交易数据规模增大

在过去三十年，传统的交易系统在以下两个方面进行了创新：用于交易处理的 OLTP 数据库的优化，以及用于分析处理的分析数据库的专业化。

• OLTP 数据库的目标一直是以更短的时间经济高效地捕获更多数据。 在过去的 25 年间，我们亲眼目睹性价比得到五个数量级的提高。 同时，由于硬件和数据库软件这两方面的创新，交易处理的成本令人难以置信地大幅降低至原来的十万分之一。
• 分析数据库的目标一直是以更短的时间经济高效地提供更有效的分析。 得益于数据库软件、硬件和内存方面的创新，将数据仓库的成本降低至原来的百万分之一。

但是，这些创新并没有跟上交易数据增长的步伐：

• 应用程序保留的数据从过去的几兆字节骤然增加到几拍字节和几泽字节。 业务需求决定数据必须保存更长时间。
• 访问速度正在提高，而低延迟需求逐渐将技术推到其极限。
• 随着从“购买”实惠的交易应用程序转到“租赁”这类应用程序的浪潮逐渐兴起，企业逐渐将交易数据转移到云。 当今的现代企业是混合型企业，需要处理企业内部的数据和企业外部云端的数据。

您的组织是否准备好经济高效地管理大型交易数据的汹涌浪潮而无需降低操作性能？ 您能不能集成企业内部以及互联网云中的交易数据？ 您是否能够将交易信息与社交媒体和其他类型的大型交互数据相集成，从而利用大型数据的业务机遇？

Informatica 平台有助于将所有这些数据的回报最大化，无论数据在内部还是云中，都能增加数据的价值，并降低数据的成本。

战略性地管理大型交易数据

大型交易数据的不断增长会推高存储成本，并影响 IT 和业务运营。 在由 Unisphere Research为 Informatica 开展的一项调查中，87% 的受访者表示，不断增加的交易数据正在降低企业应用程序的性能。 1

• Informatica Data Archive能够将应用程序数据和数据仓库存档，保持对数据的按需轻松访问，从而帮助您的 IT 组织对生产环境中不断增加的数据进行管理。
• Informatica Data Subset可以根据生产或非生产数据的大型复杂数据库生成更小、更有针对性的数据库。

利用这些创新，您可以战略性地管理大型交易数据的增长，帮助确保应用程序的性能满足服务层协议，并大幅削减存储和维护成本。 借助 Informatica 技术，您还能将交易数据导出到 Hadoop，以利用其低成本存储容量的优势。

管理混合型企业中的大型交易数据

日益增加的交易数据如今正转移到设施外的互联网云上。 适用于 CRM 的 salesforce.com、适用于 ERP 的 Netsuite 或适用于 HR 的 Workday 等应用程序逐渐在企业中推广部署。 这些交易系统需要与企业内部应用程序相集成。

• Informatica 云数据集成 通过将应用程序与其他云应用程序以及将云应用程序与内部应用程序的数据相集成，实现混合型企业。

满足大型数据的速度要求

日益增加的数据量和低延迟的要求可将硬件和网络资源使用推到极限，从而带来停机的风险。 金融市场和其他行业的公司面临大量的交易和数据，需要更高的效率来更快地处理大型交易数据。

• Informatica Ultra Messaging 产品提供超低延迟消息收发和极度高效的系统，能够降低硬件基础设施成本，支持每秒几百万条消息和以微秒或纳秒计的延迟。
• Informatica 复杂事件处理 可提供数据质量和集成流程的实时监视和警报，从而在事件升级之前发出警报。

源自大型数据的突破性洞察力

通过与社交媒体或其他类型的大型交易数据相结合，大型交易数据的业务价值正在增加。 集成所有类型的大型数据能够得到在客户关系管理、客户流失分析和产品缺陷跟踪方面原本不可能得到的洞察力。

举例来说，领先的组织正在利用社交网络的信息丰富其单一客户视图。 这样，他们就会得到有关客户偏好和行为的新洞察力，这对于个性化的一对一市场推广和情感分析有不可估量的价值。 Informatica 平台是有助于将社交交互数据与企业交易数据相结合并获得新洞察力的技术。

• Informatica 实现传统交易数据与 Hadoop等新大型处理技术在混合模型中的可互操作性，Ralph Kimball 等专家认为这种模型将会成为主流。 “在很多情况下，这两种架构并不是孤岛，而是两边都有丰富的数据渠道，” Kimball 在一份深入分析的白皮书中表示。2

Informatica 如何应对大型交易数据

Informatica 通过提高交易数据的价值，同时降低管理和维护交易数据的成本，将大型交易数据的回报最大化。Informatica 平台 让您可有效地管理大型交易数据的增长，确保在需要数据的时间、地点以需要的方式安全地在整个企业内提供数据。 借助 Informatica，您可以

• 有效地管理交易数据的增长
• 以精确到微秒或纳秒的任何延迟提供大量交易数据
• 控制云中的交易数据
• 确保个人和机密交易数据的安全
• 集成内部和互联网云中所有的交易数据