用例 1: 健康生活平台 💪
Cure.fit:
- 应对流量高峰 📈
- 根据用户所在地区提供独特内容 🌍
- 页面上的个性化体验 (商品推荐) 🛒
挑战:
- 捕捉跨用户群的不同数据 📊
- 个性化内容 🎯
- 三层架构:
- 后端: MongoDB Atlas 🗃️
- 中间件: API 层 🌐
- 前端: 微服务 🧱
解决方案:
- MongoDB 灵活的数据库架构 🔍
- 捕获广泛的数据 (网页表单、客户使用跟踪) 📈
- 组织diverse数据 🗂️
MongoDB 特性:
- 跨区域复制 🌍
- ACID 事务 🔒
- 不同节点之间的读密集型工作负载 💻
- 跨多个集合的事务 🔗
- https://www.mongodb.com/solutions/customer-case-studies/curefit 🔗
用例 2: 将资产数据转化为价值 💰
Digitread Connect: 工业物联网即服务 🌐
挑战 1:
- 来自跨行业垂直领域、机械、工业资产的传感器数据 🤖
- 分析流程 🔍
- 客户最终用户: 工程师、维修技术人员、测量员、农民 👨🔧
挑战 2:
- 收集数据以形成有用的交付成果 📊
- 从微控制器或可编程逻辑控制器提取数据 🔌
- 分析数据, 将必要数据上传到云端 💻
- IoT 平台、边缘和应用端 🌐
解决方案: MongoDB 时间序列数据:
- 工业机械化、机器人环境 🤖
- 跟踪设备活动和性能 📈
- 分析和过滤, 只保留有用的数据, 上传到相关应用 💾
用例 3: 理想客户画像 (ICP) 🎯
Scalestack:
- 将go-to-market (GTM) 数据与客户的理想客户画像 (ICP) 相连接 🤝
挑战:
- 销售工程师浪费时间协调数据 💻
解决方案:
- MongoDB Atlas 矢量搜索 🔍
- 检索增强生成 (RAG) 🤖
- 使用矢量相似性搜索大型数据集 🧠
- 聚合、管理和自动化各种 GTM (go to market) 数据集 📊
- 聚合和理解来自不同来源的各种数据 🗃️
- 帮助销售创建特定场景的策略 🧠
详细信息:
- 连接 LinkedIn、Crunchbase、Zoominfo、求职信息 🌐
- 连接客户信息、公司情况、新闻和工作机会 📋
- 连接转化表单 📝
- 为用户创建个性化建议和优先行动以提高销售 💰
Reference:
capture and analyze data on edge device
https://www.mongodb.com/solutions/customer-case-studies/digitread-connect
Atlas Vector Search, Amazon Bedrock
https://www.mongodb.com/solutions/customer-case-studies/scalestack
Editor
Danny Chan, specialty of FSI and Serverless
Kenny Chan, specialty of FSI and Machine Learning
Top comments (0)