「数字化」数字业务自动化参考架构

简介: 「数字化」数字业务自动化参考架构

数字业务自动化(DBA)允许组织通过简化人们参与业务流程和工作流的方式,自动执行可重复的决策以及为业务用户提供编辑和更改这些业务流程中涉及的业务逻辑的能力来改进其运营。DBA项目还旨在使文档易于存储和检索,数字化文档内容,例如光学字符识别(OCR),并使用软件机器人自动化数据输入,也称为机器人过程自动化。


流程

通过集成的自动化平台,数字业务自动化(DBA)改善了知识工作者等业务用户执行日常工作的方式。最理想的是,组织将从实施所有DBA功能中受益;但是,组织不必一次实现所有功能。许多企业依赖于处理业务实体,例如贷款,索赔,订单,货物或人员流动,付款或报价。出于这个原因,DBA故事将从工作流的概念开始。业务解决方案的架构师和设计者可以以最适合其支持的组织的任何组合利用这些DBA功能。

步骤1

工作流程是一系列有组织的工业活动或管理任务,可以在几秒钟或很长一段时间内完成。通常,在此上下文中,工作流程持续数天或数周,但对于案例工作,可能需要数年时间。工作流管理功能必须提供长时间运行流程的持久性,以便组织知道到目前为止完成了什么,以及谁在处理哪个任务。工作流的实时状态通过用户界面(如性能仪表板或门户)提供给用户及其管理层。潜在地,自定义表单允许显示和输入与过程执行相关的业务数据。

第2步

要完成某些任务,用户可能需要访问在企业内容管理平台中存储和管理的文档和信息。此外,一段内容的生命周期将受益于受显式工作流的管理和管理,因此工作流管理和内容管理功能之间的这种连接的双向性质。

第3步

请注意,企业内容管理平台通常通过导入和导出与企业数据中的其他内容存储库联合或交互。同样,所有DBA功能都会查询或更新企业记录系统(SoR)中的数据。

第4步

当数字和结构化形式不可用时,可以通过数据捕获技术从文档中提取数据。这些技术包括光学字符识别(OCR),通过AI的语言理解,文档布局识别,条形码或QR码以及签名。数据捕获可以对来自传真,扫描,图像,电子邮件,移动设备或文档存储库等来源的非结构化内容进行操作。

第5步

除了驻留在内容管理系统中的信息之外,工作流通常直接或者优选地通过诸如企业服务总线(ESB),应用程序编程接口(API)管理的转换和连接能力与其他企业系统和应用程序交互,并提取,转换,加载(ETL)。

第6步

工作流可以用来处理某些业务逻辑的一类特殊应用程序是决策服务。决策服务通过在决策管理平台中创作,管理,维护和部署的业务规则或业务事件来实现。

第7步

工作流还可以调用和编排机器人,代替人工操作员运行任务的应用程序,例如将数据键入第三方用户界面。相反,工作流可以调用机器人从外部应用程序或文档中提取数据。

第8步

通过在决策管理功能中调用作为决策服务实现的复杂且经常变化的业务逻辑,可以使机器人更智能,更易于维护。

第9步

机器人可以通过不需要API的用户界面自动化直接与企业应用程序交互。

第10步

捕获功能可以利用机器人完成使用从文档中提取的结构化数据内容更新其他系统的任务。此外,机器人可以在执行任务期间通过使用可重复使用的MetaBot从非结构化内容中提取所需数据来调用数据捕获。

第11步

决策服务旨在由遵循面向服务的体系结构(SOA)原则(如REST服务)的其他企业应用程序调用。

第12步

每个DBA功能都可以将事件发布到运营智能功能,该功能包括可扩展存储以及创建可实时显示业务级关键性能指标(KPI)的仪表板的功能。

https://www.ibm.com/cloud/garage/images/architecture/dba-high-level.png

https://www.ibm.com/cloud/garage/files/dba-high-level.pdf

https://www.ibm.com/cloud/garage/files/dba-high-level-editable-ppt.pptx

功能要求

  1. 设计和管理端到端工作流:对核心业务流程进行建模,自动化,更改,监控和优化,以提高任务和流程的一致性,提高生产力并增加直通式处理。
  2. 共享和管理企业内容:提供对所有类型内容的安全和合规管理,以实现对内容的即时访问,轻松将内容连接到数字业务应用程序,并确保治理和合规性。
  3. 使用业务规则自动执行决策:捕获,自动化和管理业务规则,以便快速适应变更,提高决策的一致性和可审计性,并实时检测情况。
  4. 使用机器人自动完成人工任务:记录并自动执行重复的人工任务,以便快速,轻松地自动完成普通工作,消除复制粘贴和数据输入错误,并释放员工以进行更高价值的工作。
  5. 从内容中捕获和提取数据:在提取,存储和理解重要数据的同时对业务文档进行数字化,以减少或消除手动输入和错误,提高效率和生产力,并自动从非结构化数据中提取洞察力。
相关文章
|
3月前
|
运维 监控 Cloud Native
自动化运维的魔法书云原生之旅:从容器化到微服务架构的演变
【8月更文挑战第29天】本文将带你领略自动化运维的魅力,从脚本编写到工具应用,我们将一起探索如何通过技术提升效率和稳定性。你将学会如何让服务器自主完成更新、监控和故障修复,仿佛拥有了一本能够自动翻页的魔法书。
|
24天前
|
Kubernetes 持续交付 Docker
探索DevOps实践:利用Docker与Kubernetes实现微服务架构的自动化部署
【10月更文挑战第18天】探索DevOps实践:利用Docker与Kubernetes实现微服务架构的自动化部署
72 2
|
29天前
|
存储 固态存储 安全
阿里云服务器X86计算架构解析与X86计算架构云服务器收费价格参考
阿里云服务器架构分为X86计算、Arm计算、高性能计算等多种架构,其中X86计算是用户选择最多的一种架构,本文将深入探讨阿里云X86计算架构的云服务器,包括其技术特性、适用场景、性能优势以及最新价格情况。
|
30天前
|
编解码 弹性计算 应用服务中间件
阿里云服务器Arm计算架构解析:Arm计算架构云服务器租用收费标准价格参考
阿里云服务器架构分为X86计算、Arm计算、高性能计算等多种架构,其中Arm计算架构以其低功耗、高效率的特点受到广泛关注。本文将深入解析阿里云Arm计算架构云服务器的技术特点、适用场景以及包年包月与按量付费的收费标准与最新活动价格情况,以供选择参考。
|
1月前
|
存储 运维 监控
高效运维:从基础架构到自动化管理的全面指南
【10月更文挑战第11天】 本文将深入探讨如何通过优化基础架构和引入自动化管理来提升企业IT运维效率。我们将从服务器的选择与配置、存储解决方案的评估,到网络的设计与监控,逐一解析每个环节的关键技术点。同时,重点讨论自动化工具在现代运维中的应用,包括配置管理、持续集成与部署(CI/CD)、自动化测试及故障排除等方面。通过实际案例分析,展示这些技术如何协同工作,实现高效的运维管理。无论是IT初学者还是经验丰富的专业人员,都能从中获得有价值的见解和实操经验。
61 1
|
1月前
|
存储 运维 监控
高效运维管理:从基础架构优化到自动化实践
在当今数字化时代,高效运维管理已成为企业IT部门的重要任务。本文将探讨如何通过基础架构优化和自动化实践来提升运维效率,确保系统的稳定性和可靠性。我们将从服务器选型、存储优化、网络配置等方面入手,逐步引导读者了解运维管理的核心内容。同时,我们还将介绍自动化工具的使用,帮助运维人员提高工作效率,降低人为错误的发生。通过本文的学习,您将掌握高效运维管理的关键技巧,为企业的发展提供有力支持。
|
1月前
|
存储 消息中间件 运维
架构升级的救星!流量回放自动化测试的必备指南
大家好,我是小米,一名29岁的技术宅。今天分享一个物联网领域的实用技能——流量回放自动化测试。系统重构后,测试工作量巨大,本文介绍如何通过日志收集和数据回放进行自动化测试,包括离线、实时和并行回放模式,帮助快速定位Bug,提升测试效率和系统稳定性。欢迎关注我的微信公众号“软件求生”,获取更多技术干货!
42 3
|
2月前
|
Cloud Native Java 编译器
将基于x86架构平台的应用迁移到阿里云倚天实例云服务器参考
随着云计算技术的不断发展,云服务商们不断推出高性能、高可用的云服务器实例,以满足企业日益增长的计算需求。阿里云推出的倚天实例,凭借其基于ARM架构的倚天710处理器,提供了卓越的计算能力和能效比,特别适用于云原生、高性能计算等场景。然而,有的用户需要将传统基于x86平台的应用迁移到倚天实例上,本文将介绍如何将基于x86架构平台的应用迁移到阿里云倚天实例的服务器上,帮助开发者和企业用户顺利完成迁移工作,享受更高效、更经济的云服务。
将基于x86架构平台的应用迁移到阿里云倚天实例云服务器参考
|
2月前
|
敏捷开发 运维 Prometheus
构建高效运维体系:从基础架构到自动化管理
本文探讨了如何通过优化基础架构、引入自动化工具和流程,以及加强团队协作,构建高效的运维体系。通过案例分析和实践建议,帮助运维人员实现系统的稳定性、可靠性和可维护性。
|
3月前
|
机器学习/深度学习 算法 数据库
阿里云服务器架构区别解析:从X86计算、Arm计算到高性能计算架构的区别参考
在我们选择阿里云服务器的架构时,选择合适的云服务器架构对于提升业务效率、保障业务稳定至关重要。阿里云提供了多样化的云服务器架构选择,包括X86计算、ARM计算、GPU/FPGA/ASIC、弹性裸金属服务器以及高性能计算等。本文将深入解析这些架构的特点、优势及适用场景,以供参考和选择。
阿里云服务器架构区别解析:从X86计算、Arm计算到高性能计算架构的区别参考