«Для того чтобы системы могли «разговаривать» на одном языке, в первую очередь, нужно создать НСИ, которая бы объединила все справочники и стала глобальным переводчиком между системами. »
На сегодняшний день в мире существует порядка 450 СУБД. 99% из них производства США. 3 из них занимают 95% всего рынка – это Oracle, DB2, Microsoft SQL Server. При этом сегодня активно развиваются тренды, использующие технологию NoSQL, потому что у классических СУБД возникают проблемы с производительностью.
В связи с этим появилось порядка 20 новых классов СУБД. В основном они американские и финансируются спецслужбами. Поэтому для меня очень странно, почему в Россиии не уделяют этому внимания.
Задача была – построить СУБД, способную вобрать в себя не только высокую скорость работы, но и сложные модели, которые могли бы максимально точно моделировать деятельность предприятия, оценивать его состояние, динамику, логистику.
Сейчас у заказчика много проблем, связанных, в первую очередь, с интеграцией. Так как существует большой зоопарк систем, в госкорпорациях с учетом филиалов может быть до 1000 различных систем. Собрать и обобщить информацию из этих систем – дикий труд.
За счет того, что наша технология является распределенной СУБД, ядро нашего сервера может быть установлено максимально близко к каждому решению. Ядро затягивает в себя все данные из разных систем и приводит их к единому стандарту внутри всей корпорации.
В декабре прошлого года в течение трех недель была разработана и запущена система сбора агрегации бухгалтерской налоговой отчетности с 92 филиалов ПАО «Россети». Каждый отчет подвергался кросс-проверкам, сейчас отчеты проходят порядка 200 кросс-проверок.
В первую очередь, необходимо из всех систем связать между собой справочники. В каждой системе есть справочник контрагентов, в каждой системе есть справочник товаров, материалов и тд. Системы работали автономно, данные накапливались. Наименования не всегда вводились одинаково.
Для того чтобы заставить системы разговаривать на одном языке, нужно создать единую систему НСИ (нормативно-справочной информации), которая бы объединяла все эти справочники и создавала бы глобальный переводчик языка между системами.
Таким образом, появится возможность производить запросы во все системы. Для того чтобы производить сопоставление объектов при мепировании, мы пока не нашли более удобного и понятного инструмента, чем Loginom.
Loginom позволяет для каждого вида справочников создавать сценарии нормализации данных. При вводе данных в систему, эти данные направляются на анализ, и Loginom обращается ко всем уровням этой системы, через API запрашивает аналогичные данные, производит поиск и автоматически раскладывает данные обратно в систему.
