Atom Bank CTO在挖掘其数据中心并搬到Google云平台

Atom Bank CTO Rana Bhattacharya透露了公司的下一阶段如何通过谷歌云平台（GCP）的使用，作为持续工作的一部分，将缩小其对第三方数据中心的依赖的一部分。

只有移动的挑战银行于2015年开始，自我指定的目标成为英国最以客户至上的银行机构。

当时，金融行为管理局对银行使用云使用的指导仍然被锤击，因此Atom Bank几乎没有选择，而是在第三方数据区内容纳其基础设施。

“我们从2015年开始获得银行，当时，监管机构对使用云的看法非常不成熟......因此我们不得不利用可以为我们提供基础设施的合作伙伴，如Datentres，”Bhattacharya每周告诉计算机。

与所有挑战银行一样，Atom才能发布雄心壮志，不仅扩大它可以提供的银行服务范围，而且还增加其客户群，并很快将其数据中心依赖的局限性开始变得太明显。

“我们希望加快我们的速度，以及我们发现的是，如果你想要一个新的环境[Datentre Model]，你必须经过这个整个过程，如果你在机架里有空间，你必须锻炼身体要进入更多刀片，然后购买机架的刀片，安装软件并在新服务器上构建堆栈 - 这需要很多时间，“他说。

与此同时，所有这项工作都必须通过第三方数据中心经营者协商，从采购和合同角度进一步复杂化问题。

“这不是第三方的问题，这是一个外包数据中心模型的问题，”Bhattacharya说，“在那你必须通过步骤来获得你想要的东西，这需要时间和金钱，因为你'重新支付多个人协调一切。“

在Atom Bank发布的一年内，FCA向金融服务公司发出了关于他们应该如何将其外包给云端的指导，并且在这样做，该路径为公司开始切换其托管安排。

“我们了解我们想要发生的增长，我们想要为客户带来服务的步伐，我们也知道传统的数据中心模型不会支持这一点，”Bhattacharya说。“与此同时，我们希望控制自己。”

ATOM推出了数据中心已经看到该公司公开承诺使用金融电气公司思想机器的基于云的银行平台，记录和管理它在其带来市场的个人和商业银行产品中的交易。

除此之外，Atom还开始提出提案（RFP），以便在其移民境内提供额外的支持，其中Bhattacharya说过“所有典型的球员”的回应，然后在将其选择下来给两个云事业公司之前，其中2017年底作为彻底获胜者。

“我们希望有人真正成为我们旅途中的合作伙伴，因为50％的战斗实际上是让你在你身边有人让你成功的，”Bhattacharya于2017年4月加入了Atom Bank。

与谷歌及其思想机器技术合作，Atom Bank已设置重新架构其整个设置和流程，以便为批发移居提供批发。

“我们所做的就是不一定只是我们在云端的数据中心所拥有的升力和转移模型移动，我们将此作为基本上探索未来银行的机会，”他说。

最终，该公司希望通过采用Devops软件开发流程和创建Bhattacharya调用“光滑，高端”的网站可靠性工程（SRE）功能来实现更多的内部控制权。

“这意味着我们可以通过我们自己的控件，有效地旋转整个版本的银行，因为我们需要，”他说。“我们希望能力和控制在内部。这样它就是我们的银行，我们有这种控制权。

“谷歌和我们的Devops能力是基本上与各种其他第三方和软件 - AS-Service [工具]以及托管我们将在飞行中构建的组件集成的基本上集成，根据需要测试和部署。“

Atom Bank Tech团队中有大约90人进行所有这项工作。它们不仅负责监督其银行平台的云更新，而且确保这些产品与其基础设施的旧款集成。

“这是运营现有，当前银行的团队，以及我们努力创造未来银行的所有变化，”他说。“我们所做的是基本上在我们现有银行的一侧建立新银行。”

就本组织现在迁移到云端的位置而言，Atom Bank即将与其新的消费者面向银行应用程序一起生活，这将托管在谷歌云平台上，就像“好号码”一样Bhattacharya说，IT工作量。

接下来的议程将推出其核心银行平台，其开发已经通过与思想机器的合作伙伴关系，这也将在适当的时候在谷歌上生活。

“我们正试图根据他们准备好的不同组件，并以非常安全的方式，逐步地，并在我们去允许我们加速我们的旅程时添加功能，并为我们加速我们的旅程。”

“我们的重点是获得生活，并以非常经济的方式做到这一点，并优化我们建造的内容。”

一旦其大部分工作量都在谷歌上，Bhattacharya的技术待办事项列表的下一件事就是更深入地进入云巨头的扩展服务组合。

“一旦我们在谷歌上有了大多数银行并在谷歌上运行，我们实际上可以做一些非常酷炫的有趣的东西，并利用完整的能力和服务，因为他们正在做很多东西就是超越的东西纯粹的基础设施，“他说。

机器学习和实时数据分析是BHATTACHARYA的几个地区已在后面沿着该线进行实验。

例如，他描述了如何将思想机器平台与Apache Kafka和Google Cloud上的Tensorflow结合的人员可以生成关于其银行各种部分正在执行的实时数据的源。

“我们可以有实时分析运行，以便在特定产品中向我们及时向我们展示一个视图，并建立对我们客户旅程的理解以及我们可能需要专注于改善的内容，“ 他说。“所以，随着时间的推移，我们将利用机器学习的数据来为客户做一些非常酷的有趣的东西。”