import Arch4A from '../../components/Arch4A.astro';

## 一张图说清楚

企业架构（4A）回答一个问题：**战略怎么落地为系统**。答案是把企业拆成四个互相咬合的架构域——业务架构、数据架构、应用架构、技术架构——再让 AI 赋能与架构治理贯穿全维度。

<Arch4A />

## 四个架构域各自管什么

- **业务架构**：企业"做什么"——能力地图、端到端流程、组织与规则。它是其余三个架构的需求来源，一切从业务出发。
- **数据架构**：企业"凭什么记住"——数据资产、模型、标准、分布、质量与安全。数据不是系统的副产品，而是独立经营的资产层。
- **应用架构**：企业"用什么系统做事"——前台中台后台的布局、服务与 API、系统集成。应用承载数据，数据反哺应用。
- **技术架构**：企业"靠什么底座跑起来"——云、数据平台、AI 算力、中间件、安全运维。它支撑一切，但不应喧宾夺主。

## 为什么本方案聚焦数据架构

图中数据架构被高亮为**本方案聚焦**，原因很直接：数据架构是业务与应用之间的**通用语言**。业务要的是口径一致，应用要的是接口稳定，两边只有通过统一的数据底座才能对齐——取数、写数都是它。

数据架构内部有一条清晰的递进链：**概念模型 → 逻辑模型 → 物理模型**。这条链是数据资产的"生产线"：概念模型对齐业务语言，逻辑模型定结构与关系，物理模型落到平台与存储。跳过任何一层，最后都会以"口径对不上"的形式偿还。

## AI 赋能与治理：一个贯穿、一个兜底

- **AI 智能赋能**贯穿 4A：业务侧有智能化业务场景，应用侧有智能体与 AI 应用，数据侧有数据智能与知识服务，技术侧有 AI 平台与算力。AI 不是第五个架构域，而是渗透在每个域里的能力放大器。
- **架构治理与管控**兜底全维度：原则、流程、组织、考核。没有治理的架构图是 PPT；有治理的架构图才是运行中的系统。

---

这张图的使用方式：向管理层讲"战略如何落地"，向数据团队讲"我们处在哪、为什么聚焦"，向应用团队讲"数据为什么必须先行"。