Big Data

Complexity made simple.
Big Data
Big Data w Bankowości
Big Data odnosi się do ogromnej ilości nieustrukturyzowanych i różnorodnych danych.
Sektor bankowości może wykorzystać tę technologię do osiągnięcia wymiernych
korzyści. Znajduje ona zastosowanie m. in. przy sprawdzaniu rzetelności kredytobiorcy,
kreowaniu profilu nowego klienta, wykrywaniu fraudów czy targetowaniu ofert
do klientów potencjalnie nimi zainteresowanych.
Wyzwania biznesowe
Przyrost danych przekracza biznesowe i techniczne możliwości istniejącej infrastruktury IT.
Wydobywanie nowej wartości biznesowej dzięki lepszemu wykorzystaniu istniejących danych.
Istniejące technologie, nie są w stanie poradzić sobie z przetworzeniem i analizą zgromadzonych
zasobów danych w akceptowalnym czasie.
Trendy rynkowe
Liczba danych gromadzonych iI wykorzystywanych w biznesie przyrasta o 50% każdego roku.
Miliard użytkowników serwisu społecznościowego Facebook, każdego dnia publikuje ponad
ćwierć miliarda zdjęć i korzysta z przycisku „Lubię to” ponad 3 mld razy.
Już w 2010 r. wytworzono ponad 1 zettabajt (tryliard bajtów) cyfrowych informacji. Do 2015 r.
liczba ta ma przekroczyć 9 zettabajtów.
Do roku 2015 w obiegu będzie ponad 15 miliardów połączonych ze sobą urządzeń.
Big Data jako 4V
Volume – olbrzymie wolumeny danych, szybko rosnące i zmieniające się;
Variety – dane nie są ustrukturyzowane, pochodzą z wielu źródeł oraz z różnych urządzeń;
Velocity – analiza danych powinna być dokonywana w czasie bliskim rzeczywistemu;
Value – Big Data to sposób na generowanie nowych przychodów lub unikanie niepotrzebnych
kosztów.
Co się zmieniło...
Tak było:
Badanie małej próbki danych,
jako odzwierciedlenie populacji.
Dlaczego?
Ogromne koszty zbierania dodatkowych
informacji, skomplikowane przetwarzanie
większej ilości danych.
Wady:
Ograniczone zaufanie do rozwiązań
i statystyk liczonych na małej próbie.
Obniżona dokładność wyników badań.
Analiza danych obarczona jest zbyt
dużym błędem.
Obawa uzyskania wyników statystycznie
nieistotnych.
Teraz:
Analiza nieograniczonych ilości danych
przy pomocy technologii Big Data.
Dlaczego?
Innowacyjne rozwiązania dla biznesu,
bardziej efektywne przechowywanie,
przetwarzanie i użytkowanie danych.
Zalety:
Wiarygodne wyniki i analizy.
Możliwość wykonania wnikliwych
badań.
Analiza danych niestrukturalnych.
Kondensacja danych w celu
spostrzeżenia nowych zależności.
Przykłady wykorzystania Big Data
Budowa profilu klienta
Scoring Kredytowy
Dane z portali społecznościowych coraz częściej służą do tworzenia wiarygodnego profilu
klienta. Wiedza o kluczowych momentach w jego życiu oraz o jego realnej ocenie współpracy
z bankiem stanowi podstawę dzisiejszych systemów CRM. W oparciu o uzyskane informacje,
bank może bardziej świadomie podjąć decyzję o udzieleniu kredytu. Badając rzetelność
kredytobiorcy obniża on ryzyko kredytowe.
Baza Klientów
Targetowanie
Po określeniu profili poszczególnych klientów powstaje baza klientów. Dzięki temu, bank
może przeprowadzić złożoną segmentację klientów oraz stworzyć indywidualne oferty
dostosowane do potrzeb i zachowań każdego z nich. Szeroka wiedza o kliencie umożliwia
dodatkowo zaproponowanie odpowiedzi na jego prawdziwe potrzeby w sposób dla niego
naturalny (kanały mobilne, media społecznościowe, inne). Takie rozwiązanie obniża koszty
związane z reklamą oraz zwiększa efektywność pozyskiwania klientów (wzrośnie liczba
depozytów, kredytów).
Wykrywanie nadużyć finansowych
Big Data zdobywa coraz większe uznanie w obszarach związanych z wykrywaniem
fraudów np. w obszarach bankowości hipotecznej, płatnoścach i operacjach kartowych.
Rozwiązanie Big Data gwarantuje o wiele wyższą, w porównaniu do obecnej, efektywność.
Sprawniejsze wykrywanie nadużyć prowadzi do wysoce pożądanego zmniejszenia ryzyka
operacyjnego banku.
Bankowość Inwestycyjna
Big Data oferuje paletę rozwiązań również dla sektora bankowości inwestycyjnej.
Wykorzystując dane niestrukturalne pochodzące np. z Internetu możliwe jest wsparcie
badania płynności, jak również budowa strategii inwestowania. Kolejnym krokiem
w skutecznym podejmowaniu decyzji inwestycyjnych jest budowa modeli oceniających
i rekomendujących operacje na rynkach instrumentów finansowych.
Projekty IMPAQ
Tweeter Case Study
Badamy obecnie odczucia internautów
dotyczące danego produktu.
Na podstawie ich wypowiedzi na portalu
społecznościowym, stwierdzamy
czy ich nastawienie jest negatywne
czy pozytywne. Jest to możliwe poprzez
zastosowanie odpowiednich algorytmów
wyszukujących słów kluczowych,
które klasyfikują daną opinię według
odpowiednich kryteriów.
OBD Case Study
Technologia Big Data pozwoliła nam
na gromadzenie dużych zbiorów danych
w celu ich dalszej analizy. Stworzyliśmy
rozwiązanie umożliwiające wyszukanie
identyfikatorów samochodów, w których
w przeciągu kilku sekund prędkość
zmieniła się o więcej niż 20 km/h.
Oznaczało to zbyt gwałtowne hamowanie
bądź też nagłe przyśpieszenie.
Takie wyniki mogą w przyszłości posłużyć
towarzystwom ubezpieczeniowym
w ocenie czy dany kierowca jest
potencjalnym zagrożeniem na drodze
i dostosowaniu jego stawki OC i AC
do ryzyka.
Call Center Case Study
Big Data sprawdza się w biznesie, który
operuje nad dużych zbiorach danych.
W przypadku Call Center są to pliki
dźwiękowe z nagraniami rozmów, jakie
agenci przeprowadzają z klientami
każdego dnia. Są one konwertowane
na tekst, co umożliwia łatwiejsze
odszukiwanie informacji, np. do analiz,
tworzenia profilu klienta, przeszukiwanie
zarejestrowanych rozmów, odnajdywanie
błędów popełnianych przez agentów,
a co za tym idzie poprawienie jakości
przeprowadzanych rozmów. Big Data
przekłada się bezpośrednio
na zwiększenie satysfakcji klienta.
KDPrevent & Hadoop Case Study
Dlaczego IMPAQ:
KDPrevent jest technologią wykrywania
nadużyć finansowych. Dzięki rozszerzeniu
tej platformy o Big Data, uzyskaliśmy
znaczny wzrost w objętości przetwarzanych
danych. Dane spływające na platformę
Big Data są przygotowywane w celu
poprawy ich jakość, odrzucienia szumu
i przystosowania ich do wymogów
systemowych. Przetworzone dane trafiają
do systemu KDPrevent, który analizuje je
pod kątem wykrywania fraudów.
Inwestujemy i rozwijamy nasze kompetencje według potrzeb klientów
Światowej klasy kompetencje w zapewnianiu jakości
Z wieloma klientami współpracujemy już od ponad 10 lat – największe światowe marki,
które nam zaufały
Uczenie się poprzez lata doświadczeń w pracy z klientami na całym świecie
Dysponujemy procesami, metodyką oraz zakresem umiejętności właściwych dla dużych
dostawców usług informatycznych – wykorzystanie technologii największych vendorów
Elastyczny ale i stabilny gracz na rynku – gwarantujemy ciągłość współpracy
Różne specjalizacje i kompetencje zespołu pozwalają na odpowiedni dobór osób
do projektu w zależnosci od jego specyfiki i obszaru
Dobieramy naszych konsultantów do projektów biorąc pod uwagę:
– Umiejętności
– Doświadczenie
– Cechy osobowości
Dodatkowe informacje na temat IMPAQ
www.impaqgroup.com
Konrad Hoszowski
Practice Manager
Machine to Machine
and Cloud Computing
IMPAQ Sp. z o.o.
Mokotów Nova
ul. Wołoska 22, 02-675 Warszawa
Tel.
+48 22 31 46 000
Fax
+48 22 31 46 001