la stratégie big data de la banque de france
TRANSCRIPT
Valéry SIMONChef du Service Architecture, Industrialisation et RéalisationBanque de France
La stratégie Big Data de la Banque de France
Agenda
La Banque de France en bref
Les enjeux du Big Data pour la BDF
Pourquoi MongoDB ?
De premières expériences probantes
Du Big Data au DaaS
La Banque de France en bref• 3 missions principales :
• Stratégie monétaire,
• Stabilité financière,
• Services à l’économie
• Une stratégie ambitieuse pour une Banque :• + performante
• + innovante
• + visible* Gartner
#MDBW16
Les enjeux du Big Data pour la Banque de France
> Du SID au SIO d’aide à la décision> Des sources de données nombreuses, hétérogènes et de moins en moins structurées> Des cas d’usage business ne pouvant plus être servi par une BI « traditionnelle »
#MDBW16
Les enjeux du Big Data pour la Banque de FranceLes cas d’usage : > Prévisions court terme et rapports d’alerte > Études statistiques > Analyses prédictives > Évaluer les personnes morales et physiques > Intégrer de nouvelles données pour de l’exploration
Pourquoi MongoDB sur les besoins de bases orientées documents ?
MongoDB est idéale pour une application opérationnelle qui demande l’un de ces points: > Un développement agile : schéma flexible et un Time To Delivery court > Une base de données facilement scalable (volumétrie et performances) > Une haute disponibilité
Customers
MongoDB Office
Support
MongoDB User Groups
20+ Millions de téléchargements
Pourquoi MongoDB version Enterprise ?
Choix de partir vers 2 environnements de production (critique et non critique) et une infra mutualisée en intégration et développement.Le tout sur la version Enterprise pour : > OPS Manager : Automatisation (déploiements, upgrade, maintenance) ; Monitoring (métriques et alertes disponibles en temps réel) ; Optimisation des requêtes (suggestion automatisée des index) ; Backup (Gestion simplifiée) > Connecteur BI : Permet de lancer des requêtes SQL ou des outils BI sur les données dans MongoDB
De premières expériences probantes
MUSES : une première source d’inspiration métier MMSR : une première expérience internationale réussie SIRCE2 : un premier cas précis interne BDF pour ouvrir un sujet beaucoup plus étendu
De premières expériences probantes
11
INTEGRATION DE DONNEES
VUES METIERS
TRANSVERSE : DATA MANAGEMENT, SECURITE, TRACABILITE
Streaming (fil de l’eau)
USAGES DES DONNEES
Analyse batch
InteractifSearch Engine
Temps réel
DATA LAKE - DATALAB
HDFS : système de fichiers distribué
Analyse interactive Analyse prédictive
Data Management Habilitations : Ranger, Shield, LDAP, Knox Audit : Ranger Cryptage : Encryption
EXPLOITATION
Supervision : Ambari,Nagios, Ganglia, Marvel
Ordonnancement ELT
DEVELOPPEMENT
Ingestion (batch)
SOURCE DE DONNEES
InteractifNoSQL
Batch
API
Sqoop
Flume
Pig
Logstash
Storm
Flume
Hive
TOM
Pig
WebHDFS
Flux externes ou internes vers MongoDB
Mapping document/objet en développements spécifiques
Utilisation ELK pour analyse de log
Merci. www.mongodb.com