MongoDB在Forrester Wave™2019年第四季度事务分析数据平台报告中，获评“卓越表现者”！

Forrester发布了“2019年第四季度事务分析数据平台Forrester Wave™报告”。在被Forrester视为“炙手可热的新兴市场”的14家顶级平台中，MongoDB数据平台被评为“卓越表现者”。

事务分析系统是将以前的单独事务（记录系统）、操作（互动系统）和分析（洞察力系统）工作整合到一个统一的数据平台中。通过整合这些工作，您可以更快、更多地了解集成数据并对其采取行动，同时降低复杂程度和风险。

在谈及报告之前，让我们深入了解一下事务分析系统可以帮助您解决哪些挑战以及这个系统的重要性。

事务分析系统的崛起及其重要性

“通过整合上个月的销售数据，我可以进行个性化的产品推荐……”，商业伙伴是绝不会和您说这样的话的。

因为在数字经济中，生存和发展都依赖于速度：

1.微服务、敏捷性和DevOps帮助我们更快地构建和交付软件。

2.流数据和事件驱动型架构帮助我们实时感知和响应周围的数字环境。

但是，通常情况下，从数据中获取洞察力的速度仍然很慢。多数人依旧是通过缓慢而脆弱的ETL过程，定期从事务系统和操作系统将数据批量加载到分析型数据湖和数据仓库。这样做的结果是，业务部只能根据旧的和过时的数据作出决策。

除了速度问题，我们还必须处理来自于三个独立系统的所有复杂问题，以支持这些不同的工作，然后再尝试在三个系统之间高效、安全地共享数据。

事务分析数据平台如何发挥作用？

事务分析系统致力于通过改变数据的处理方式，将事务、操作和分析工作整合到一个统一的数据平台来解决这些问题。该平台能够有效地处理所有不同的任务。这一行业的转变，也正是MongoDB的产品开发的方向。

Forrester预测，事务分析系统的发展趋势将会颠覆传统的数据库市场。这是因为传统平台“无法满足新的业务需求，不能同时实现实时数据、性能、规模、集成数据和安全等功能。”

Forrester Wave对于事务分析系统的重要发现

Forrester根据24项标准（包括当前的产品供应、战略和市场表现）评估了14家最好的事务分析数据平台供应商。这是MongoDB首次参与这项研究。荣幸的是，MongoDB数据平台被Forrester评为“卓越表现者”，并在以下类别中获得了最高分数：

1.数据管道

2.多模型

3.数据安全性

4.数据访问

5.API/Dev工具

6.高可用性和灾难恢复

7.定价透明度

8.合作伙伴

9.客户采用度

报告谈到MongoDB“在过去几年中增加了事务分析系统的使用案例，有多家公司使用MongoDB来支持实时分析、洞察力系统、客户 360、物联网和移动应用程序。”以及“最近增加的产品和路线图包含的创新产品，如全文检索、按需物化视图以及数据湖，可以扩大事务分析系统的支持范围。”

为何事务分析系统需要一个数据平台，而不仅仅是一个数据库？

我们认为，MongoDB在Forrester Translytical Wave中的排名是我们投资构建MongoDB数据平台的成果，通过这一平台，您能够采用以下方式应对现代分析方法的挑战：

1.直接根据最新的可操作数据快速获得洞察力并采取行动，无需采用耗时较长的ETL方式。

2.智能排列数据，可以用于从实时批处理到离线批处理的各种类型的分析。

3.通过适用的本机工具为多个受众提供服务，从而实现数据共享和协作。

MongoDB数据平台：服务于从云到本地的事务、操作和分析工作。

数据建模和查询功能

MongoDB数据平台的基础是文档数据模型，通过这一模型，您可以获取、存储和组合任何结构的数据。

MongoDB查询语言（MQL）和聚合分析管道涵盖面广且表达能力强，您可以通过自己需要的方式查询、转换和分析数据。无论数据是存储在您的事务型和操作型数据库，由我们通过MongoDB Atlas在云中完全托管还是由您现场运行，是存储在我们的Atlas Full-Text Search service中还是使用MongoDB Atlas Data Lake进行云对象存储，均不受影响。因此，无论数据存储在哪里，您都可以使用MQL对其进行高效访问和查询。

分析数据功能

通过十多个惯用的编程语言驱动（包括Python和R）以及一系列将MongoDB整合到分析生态系统中的工具，您能够处理这些数据。分析生态系统中的工具被应用于机构中不同的分析使用场景和团队：

1.MongoDB Charts——创建MongoDB数据可视化效果的最快且最简单的方法。您可以创建图形和仪表板，与其他用户共享以进行协作，并将其直接嵌入到 web 应用中，产生引人入胜的用户体验。

2.MongoDB Connector for BI让您直接从现有的基于SQL的BI和分析平台（如Tableau、Microstrategy、Looker等）直接连接MongoDB。

3.MongoDB Connector for Apache Spark公开了Spark的所有库，包括Scala、Java、Python和R。MongoDB数据已实体化为DataFrames和Datasets，通过机器学习、图形、流数据和SQL应用程序接口进行数据分析。

数据分布和保护功能

通过MongoDB的分布式系统架构，您可以弹性扩展数据集，并行处理查询以及实施ACID事务保证。与此同时，在单个集群中跨节点隔离不同的工作。您可以指定一组节点来处理事务型和操作型应用程序，此时，平台会自动将数据复制到另一组处理分析查询的节点上。这些查询可以是更新报告和仪表板，也可以是为机器学习模型提供服务。

通过过程分离，不同的工作绝不会相互竞争系统资源。您可以在毫秒级延迟的情况下处理操作型应用程序，同时，从正在操作的数据中生成实时洞察力。在进行这些操作时，您无需担心将数据ETL到单独的数据库过程中所产生的脆弱性和延迟。

通过一个单一数据平台，您可以应用数据的全球安全和治理控件，从而确保只有获得授权才能对数据进行访问和处理。

事务分析系统的下一步计划是什么？

对MongoDB而言，在事务分析数据平台市场中被评为“卓越表现者”仅仅是一个开始。我们强调文档件和分布式系统，将其视为现代事务和分析工作的基础，并将云作为交付给用户的最佳途径，我们的战略是使事务分析系统更上一层楼，为所有人服务。