Аналитический модуль на FIS Platform: обработка данных с использованием low-code 

Аналитический модуль на базе платформенных low-code технологий – инструмент широких возможностей. С его помощью можно:

• максимально оперативно создавать сервисы в режиме no-code;
• использовать low-code подход к разработке, создавая некоторые составляющие сервиса с помощью написания кода на традиционных языках программирования. 

Модуль может использоваться, как в сцепке с конкретным решением, так и в качестве дополнительного сервиса обработки информации на платформе.

Аналитический модуль на low-code – это мощный инструмент для извлечения максимальной пользы от больших потоков данных. Используя его, бизнес получает возможность: 

• Быстро и легко запускать комплексные стратегии, создавая сложные экосистемы с помощью удобных и гибких диаграмм.
• Оперативно и без проблем подключаться к различным источникам данных (csv-файлы, PostgreSQL, Oracle, NoSQL, Greenplum, Teradata, HDFS), используя шины данных или открытый API для создания новых потоков данных и добавления сущностей.
• Вести разработку на привычных языках, расширяя функциональность системы силами специалистов, работающих на любых распространенных языках – Java, Python, Scala и др.

→ Модуль позволяет значительно расширить пропускную способность платформы за счет высоких показателей масштабируемости. Он может удовлетворить практически любые требования заказчика к производительности и отказоустойчивости. 

Как работает аналитический модуль на low-code

Работа с модулем подразумевает работу с проектами, которые могут как взаимодействовать внутри модуля, так и вызываться снаружи или использоваться по расписанию (на основании добавленных триггеров). 

Каждый проект в системе модуля – это набор узлов по манипуляции с данными, из которых выстраивается пайп обработки. 

Внутри проекта могут содержаться узлы трех типов: 

• Узлы, которые получают данные из внешних источников, запускающихся по триггеру. Эти узлы можно комбинировать в любой нужной последовательности, обогащая их данными на любом шаге процесса.

*Источником данных может выступать информация в любом виде – в виде внешней таблицы или ее части, CSV файла, внешнего события брокера сообщений и т.д. 

• Узлы, которые обрабатывают данные внутри пайпа. Они могут сортировать информацию с помощью настроенных фильтров, отслеживать пересечения данных, использовать преднастроенные проверки или наборы проверок для обработки.

• Узлы, которые выгружают данные из системы – автоматически создают записи в таблицах, обращаются к внешним API-шлюзам, отдают данные в платформу и т.д.

Посредством комбинированной работы с узлами трех типов аналитический модуль позволяет решать задачи по обработке больших массивов данных в режиме no-code. 

Преднастроенные готовые узлы – уже существующие в модуле или настроенные заказчиком и добавленные в библиотеку модулей – выступают ключевыми сущностями системы. Именно на них базово выстраиваются проекты и сервисы. 

→ Если функциональности основных готовых узлов становится недостаточно, low-code расширение модуля позволяет использовать узлы свободных Python и SQL-запросов. Эти дополнительные узлы можно с легкостью добавлять в библиотеку, пользуясь готовыми гайдами и видеоуроками. 

Таким образом, внедрение какого-либо бизнес-процесса на аналитическом модуле сводится к тому, чтобы выстраивать нужные проекты с помощью базовых узлов и, при необходимости, использовать low-code подход для реализации недостающей функциональности.

Применять low-code возможности модуля заказчик может любым удобным способом:

• делегировать написание дополнительных узлов команде вендора;
• подключать команду вендора для разработки наиболее сложных и многокомпонентных узлов, а остальные создавать собственными силами;
• обучить внутреннюю команду для дальнейшего самостоятельного развития модуля.