MongoDB para serviços financeiros

Relational databases tradicionais têm sido o pilar de empresas de serviços financeiros e de sua infraestrutura de TI há décadas.

Desde a geração de extratos bancários até o armazenamento de informações de clientes, os bancos tradicionalmente dependiam — e eram limitados por — uma dependência do relational database, do servidor SQL e de outros grandes RDBMS. Mas a economia digital exige mais de um banco e de seu sistema de banco de dados.

Atualmente, um banco de dados bancário precisa ser de natureza distribuída, com a capacidade de armazenar dados localmente e na cloud, lidar com uma enorme quantidade de informações de vendas variadas, informações de clientes, transações de débito, vários processadores e muito mais.

É por isso que os bancos recorrem aos bancos de dados NoSQL, como o MongoDB.

A tecnologia subjacente aos relational databases em uso em muitos bancos tradicionais foi desenvolvida pela primeira vez na década de 1970.

Concebidos muito antes da era da computação cloud, eles nunca foram planejados para suportar o volume, a variedade ou a velocidade dos dados que os atingem atualmente. Eles não evoluíram para atender às necessidades de implantações globalmente distribuídas e sempre ativas, e também não são suficientemente ágeis para acompanhar o moderno desenvolvimento de produtos digitais e os ciclos de lançamento.

Como resultado, os bancos estabelecidos têm se esforçado para oferecer as experiências digitais personalizadas e sem atrito das startups de fintech.

As implicações comerciais são preocupantes. Em uma pesquisa com executivos de bancos no negócio de originação de empréstimos, realizada pela Fintech Futures e pelo MongoDB, 43% dos entrevistados disseram que uma experiência digital ruim era seu principal desafio na aquisição e retenção de clientes, enquanto 34% citaram a falta de ofertas personalizadas.

Tradicionalmente, vários sistemas de banco de dados (geralmente bancos de dados SQL, como o SQL Server e outros sistemas RDBMS importantes) e arquiteturas legadas criaram silos que impossibilitam a obtenção do valor real dos dados.

Uma visão única de seus dados bancários — especialmente os dados da conta de um cliente — em toda a empresa pode fornecer uma visão sólida da exposição de ativos e contrapartes ou uma visão única de seu cliente para detecção de fraude e requisitos de Conheça seu Cliente (KYC).

Os sistemas de gerenciamento de banco de dados (DBMSs) fazem o trabalho essencial de definir como os dados são estruturados, acessados, alterados e protegidos.

Um Sistema de Gerenciamento de Banco de Dados (DBMS) é um programa de software que fornece Interfaces de Programação de Aplicação (API) para um armazenamento de dados físicos subjacente (armazenado em disco ou mesmo em RAM) para uso pela aplicação do cliente.

Qualquer aplicação (com raras exceções) que armazene, acesse e manipule dados armazenados em disco usa um DBMS para gerenciar esse acesso, em vez de interagir diretamente com os arquivos de dados subjacentes.

O DBMS tem três componentes principais:

1. Mecanismo de armazenamento de dados
2. Mecanismo de consulta/atualização
3. Sistema de gerenciamento de esquemas

Usamos sistemas de gerenciamento de banco de dados para criar interfaces centralizadas, compartilhadas e consistentes para acessar dados de forma programática. Os sistemas de gerenciamento de banco de dados ajudam a fornecer uma estrutura lógica aos dados com os quais estamos trabalhando, juntamente com armazenamento eficiente e acesso distribuído. Usar um DBMS é mais rápido, mais seguro, mais poderoso e mais fácil do que gerenciar dados diretamente.

Nos últimos anos, os fornecedores de TI têm tentado desenvolver e oferecer soluções para lidar com a enxurrada de dados tanto de dentro quanto de fora da empresa.

A cloud é a nova norma, e os data warehouses nativos da cloud agora são processados em grande escala em paralelo. Os pipelines de dados podem lidar com terabytes de dados. O armazenamento se tornou barato e rápido. Os aplicativos de IA/ML proliferaram por toda parte. E frameworks de processamento de dados, como o Spark, podem lidar com grandes volumes de dados.

Para trabalhar com essas mudanças, os bancos precisam de um conjunto coeso e integrado de ofertas capazes de gerenciar os requisitos modernos de dados para a criação de aplicativos até mesmo nas propriedades digitais mais extensas, sem sacrificar a velocidade, a segurança ou a capacidade de dimensionamento. A integração também garante que as operações e a segurança não se tornem seus próprios projetos Frankenstein, que consomem muitos recursos.

Uma plataforma de dados para desenvolvedores é um conjunto integrado de bancos de dados e serviços de dados que resolve esses problemas. Ao remover grande parte da sobrecarga do gerenciamento de uma infraestrutura de dados, uma plataforma de dados do desenvolvedor pode servir como um banco de dados de missão crítica e também ajudar a aumentar a produtividade e a inovação do desenvolvedor.

Em teoria, não há limite para os diferentes tipos de sistemas de gerenciamento que podem ser criados, mas há alguns DBMSs populares que merecem ser mencionados.

• Relacional (RDBMS)
  • Sistemas de gerenciamento de banco de dados que estruturam dados em forma de tabela, com relacionamentos predefinidos entre tabelas e uma linguagem de consulta estruturada (SQL) para ler e gravar dados.

• Documento (DoDBms)
  • Sistemas de gerenciamento de banco de dados que estruturam dados em documentos do tipo JSON, com uma linguagem de query orientada a documentos, como a linguagem de query do MongoDB (MQL), para ler e escrever partes ou todos os documentos.

• Colunar (CDBMS)
  • Sistemas de gerenciamento de banco de dados que organizam os dados por coluna, para determinados casos de uso de alto desempenho e disco pesado.

Além dos DBMSs especializados por esquema e tipo de query, há também sistemas de gerenciamento de banco de dados especializados em diferentes tipos de armazenamento, como os IMDBMSs (In-Memory Database Management Systems).

Há também os sistemas de gerenciamento de banco de dados em cloud em que um provedor de SaaS é responsável por gerenciar as tarefas regulares de manutenção do banco de dados (como atualizações, etc.). O MongoDB Atlas (baseado no banco de dados NoSQL do MongoDB) é um exemplo disso.

Um sistema de gerenciamento de banco de dados distribuído permite que programadores e usuários finais vejam uma coleção de bancos de dados e dados fisicamente separados como uma imagem do sistema.

Distribuir seus dados em vários bancos de dados proporciona um dimensionamento mais gerenciável e pode ajudar na redundância (dependendo de como você distribui seus dados).

O MongoDB é o líder de uma nova geração de bancos de dados de missão crítica projetados para escalabilidade. Com uma técnica chamada "fragmentação", você pode distribuir facilmente os dados e aumentar sua implantação em hardware de baixo custo ou na cloud. Uma das vantagens do dimensionamento com o MongoDB é que a fragmentação é automática e incorporada ao banco de dados. Isso evita que os desenvolvedores tenham que incorporar a lógica de fragmentação no código da aplicação para dimensionar o sistema horizontalmente.