Simon Hacks

Improving the Quality of Enterprise Architecture Models

-Processes and Techniques-


Vorderseite	Rückseite

ISBN:

978-3-8440-6977-8

Reihe:

Aachener Informatik-Berichte, Software Engineering
Herausgeber: Prof. Dr. rer. nat. Bernhard Rumpe
Aachen

Band:

Schlagwörter:

Enterprise Architecture; Enterprise Architecture Management; EA Model Quality

Publikationsart:

Dissertation

Sprache:

Englisch

Seiten:

214 Seiten

Abbildungen:

47 Abbildungen

Gewicht:

318 g

Format:

24 x 17 cm

Bindung:

Paperback

Preis:

35,80 € / 44,80 SFr

Erscheinungsdatum:

Oktober 2019

Kaufen:

Download:

Verfügbare Online-Dokumente zu diesem Titel:

Sie benötigen den Adobe Reader, um diese Dateien ansehen zu können. Hier erhalten Sie eine kleine Hilfe und Informationen, zum Download der PDF-Dateien.

Bitte beachten Sie, dass die Online-Dokumente nicht ausdruckbar und nicht editierbar sind.
Bitte beachten Sie auch weitere Informationen unter: Hilfe und Informationen.


	Dokument		Abstract / Kurzzusammenfassung
	Dateiart		PDF
	Kosten		frei
	Aktion		Anzeigen der Datei - 311 kB (318625 Byte)
	Aktion		Download der Datei - 311 kB (318625 Byte)


	Dokument		Gesamtdokument
	Dateiart		PDF
	Kosten		8,94 EUR
	Aktion		Zahlungspflichtig kaufen und anzeigen der Datei - 1,9 MB (1975387 Byte)
	Aktion		Zahlungspflichtig kaufen und download der Datei - 1,9 MB (1975387 Byte)


	Dokument		Inhaltsverzeichnis
	Dateiart		PDF
	Kosten		frei
	Aktion		Anzeigen der Datei - 132 kB (135504 Byte)
	Aktion		Download der Datei - 132 kB (135504 Byte)

Benutzereinstellungen für registrierte Online-Kunden

Sie können hier Ihre Adressdaten ändern sowie bereits georderte Dokumente erneut aufrufen.

Benutzer:	Nicht angemeldet
Aktionen:	Anmelden/Registrieren Passwort vergessen?

Weiterempfehlung:

Sie möchten diesen Titel weiterempfehlen?

Rezensionsexemplar

Hier können Sie ein Rezensionsexemplar bestellen.

Verlinken

Sie möchten diese Seite verlinken? Hier klicken.

Zusammenfassung

Information technology (IT) pervades organizations more and more and becomes increasingly important for their business models. It has evolved from a purely supportive role to an important strategic pillar in many organizations. Even more, it is important that IT is aligned to the needs of the organization. Approaches that realize this are often subsumed under the term "business-ITalignment''. One instrument for achieving business-IT-alignment is Enterprise Architecture (EA). EAs provide a holistic perspective on the structure of the organization and provide a set of techniques to guide and steer the evolution of the organization to a desired goal state.

A key artifact of EA is the EA model. It abstracts the elements and their relationships to an understandable and manageable measure. Usually enterprise architects model business processes, applications, hardware components, data models and customer relationships. Based on the information stored in the EA model, the organization's management makes important decisions regarding future focus. Contrary, also on the operational level, the model can provide important information, for example which application is used in which business environment and exchanges data with other applications.

In order to be able to derive meaningful decisions from the EA model, their quality is of crucial importance. Therefore, this work is elaborates on developing different processes and techniques that ensure the quality of the EA model.

First, we present a process to ensure the quality of the EA model, where model maintenance is understood as a continuous evolution. For this purpose, we define different steps, which have to be considered in such a process. This process will serve as foundation for a continuous delivery pipeline that will help automate as many of these steps as possible. Next, we present an approach that allows storing contrary information in EA models.

In addition to the aforementioned processes, we developed also several techniques to improve the quality of EA models. However, for improvement, we need a method to evaluate the quality, which we also introduce within this work. Subsequently, we facilitate machine-learning techniques to support the modeler reuse existing elements of the model. In addition, we compare the performance of different algorithms to determine the best on in a certain situation. Additionally, we present a method to identify unnecessary elements in the model.

» Weitere Titel von Simon Hacks.