✨ 操作数据存储(层):
- 与 Data Fabric、Operational Data Hub 相同
- 现有数据源和消费者之间的一层
- 无需替换遗留系统
- 将来自多个系统的数据合并到单一枢纽
🔍 从不同系统收集数据集
- 提供数据的完整图景
🔥 特设分析工具
- 实时分析
- 全面业务的分秒必争视角
- 不干扰操作工作负载
💡 示例:
- 日常职责
- 所需的服务级别协议 (SLA)
🏗️ 重建的基础
- 数字化转型的迭代方法
- 与遗留和新系统并行
- 遗留系统继续无中断运行
🚀 遗留系统现代化:
- 更快地构建新的业务功能
- 扩展到数百万用户
- 数据消费者访问操作数据层 (ODL)
💎 好处:
- 访问整个数据集
- 客户单一视图
- 人工智能流程
💻 数据即服务:
- 操作数据层将所有重要数据聚集在一处
- 应用程序和分析获得企业数据的全貌
☁️ 操作数据层的云部署:
- 部署在同一云提供商
- 与其使用系统相同的区域
- 渐进式、无中断的云迁移方法
🔍 挑战:
- 70 个不同系统分散在 15 个不同屏幕上
🔑 解决方案:
- 单一视图
- 仅使用一个屏幕访问所有信息
- 实时表示
- 360 度客户视图
- 产品、金融资产、业务相关实体的单一视图
- 来自多个源的数据
🚀 更快的客户服务时间
- 分析客户数据以进行交叉销售和促销
📋 用例:
- 客户服务代表
- 欺诈和风险系统
- 销售和营销人员
- 定量分析师
- 用户在线账户
💪 主机卸载:
- 单点故障
- 需离线维护
- 更轻松地将主机数据提供给新的数字渠道,而不会给遗留系统带来压力
🤔 挑战:
- 需要企业数据的完整视图
- 数据仓库或 Hadoop 基础的分析
- 无法满足当今对实时分析的需求
- 每日或每周批量加载
- 查询耗时长达数小时
🔍 解决方案:
- 针对实时决策
- 数据状态的分秒必争
- 低延迟分析查询
- 特设问题
- 示例:
- 为客户提供推荐
- 根据用户信息个性化内容
- 在企业数据上使用机器学习提取新见解
- 提高运营效率
🚀 现代化:
- 将现有数据暴露给新应用程序
- 不会对遗留系统产生潜在影响
💼 数据管理员:
- 从应用程序数据库获取数据,然后存储到操作数据层
- 使用 ETL (提取、转换、加载)、CDC (变更数据捕获)
- 数据必须满足要求
- 数据传输频率
- 不影响当前生产和消费应用程序
🤖 Reference:
https://www.mongodb.com/resources/basics/implementing-an-operational-data-layer
Implementing an Operational Data Layer
https://www.mongodb.com/resources/solutions/use-cases/mainframe-modernization-reference-architecture
Mainframe Modernization Reference Architecture
Editor
Danny Chan, specialty of FSI and Serverless
Kenny Chan, specialty of FSI and Machine Learning
Top comments (0)