DEV Community

Cover image for 🌟 行业对话:MongoDB 灵活的数据库架构、时间序列、Atlas 矢量搜索 RAG 🌟
Danny Chan for MongoDB Builders

Posted on

🌟 行业对话:MongoDB 灵活的数据库架构、时间序列、Atlas 矢量搜索 RAG 🌟

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:



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

Image description

Danny Chan, specialty of FSI and Serverless

Image description

Kenny Chan, specialty of FSI and Machine Learning

Top comments (0)