Big Data
Transkrypt
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