Precisely案例研究

Precisely 的下一代主数据管理进入营销领域

挑战

在为其下一代产品制定愿景时，由 Precisely 副总裁 Navin Sharma 领导的 Precisely 团队意识到他们的客户遇到了三个相互重叠的问题

首先，关于客户的数据是在许多不同的信息系统中创建的。一些信息存储在内部会计和计费系统中，一些存储在物流和交付系统中。一些信息也收集在客户关系管理和销售管理系统中。营销数据由其他内部系统和外部服务跟踪，而移动数据增加了可跟踪数据的数量和种类。

其次，跨应用程序环境中对客户的不同定义导致数据质量低下，且可预测性差。很明显，为了减少数据清理、比较和集成的工作量，Precisely 的客户需要一个完整的解决方案，其中包括适当的质量控制和治理流程，以确保数据能够得到一致的验证和清理。

第三，每个不同的信息孤岛都针对不同的任务进行了优化。有些是为短期的在线交易（如订单处理）而设计的，而另一些则是批量处理的。有些规模如此庞大，以至于基本上无法进行分析，导致将数据的子集加载到数据仓库中，仅仅是为了提高查询性能。总体而言，每种数据存储的不同时效性大大加剧了整体数据问题。

解决方案

Navin 和他的团队经验丰富，知道使用关系数据库映射来自多个应用程序的数据是一项昂贵且复杂的工作。许多集成和信息仓库项目都因为低估了从多个不同的系统和数据模型中汇集信息的时间和复杂性而走偏。

对于 Precisely 来说，这个问题更加复杂，因为他们与许多拥有不同应用程序组合的不同客户打交道。移动、社交网络、客户体验衡量、治理要求以及管理客户和公司现在沟通的众多渠道（包括零售、电话、互联网、即时消息、Twitter 和其他社交网络）的需求，使问题更加复杂。

为了应对这些挑战，Precisely 团队评估了不同类别的数据库。在决定使用图数据库后，他们研究了图数据库类别中的不同供应商产品。他们选择 Neo Technology 的 Neo4j 产品有四个原因

1. Neo4j 是最成熟和最完善的产品；
2. Neo4j 已证明能够扩展到大型客户的大规模应用；
3. Neo4j 非常适合基于 Java Spring 框架的 PB 的 Spectrum 产品架构；以及
4. Neo4j 的学习曲线平缓，因此员工能够快速提高工作效率。