行业挑战
基于金融行业数字化转型的需要，当前多家金融机构纷纷推出“非接触式服务”、“针对性线上金融产品”、“电子银行服务专区”、“客户经理智能名片”、“智能推介服务”等智能营销服务。
不同于传统金融“线上+线下”营销模式，数字化营销基于大数据驱动，需要实时收集不同客群的行为数据，了解客户日常生活消费习惯，结合客户浏览、点赞、评论、分享等数据，动态了解客户当前兴趣倾向、投资偏好和资金往来等，同时通过对社交裂变的数据追踪，判断社交圈潜在的忠实用户、高价值客户。需要系统具备对海量数据实时采集，对数据进行实时清洗过滤标准化及实时计算的能力。传统架构下的实时营销场景在技术上面临如下挑战：
解决方案
实时营销系统数据处理特征
- 营销系统需要在具体执行营销业务逻辑前汇总用户行为、用户标签、业务系统交易数据等多源数据
- 为了追求卓越的用户体验，营销系统需要对日志、行为、交易等结构化和半结构化数据进行流式数据驱动处理，进行去重加工分析，在秒级完成整体推荐处理流程
- 实时推荐、主动营销等典型场景需要数据库使用分布式架构支撑业务，能够弹性扩容承载业务敏态化带来的交易高增长，并且需要数据库提供高并发的访问能力
基于 TiDB 的营销中心实时营销整体解决方案
- 通过 CDC 、Kafka 、Flink 等多种技术，将实时数据直接或者通过加工等方式同步到 TiDB 汇聚库
- TiDB 数据库具备水平弹性扩容能力，满足实时营销场景的数据存储需求
- 实时或批量接入数据，选取适合的推荐算法，点查维度表，按业务维度生成营销推荐数据回写到 TiDB，提供在线实时营销服务
- TiDB 数据库具备 HTAP、高并发、低延迟特性，查询服务能力满足实时营销的场景需求
方案优势
一、HTAP 一栈式解决方案，实现实时交易和多维查询的访问隔离，降低技术栈复杂度；
二、兼容 Flink、Spark、kafka 等大数据生态，多源汇聚、实时查询；
三、横向水平弹性扩缩容，数据强一致。