下载掌阅APP，畅读海量书库
立即打开
我们发现，往往技术团队在讨论大型业务场景下会面对的数据问题时，才意识到图思维的好处，比如尝试从不同的数据源提取价值时。站在白板前，把问题描绘出来，不可避免地会产生一幅充满连线的图。
你可以想象同样的场景。你在白板上涂涂画画，兴奋地讨论系统数据如何分布在不同的竖井中。你的团队一致认为真正需要的是直接访问客户及其数据的方式。为了展示这点，基本每次，你的同事都把客户画在白板的正中间，然后把相关数据连到客户身上。退后几步，所有人都发现你的同事刚刚画了一幅图。
在我们的经验中，正是这些白板练习展示了图思维的力量，用来构建数据管理方案。图应用始于数据管理，因为，无论是概念或者物理上，之前的技术决策迫使我们把图数据转换为表结构方案。问题是表结构数据已经不是今天的应用系统的唯一设计方案了。
对那些需要关注用户个性化需求的应用来说这点显得尤其真实。个性化需求的激增对数据的可用性和相关性产生了自顶向下的压力。这种压力使得组织必须去聚合散落的数据，并保证数据可以用于提升用户的数字化体验。
当团队凑在一起在板子上涂画，重构他们的系统来交付个性化需求时，他们遇到了一个新的问题。单一系统如何同时做到整合数据、实时响应以及把数据关联到终端用户？现有的关系型工具对这些流程已经十分熟稔，但需要数据能够适应行列格式。
然而，关系型工具对某些特定形态的数据来说并不友好——尤其是深度链接的数据。
到这里，我们来到了白板会议中十分关键的讨论议题：识别和对比方案。方案设计过程经常引入多种技术。随之而来的围绕着选择哪种技术的辩论可能会充满分歧且没完没了。