麦格理银行借助DataStax Enterprise (DSE) 驱动数字化转型

在本文中，我们将介绍DataStax Enterprise是如何助力澳大利亚最大的投资银行麦格理银行的数字银行，实现了实时分析和自然语言搜索等多项功能，并为用户提供了个性化的用户体验。

"DSE使我们能够专注于提供卓越的使用体验和价值，同时持续受益于DataStax对平台创新的持续投入。"

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　——Rajay Rai，麦格理数字架构师

---

一分钟案例速读

行业

银行业

机会

• 基于对用户需求的贴切理解来改进数字银行，使其比传统的线下银行网点更加人性化和易于使用

• 在如今的数字化世界中，向用户提供具有创新意义的数字化体验变得越来越值得重视

• 将线上移动银行的体验打造得易于使用且有吸引力，从而使用户能够在线上掌控个人财务情况，继而达到个人目标

解决方案

• DataStax Enterprise (DSE)提供具有弹性的线性伸缩能力、可调的一致性级别和内存数据库的性能，以及对等(peer-to-peer)的架构

• DSE Search和DSE Analytics提供接近实时的串流处理、机器学习和搜索能力

• DSE OpsCenter（运维中心）提供监控和报警功能，从而助益于平台的稳定性和开销管理

成果

• DSE的特性使麦格理可以专注于对精致的个性化推荐、建议及使用体验的执行层面

• 为麦格理的开发团队和顾客们提供更短且效率更高的价值实现速度(time to value)

• 简便地升级到最新的DSE版本且没有宕机时间，这使得麦格理可以更快捷地使用到绝大多数最新的技术功能

---

01 关于麦格理银行

麦格理银行是一个跨国的投资银行和多元化的金融服务集团，向全世界的机构、企业和零售客户提供银行服务、财务咨询和投资基金。麦格理是澳大利亚最大的投资银行，其总部设在悉尼。

麦格理使用DataStax Enterprise Max来为他们数字化旅程中的多项计划赋能。麦格理银行和金融服务集团的数字架构师Rajay Rai深入描述了他们是如何使用DSE的。

02 选择正确的平台支持数字化旅程

我们的客户对于科技的需求和期望一直在不断变化，我们随之改变才能真正提供世界级且创新的数字体验——这对我们来说非常重要。我们认为应该基于对用户需求的贴切理解来改进数字银行，使其比传统的线下银行网点更加人性化和易于使用。

麦格理有一个无实体网点的银行网络，以及扎实的金融服务业务——这些业务基于与多个澳大利亚的领先品牌的强大合作关系。这些基础让我们有能力为用户提供他们在别处得不到的用户体验。

为了帮助我们向顾客提供创新的数字体验，我们需要考察能够支撑我们的雄心壮志的架构基础，从而确保我们可以在当今的数字世界占有一席之地。

03 需要什么来驱动数字化能力？

当我们在选择能够帮助我们开启数字化旅程的数据库时，我们必须真正了解我们需要什么。首先，合适的数字化架构必须能在现实环境中不间断运行，捕获迅速出现的事件和数据流。随着客户们已经开始习惯全天候且个性化的数字体验，我们自己的系统也需要个性化并随时待命。

我们希望用户可以拥有像Facebook和Apple一类的数字化公司为他们所提供的用户体验，所以构建一个易于使用且有吸引力的线上移动银行体验对我们来说非常重要，因为这可以使用户能够在线上掌控个人财务情况以达到他们的目标。

个性化在我们的整体解决方案中是第一位的——让客户们理解他们的金钱支出如何、财务状况如何以及他们可以作何改进。这意味着我们不仅需要利用实时分析，还需要批处理分析方案。

要快速为客户们提供反馈信息，我们需要结合历史数据的实时分析。数据在手，推荐和个性化功能都要求数据分析必须几乎在用户交互、交易动作或事件发生的同时完成。

我们要为用户提供的一项重要的数字化功能就是让他们能用自然语言搜索他们的账户和交易，这样他们才会更关心他们的财务状况并能够真正获得深入的理解。这意味着我们需要从客户那里获取更多数据，并辅以企业级来源的信息，从而提供有意义且可搜索的分析——也就是说，你不止能够按商品类型（比如咖啡、服饰）搜索你的支出记录，你还能按商店或者消费地点来进行搜索。

另外，为了提供良好的客户体验，交易数据、事件和行为的量不得不非常之大，再加上还需存储很长时间，以及非常重要的是必须要能高速读取。这意味着那个理想的架构必须得能响应未来客户和技术的不断变化的需求——实际上，快速且灵活的平台变化在如今的技术市场是必要且有意义的。

04 打造数字化可信度的解决方案

为了支持我们的数字银行的转型，我们选择了Cassandra，因其具有弹性的线性伸缩能力、可调的一致性级别和内存数据库性能，以及对等(peer-to-peer)的架构。

来自DataStax的DataStax Enterprise(DSE)平台集成了Spark，不仅提供近乎实时的串流处理，还基于机器学习和Solr的搜索和索引能力提供了在内存中的分布式计算能力。

使用DSE中的这些技术的关键益处在于：它是数据、Cassandra与Solr结合而来的搜索能力以及Cassandra与Spark结合而来的分析能力的交汇之处。因为所有的数据在集群中的复制是透明的，结果就是实时节点可以立即取得数据，而无需经过费时费力的在系统间转移数据的ETL过程。

拥有混合事务分析处理(Hybrid Transactional / Analytical Processing，即HTAP)的架构的愿景已经通过工作负载分离(workload segregation)实现，这让数据中心可以被独用于分析和搜索。

DataStax提供了必要的培训，帮我们开启了项目的第一阶段。除此之外，DataStax还在零宕机时间的前提下简便地升级到了最新版的软件，这使我们可以更快捷地使用到绝大多数最新的技术功能。

DSE OpsCenter（运维中心）提供监控和报警功能，从而助益于平台的稳定性和开销管理。警报会在没在平台中遵守最佳实践时响起，为平台提供了稳定性。警报再加上适当的自动化，也有益于管理平台的开销。

在使用Spark自动推送通知以及执行分布式批量处理时，这些技术让我们能够降低串流处理的复杂性。建立在Solr的索引能力之上，我们可以向用户提供基于位置的信息和自然语言搜索功能。通过这些功能，我们能够用邻近搜索(proximity search)提供丰富多彩的用户体验。

Cassandra提供的低延迟的读的性能，让我们可以做到高速地向不同的设备提供数据——我们需要使用Cassandra的in-memory特性在内存中存储引用数据(reference data)，从而在串流处理时加速数据充实(data enrichment)。

这些技术的优势在于它们开发的基础原则是易用、低延迟、分布式和容错。这些技术让我们可以专注于提供卓越的使用体验和价值，同时持续受益于DataStax对平台创新的持续投入。

举一个能说明问题的例子：DSE的图技术(graph technology)进一步强化了平台的多模型(multi-model)功能。这些功能将会让我们可以专注于对成熟的个性化推荐、建议及使用体验的执行层面。