客户希望将其业务运营数字化。作为其中的一部分，他们需要一个合作伙伴来对 Cortana 分析套件 (CAS) 的数据湖产品集进行技术概念验证。其中一些需求是：将来自多个云租户的数据引入一个位置对这些数据运行描述性和预测性分析为上述事项建立定期时间表和数据组织需要一个统一版本的数据点

在全球金融科技公司中，81% 的公司表示数据是他们最大的技术挑战。这些数据问题分为利用 AI-ML 数据（41% 面临）和连接到客户应用程序和数据系统（40% 面临）。金融科技面临的更多数据问题是安全性（40%）和多云部署（39%）。由于对客户所需的产品和服务类型以及企业本身缺乏清晰的认识，在利用人工智能数据获得有价值的见解时面临的数据问题的后果是进一步创新面临的困难。无法连接到客户应用程序直接影响用户体验以及向更广泛的客户群提供现有产品的能力。此外，后果包括无法与现有银行建立合作伙伴关系，以及更严重的缺乏监管合规性。上述两个后果可能会导致生存能力方面的问题，其根源应在其生效之前解决数据问题。

该客户已为销售、规划、商店和仓库管理等业务活动实施了 Oracle 零售应用程序。财务要求由 EBS 处理。这些解决方案部署在 Oracle Linux、IBM 和 AWS 云等云服务上。挑战如下：应用程序和数据库缺乏高可用性，影响运行性能难以扩展和处理流量高峰和负载需要在本地许可证到期之前完成迁移本地基础设施缺乏强大的安全性成本和资源管理不力操作系统、数据库和服务器版本的升级以及迁移

客户需要 Azure 云服务方面的帮助，并要求对其 Azure Kubernetes 服务进行持续支持和监控。客户面临多个问题，包括在 AKS 更新期间 30 分钟内应用程序不可用，并且还需要解决方案来修复其 AKS 漏洞。他们还希望通过实施 Azure 最佳实践来缩短周转时间。他们面临的其他问题包括缺乏对本地系统的支持、在 CPT 及其涉及 AI/ML 的 PDMS 应用程序中的复杂部署、冗余存储帐户和应用程序服务计划、可用的 pod 不足以及 pod 部署效率低下。

客户使用的是基于单体架构的应用程序，并且缺乏敏捷性和复杂的相互依赖关系。他们一直在进行广泛的手动测试，并努力保持发布正常。由于他们的框架过时，采用新框架并实施需要重新部署整个应用程序的持续部署成为一项艰巨的任务。