با توجه به ضرورت ارتقای بلوغ مدیریت داده و حرکت به سمت ایجاد سازمانی داده محور، دپارتمان  "پایگاه و انباره داده" شرکت مشاوره مدیریت و خدمات ماشینی تامین، از سال 1400 به عنوان مدیریتی مستقل فعالیت خود را آغاز نمود. در راستای ارائه خدمات تخصصی و ایجاد ارزش حداکثری،  وظایف این واحد توسط بخش های تخصصی پایگاه داده های رابطه ای و غیررابطه ای، انباره داده و هوش تجاری انجام می شود .

گروه مدیریت پایگاه داده (DBA) در راستای تغییر سکوی نرم افزاری و پایگاه داده‌های سازمان تأمین اجتماعی از فاکس پرو به اوراکل در سال 1385 به عنوان یک تیم تخصصی تشکیل شده و با بهره‌گیری از تجربه و تخصص کارشناسان و مشاورین مجرب، به عنوان یکی از مهمترین ارکان شرکت محسوب می‌شود.

برخی از مهمترین اقدامات انجام شده در حوزه پایگاه داده عبارتند از:

-    طراحی، نصب و راه اندازی زیرساخت و دیتابیس اوراکل در بیش از هزار واحد سازمان تأمین اجتماعی

-    طراحی، نصب و راه اندازی زیرساخت و دیتابیس MSSQL  در بیش از چهارصد مرکز درمانی سازمان تأمین اجتماعی

-    طراحی، نصب و راه اندازی بیش از پنجاه دیتابیس برای سرویس های متمرکز و تجمیع شده در مراکز داده شرکت و سازمان

-    استفاده و بکارگیری ابزارهای متمرکز مانیتورینگ شامل Oracle Enterprise Manager (OEM)، IPM و PRTG

-    طراحی و پیاده سازی انواع مکانیزم های Disaster Backup & Recovery 

-    طراحی و پیاده سازی مکانیزم های High Availability شامل Data Guard ، Real Application Cluster

(RAC)، WSFC و Always ON

-    طراحی، راه‌اندازی و پیاده‌سازی انواع مکانیزمهای رپلیکیشن شامل Advanced Replication، Stream

Replication و Transactional Replication

-    انجام عملیات نگهداری، توسعه، پشتیبانی و به روز رسانی، انواع دیتابیس‌ها 

-    انجام عملیات مستمر Troubleshooting، Performance Tuning، SQL Tuning ، Patching و سایر موارد

مربوط به مدیریت بانک های اطلاعاتی

-    طراحی، پیاده‌سازی و راه اندازی انواع مکانیزم های کنترل دسترسی و امنیت بانک اطلاعاتی، همچنین پیاده‌سازی مکانیزم های Auditing

-    ارائه راهکار در حوزه طراحی منطقی دیتابیس به تیم های طراحی و توسعه نرم افزار 

گروه هوش تجاری شرکت خدمات ماشینی تأمین در سال 1392 تشکیل شد و ضمن بهره‌گیری از تجربه و تخصص کارشناسان و مشاورین مجرب، به عنوان مرجع طراحی و ایجاد انباره داده و پیاده‌سازی مکانیزم های لازم به منظور فراهم کردن امکان تحلیل داده و ساخت گزارشات و داشبوردهای مدیریتی قرار گرفت.

مهم ترین وظایف و اقدامات تیم انباره داده و هوش تجاری عبارتند از:

-    طراحي، پياده‌سازي و مديريت پايگاه‌هاي مورد نياز انباره داده بر مبناي متدولوژي و تكنولوژي‌هاي مطرح OLAP در

Enterprise Data Warehouse 

-    طراحي، نصب و راه‌اندازي نرم‌افزارهاي ETL، E-LT نظير ODI و OGG و پياده‌سازي محيط Staging Area

-    طراحي و پياده‌سازي مدل های داده ای و ديتامارتها در حوزه‌هاي مختلف كسب و كاري

-    تهيه زيرساخت لازم جهت اجراي انواع گزارشات مورد نیاز از دیتابیس انباره داده (Ad-Hoc Query)

-    طراحي، پياده‌سازي و مديريت ابزارها و راهكارهاي تحليلي هوش تجاري OBIEE

-    طراحي، پياده‌سازي و توسعه گزارشات و داشبوردهاي تحليلي در حوزه‌هاي مختلف

-    پیاده‌سازی شاخص‌ها، نیازمندی‌ها و گزارشات مورد نیاز حوزه بیمه‌ای، درماني و ستادي در سطوح استراتژیک (مديران ارشد سازمان)، سطح تاكتيك (مديران مياني) و عمليات (كارشناسان) 

-    مدیریت حساب کاربران و مجوزهای دسترسی، شامل انواع Role، Application Role و پياده‌سازي مكانيزم‌هاي RLS (Row Level Security)

-    نگهداری و بهینه سازی انباره داده

این واحد موارد زیر را به عنوان اهداف توسعه آتی مد نظر دارد:

-    تهیه و طراحی و ارتقاء دیتابیس‌های مرکز داده به منظور توسعه و تکمیل سرویس‌های متمرکز و مهاجرت از سرویس های توزیع شده 

-    تهیه، طراحی و پیاده‌سازی مکانیزم‌های پیشرفته دسترسی به اطلاعات و امن سازی پایگاه‌های داده‌ای

-    طراحی، توسعه و پیاده‌سازی مکانیزم‌های پاکسازی اطلاعات (Data Cleansing) و اعتبارسنجی داده‌ها (Data Validation)
-    تهیه، طراحی و پیاده سازی تشخیص و کشف تقلب سامانه های سلامت الکترونیک

-    تدوين فرايند مستند سازي و تهيه مستندات فني و كسب و كاري

-    طراحي و پياده‌سازي مكانيزم‌هاي امنيت انباره داده و حداكثر دسترس پذيري (High Availability)
-    فراهم آوردن امكان Self Service BI براي كارشناسان و كاربران متخصص اين حوزه
-    استقرار پایگاه داده های غیررابطه ای و زیرساخت های کلان داده

-    واکاوی داده به کمک الگوریتم های یادگیری ماشین و یادگیری عمیق

-    تحلیل کلان داده ها

کلان داده:

- طراحی و پیاده‌سازی معماری‌های کلان داده به منظور پردازش و تحلیل داده‌ها؛ از جمله Apache Hadoop

- طراحی، پیاده‌سازی و نگهداری پایپ‌لاین‌های داده در مقیاس کلان داده برای داده‌های دسته‌ای (Batch) و جریانی (Stream)؛ از جمله Apache Airflow, Apache Kafka, Apache Spark

 - طراحی، راه‌اندازی و نگهداری پایگاه‌داده‌های غیر رابطه‌ای (No SQL)؛ از جمله Cassandra، MongoDB و...

- طراحی، پیاده‌سازی و نگهداری انبار داده (Data Warehouse) و دریاچه داده (Data Lake)

- مدیریت (Management)، نظارت (Monitoring) و عیب‌یابی (Troubleshooting) عملکرد کلاسترها و سرویس‌ها

- بهینه‌سازی فرآیندهای ETL در مقیاس کلان داده به منظور مقیاس‌پذیری (Scalability)، قابلیت اطمینان (Reliability) و دسترس‌پذیری بالا (High Availability)

- تحقیق و توسعه در خصوص استفاده از روش‌ها و ابزارهای جدید مطابق با نیازمندی‌ها و استراتژی‌های داده‌محور سازمان و بهینه‌سازی فرآیندهای موجود

علم داده:

- طراحی و توسعه روش‌های استخراج، آماده‌سازی و مهندسی ویژگی‌ها

- طراحی و پیاده‌سازی مدل‌ها و الگوریتم‌های پیش‌بینی با استفاده از تکنولوژی‌های AI/ML

- آنالیز داده‌ها به منظور شناسایی الگوها و ترند دیتا

- طراحی و توسعه روش‌‌ها و ابزارهای مصورسازی داده‌ها

- خودکارسازی فرآیند جمع‌آوری، پیش‌پردازش، آموزش مدل‌ها و نمایش نتایج

- تحقیق، توسعه و ارائه راه‌حل‌ها و استراتژی‌های داده‌محور در راستای رفع چالش‌های کسب و کار