企业有了数据资源，接下来需要进行数据应用场景的建设。在构建数字化应用时，需要遵循一些基本原则，保证数字化应用的实用性和价值性。良好的数字化应用可以对数字化转型工作起到正向“激励”作用，验证数据制度的成效以及数据治理工作的价值。

数字化应用在很多时候可以被当作是工具，直接为企业生产、运营、管理等重要环节进行赋能，在不少情况下，也可以作为数据服务存在，嵌入在已经成形的信息系统中。从软件的视角，数字化应用的技术架构从上到下，通常展示层、业务层、服务层、数据层等不同层级，其中，各层级的建设工作在数字化项目中均有独特的考虑因素。

1. 数据层设计

数字化应用的最底层是数据层，为整个应用提供数据资源支撑。数据库或数据仓库作为数据资源的存储载体，存储重要的业务数据和业务信息。数据的规模、质量、以及数据库的工作性能，都是系统在数据层规划和设计的重要考虑因素。

数据的规模越大，数据工具平台的价值也更高，足够的数据资源是数据工具有效的基础保障。数据工具需要和相关的业务系统打通，从业务系统持续获取数据资源。数据源的拓展和整合，是其中重要的考虑因素。存量数据需要被高效率地集成，增量数据需要采用定制化的引擎进行数据资料同步；

除了规模以外，数据质量因素同样关键，完整、准确的数据可以保证最终前端数据应用的有效性，降低数据使用的风险，提高数据服务的满意度。通过数据治理工作，对数据质量进行提升是解决该问题的重要管理手段。因此，如果企业的数据治理工作不到位，数据工具的使用也往往难以达到令人满意效果；

在数据库的工作性能方面，需要针对数据应用类型以及数据应用依赖的数据资源类型进行相应的数据库管理系统的技术选型：

例如，针对结构化数据的常规事务处理需求，一般选用传统的关系型数据库，如MySQL；针对非结构化数据或半结构化数据的存储，一般选择文档数据库，如MongoDB、CouchDB等，文档内的数据结构为可兼容不同属性嵌套关系的XML或JSON；针对需要快速进行查询检索的数据，一般选择Key-Value关系的键值数据库，如Memchached、Redis等；当涉及到大规模数据的存储和处理时，例如，几亿甚至几十亿规模的数据，推荐采用类似HBase的列式数据库。HBase可以采用分布式的方式进行存储，通常作为各类平台的底层数据底座，常见的存储数据对象包括电商平台的内容服务数据获消息数据等。

2. 服务层设计

服务起到隔离业务逻辑和底层数据资源的作用，以服务为基本对象对数据能力进行建设和管理，是数字化项目中常见的做法，既提高了软件系统的开发效率，也降低了系统管理和维护的复杂性。对于大规模的IT系统，通常采用“微服务”的技术架构实现，系统中的任何业务功能都可以由一系列细粒度的基础服务“拼接”而成。

数字化工具所调用的数据服务一般来自于数据中台，数据中台把数据服务作为对外赋能的重要数据产品。当数字化工具独立建设数据服务时，随着技术能力的不断迭代、优化、稳定，也会将这些面向特定应用“新增”的数据服务“沉淀”到数据中台进行更广泛的数字能力共享。

图32. 数字化应用设计要点

3.业务层设计

在数字化工具中，业务层具体负责基于数据服务实现总体的业务功能，在用户的交互指令下完成特定的数字任务支撑。业务层结合工具的建设需求进行系统功能划分，功能结构按照多层级、多粒度进行规划设计，是系统开发成本和开发周期的重要评估依据。

数字化工具的业务功能主要可以划分为以下常见类型：

数据查询，根据条件对数据对象进行精确或模糊的检索，满足用户对主题信息的获取需求；BI分析，用户采用不同的分析维度和分析模型，对数据集合进行计算处理，挖掘数据背后有价值的业务结论；预测应用，针对所观测到的数据信号，对重要的业务事件进行自动预测或辅助预测，实现业务活动的智能化效果；内容校核，对数据的真实性、完整性、有效性等基础维度以某种预置规则进行验证，实现数据质量的检验和优化，或对数据背后承载的业务过程信息进行审核，支撑业务活动的风险管理与规范管理；规划决策，提供业务数据指标或数据模型的综合或叠加呈现，帮助管理者结合关键数据进行精准的业务研判与管理决策，并制定有效的发展规划方案。

业务功能设计需要遵循一些基本原则：

一是定位清晰，数据类应用通常在形式上比较新颖，系统功能所解决的问题和预期拟达到的业务目标需要明确；二是场景落地，数据类应用需要在特定的业务场景中才能够实际发挥出作用，业务功能的目标设计需要与工具的使用条件和数据资源基础相匹配；二是避免重复，功能设置上各自区分，重复功能开发产生资源浪费，同时也对用户使用造成困惑；三是松散耦合，应当尽可能地减少功能模块之间的依赖性，降低彼此耦合度，使得各模块更加独立、易于维护和测试；四是可扩展性，系统功能的设计应当比较容易进行维护和扩展，当需求发生变更或系统性能要求提升时，可以灵活地对功能进行修改或持续优化。

4.展示层设计

数字化工具的展示层主要包括软件功能的交互以及数据可视化展示两部分内容。其中，软件功能交互的重点在于用户操作指令的传输（信息输入），数据可视化关注系统对用户的数据结果反馈（信息输出）。

交互层设计与用户对工具的使用体验密切相关，科学、友好的交互设计能够提升用户使用软件工具的积极性，增加工具的使用深度，促进工具的用户应用反馈。在数字化应用的开发项目中，交互设计的地位越来越重要，充分体现了以产品为中心的逻辑和“以人为本”的数字化建设思想。

经典的交互设计七大定律包括：菲茨定律（软件控件的大小和点击区域应该在合理范围内）、希克定律（软件的弹窗选项应尽量少）、7±2法则（选项卡设置应当尽量在5~9的范围）、接近法则（软件中相关的信息应当靠近）、防错原则（在一些或产生关键影响的操作之前弹窗提示）、复杂度守恒定律（当无法避免复杂度的时候需要有效权衡利弊进行交互调整）。

数据可视化是指把数据本身或者基于数据计算分析的结果用“图”的形式进行综合呈现，直观地传达数据背后的信息内涵。图比文字具有先天更强的信息表达能力，数据可视化技术能够更有效地传达目标业务信息，目的是帮助用户更加高效、准确地了解业务现状，从图中发现容易被忽略的关键事实和业务规律。数据可视化效果在设计时需要遵循一些基本的重要原则，包括简洁性、直观性、可解释性、一致性、无歧义，以及美观性等。

当前，数据可视化已经逐渐发展为一项独特的数据科学技术分支，数据可视化的图表形式非常多样，包括面向结构化指标的可视化图表，如条形图、直方图、饼图、折线图、散点图、气泡图、雷达图、组合图等；面向文本数据的可视化图表，如词云图、主题河流图等；面向业务对象的可视化图表，如网络图、桑基图、甘特图等；面向地理信息的可视化图表，如2D或3D的GIS图、路线图等。结合数据可视化技术进行信息呈现，并叠加相应的数据功能交互，可以极大地提升数字化工具的应用体验和成效。