MongoDB pour les services financiers
Créez des expériences client alimentées par l’IA à moindre coût et à grande échelle en unifiant les données structurées et non structurées avec des données vectorielles.
Offrir une meilleure expérience client
Applications enrichies par l’IA
MongoDB Atlas unifie et sécurise les données opérationnelles, non structurées et associées à l’IA pour rationaliser la création d’applications enrichies par l’IA, y compris la détection des fraudes, le credit scoring, l’évaluation des risques de prêts aux entreprises, ainsi que la recherche et la synthèse de documents financiers, afin de réduire le temps de développement, limiter les coûts et accélérer l’innovation.
Solutions pour le secteur financier
MongoDB Atlas pour les secteurs d'activité
Vice-président senior, APAC, MongoDB
Vice-président senior, APAC, MongoDB
Vice-président et directeur des opérations de crédit à la consommation, Wells Fargo
CTO EMEA, Morningstar
FAQ
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 client, les banques s’appuient traditionnellement sur la base de données relationnelle, SQL Server et d’autres grands SGBDR, et sont limitées par cette dépendance. Cependant, l’économie numérique exige davantage d’une banque et de son système de gestion de base de données.
Aujourd’hui, une base de données bancaire doit être distribuée et offrir la possibilité de stocker des données localement et sur le cloud, et de gérer une énorme quantité d’informations variées sur les ventes, les clients, les transactions de débit, les différents processeurs, etc.
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 répercussions commerciales sont sévères. 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 SGBDR) et les architectures existantes ont créé des silos qui empêchent de tirer une véritable valeur des données.
Une vue unique de vos données bancaires dans l’ensemble de l’entreprise, en particulier des données de comptes client, offre une vue globale de l’exposition des actifs et des contreparties, ou une vue unique de votre client à des fins de détection de la fraude et 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 des données sur disque, y accède et les manipule 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 :
- Moteur de stockage des données
- Moteur de requête/mise à jour
- 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 programmation. Les systèmes de gestion de bases de données permettent de fournir une structure logique aux données, ainsi qu’un stockage efficace et un accès distribué. 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 à évoluer. L’intégration permet également d’éviter que les opérations et la sécurité ne deviennent des projets à part entière, trop complexes et gourmands en ressources.
La base de données moderne et multicloud de MongoDB est une suite intégrée de produits, de services et d’outils qui résolvent ces problèmes. En supprimant une grande partie des frais généraux liés à la gestion d’une infrastructure de données, votre base de données devient le socle de vos données stratégiques et contribue 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 API pour la lecture et l’écriture de parties ou de 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). MongoDB Atlas (construit 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.
Oui. MongoDB s’engage à aider ses clients à répondre aux exigences du DORA et a pris des mesures importantes pour s’assurer que ses services sont conformes à la réglementation.‑ Nous avons mis en place des frameworks complets de gestion des risques, des procédures de réponse aux incidents et des plans de reprise après sinistre pour garantir la continuité et la résilience. Nous sommes prêts à collaborer avec nos clients soumis au règlement DORA et à travailler aux côtés des autorités réglementaires si nécessaire.