¿Tiene preguntas? Tenemos respuestas.

La capacité de MindBridge à s'intégrer avec Snowflake permet une automatisation transparente de l'ingestion, de la transformation et de l'analyse des données financières, améliorant ainsi les capacités de détection des risques financiers.

Ce document fournit un aperçu de la manière dont votre équipe peut intégrer MindBridge avec Snowflake, et offre un contexte et des conseils supplémentaires pour les équipes de mise en œuvre et de développement au sein des organisations clientes de MindBridge. Ce guide simplifie le processus et inclut des liens vers des modèles de notebooks Python téléchargeables (disponibles sur GitHub).

Comment fonctionne l'intégration de MindBridge avec Snowflake

MindBridge a développé un ensemble de modèles de notebooks basés sur Python pour Snowflake afin de soutenir les cas d'utilisation courants, garantissant une intégration simplifiée entre Snowflake et MindBridge.

Aspects clés de l'intégration

• Notebooks Snowflake préconstruits : Accédez à des notebooks Snowflake préconfigurés pour des tâches courantes telles que l'envoi de données à MindBridge, le déclenchement d'analyses programmées et l'interrogation des résultats.
• Personnalisation : Personnalisez facilement ces notebooks pour répondre à des besoins spécifiques, tels que l'ajustement de la fréquence des données, l'intégration de sources de données personnalisées ou la modification des paramètres d'analyse.
• Ressources et tutoriels : Profitez de tutoriels détaillés et de documentation pour soutenir votre équipe dans la configuration et la personnalisation de ces notebooks pour une mise en œuvre rapide.

Commencer

Pour les utilisateurs de Snowflake, une étape de configuration unique est requise pour activer un accès API sécurisé et le formatage des données. Ce code de configuration est disponible sur demande auprès de votre représentant du succès client et peut être rapidement mis en œuvre avec le soutien de l'équipe des solutions de données de MindBridge.

Notebooks Python téléchargeables pour Snowflake

MindBridge a créé une série de notebooks basés sur Python que vous pouvez télécharger et importer dans votre environnement Snowflake. Ces notebooks vous permettent d'orchestrer des workflows MindBridge directement depuis Snowflake. La documentation dans les notebooks fournit des conseils pour une configuration et une personnalisation conviviales.

1. MindBridge_E2E_Integration_Tutorial - Fournit un guide pratique pour configurer une intégration MindBridge avec Snowflake.
2. MindBridge_Explore_GL_Table - Fournit un exemple d'interrogation d'une base de données Snowflake de données du grand livre général pour créer un fichier pouvant être utilisé comme entrée dans toute analyse MindBridge.
3. MindBridge_E2E_Analysis_Data_Flow - Démontre une configuration initiale complète d'une organisation, d'un engagement et d'une analyse MindBridge.
4. MindBridge_Update_Data_Run_Existing_Analysis - Illustre le processus de mise à jour des données de Snowflake et l'exécution d'une analyse existante dans MindBridge.
5. MindBridge_Results_Integration_Example - Montre comment récupérer les résultats de MindBridge dans Snowflake, permettant une analyse plus approfondie.

Accéder aux modèles de notebooks

Téléchargez les notebooks Python préconfigurés pour Snowflake depuis GitHub

Exemple de cas d'utilisation

Scénario

Une entreprise technologique mondiale utilise Snowflake comme plateforme de données centralisée. Pour rationaliser les workflows, ils préfèrent que MindBridge source les données directement depuis Snowflake, réduisant ainsi le besoin de multiples systèmes pour accéder aux environnements opérationnels.

Exemple de Workflow

• Préparation et transformation des données : Un travail Snowflake prépare les données ERP et opérationnelles en appliquant une logique de transformation.
• Orchestration automatisée des analyses : Le Notebook Snowflake automatise les appels API MindBridge pour déclencher de nouvelles analyses dès que les données sont prêtes.
• Livraison d'insights sans friction : Les utilisateurs professionnels peuvent accéder aux derniers résultats dans MindBridge sans extraction manuelle.
• Intelligence des risques intégrée : Les cotes de risque et les résultats d'analyse sont récupérés via API dans Snowflake.

Avantages

• Efficacité opérationnelle : Rationalise les opérations et élimine le besoin de scripts personnalisés.
• Atténuation des risques ciblée : Permet aux équipes financières de se concentrer sur la révision et l'atténuation des risques plus efficacement.
• Workflow transparent : Maintient des workflows cohérents au sein de l'environnement Snowflake.