MongoDB für Finanzdienstleister

Traditionelle relationale Datenbanken sind seit Jahrzehnten eine tragende Säule von Finanzdienstleistungsunternehmen und deren IT-Infrastruktur.

Von der Erstellung von Kontoauszügen bis hin zur Speicherung von Kundeninformationen haben sich Banken traditionell auf relationale Datenbanken, SQL Server und andere große RDBMS verlassen – und waren dadurch eingeschränkt.

Heutzutage muss eine Bankdatenbank eine verteilte Struktur haben und in der Lage sein, Daten lokal und in der Cloud zu speichern, eine riesige Menge an unterschiedlichen Verkaufsinformationen, Kundeninformationen, Abbuchungstransaktionen, mehrere Prozessoren und mehr zu verarbeiten.

Deshalb nutzen Banken NoSQL-Datenbanken wie MongoDB.

Die Technologie, die den relationalen Datenbanken zugrunde liegt, die in vielen traditionellen Banken verwendet werden, wurde erstmals in den 1970er Jahren entwickelt.

Sie wurden lange vor der Ära des Cloud Computing entwickelt und waren nie dafür gedacht, das Volumen, die Vielfalt und die Geschwindigkeit der Daten zu bewältigen, mit denen sie heute konfrontiert sind. Sie haben sich nicht weiterentwickelt, um den Anforderungen ständig aktiver, global verteilter Implementierungen gerecht zu werden, und sie sind auch nicht flexibel genug, um mit der modernen digitalen Produktentwicklung und den Release-Zyklen Schritt zu halten.

Infolgedessen haben etablierte Banken Schwierigkeiten, die reibungslosen und personalisierten digitalen Erfahrungen von Fintech-Startups anzubieten.

Die geschäftlichen Auswirkungen sind ernüchternd. In einer von Fintech Futures und MongoDB durchgeführten Umfrage unter Führungskräften aus dem Bankensektor, die im Bereich der Kreditvergabe tätig sind, gaben 43 % der Befragten an, dass ein schlechtes digitales Erlebnis ihre größte Herausforderung bei der Gewinnung und Bindung von Kunden sei, während 34 % einen Mangel an personalisierten Angeboten anführten.

Traditionell haben mehrere Datenbanksysteme (in der Regel SQL-Datenbanken wie SQL Server und andere große RDBMS-Systeme) und veraltete Architekturen Silos geschaffen, die es unmöglich machen, einen echten Nutzen aus den Daten zu ziehen.

Eine umfassende Übersicht über Ihre Bankdaten – insbesondere über die Kontodaten eines Kunden - kann einen unternehmensweiten Überblick über das Risiko von Vermögenswerten und Kontrahenten oder einen Überblick über Ihre Kunden zur Aufdeckung von Betrug und zur Erfüllung der KYC-Anforderungen (Know Your Customer) bieten.

Datenbankmanagementsysteme (DBMS) übernehmen die entscheidende Aufgabe, zu definieren, wie Daten strukturiert, abgerufen, geändert und geschützt werden.

Ein Datenbankmanagementsystem (DBMS) ist ein Softwareprogramm, das Anwendungsprogrammierschnittstellen (APIs) zu einem zugrunde liegenden physischen Datenspeicher (auf der Festplatte oder sogar im RAM) für die Verwendung durch Client-Anwendungen bereitstellt.

Jede Anwendung (mit wenigen Ausnahmen), die Daten auf der Festplatte speichert, darauf zugreift und sie bearbeitet, verwendet ein DBMS, um diesen Zugriff zu verwalten, anstatt direkt mit den zugrunde liegenden Dateien zu interagieren.

Das DBMS verfügt über drei Kernkomponenten:

1. Data Storage Engine
2. Abfrage-/Update-Engine
3. Schema-Management-System

Wir verwenden Datenbankmanagementsysteme, um zentralisierte, gemeinsame und konsistente Schnittstellen für den programmatischen Zugriff auf Daten zu schaffen. Datenbankmanagementsysteme sorgen für eine logische Struktur der Daten, mit denen wir arbeiten, sowie für effiziente Speicherung und verteilten Zugriff. Die Verwendung eines DBMS ist schneller, sicherer, leistungsfähiger und einfacher als die direkte Verwaltung von Daten selbst.

In den letzten Jahren haben IT-Anbieter versucht, Lösungen zu entwickeln und anzubieten, um die Datenflut zu bewältigen, mit der Unternehmen sowohl innerhalb als auch außerhalb des Unternehmens konfrontiert sind.

Die Cloud ist die neue Norm, und cloudnative Data Warehouses werden jetzt massiv parallel verarbeitet. Datenpipelines können Terabytes an Daten verarbeiten. Speicher ist billig und schnell geworden. KI/ML-Anwendungen haben sich überall durchgesetzt. Und Datenverarbeitungs-Frameworks wie Spark können große Datenmengen verarbeiten.

Um mit diesen Veränderungen umgehen zu können, benötigen Banken eine zusammenhängende, integrierte Angebotssuite, die in der Lage ist, die modernen Datenanforderungen für die Erstellung von Anwendungen selbst in den ausgedehntesten digitalen Beständen zu verwalten, ohne Abstriche bei der Geschwindigkeit, der Sicherheit oder der Skalierbarkeit zu machen. Die Integration stellt auch sicher, dass Betrieb und Sicherheit nicht zu eigenen ressourcenverzehrenden Frankenstein-Projekten werden.

Eine Entwicklerdatenplattform ist ein integrierter Satz von Datenbank- und Datendiensten, der diese Probleme löst. Durch den Wegfall eines Großteils des Aufwands für die Verwaltung einer Dateninfrastruktur kann eine Entwicklerdatenplattform als unternehmenskritische Datenbank dienen und gleichzeitig die Produktivität und Innovation von Entwicklern steigern.

Theoretisch sind den verschiedenen Arten von Managementsystemen keine Grenzen gesetzt, aber es gibt ein paar beliebte DBMS, die es wert sind, erwähnt zu werden.

• Relational (RDBMS)
  • Datenbankmanagementsysteme, die Daten in Tabellenform strukturieren, mit vordefinierten Beziehungen zwischen den Tabellen und einer strukturierten Abfragesprache (Structured Query Language, SQL) zum Lesen und Schreiben von Daten.

• Dokument (DoDBMS)
  • Datenbankmanagementsysteme, die Daten in JSON-ähnlichen Dokumenten strukturieren, mit einer dokumentenorientierten Abfragesprache wie MongoDB Query Language (MQL) zum Lesen und Schreiben von Teilen oder des gesamten Dokuments.

• Säulenförmig (CDBMS)
  • Datenbankmanagementsysteme, die Daten nach Spalten organisieren, für bestimmte Anwendungsfälle mit hoher Leistung und hohem Festplattenbedarf.

Neben DBMS, die auf Schemata und Abfragetypen spezialisiert sind, gibt es auch Datenbankmanagementsysteme, die auf verschiedene Speichertypen spezialisiert sind, wie z. B. In-Memory Database Management Systems (IMDBMS).

Es gibt auch Cloud-Datenbankmanagementsysteme, bei denen ein SaaS-Anbieter für die Verwaltung der regulären Datenbankwartungsaufgaben (z. B. Aktualisierungen usw.) verantwortlich ist. MongoDB Atlas (basierend auf der NoSQL-Datenbank von MongoDB) ist ein Beispiel dafür.

Ein verteiltes Datenbankverwaltungssystem ermöglicht es Programmierern und Endbenutzern, eine Sammlung von physisch getrennten Datenbanken und Daten als ein Systemabbild zu betrachten.

Die Verteilung Ihrer Daten auf mehrere Datenbanken ermöglicht eine überschaubare Skalierung und kann bei der Redundanz helfen (je nachdem, wie Sie Ihre Daten verteilen).

MongoDB ist der führende Anbieter einer neuen Generation von unternehmenskritischen Datenbanken, die auf Skalierbarkeit ausgelegt sind. Mit einer Technik, die „Sharding“ genannt wird, können Sie Daten einfach verteilen und Ihre Bereitstellung über kostengünstige Hardware oder in der Cloud erweitern. Einer der Vorteile der Skalierung mit MongoDB ist, dass das Sharding automatisch erfolgt und in die Datenbank integriert ist. Dadurch müssen die Entwickler keine Sharding-Logik in den Anwendungscode einbauen, um das System zu skalieren.