금융 서비스를 위한 MongoDB
벡터 데이터를 활용해 구조화된 데이터와 비구조화된 데이터를 통합함으로써 비용 효율적으로 대규모 AI 기반 고객 경험을 구축할 수 있습니다.
더 나은 고객 경험 구축
금융 솔루션
업계를 위한 MongoDB Atlas
FAQ
기존 관계형 데이터베이스는 수십 년 동안 금융 서비스 회사와 IT 인프라의 주축을 이루었습니다.
은행은 전통적으로 은행 명세서 생성부터 고객 정보 저장에 이르기까지 관계형 데이터베이스, SQL 서버 및 기타 주요 RDBMS에 의존해왔으며 이로 인해 여러 한계에 부딪혀 왔습니다. 그러나 디지털 경제는 은행과 그 데이터베이스 시스템에 더 많은 것을 요구합니다.
오늘날 은행 데이터베이스는 분산되어야 하며 데이터를 로컬과 클라우드에 저장할 수 있어야 합니다. 또한 방대한 양의 다양한 판매 정보, 고객 정보, 직불 거래, 여러 프로세서 등을 처리할 수 있어야 합니다.
이것이 바로 은행이 MongoDB와 같은 NoSQL 데이터베이스를 선택하는 이유입니다.
기존 은행 대다수에서 사용 중인 관계형 데이터베이스의 기반이 되는 기술은 1970년대에 처음 개발되었습니다.
클라우드 컴퓨팅 시대가 도래하기 훨씬 전에 고안된 이 데이터베이스는 오늘날과 같은 데이터의 양, 다양성, 속도를 지원하도록 설계되지 않았습니다. 전 세계에 분산된 상시 가동 배포의 요구 사항을 충족하도록 발전하지 못했으며, 최신 디지털 제품 개발 및 출시 주기를 따라잡을 만큼 민첩하지도 못했습니다.
그 결과, 기존 은행들은 핀테크 스타트업의 원활하고 개인화된 디지털 경험을 제공하는 데 어려움을 겪게 되었습니다.
이러한 문제가 비즈니스에 미치는 영향은 상당합니다. Fintech Futures와 MongoDB가 대출 실행 업무 분야의 은행 경영진을 대상으로 실시한 설문조사에 따르면 응답자의 43%가 열악한 디지털 경험을 신규 고객 확보 및 유지의 가장 큰 과제로 꼽았고 34%는 개인화된 서비스 부족을 지적했습니다.
기존의 여러 데이터베이스 시스템(주로 SQL Server와 같은 SQL 데이터베이스 및 기타 주요 RDBMS)과 레거시 아키텍처는 데이터로부터 진정한 가치를 창출하는 데 걸림돌이 되는 사일로를 형성해 왔습니다.
기업 전반의 은행 데이터, 특히 고객 계좌 데이터를 단일 뷰로 제공하면 자산 및 거래상대방 노출에 대한 전체적인 관점을 제공하거나 사기 감지 및 고객확인 제도(KYC) 요건을 위한 고객 단일 뷰를 제공할 수 있습니다.
데이터베이스 관리 시스템(DBMS)은 데이터의 구조화, 액세스, 변경 및 보호 방법을 정의하는 중요한 작업을 수행합니다.
데이터베이스 관리 시스템(DBMS)은 클라이언트 애플리케이션에서 사용할 수 있도록 기본 물리적 데이터 저장소(디스크 또는 RAM에 저장)에 애플리케이션 프로그래밍 인터페이스(API)를 제공하는 소프트웨어 프로그램입니다.
드문 예외를 제외하고 디스크에 저장된 데이터를 저장, 액세스 및 조작하는 모든 애플리케이션은 기본 데이터 파일과 직접 상호작용하는 대신 DBMS를 사용하여 해당 액세스를 관리합니다.
DBMS의 세 가지 핵심 구성 요소는 다음과 같습니다.
- 데이터 스토리지 엔진
- 쿼리/업데이트 엔진
- 스키마 관리 시스템
MongoDB는 데이터베이스 관리 시스템을 활용하여 프로그래밍 방식으로 데이터에 액세스할 수 있는 일관성이 보장된 중앙 집중식 공유 인터페이스를 구현합니다. 데이터베이스 관리 시스템은 효율적인 저장 및 분산 액세스와 함께 데이터에 논리적 구조를 제공하는 데 도움이 됩니다. DBMS를 사용하면 직접 데이터를 관리하는 것보다 더 빠르고 안전할 뿐만 아니라 더 강력하고 쉬워집니다.
최근 몇 년 동안 IT 공급업체는 기업이 비즈니스 내부와 외부에서 직면하는 데이터의 홍수를 해결하기 위한 솔루션을 개발하고 제공하기 위해 노력해 왔습니다.
클라우드는 새로운 표준이 되었으며, 클라우드 네이티브 데이터 웨어하우스는 이제 대규모 병렬 처리가 가능합니다. 데이터 파이프라인은 테라바이트 규모의 데이터를 처리할 수 있고, 스토리지는 저렴하고 빨라졌으며, AI/ML 애플리케이션은 모든 곳에 확산되고 있습니다. 그리고 Spark와 같은 데이터 처리 프레임워크는 대량의 데이터를 처리할 수 있습니다.
이러한 변화에 대응하려면 은행은 최신 데이터 요구 사항을 효과적으로 관리할 수 있는 통합적이고 일관된 제품군이 필요합니다. 이러한 제품군은 방대한 디지털 자산 전반에 걸쳐 애플리케이션을 구축하면서도 속도, 보안 및 확장성을 저해하지 않아야 합니다. 통합은 또한 운영 및 보안이 자체적으로 리소스를 소모하고 지나치게 복잡한 프로젝트가 되지 않도록 보장합니다.
MongoDB의 최신 멀티클라우드 데이터베이스는 이러한 문제를 해결해 주는 제품, 서비스 및 도구의 통합 제품군입니다. 데이터 인프라 관리에 따르는 오버헤드를 크게 줄임으로써 데이터베이스는 미션 크리티컬 데이터 기반으로 활용될 수 있으며 개발자의 생산성과 혁신을 증진하는 데 기여할 수 있습니다.
이론적으로 생성할 수 있는 관리 시스템의 다양한 유형에는 한계가 없지만 언급할 만한 몇 가지 인기 있는 DBMS가 있습니다.
- 관계형(RDBMS)
- 테이블 간에 미리 정의된 관계를 사용하여 데이터를 테이블 형식으로 구조화하는 데이터베이스 관리 시스템으로, 데이터 읽기 및 쓰기를 위한 구조화된 쿼리 언어(SQL)를 사용합니다.
- 문서(DoDBMS)
- JSON과 유사한 문서 형식으로 데이터를 구조화하고 MongoDB Query API와 같은 문서 지향 쿼리 언어를 사용하여 문서의 일부 또는 전체를 읽고 쓸 수 있는 데이터베이스 관리 시스템이 있습니다.
- 컬럼형(CDBMS)
- 특정 고성능 및 디스크 사용량이 많은 사용 사례를 위해 데이터를 열별로 구성하는 데이터베이스 관리 시스템입니다.
또한 스키마와 쿼리 유형에 따라 특화된 DBMS 외에도 인메모리 데이터베이스 관리 시스템(IMDBMS)처럼 다양한 저장 방식에 특화된 데이터베이스 관리 시스템도 존재합니다.
업데이트와 같은 정기적인 데이터베이스 유지 관리 작업을 SaaS 제공자가 담당하는 클라우드 데이터베이스 관리 시스템도 있습니다. MongoDB의 NoSQL 데이터베이스를 기반으로 한 MongoDB Atlas가 그 예입니다.
분산 데이터베이스 관리 시스템을 사용하면 프로그래머와 최종 사용자가 물리적으로 분리된 데이터베이스와 데이터 모음을 하나의 시스템 이미지로 확인할 수 있습니다.
여러 데이터베이스에 데이터를 분산하면 관리하기 쉬운 확장이 가능하며, 데이터 분산 방식에 따라 중복성을 확보할 수 있습니다.
MongoDB는 확장성을 염두에 두고 설계된 차세대 미션 크리티컬 데이터베이스 분야의 선두주자입니다. 샤딩이라는 기술을 사용하면 데이터를 쉽게 배포할 수 있으며 비용 효율적인 하드웨어나 클라우드 환경에서도 시스템을 확장할 수 있습니다. MongoDB를 통한 확장의 이점 중 하나는 샤딩이 자동으로 데이터베이스에 내장되어 있다는 것입니다. 덕분에 개발자는 시스템 확장을 위해 애플리케이션 코드에 샤딩 로직을 구현할 필요가 없습니다.