整合結構化/非結構化的資料與向量資料,好以更低的成本與更大的規模來構建由 AI 驅動的客戶體驗。
按照此解決方案存放庫中的說明來將生成式人工智慧(generative AI,亦即 gen AI)整合到您的信用卡申請流程中。整合應用另類資料、AI 人工智慧和生成式人工智慧,好重塑信用評分的業務流程。
數十年來,傳統的關聯式資料庫一直都是金融服務公司及其 IT 基礎結構的主要支柱。
舉凡產出銀行對帳單或是儲存客戶資訊等業務,各銀行單位過往都不得不依賴(並受限於)以下幾個選項:關聯式資料庫、SQL 伺服器和其他業界中的主要關聯式資料庫。然而,數位經濟對於銀行單位及其資料庫系統卻有著更嚴苛的要求。
現在,銀行資料庫必須要是能夠在本地和雲端儲存資料的分散式資料庫,而且還要具備處理大量且多樣化之行銷資訊、客戶資訊、借貸交易、多處理器以及其他諸多業務項目的能力。
這就是為什麼銀行單位會改為選用 NoSQL 資料庫,舉凡 MongoDB。
許多傳統銀行單位會使用關聯式資料庫,而關聯式資料庫的根本技術最早是在 1970 年代期間開發出來的。
早在雲端運算時代來臨之前,這些技術就早已問世,但當初在設計這些技術的時候,開發人員並沒有意識到會需要將當今的資料量、資料種類或是資料傳輸速度納入開發考量。以目前而言,這些技術尚未演變到足以滿足業界的無間斷、全球分散式部署需求,而且也不夠靈活,無法順利跟上現代數位產品開發與發佈週期的迅捷步伐。
因此,傳統銀行單位實在是難以提供金融科技新創公司的免紛擾個人化數位服務體驗。
其商業層面的影響可說是非常顯著。在由 Fintech Futures 與 MongoDB 針對貸款初辦企業之銀行高管所進行的調查中,有 43% 的受訪者表示:數位服務體驗不佳乃是他們在開發並留住客戶方面所面臨的主要挑戰,而 34% 的受訪者則提到了缺乏個人化產品/服務的問題。
傳統上而言,多個資料庫系統(通常是 SQL 資料庫,如 SQL 伺服器和其他的主要關聯式資料庫)在傳統架構中常會有所謂的「孤島」問題,也因此相關人員很難發掘出資料中的真正價值。
有了囊括整個企業之銀行業務資料(尤其是客戶帳戶資料的單一視圖),相關人員便可以準備資產和交易對手風險的通用視圖,或是為詐欺偵測和瞭解您的客戶(Know Your Customer,亦即 KYC)的要求準備客戶資料的單一視圖。
資料庫管理系統(Database Management Systems,亦即 DBMSs)會執行重點業務,舉凡定義資料的結構、使用、調整以及保護方針。
資料庫管理系統(Database Management System,亦即 DBMSs)是一種軟體程式,能夠提供應用程式開發介面(Application Programming Interfaces,亦即 APIs)給客戶端應用程式的根本層級實體資料儲存庫(儲存在磁碟或是 RAM 中)使用。
任何儲存、存取或操作磁碟上資料的應用程式(有極少數的例外)都會透過資料庫管理系統來管理這些存取權限,而不是直接與根本的資料文件進行互動。
DBMS 有三個核心組件:
我們會使用資料庫管理系統來創建集中式、共享且一致的介面,並以程式化的方式來存取資料。資料庫管理系統能夠提供資料的邏輯性結構,以及有效的儲存載體和分散式存取權限。比起您直接管理這些資料,使用資料庫管理系統來管理資料會是一個更快速、更安全、更強大且更容易的選項。
近年來,IT 服務供應商一直在努力開發並提供解決方案,以應對公司所要處理的大量內/外部資料。
雲端已然成為全新的標準,雲端原生資料倉儲資料庫現在會要進行大規模的平行處理任務。資料管道現在已可以處理 TB 等級的資料量。儲存載體的價格現已降低了許多,而其儲存速率也變得越來越快。猶如雨後春筍般,AI 人工智慧與機器學習技術相關的應用程式也越來越普及了。而 Spark 等資料處理架構亦能夠處理大量的資料。
為了要應對這些變化,銀行單位會需要一套能夠在龐大數位資產中滿足現代資料需求(保有速度、安全性或擴展能力)並順利用來創建應用程式的完整整合式套件。整合機能也能夠確保營運和安全性不會淪為各自耗費資源、複雜繁瑣的獨立專案。
MongoDB 的現代化多雲端資料庫是一套整合式產品、服務與工具組,專為解決這些問題而設計。透過大幅減少管理資料基礎架構的開銷,您的資料庫不僅能作為關鍵任務的資料基礎提供服務,還能提升開發者的生產力與創新力。
理論上,創建不同類型的管理系統是沒有上限的,但有幾個流行的 DBMS 值得一提:
除了結構描述和查詢類型的特化資料庫管理系統之外,還有其他特別對應不同儲存載體類型的資料庫管理系統,舉凡記憶體資料庫管理系統( In-Memory Database Management System,亦即 IMDBMS)。
另外還有雲端資料庫管理系統,定期的資料庫維護任務(例如更新項目)則會交由 SaaS 服務供應商負責管理。MongoDB Atlas(採用 MongoDB 技術的 NoSQL資料庫)即是一個例子。
分散式資料庫管理系統能夠讓程式設計師和終端使用者將一系列實質上分開且不同的資料庫和資料彙整為單一一個系統圖像。
將您的資料分開存放在多個資料庫中可以為您帶來更易於管理的可擴展性,亦能夠幫助您汰除冗餘的資料(取決於您如何配置您的資料)。
MongoDB 是新一代以可擴展性為設計宗旨的重點任務資料庫領導者。透過一種名為「分片」(sharding)的技術,您可以輕鬆地分開配置資料,並在廉價硬體上或是雲端環境中擴展您的部署。使用 MongoDB 來安排擴展配置的好處之一便是自動化且內建在資料庫中的分片機能。這樣的話,開發人員便能夠輕鬆透過應用程式程式碼中的內建分片邏輯來擴展系統。