执行摘要
在数字经济时代，企业需要让应用程序变得更加智能，以提升竞争优势和效率。更智能的应用应使用数据、AI 和分析技术，通过自然语言与用户互动，生成见解并自主采取行动。这包括提升客户体验、提高决策效率，以及针对运营流程自动制定决策并提供预测见解。这些应用需要直接在应用流内实时处理实时数据，例如个性化电商服务、实时欺诈检测、动态定价、实时字幕等。企业需要将智能和分析功能纳入应用程序中，实现“应用程序驱动型智能”，以满足这一需求。
分析和 AI 的现状
传统上，应用程序和分析功能存在于分离的域中，数据在系统之间移动耗时，导致分析应用程序事件与采取行动之间出现分离。集中式分析系统设计用于处理大量数据，但无法满足操作型应用程序的需求，如低延迟访问、实时数据处理等。部门孤岛和交付速度不一致进一步阻碍了向应用程序驱动型智能的转变。
需要做出哪些改变？
为了实现应用程序驱动型智能，需要将智能和分析功能直接引入数据源，即应用程序本身。这要求开发者能够以各种有趣的新方式轻松快速地处理应用程序数据，同时分析团队能够以一种与应用程序本身隔离的方式访问这些实时数据。
交付应用程序驱动型智能的方法
超大规模服务提供商或自行组装方法存在复杂性高、成本高、碎片化等问题，可能阻碍团队尝试采用应用程序驱动型智能。MongoDB 提供了一种更好的方式，通过 MongoDB Atlas 开发者数据平台统一操作、AI 和分析数据服务，简化构建 AI 强化应用的过程。
MongoDB 如何提供帮助
MongoDB Atlas 将事务处理、AI 处理和分析处理与统一的开发者原生 API 和灵活的文档数据模型整合到一个多云数据平台中。开发者可以使用基于 SQL 的工具访问实时应用程序数据，同时 Atlas 支持任何级别的应用智能，从简单的 CRUD 操作到使用实时数据增强 LLM 和传统 AI 模型。
启用应用程序驱动型智能
MongoDB Atlas 提供统一的操作、AI、分析和流式数据服务，灵活的文档数据模型，优化的数据存储和分层，富有表现力的开发者原生 API，原生向量和关键词搜索，以及广泛的集成生态系统等功能，帮助团队打造更快、更智能的应用和自动化业务流程。
利用集中式分析进行定位
应用程序驱动型智能是对围绕集中式数据仓库和数据湖仓构建的现有分析流程的补充，而非替代。例如，在食品杂货电商系统中，集中式数据仓库可用于创建个性化优惠，而应用程序驱动型智能则用于根据实时数据进行实时决策。
应用程序驱动型智能正被广泛使用
MongoDB 的全球客户，包括 50% 以上的财富 100 强企业，正在使用 MongoDB 作为操作数据库，并构建新的应用程序，使用应用程序驱动型智能来丰富现有的应用程序。多个行业和用例，如电信、时尚零售、汽车、零售等，都将受益于应用程序驱动型分析。
开始使用
开始使用 MongoDB Atlas，创建一个免费的数据库集群，加载自己的数据或示例数据集，探索平台的各种功能。MongoDB 提供了一系列资源和服务，包括 AI/ML 资源中心、开发者中心、培训计划和咨询服务，帮助团队更好地满足用户期望，并通过 AI 和分析制定更明智的决策和行动。
