数字化,它为统一质量,效率和体验奠定基础。同时,在数字化运作过程中将产生高质量的可用数据。数据的应用,让数字化的效益倍增。这也是数字化转型的第三个核心能力。


第三个核心能力是:从数据视角关注数据应用和数据智能,它体现为图3的顶部的内容。依赖高质量的数字化模型和运作过程,就能够产生高可用数据,它具备三个特点,分别是:

1)全量——业务运作过程被完整记录;

2)全要素——数据从各个维度反映和还原业务;

3)实时——数据在业务运作过程中实时产生。


全量、全要素和实时的数据,是数据应用和数据智能的基础。通过数据应用,一方面可以保障和持续改进数字化运作的效率和质量;另一方面,更重要的是数据本身将成为核心业务资产,而挖掘和应用这些资产的价值,将会创造全新的业务模式和用户体验。


1.3数字化转型将重塑业务和技术的关系

数字化转型的3个核心能力,共同作用同步提升业务运行的效率、质量和体验,并赋能数字化时代业务的发展和创新。而这三个核心能力,不管是连接价值交付链路,还是全链路的数字化,或者是数据应用和数据智能,都必须建立在IT技术之上,以技术为核心来构建。数字时代,技术将成为业务的内核。技术与业务的关系也将因之被重塑。技术与业务之间关系的重塑是一个持续的过程,图4大致反映了这一历程。


DM_20220808110507_004.PNG

图⒋技术成为数字业务创新和发展的核心动力


早期的信息化时代,技术与业务的典型关系是:Biz与Dev相互分离,Dev和Ops相互分离。信息化的目标是将已有业务搬到线上,改进运营效率。此时,业务的确定性较高,技术的任务则是响应并分析来自业务的明确需求,设计、实现和交付软件系统。与之对应,主流的IT协作和交付方式是瀑布式流程方法。


本世纪初,我们进入互联网时代,技术与业务的关系发生了变化:Dev和Ops融合,Biz与Dev更紧密的协同,技术在支撑业务的发展同时,也拓展了业务的边界,诸如电子商务、互联网金融都是这个时代的产物。同时,业务的不确定性也持续增加,对迭代、反馈和持续交付的诉求越来越高。与之对应,敏捷和精益方法成为主流,DevOps实践体系逐渐完备。


今天我们正在进入数字化时代,未来几乎所有业务都将运行在技术底座之上,其发展和创新都离不开技术的支撑,技术已成为业务创新和发展的核心动力,甚至有人提出IT即业务,业务即IT。与之对应,数字化时代需要自己的实践体系,它是DevOps运动的延续和发展,也就是在Dev和Ops融合基础上,Biz与包括Dev和Ops在内的技术进一步融合,我们将其定义为BizDevOps。BizDevOps是数字化时代,业务和技术关系重塑的必然要求和结果。


接下来,我们将解析数字化时代技术和业务所面临的挑战和问题,并从这些问题出发构建BizDevOps的数字化模型和实践体系。


2产品研发的数字化转型和BizDevOps体系

2.1数字化对产品研发的交付效能带来极大挑战


数字化时代,技术交付的复杂度持续提升。首先,打通端到端的价值交付链路,意味着经常需要跨业务和产品的协同才能交付完整价值,协作的复杂度变大;其次,系统复杂度的提升,以及全面的数字化带来的包括云、IOT、边缘设备和各类终端的联动,让工程复杂度极大提升;最后,随着技术和业务的融合,业务本身的不确定性和复杂度也在提升。

DM_20220808110508_005.PNG

图⒌数字化时代IT的交付效能急需提升


随着协作、工程和业务复杂的提升,如果保持过去的实践不变,研发的交付效能必然会有降低的趋势。然而,数字化时代,业务发展和创新对系统交付的依赖越来越强,业务对交付能力的要求也越来越高,不管是质量、效率和有效性的诉求都在提高。如图5所示,一方面效能有下降的趋势;另一方面对产品研发的期待不断提高。在效能的期望与现实之间就产生了巨大的差距。为了弥补这一差距,首先要弄清楚背后有哪些具体的问题。


2.2数字化时代产品研发挑战背后的3个核心问题


在着手提升技术交付效能前,首先要弄清楚效能背后的核心问题是什么,然后才是落地解决问题的实践方法。否则问题没定义清楚,就很难有好的结果。我将提升效能要解决的问题,归纳为3个效能不等式。

DM_20220808110508_006.PNG


图⒍数字化时代产品技术交付的三大核心挑战


第一个不等式:局部效率不等于高效交付。相信,很多人会感同身受。当我们去问各个部门或者个人时,他们都觉得很忙,效率很高。但是,我们去问业务部门或用户,却是另外一回事,他们会抱怨产品研发响应慢、交付迟、质量也不好。这就是组织内部视角的局部效率并不等于用户视角的高效交付。这个是提升研发效能要面对的首要问题。解决它需要更有效的组织协同、更合理交付模式,和更好的过程质量。接下来的问题是,高效交付就够了吗?这就引出了第二个效能不等式。


第二不等式,高效交付能不等于持续高效。很多时候为了高效的交付,我们会成立临时项目并集中办公,沟通协作会更便捷,这可能会达成一时的高效。但是,如果缺乏长期质量思维,当我们在做下一个项目,往往会发现问题。之前的代码和设计存在各种问题,可复用性和可维护性都很差,为后续项目留下的是负债而不是资产,长期的效率无法维持。如何从高效交付转变成持续的高效,这是研发效能要解决的第2个问题。它对我们的工程和技术能力和实践都提出了要求。


第三个不等式,高效交付不等于业务成功。产品交付的目的是支持业务发展和业务创新。我们必须保证交付的东西,能解决用户问题,并构建可持续的商业模式,否则交付再多也没有意义。今天,市场和用户的不确定持续增加,破解这一问题不容易。它需要整个组织能够聚焦用户问题,快速交付和试错,并形成有效反馈调整的闭环。做到这三点才能让高效交付转化为业务成功。这是提升研发效能要解决的第三个核心问题。研发效能提升的本质就是要化解上面的三个不等式,从而把组织内的局部效率转化为持续的用户可感知的高效交付,从而赋能数字业务的创新和发展。


2.3面对挑战,产品技术团队自身更需要数字化转型

面对上面的3个效能不等式,如果把产品研发也当做一类业务,那它本身就迫切需要数字化转型——通过产品研发的数字化,实现效率、质量和体验的同步提升。这里的体验具体到产品研发中,指的是交付的有效性。为了理解产品研发的数字化转型,我们将引用前述的数字化转型3个核心能力,它同样适用于产品研发。

DM_20220808110508_007.PNG

图⒎BizDevOps的三个核心能力


首先,业务上寻求连接业务需求交付链路。也就是用户价值驱动,打通从业务(Biz)到开发(Dev)到运维(Ops)的端到端业务需求交付链路和反馈闭环;

其次,技术上寻求全链路数字化。也就是连通协作和工程及各个子领域,建立统一的数字化模型,并共享底层数据,实现组织协同、工程活动的全链路数字化和有效连接,保证整个交付链路的效率、质量和有效性。

最后,数据上寻求数据支持的持续改进。也就是基于全量、全要素和实时的数据,从场景目标出发,设计和应用系统的度量,保障产研交付的执行并持续改进交付效能。建设以上三个能力,实现产品研发的数字化转型,其结果就是打造BizDevOps体系。


我们将BizDevOps体系的总体目标表述为:

打通组织中的各个职能环节,实现业务、开发和运维的一体化运行,形成高效和精准的业务交付、业务反馈和业务调整闭环,赋能数字业务的发展和激发数字业务的创新。


BizDevOps的实施,首先需要构建产品研发的数字化模型,并以此为基础构建BizDevOps实践体系。接下来,我们将分别介绍BizDevOps背后的数字化模型,以及BizDevOps的实践体系。


3 BizDevOps的数字化模型和实践体系

3.1从价值交付链路出发构建BizDevOps的标准数字化模型


产品研发数字转型一个重要的基础工作是,建立产品研发的数字化模型。一个好的数字模型,可以极大提升产品研发的数字转型的成功概率和效率。构建有效的数字化模型,应该从分析价值链路开始,并识别主要价值链路上的价值流动单元。例如图8中:业务价值交付链路对应的价值流动单元是业务需求;产品交付链路对应的价值单元是产品需求;工程变更链路对应的价值单元是变更;质量管理链路上,主要的价值单元是缺陷。


DM_20220808110508_008.PNG

图⒏BizDevOps数字化标准模型之极简版


上图是我们定义的BizDevOps数字化模型的极简版。其中,红色框是各个主要链路上的价值单元,这些链路相互关联,是产品研发数字化的内核,确保该模型可以支持全链路的数字化实践。我会在后续的文章或标准中给出更细节的模型定义,并解读模型设计背后的原则和方法。


3.2BizDevOps的实践体系框架

数字化模型是产品研发的数字化的基础,要落地BizDevOps,更重要的是提供完整的应对数字化时代产品研发效能挑战的实践体系。


DM_20220808110508_009.PNG

图⒐BizDevOps实践体系框架


上图是对BizDevOps实践体系的完整框架,它综合了我和同事以及合作伙伴们多年的实践探索。BizDevOps实践框架从上到下分为三个层次,分别是:

1)价值链路层面。任务是打通业务交付的协作和工程链路;

2)技术交付层面。任务是提供高效的团队协作和工程数字化实践,确保协作和工程的基础效率、质量以及可持续性;

3)实践方法层面。提供数字化之外的实践方法支撑,如需求分析和领域建模实践,它为数字化运作的效率提供基础的保障。


DM_20220808110508_010.PNG

图10.BizDevOps实践体系框架与产品技术交付的挑战的对应


BizDevOps实践体系的不同部分,分别解决前文所述3个效能不等式,这些实践相互协同构成一个完整体系,确保产品研发团队可以持续地顺畅高质量交付有效价值。下面,我将分别简要的介绍这些实践。


3.2.1需求和协作实践

BizDevOps实践框架图(图9)的左侧是需求和协作实践。它解决的问题是:如何把局部效率转化为高效交付。它可以细分为三组实践。从下到上分别是:

以终为始的需求分析和设计。它解决的具体问题是:如何分析业务和设计需求,确保输入质量,为高效、高质量的交付有用价值创造前提?

产品导向的交付模式。它解决的具体问题是:如何组织交付团队,高效交付需求的同时,持续迭代产品,改进能力,提升交付效能?

业务驱动的协作模式。它解决的具体问题是:如何让整个组织围绕业务目标有效协同,快速响应和交付业务需求,并形成业务反馈闭环?

这三组实践,从需求输入到团队交付再到组织协同,共同确保局部的效率可以转化为高效的交付。


3.2.2技术和工程实践

BizDevOps实践框架图的右侧是技术和工程实践。它解决的问题,是如何把高效交付转化为持续的高效。它又可以细分为三组实践。从下到上分别是:

1)领域驱动的架构和实现。它解决的具体问题是:如何从业务出发,设计系统和服务架构并转化为高质量的代码实现,保障技术开发的长期效率?

2)聚合和管理研发资产及工程活动。它解决的具体问题是:如何组织研发资产和研发活动,并有效的管理和演进它们,持续提高工程响应和交付能力?

3)建设持续的业务发布能力。它解决的具体问题是:如何适配场景落地工程交付流程,并连接工程交付与业务响应,实现业务需求的高效发布,并形成有效的反馈闭环?这三组实践,从技术实现到应用变更到业务发布,共同确保高效的交付可以转化为持续的高效。


3.2.3度量和改进实践

BizDevOps实践框架图的底部中间部分是度量和改进实践。它是支撑性的实践,解决的问题是如何设计和落地有效数据和度量体系,保障研发交付的落地执行,并指导研发效能的改进。度量和改进实践具体包含三个方面,分别是:

1)以数字化模型为基础产出全量、全要素和实时的基础数据;

2)从场景目标出发设计可靠的度量;

3)以度量为支撑保障执行并持续提高效能。


3.2.4业务创新实践

BizDevOps实践框架图的中间部分是业务创新实践。它解决的问题是如何让高效交付转化为业务成功,也就是以BizDevOps实践体系为基础,建立高效的业务探索、交付和反馈调整机制,赋能数字业务的创新和发展?


4总结:赋能数字业务的发展和创新


DM_20220808110508_011.PNG


图⒒特斯拉创始人马斯克关于设计工厂和汽车的推文


特斯拉的创始人埃隆.马斯克曾经在推文中说道:“设计生产机器(汽车)的机器(汽车生产流水线),比制造机器(汽车)本身要困难十倍、百倍。而人们经常不能很好地理解这一点”。同样,打造支持数字化业务的流水线,比设计单个数字化业务本身要困难十倍、百倍。


我们正加速进入数字化时代,BizDevOps的使命是打造数字化业务背后的流水线,持续赋能数字化业务的创新和发展。为此,BizDevOps将打破技术和业务的隔阂,重塑两者的关系。BizDevOps更需要定义数字化模型,完善需求、协作、工程和技术实践,并将它们整合为完整的数字化体系,用数字化的方式来支持数字化业务的创新和发展。


本文介绍了BizDevOps产生的背景,定义了BizDevOps解决的核心问题,并以此为基础总结了BizDevOps的实践框架,希望对你在数字化时代实现技术破局有所启发。


不过本文并未深入到各个具体的实践。今后的文章中,我将以这个框架为蓝本,对各个专项的实践做深入的介绍,与大家共同探讨BizDevOps的实践。


作者简介:何勉,《精益产品开发:原则、方法与实施》作者

内容策划:阿里云云效

相关实践学习
流水线运行出错排查难?AI帮您智能排查
本实验将带您体验云效流水线Flow的智能排查能力,只需短短1-2分钟,即可体验AI智能排查建议。
ALPD云架构师系列 - 云原生DevOps36计
如何把握和运用云原生技术,撬动新技术红利,实现持续、安全、高效和高质量的应用交付,并提升业务的连续性和稳定性,这是云原生时代持续交付共同面对的机会和挑战。本课程由阿里云开发者学堂和阿里云云效共同出品,是ALPD方法学云架构师系列的核心课程之一,适合架构师、企业工程效能负责人、对DevOps感兴趣的研发、测试、运维。 课程目标 前沿技术:了解云原生下DevOps的正确姿势,享受云原生带来的技术红利 系统知识:全局视角看软件研发生命周期,系统学习DevOps实践技能 课程大纲: 云原生开发和交付:云研发时代软件交付的挑战与云原生工程实践 云原生开发、运行基础设施:无差别的开发、运行环境 自动部署:构建可靠高效的应用发布体系 持续交付:建立团队协同交付的流程和流水线 质量守护:构建和维护测试和质量守护体系 安全保障:打造可信交付的安全保障体系 建立持续反馈和持续改进闭环
相关文章
|
10月前
|
人工智能 安全 Serverless
AgentRun Sandbox SDK 正式开源!集成 LangChain 等主流框架,一键开启智能体沙箱新体验
AgentRun Sandbox SDK 开源发布,基于Serverless架构提供安全、弹性的智能体运行环境。支持LangChain、AgentScope等主流框架,内置代码解释、浏览器操作等多模态沙箱能力,助力Agentic AI快速落地,让开发更轻盈,云端更安全。
|
11月前
|
存储 人工智能 运维
UModel 数据治理:运维世界模型构建实践
阿里云推出 UModel 统一建模框架,将实体、关系、数据、知识、行动融为一体,为大模型提供可推理、可交互的运维世界模型,推动可观测从‘被动响应’迈向‘主动优化’的新阶段。
1919 84
|
存储 缓存 人工智能
好奇心之旅:Cursor代码库索引机制的学习笔记
本文介绍了Cursor等AI编程工具中codebase indexing的技术原理,包括Merkle Tree与向量数据库的应用,以及开源方案Continue的启发。作者通过探索这些工具背后的机制,提升了对AI编程和代码索引技术的理解,也为进一步学习提供了思路。
好奇心之旅:Cursor代码库索引机制的学习笔记
|
存储 人工智能 运维
阿里云联合信通院发布《面向LLM应用的可观测性能力要求》
随着大模型技术的广泛应用,大语言模型(LLM)在对话系统、检索增强生成(RAG)、智能体(Agent)等场景中展现出无限的想象力与创造力。同时,基于 LLM 以及 AI 生态技术栈构建的应用以及业务场景也如雨后春笋般不断涌现。然而,LLM 应用在生产落地过程中面临着模型不确定性大、架构链路复杂、用户体验难以评估等诸多痛点。如何构建 LLM 应用的全链路可观测性体系以及如何评估可观测性能力是否完善,业界缺乏统一且完整细致的标准。
|
8月前
|
人工智能 安全 程序员
告别“伪智能”代码:用 Spec + RAG 打造真正懂你的AI程序员
本文提出“SPEC(硬规则)+ RAG(软上下文)+ MCP(标准化接口)”三位一体AI编码知识增强体系:SPEC保障代码准确性与可验证性;RAG动态检索非结构化知识提升语境理解;MCP实现工具与数据的安全、灵活集成,共同解决AI生成“能写≠写对”的核心痛点。
|
人工智能 运维 安全
AI大模型运维开发探索第四篇:智能体分阶段演进路线
本文探讨了智能体工程的演进历程,从最初的思维链(智能体1.0)到实例化智能体(智能体2.0),再到结构化智能体(智能体3.0),最终展望了自演进智能体(智能体4.0)。文章详细分析了各阶段遇到的问题及解决策略,如工具调用可靠性、推理能力提升等,并引入了大模型中间件的概念以优化业务平台与工具间的协调。此外,文中还提到了RunnableHub开源项目,为读者提供了实际落地的参考方案。通过不断迭代,智能体逐渐具备更强的适应性和解决问题的能力,展现了未来AI发展的潜力。
|
11月前
|
人工智能 自然语言处理 搜索推荐
【2025云栖大会】阿里云助力金山办公打造智能搜索新标杆:WPS云文档搜索技术全面升级
2025年9月26日,杭州云栖大会“AI搜索与向量引擎”分论坛上,金山办公云搜索技术总监——陈海荣宣布,其核心产品WPS云文档搜索功能结合阿里云搜索引擎完成重大升级,正式迈入3.0时代。
799 0
|
机器学习/深度学习 人工智能 数据可视化
一文讲透:信息化、数字化、智能化、智慧化、数智化,到底啥区别?
本文深入解析了企业数智化转型中的关键概念——信息化、数字化、智能化、智慧化与数智化,厘清它们的内涵与发展脉络。信息化重在流程系统化,数字化强调数据价值释放,智能化实现自动分析与预测,智慧化推动系统协同决策,而数智化则是数字与智能能力的融合升级。通过清晰的阶段划分与实际案例,帮助企业认清自身转型阶段,明确下一步方向,避免盲目跟风,真正实现提质增效的可持续发展。
|
人工智能 监控 数据库
LLM 应用可观测性:从 Trace 视角展开的探索与实践之旅
基于大语言模型的应用在性能、成本、效果等方面存在一系列实际痛点,本文通过分析 LLM 应用模式以及关注点差异来阐明可观测技术挑战,近期阿里云可观测推出了面向 LLM 应用的可观测解决方案以及最佳实践,一起来了解下吧。
21211 155
LLM 应用可观测性:从 Trace 视角展开的探索与实践之旅

热门文章

最新文章