MongoDB pour les services financiers

Les relational databases classiques sont le pilier des sociétés de services financiers et de leur infrastructure informatique depuis des dizaines d'années.

Qu'il s'agisse de générer des relevés bancaires ou de stocker des informations sur les clients, les banques s'appuient traditionnellement sur la relational database, le serveur SQL et d'autres grands RDBMS, et y sont limitées. Mais l'économie numérique exige davantage d'une banque et de son système de base de données.

Aujourd'hui, une base de données bancaire doit être de nature distribuée, avec la capacité de stocker des données localement et sur le cloud, de gérer une grande quantité d'informations variées sur les ventes, les clients, les transactions de débit, les processeurs multiples et bien plus encore.

C'est pourquoi les banques se tournent vers les bases de données NoSQL, comme MongoDB.

La technologie qui sous-tend la relational database utilisé dans de nombreuses banques traditionnelles a été développée pour la première fois dans les années 1970.

Conçues bien avant l'ère du cloud computing, elles n'ont jamais été destinées à prendre en charge le volume, la variété ou la vitesse des données qui les assaillent aujourd'hui. Elles n'ont pas évolué pour répondre aux besoins des déploiements toujours actifs et mondialement distribués, et elles ne sont pas non plus suffisamment agiles pour suivre le rythme des cycles de développement et de publication des produits numériques modernes.

En conséquence, les banques bien implantées ont eu du mal à offrir les expériences numériques personnalisées et sans friction des startups fintech.

Les implications commerciales donnent à réfléchir. Dans une enquête menée par Fintech Futures et MongoDB auprès de responsables bancaires dans le domaine des prêts, 43 % des personnes interrogées ont déclaré qu'une mauvaise expérience numérique constituait leur principal défi en matière d'acquisition et de fidélisation des clients, tandis que 34 % ont cité le manque d'offres personnalisées.

Traditionnellement, les systèmes de bases de données multiples (généralement des bases de données SQL comme SQL Server et d'autres grands systèmes RDBMS) et les architectures existantes ont créé des silos qui empêchent de tirer une véritable valeur des données.

Une vue unique de vos données bancaires, en particulier des données relatives au compte d'un client, au sein de l'entreprise, peut fournir une vue globale de l'exposition des actifs et des contreparties ou une vue unique du client aux fins de la détection des fraudes et des exigences en matière de connaissance du client (KYC).

Les systèmes de gestion de bases de données (SGBD) ont pour mission essentielle de définir la manière dont les données sont structurées, consultées, modifiées et protégées.

Un système de gestion de base de données (SGBD) est un logiciel qui fournit des interfaces de programmation d'applications (API) à un magasin de données physiques sous-jacent (stocké sur un disque ou même dans la mémoire vive) à l'usage des applications clientes.

Toute application (à de rares exceptions près) qui stocke, accède et manipule des données stockées sur disque utilise un SGBD pour gérer cet accès, plutôt que d'interagir directement avec les fichiers de données sous-jacents.

Le SGBD comporte trois composants principaux :

1. Moteur de stockage des données
2. Moteur de requête/mise à jour
3. Système de gestion des schémas

Nous utilisons des systèmes de gestion de base de données pour créer des interfaces centralisées, partagées et cohérentes afin d'accéder aux données par le biais de programmes. Les systèmes de gestion de bases de données permettent de structurer logiquement les données avec lesquelles nous travaillons, de les stocker efficacement et d'y accéder de manière distribuée. L'utilisation d'un SGBD est plus rapide, plus sûre, plus puissante et plus facile que la gestion directe des données.

Ces dernières années, les fournisseurs de technologies de l'information ont essayé de développer et de proposer des solutions pour faire face à l'afflux de données auxquelles les entreprises sont confrontées, qu'elles soient internes ou externes à l'entreprise.

Le cloud est la nouvelle norme, et les entrepôts de données cloud natifs sont désormais massivement traités en parallèle. Les pipelines de données peuvent gérer des téraoctets de données. Le stockage est devenu bon marché et rapide. Les applications d'IA/ML ont proliféré partout. Et les frameworks de traitement des données, comme Spark, peuvent gérer de grands volumes de données.

Pour faire face à ces changements, les banques ont besoin d'une suite cohérente et intégrée d'offres capables de gérer les exigences modernes en matière de données pour créer des applications, même dans les domaines numériques les plus étendus, sans sacrifier la vitesse, la sécurité ou la capacité d'évolution. L'intégration permet également de s'assurer que les opérations et la sécurité ne deviennent pas leurs propres projets Frankenstein, gourmands en ressources.

Une plateforme de données pour développeurs est un ensemble intégré de services de base de données et de données qui permettent de résoudre ces problèmes. En supprimant une grande partie des frais généraux liés à la gestion d'une infrastructure de données, une plateforme de données pour développeurs peut servir de base de données critique et contribuer à stimuler la productivité et l'innovation des développeurs.

En théorie, il n'y a pas de limite aux différents types de systèmes de gestion qu'il est possible de créer, mais quelques SGBD populaires méritent d'être mentionnés.

• Relationnel (RDBMS)
  • Systèmes de gestion de bases de données qui structurent les données sous forme de tableaux, avec des relations prédéfinies entre les tableaux, et un langage de requête structuré (SQL) pour la lecture et l'écriture des données.

• Document (DoDBMS)
  • Systèmes de gestion de base de données qui structurent les données dans des documents de type JSON, avec un langage de requête orienté document comme MongoDB Query Language (MQL) pour lire et écrire des parties ou la totalité des documents.

• Colonne (CDBMS)
  • Systèmes de gestion de base de données qui organisent les données par colonne, pour certains cas d'utilisation à haute performance et à disques puissants.

Outre les SGBD spécialisés par schéma et par type de requête, il existe également des systèmes de gestion de base de données spécialisés dans différents types de stockage, comme les systèmes de gestion de base de données en mémoire (IMDBMS).

Il existe également des systèmes de gestion de base de données cloud dans lesquels un fournisseur SaaS est responsable de la gestion des tâches régulières de maintenance de la base de données (telles que les mises à jour, etc.). MongoDB Atlas (basé sur la base de données NoSQL de MongoDB) en est un exemple.

Un système de gestion de bases de données distribuées permet aux programmeurs et aux utilisateurs finaux de considérer un ensemble de bases de données et de données physiquement séparées comme une image système unique.

La répartition de vos données sur plusieurs bases de données permet une mise à l'échelle plus facile à gérer et peut contribuer à la redondance (en fonction de la manière dont vous distribuez vos données).

MongoDB est le leader d'une nouvelle génération de bases de données critiques conçues pour l'évolutivité. Grâce à une technique appelée « sharding », vous pouvez facilement distribuer des données et développer votre déploiement sur du matériel peu coûteux ou sur le cloud. L'un des avantages de l'évolutivité avec MongoDB est que le partage est automatique et intégré à la base de données. Les développeurs n'ont donc pas besoin d'intégrer la logique de sharding dans le code de l'application pour faire évoluer le système.