Os clientes demandam cada vez mais de suas instituições financeiras, buscando, constantemente, obter valor agregado dos bancos, com foco em flexibilidade e sem perder a segurança. Ganhar a confiança dos usuários é cada vez mais difícil, mas perdê-la pode ser muito fácil.

Por isso, as instituições trabalham sempre para oferecer serviços de mais qualidade e da maneira mais eficiente.

Os dados são de suma importância para as entidades financeiras e crescem continuamente em volume, velocidade e diversidade de fontes.

Sendo assim, as companhias têm investido mais recursos no cuidado e na compilação de dados para oferecer melhores soluções.

Nesse cenário, é importante permanecer à frente, com a implementação de ferramentas que agregam valor aos negócios para que, assim, possam se destacar em relação aos competidores.

A arquitetura das aplicações de instituições financeiras se modernizaram e mudaram ao longo dos anos. Durante décadas, todas as companhias centralizaram suas aplicações e dados em um mainframe.

Ainda que essa arquitetura atendesse as necessidades do passado, ela se tornou insuficiente com o tempo, devido aos desafios de escalabilidade, agilidade e confiabilidade que a indústria demanda hoje.

Neste modelo, todas as aplicações e dados estão em um único sistema, consumindo e competindo por recursos existentes, quando é evidente que nem todos os serviços do negócio consomem da mesma maneira.

Dessa forma, se é detectado um erro em alguma aplicação ou dado, este terá um impacto nas demais aplicações, já que podem ter recursos compartilhados. Isso faz com que a escalabilidade seja afetada ao não poder realizar a função de forma independente.

Com o tempo, também surgiu a arquitetura de cliente-servidor que separou a camada lógica e a camada de persistência.

Contudo, os desafios vistos com o uso do mainframe continuaram.

Surgiu, também, a arquitetura de três camadas, que apesar da melhora em confiabilidade, agilidade e escalabilidade, não permitia às equipes terem uma separação completa de todos os serviços de negócio.  

Todos esses desafios foram completamente mitigados com o surgimento da arquitetura de microsserviços, que permite com que cada serviço do negócio, ou domínio de serviço, exista em uma camada e em um stack (pilha) diferente da arquitetura.

Dessa maneira, as aplicações e dados podem ser escalados de forma independente e se desenvolverem para que possam mudar sem impacto em outras aplicações.  

A arquitetura evoluiu até os microsserviços, no entanto, não tem sido assim na camada de persistência, onde ainda há desafios para escalar e administrar os dados, demandando tempo de inatividade e manuais complexos.

As bases de dados legadas têm alto custo, com linguagens de conhecimento processual, proprietários, licenciamentos punitivos, além de continuarem monolíticas.  

Por esses motivos, as empresas terminariam com uma arquitetura de centenas ou milhares de microsserviços e todos reportando a um único repositório, impossibilitando com que as empresas ou instituições financeiras agreguem valor ao cliente.

As bases de dados relacionais estão na indústria há décadas, porém os requerimentos dos negócios mudaram, bem como os padrões de acesso.

Ficou evidente que essas bases de dados não estão focadas em resolver uma necessidade específica da melhor maneira possível, mas sim em resolver muitas necessidades de uma maneira satisfatória.

Atualmente, muitas empresas ainda não conhecem as novas tecnologias e são regidas por processos tradicionais, já que as equipes financeiras não são capazes de explorar ferramentas que sejam úteis para atender as necessidades do negócio.

Assim, se aplica a metáfora do “martelo”. Muitas vezes as companhias usam um martelo para tudo, para pregar um prego, para fixar portas, para parafusar e para todas as suas necessidades gerais.

É necessário que as empresas percebam que há mais ferramentas no mercado e que estas podem ser melhores para cada demanda específica.

O primeiro banco de dados é o de valor-chave, no qual se provê latência de milissegundos de um dígito e uma grande escala. A tabela pode conter um único ou bilhões de registros e o rendimento será o mesmo.

Jogos online e e-commerces são alguns exemplos de segmentos que podem se beneficiar do uso de banco de dados de valor-chave pela alta demanda.

Com o tempo, também foi reconhecido que os dados estão mais interconectados e as companhias perceberam essas conexões, com interesse em analisá-las. Isso permitiu ter uma visão 360° dos clientes, analisar casos de fraude a partir de relações dos usuários e utilizar essas informações para o marketing.

Como este tipo de análise tem um custo muito alto, se usam bancos de dados de gráficos. Dessa forma, é possível armazenar dados relacionados e executar diferentes tipos de consultas a partir de relações. Clientes usam esse tipo de base de dados, por exemplo, para redes sociais, em uma escala de milhões de conexões e milhões de nós.

Da mesma maneira, com o tempo, as aplicações de internet das coisas (IoT) impulsionaram as bases de dados temporais.

Os dados de séries temporais são informações ordenadas cronologicamente. Não faria sentido utilizar uma base de dados relacional para fazer esse tipo de análise, já que não há demanda por garantias.

Isso quer dizer que para uma base de dados temporal só importam as agregações, e não atualizações ou relações de integridade. Dessa forma, só são utilizados uma série de eventos ordenados, possibilitando aos clientes realizar análises a partir de um período determinado de tempo.

Existe, portanto, um banco de dados para cada tipo de necessidade.

Isso não garante apenas a melhor prestação de serviço, mas também melhora a confiabilidade e a agilidade das operações.

Realizar o processo de transformação através de bases de dados pode ser complexo e requer bastante esforço e, por isso, há alguns conselhos que todas as empresas deveriam seguir.

Primeiramente, focar em atividades que agreguem valor ao cliente. Ao utilizar serviços gerenciados, não é necessário que equipes se dediquem a atividades administrativas ou de manutenção.

Assim, as companhias podem deixar atividades de baixo valor de lado e focar naquelas que trazem mais oportunidades ao negócio e as diferenciam dos competidores.

Do mesmo modo, é possível aproveitar o poder de uma API (Interface de programação de aplicações), já que ao ter uma camada de APIs externa a companhia conta com um agrupamento de conexões e pode gerenciar falhas de forma independente.

Além disso, torna-se viável realizar mudanças em bancos de dados sem afetar os dados que estão sendo consumidos.    

Em resumo, a arquitetura do setor financeiro passou por uma evolução para ter uma separação completa de responsabilidade, na qual cada micro serviço tem um banco de dados gerenciado e ajustado às suas necessidades.

Dessa maneira, as empresas de serviços financeiros conseguem transformar seus negócios e inovar na indústria com base em informações que trazem mais dinamismo e melhores respostas para as necessidades do mundo de hoje.

Assim, a escalabilidade, a confiabilidade e a agilidade deixam de ser desafios e tornam-se os melhores aliados de companhias do mercado financeiro.
 
*Por Herbert Gomez, Arquiteto de Soluções da AWS