Никита Андреевич Бурыкин — студент магистратуры факультета информационных технологий и анализа больших данных
Москва
Nikita A. Burykin — Master’s degree student, Department of Information Technology and Big Data Analysis
Moscow
Наталья Владимировна Гринева — кандидат экономических наук, доцент, доцент кафедры информационных технологий факультета информационных технологий и анализа больших данных
Москва
Natalia V. Grineva — Cand. Sci. (Econ.), Assoc. Prof., Assoc. Prof. of the Department of Information Technology, Faculty of Information Technology and Big Data Analysis
Moscow
Павел Евгеньевич Голосов — кандидат технических наук, директор Института общественных наук
Москва
Pavel E. Golosov — Cand. Sci. (Tech.), Director of the Institute of Social Sciences
Moscow
Статья посвящена анализу подходов и решений для разработки единого, масштабируемого и высоконагруженного хранилища клиентских данных в рамках цифровой экосистемы банка. В условиях цифровой трансформации и развития цифровых экосистем крупные организации, в том числе банки, сталкиваются с тем, что хранение и обработка клиентских данных становится критически важным вопросом для обеспечения бизнес-процессов компании, персонализации сервисов для клиентов, соответствия регуляторным требованиям, поддержания конкурентного преимущества.
Цель исследования — определить оптимальный набор архитектурных принципов и технологических решений для построения масштабируемой, отказоустойчивой и высокопроизводительной системы хранения клиентских данных.
Методы исследования: системный анализ и синтез — для изучения специфики предметной области банковской цифровой экосистемы; сравнительный анализ — для оценки технологий хранения данных по следующим критериям: производительность, масштабируемость, уровень согласованности данных, отказоустойчивость; анализ научной литературы и информационных источников — для изучения предметной области, современных решений и технологий в системах хранения данных.
Результаты исследования: выбраны оптимальные паттерны и технологии для реализации платформы хранения клиентских данных; сформулированы рекомендации по проектированию архитектуры единого клиентского хранилища, способного эффективно функционировать в динамичном ИТ-ландшафте современной банковской экосистемы.
Выводы. Результаты исследования подтверждают, что использование гибридных хранилищ данных с применением различных технологий и решений наиболее оптимально для построения высоконагруженных и масштабируемых систем хранения и обработки данных (что также согласуется с выводами других научных работ).
Перспективы исследования включают дальнейшее углубленное изучение интеллектуальных систем управления данными; технологий хранения и обработки данных, используемых в машинном обучении и ИИ; подходов Data Mesh и Data Fabric; возможностей применения перечисленных технологий в банковской сфере.
The article is devoted to the analysis of approaches and solutions for the development of a single, scalable and highly loaded customer data warehouse within the bank’s digital ecosystem. In the context of digital transformation and the development of digital ecosystems, large organizations, including banks, are faced with the fact that the storage and processing of customer data is becoming a critical issue for ensuring company processes, personalization of services for customers, compliance with regulatory requirements and maintaining a competitive advantage. The purpose of the research is to determine the optimal set of architectural principles and technological solutions applicable to building a scalable, fault-tolerant and high-performance customer data storage system. The following methods were used to conduct the research: system analysis and synthesis to study the specifics of the subject area of the banking digital ecosystem, comparative analysis to evaluate data storage technologies based on criteria such as performance, scalability, data consistency, fault tolerance, and analysis of scientific literature and information sources to study the subject area, modern solutions and technologies in systems data storage. Based on the conducted research, optimal patterns and technologies for implementing a customer data storage platform have been selected and recommendations have been formulated for designing a single customer storage architecture capable of operating effectively in the dynamic IT landscape of the modern banking ecosystem. Based on the results of the study, it was concluded that other scientific papers and articles also confirm that the use of hybrid data warehouses using different technologies and solutions is most optimal for building highly loaded and scalable data storage and processing systems. The prospects of the research include further in-depth study of intelligent data management systems, data storage and processing used in machine learning and AI, Data Mesh and Data Fabric approaches and their application in the banking sector.
The authors declare that there are no conflicts of interest present.