作为The Open Group全球EA副总裁兼亚太区总经理，Forde先生领导并负责了TOGAF®标准、O-AA™️开放敏捷架构标准和ArchiMate®建模语言等多个架构领域标准构建的顶层设计与突破，并为TOGAF® v10标准等多个版本的制定和全球发布做出了巨大贡献。

Forde先生拥有近30年的企业架构开发与管理经验，作为架构领域顶层设计和创新的领导者和实践者，他始终致力于架构学科和技术标准的研发和推动。多年来不断探索企业架构的可持续发展，提炼最佳实践，并积极投身于其在全球和中国市场的普及和应用，旨在帮助企业实现业务目标，以及全球互操作性的实现。在加入The Open Group之前，Forde先生曾任美国运通战略和架构副总裁，主导并负责客户服务能力。

该演讲将描述EA方法如何利用TOGAF®ADM、Archimate语言和APQC分类法，实现集成质量管理系统(IQMS)的构建，在该系统中，质量、可持续性、安全性和特定的客户需求得到全面解决，并与数字化转型战略保持一致。真实的案例示例将展示这种方法如何确保遵守多个标准，同时保持组织专注于一个通用的业务模型，简化并促进涉众的参与，推动成功的数字化转型计划。

面临电力体制改革、三商转型和世界一流企业建设的新形势和新挑战，作为全国规模最大省级电网公司的广东电网公司以企业架构为抓手推动管理能力现代化和数字化转型。公司以全局性推进、全领域设计和全周期管理为思路推进企业架构建设，借鉴TOGAF®方法结合广东实际，建立首套全业务覆盖的省级电网企业架构，系统推进企业架构的管控和运营，保证架构遵从和迭代更新，通过运营和变革促进架构蓝图落地。企业架构建设帮助公司业务规范化，驱动业务数字化，推动业务协同和变革，助力公司打造新质生产力和与之相适应的新型生产关系，成为国资委国企数字化转型优秀案例Top30，满分获评国资委数字化转型试点企业。

目前市面上有很多企业信息技术应用的标准化知识体系，以TOGAF为代表的企业架构（以及IT4IT等OG其他知识体系）、以ABPMP为代表的业务流程管理等等。此外，新兴的人工智能还未形成公认的知识体系，在企业数字化建设中，从企业管理（而非技术管理）的视角，如何整合这些知识体系，建立企业级的信息技术规划体系，同时，形成权威性的知识体系，指导企业的IT专业人士的雇佣和职业发展（例如CIO、IT总监），目前还缺乏有效的方法和体系。我将基于在中国从事了二十多年的企业信息技术应用和数字化转型的实践基础上，站在企业管理、商业创新的视角，阐述怎样整合这些不同的知识体系，从而帮助企业更好地建立管理标准、治理体系和人才发展体系。

在人工智能、大语言模型LLM，很多企业界和专家朋友面临一个严重的挑战，不知道如何提升AI的认知。很多企业CEO、CIO、数字化负责人都非常迷茫，企业家不能深刻理解AI的能力和潜力，就无法用AI赋能企业，无法理解AI的本质，而当前的应用无法与企业战略与管理、业务，生产结合。本次演讲基于以上背景，面向企业实践，结合最新的技术与落地案例，让企业家了解如何在企业应用人工智能新技术，提升对AI的认知。

The TOGAF Tailor ability presentation has a strong focus on using the TOGAF Standard to create architectures and how to model them. The presentation therefore focuses on Enterprise Architecture and Modeling. It is a practical and oragmatic presentation that emphasizes the use of the TOGAF Standard in daily practice.

Using a case scenario of a fictitious organization, the practical application of the Architecture Development Method (ADM) to arrive at a useful Enterprise Architecture will be demonstrated. The presentation also zooms in on the use of teration of the ADM and uses examples to show how this can be applied in reality. By making intelligent use of the framework's tailor ability, the suitability of the TOGAF Standard for any type of organization is emphasized.

This tailor ability of the framework is further emphasized by the use of a self-developed Enterprise Architecture Implementation Wheel. This Implementation Wheel is based on the TOGAF Standard and can be fully mapped to the framework. It is living proof of how the world's leading architecture framework can be adapted to meet the needs of any architecture effort.

Finally, the TOGAF Tailor ability presentation will demonstrate how Al can be used in architecture development. Again, practical examples will demonstrate the value of using modern tools such as Al to visualize the strategy of the afore mentioned fictional organization.

将深入分析当前生成式AI模型的多样性以及如何根据企业的具体需求、数据特点和行业应用场景进行有效选择，同时，还有企业在部署生成式AI过程中可能面临的挑战及应对策略，以确保技术的成功落地并带来实质性收益。

数字化建设应始终服务于业务战略目标的达成。然而，业务对数字化的需求越来越迫切，数字化建设却越来越分散，建设成果碎片化，难以聚焦战略形成合力。数字化时代，如何聚焦战略对各类数字化资源进行统筹管理和有效配置，确保数字化建设始终对准业务战略目标，持续有序地开展建设？这就对企业自身的治理能力提出了更高的要求。
企业架构方法提供了一套工程化的管理模式，帮助数字化决策者、管理者有效应对数字化建设和治理中面临的复杂性问题，实现有序演进。近年来很多企业都采用企业架构作为数字化规划的方法依据，但在规划落地方面面临挑战。最常见的是项目方案设计与规划两张皮，难以发挥企业级架构对项目的牵引和规范作用，企业架构的价值难以呈现。
借助企业架构治理平台，改变传统的基于文档的规划方式，以数字化手段赋能企业架构设计与治理，将有助于解决当前规划目标分散、需求分散、建设成果分散的问题，构建多级分解、要素联动、整体设计、有序推进的企业数字化治理模式。

数字化转型实践中，企业往往需要通过统一企业能力视图规划企业的转型方向，科学评估转型成本，以及将企业的数字战略落到实处。在企业的数字化转型实践中，企业也往往累积了为数不少的业务系统，系统之间的边界一直都在动态演化中，边界与协同关系的建立缺乏快速而清晰的划分方式，并且，随着数据要素作用的日渐突出，企业也需要通过更好的方式，在数字化实践过程中，将数据的管理置于更重要的位置，并以与业务、系统管理更为融洽的方式进行数据治理。随着数字化转型的深入，企业不但需要经常关注当前的系统建设，也需要关注如何形成更快速的架构分析模式，以支持对系统的动态调整。这些问题都需要通过一种可以更快速地形成架构方案的工作模式予以支持。传统的架构工作模式经过多年的发展，在累积了足够的工作经验之后，已经具备通过更直接的方式提升工作效率的能力。在架构实践过程中，作为业务对象载体的逻辑数据模型，其业务含义的清晰，模型的稳定性，分析的便捷性等优点日渐突出，可以成为快速构建企业架构模型的突破口，讲师根据自身工程实践，将通过演讲分享这种关于这种工作模式的心得。

数据治理虽然是行业公认的数字化转型的基础，而且也越来越多的企业开展。但企业开展数据治理的动机是不同的，时机也是不同的，最后的结果和带来的价值也是有所不同。数据治理作为企业的底层能力，实业届的管理者们更注重价值，而且是快速价值的实现。这就造成了能力的长期培养和价值快速实现的冲突。针对如上的背景，希望讨论的主题是：
（1）管理这门如何看待数据治理的时机，这也许不仅和价值相关，还和领导力风格相关，和战略规划和决策相关，和公司的环境相关
（2）数据治理和数字化转型的关系如何落地？虽然业界有标准答案，但企业实际落地并没有那么简单，涉及到数据治理各模块内容的选择
（3）数据治理体系的建设是标准的么？如何体系公司的特点
（4）数据治理体系是一场无边界的运动？管理者和实践者如何平衡？规划和执行如何平衡？
（5）数据治理与变革？作为一种体系能力，如何牵动全公司的各类干系人？如何融入已经成熟的管理体系？
（6）管理者对数据治理的期待是什么？

数字化就是组织的变革工作，需要关注整体价值的提升，天然需要进行跨领域沟通；需要有合格的团队维护好企业数字化的主逻辑，做到成竹在胸，定好举措、节奏和项目，而不是成为买办机构。本主题将阐述数字化自主可控与数字化人才的关系，数字化人才需要具备的素质模型，以及数字化人才的培养策略。

随着技术的飞速发展和市场的不断变化，企业面临着前所未有的业务多样性和复杂性，同时也承受着来自市场竞争的持续压力。

新技术的不断涌现、平台化趋势以及业务与技术的深度融合，使企业应接不暇，处于持续变化、迭代和动荡之中。传统的企业架构方法在面对当前复杂多变的环境时，显得有些力不从心，难以匹配现代企业的复杂度和快速迭代的节奏。

本次分享将探讨企业架构现代化的必要性、思路、关键挑战以及实施现代化企业架构的案例实践。

AIGC（生成式人工智能）的发展正在逐步影响各行各业，其发展趋势和影响范围将达到前所未有的高度。随着各类企事业单位和政府组织逐渐采纳AIGC技术，他们的组织结构、运营模式、业务流程、应用系统以及数据和信息资源都将受到明显的影响并将发生根本性的结构变化。与之相对的是传统的企业架构方法论在AIGC环境下所面临的冲击与挑战。本演讲首先从AIGC和企业架构的发展趋势对比出发，介绍AI技术变革和EA传统领域的交汇与发展。然后介绍AIGC对企业架构工作当中部分基本概念的冲击和影响。其中AIGC的普及重塑了原有的信息生命周期，混淆了业务形态与系统功能之间的边界，并通过端到端的方式使精益思想中的持续改进变成了黑盒，最终将对组织的知识管理产生深远的影响。这些企业架构工作中习以为常的领域发生根本性的变化之后，企业架构的发展也将面临新的挑战和机遇。最后，本演讲从人机结构、组织变革和企业治理三个方面前瞻性地介绍企业架构所面临的挑战，同时也揭示了在AI的新时代，企业架构创造更多价值的机遇所在。

加快发展数字经济的过程中，数据作为重要基础要素，在转型实践中获得了普遍的重视，其价值被进一步挖掘和重塑。通过标准化的数据管理，企业能够更好地整合内部外部的数据资源，从而提升数据分析的深度和广度。该分享将讲述在实际的落实过程中，如何针对场景的管理及持续挖掘，高阶指标的智能获取及分析等重点，引入企业价值链加持，为整体效率的提升带入新的机会，有效推动持续创新。

据商务部数据显示， 实体零售企业约87%的商品雷同，距离成为消费者选择商场的第一要素。 调研数据显示，相较于价格、商场环境等因素，消费者选择商场最在意的是距离远近。然而当前实体零售企业过量严重，凭借“距离”可覆盖的消费者正在急剧减少；实体零售企业如果不进行全渠道营销， 覆盖范围或仅限于周围一公里， 如果不能洞察消费者喜好，则会被激烈的行业竞争所淘汰。

在数字化相关的底层技术及应用发展上，我国发展较快，诸多技术赋能于便利店数字化的业态发展。比如物联网、大数据、云计算、移动支付、可视化技术等现代信息技术可赋能于门店,提升智能化管理水平。以以数据驱动的商品采购、库存管理、销售预测，对断货、过期商品等异常情况提前预警，推动全供应链高效协同，提高运营效率。便利店所出售的商品必须能够满足周边消费者的需求，提高货物周转率及资金周转率,才能获得更大的利润，因此引进品类管理对连锁便利店有着重要的意义。品类管理通过分析消费者需求，实行有效的商品管理，核心是给顾客提供超值的产品和服务，提高企业效益。

本次演讲，基于一家300余连锁门店应对互联网电商经营，寻群突破路径的数字化转型战略设计过程。

在数字化时代，企业面临着前所未有的挑战和机遇，从快速扩张迈向高质量发展的战略发展变革。高质量发展建立在数据驱动、流程性企业的推广。为了在激烈的市场竞争中保持领先地位，企业必须构建一个集业务架构设计、流程挖掘、流程监控、流程迭代为一体的数智化流程运营体系。这样的体系能够确保企业流程的高效、透明和持续优化。

企业流程的设计、执行、监控，从来都是跨系统、多层皮、难管理的。企业架构的梳理也从来不是一蹴而就的。在第一次建立完成后，持续的落地、监控是企业架构成功落地的关键，一套完善的业务架构运营体系至关重要。

我们可以通过全新的业务架构数字化工具——望繁信数字北极星。这是一款旨在帮助企业实现业务流程的全面数字化管理的工具。它通过先进的数据分析技术，能够深入挖掘业务流程中的潜在价值和改进点，从而为企业决策提供有力的数据支持。

软件可以通过数字化手段，实现集业务架构设计、流程挖掘、流程监控、流程迭代为一体的数智化流程运营体系。为企业架构团队，有据可依、有数可查，帮助团队更好的落地，追溯，跟踪工作的开展，同时获得架构升级后对业务的影响反馈，使其工作成果可以被量化、易汇报。

该分享将围绕某国际500强的真实项目实践，探究业务架构如何进行从设计到落地到优化的闭环，从而实现巨大的业务价值。

随着ChatGPT、Sora等技术爆发，AIGC技术在很多方面展现出近乎甚至超乎人类的能力，可以说已经通过了图灵测试，通用人工智能（AGI）时代即将到来。AIGC技术作为企业智能化建设的利器，将极大改变企业的业务运作方式和工作方式，数字员工大量出现，人机协作关系将发生重大变化，从以人为主导到人机合作，再到AI主导、人来监督。这是一个企业必须要面对但又缺少历史经验的课题。业界必须未雨绸缪、与时俱进，对企业架构方法进行升级，满足企业智能化建设需要，保持企业架构旺盛的生命力。笔者在数字化转型、人工智能研究和实践基础上，提出DEAF数字化企业架构框架，认为企业架构方法需要在数据化、智能化、体验化、敏捷化、生态化五个方面进行升级，才能够指导企业进行数智化深度变革。通用大模型、行业大模型将赋能数字员工具备基本的能力和背景。但数字员工要主导完成具体业务任务，还需要进行工作分析，明确完成任务所需的技能，并训练数字员工具备相关技能。

背景：（1）很多企业没有统一的企业级人工智能平台，然而员工已经开始使用市场上的各种人工智能工具，已经有很多新闻爆出，这些行为导致了企业数据泄露；（2）很多企业虽然启动了一部分人工智能试点项目，但是验证不是很成功，或者收效甚微，究其原因，发现有很多种，其中典型的有牵头部门不对，没有选对高价值业务场景、人工智能人才短缺、不合规、数据不就绪、治理缺乏、技术不配套等等。

痛点：人工智能转型，作为数字化转型的下一波浪潮，需要一把手下场支持，带领变革，因为企业级的人工智能应用既要考虑技术本身，又要考虑除了技术以外的其他要素，比如业务价值、人才、数据、合规和治理等方面，不是单独一个技术部门就能处理的事情，需要企业作为一个整体，统一规划，统一实施，有计划有目的的推广和收获价值，在整个生命周期里，做好管控。

解决方案：埃森哲的生成式人工智能企业落地方案介绍。方案内容包括5个方面，业务场景、技术平台、人才培养、负责任和人工智能的治理，全面解决一把手的各种困难。

首先介绍我国关基保护相关政策、标准，分析《关键信息基础设施保护条例》、《关键保护基本要求标准39204》内容介绍。然后分析关键保护需求，从合规、攻防实战、风险、漏洞等领域进行分析。并提出关基保护能力地图，涵盖分析识别、安全防护、检测评估、主动防御、事件处置等内容。其中，主动防御 包括：收敛暴露面 攻击发现和阻断 攻防演练 威胁情报等内容。最后提出关基保护框架，从安全技术、安全运营、安全管理、提成安全保障整体框架。

其中安全技术参考了等保 一个中心 三重防护的内容。安全运营从人员、技术、数据、流程进行设计。安全管理从人员 组织 制度 流程进行设计。最后阐述了关键基础设施保护原则：

关键基础设施保护在等保基础上，进行重点保护：以关键业务为核心进行整体防护；以风险管理为导向进行动态防护；以信息共享为基础进行协同联防。

1. 通过传统企业这几年数字化转型的背景与实践，引出互联网企业在转型中的参与角色与价值，继而引出“数据驱动是数字化转型在实践层面的本质”这一观点。
2. 通过私域运营整体策略和套路，来具象分析数据驱动的运营闭环如何形成，并且能在哪些传统场景中获得业务创新
3. 通过拆解数字化营销自动化的成熟度与方法，来分析数据驱动、平台能力等相关因素带来的赋能与影响，这个过程也是数字化转型典型三步走（平台化，自动化，智能化）的体现。最后的自动化与智能化，都需要业务与数字化，以数据为基础的充分融合，来形成飞跃性的数字化能力。在过程中，会强调自动化不仅仅是降本增效，更是更高维体验的必然需求
4. 然后可以顺便提一下数字化转型中对人才能力的需求和变化
5. 数据驱动的门槛以及成功的二八定律
6. 数字化作恶的案例（比如：信息茧房、杀熟）以及自律和道德。

企业和机构代表将分享他们个人和企业TOGAF认证方面的实际经验，阐述认证带来的具体收益。

结合从业者代表们的职业发展路径，分享心得和经验，并给到数字化从业者或者初入门的架构师们中肯建议。

将结合企业多年的培训经验，分析企业的培训需求的特征和痛点，以期给到从业者新的思考。

该环节将围绕包含TOGAF®标准第10版等认证组合进行宣讲，您将了解TOGAF认证如何帮助企业提升架构能力，助力职业发展。

企业在管理业务架构和数据架构中，最大的痛点是宏观规划与实施落地脱节，导致上下两张皮的问题。我们的实践是通过智能化工具，实现在开发过程中，将上层企业架构与物理模型进行上下互动和双向迭代，对企业架构进行保活和对齐。

随着数据在企业中发挥越来越重要的作用，数据治理成为企业在这个时代必备的管理活动，在企业的组织和制度中获得了认可和资源分配，这非常重要。

在DAMA2的车轮图中，数据架构是12点钟方向的初始管理活动，是数据治理的基础框架，扮演着至关重要的角色，它定义了数据的组织结构、流程、存储和使用方式。在数据治理中，数据架构的设计和管理是确保数据质量、安全性和合规性的关键因素。以下是数据治理中数据架构的重要作用：

数据一致性和标准化：数据架构定义了数据的标准和结构，确保数据在组织中的使用方式一致，并且符合标准化的数据格式和定义，从而提高数据一致性和可理解性；

数据流程与集成管理：设计和管理数据流程和数据管道，包括数据库、数据仓库、数据湖等，确保数据能够在不同系统和组件之间流动和集成，保证数据的完整性和及时性；

数据标准与元数据管理：制定数据标准和规范，管理和维护数据的元数据信息，包括数据结构、字段定义、数据类型等；

数据治理框架：数据架构为数据治理提供了基础和支持，通过制定数据治理框架和流程，确保数据管理和使用符合法规和组织标准，从而提高数据管理的透明度和合规性。

综上，数据架构是组织数据管理的核心，它提供了数据管理和使用的基础框架，确保数据能够安全、高效和可靠地支持组织的业务需求。数据架构的设计和管理需要综合考虑技术、业务和法规等多个方面的需求，以实现数据管理的最佳实践和业务目标。

在数据驱动的新时代，数据治理的重要性愈加突出。该分享将聚焦前沿的数据架构框架——“F-A-I-R”原则，解析如何通过Findable、Accessible、Interoperable、Reusable四个核心原则，来优化数据管理和利用，帮助组织构建更加灵活、透明和高效的数据治理体系，为数据驱动的决策提供坚实的基础。