BigData  в  банковской  сфере  

Проблемы  и  пути  решения  

Аршавский  Анджей  Директор  ЦК  Супермассивы  данных  

 Avarshavsky.sbt@sberbank.ru  

     

2015  

Стадии  разрушения  традиционного  банкинга  

Проблема  данных  в  крупной  организации  

Задачи  банка  для  BigData    

Вариант  решения  –  единая  платформа  

Черта  между  BI  и  BigData  

Концепция  аналитической  фабрики  супермассивов  

Процесс  создания  ценности    

2  

План    BIGDATA  в  банковской  сфере  

3  

Инновации  как  убийцы  –  стадии  разрушения  стандартной  банковской  системы  

①       Интернет  и  социальные  сети  

Контроль  и  выбор  

②       Экраны  и  смартфоны  

В  любом  месте  в  любое  время  

③       Мобильный  кошелек  

Без  карточек  и  наличных  

④ Отделение  функции  счета  от  банка  

   Без  счета  

⑤   BigData    Кроссистемная  персонализация    

*Бретт  Кинг,  Банк  3.0  

4  

BIGDATA  как  развитие  подходов  к  использованию  данных  

Информация  как  конкурентное  преимущество  

Информация  как  рычаг  инноваций  

Информация  как  стратегический  

актив  

Информация  для  управления  бизнесом  

Данные  для  ведения  бизнеса  

“Повседневные операции”

“Datawarehousing”

Ценность информации

для

бизнеса

“Информация в бизнес контексте”

“Бизнес инновации за счет информации”

“Адаптивная бизнес стратегия”

Зрелость методов использования информации

+  ВНЕШНИЕ  ДАННЫЕ  

BIGDATA  в  банковской  сфере  

5  

BIGDATA  в  банковской  сфере  Проблема  данных  в  крупной  финансовой  организации  

Данные  один  из  самых  ценных  активов  любого  крупного  банка    

Мало  кто  умеет  накапливать  и  обрабатывать  данные  в  мере  необходимой  для  решения  задач  сегодняшнего  дня    

 Мало  кто  умеет  использовать  открытые  данные  и  данные  интернет  для  получения  знаний  о  своих  клиентах  

6  

Ключевая  проблема  при  работе  с  данными  

За  счет  разработки  Инфраструктуры  BIGDATA  подключения  и  интеллектуальной  предобработки  источников  данных  технологии  смогут  оптимизировать  трудозатраты  и  снизить  долю  работ  по  подготовке  данных  для  разработки  бизнес  приложений  до  70%!  

BIGDATA  в  банковской  сфере  

Подсчитано  (Gartner),  что  до  70  %  от  времени,  затраченного  на  аналитические  проекты  посвящены  приведению,  очистке    и  интеграции  данных,  в  основном  из-­‐за  следующих  проблем:  

Трудность  поиска  данных  из  за  рассеяности  среди  разрозненных  бизнес-­‐приложений  и  бизнес-­‐систем    Для  того,  чтобы  стать  пригоднее  для  анализа,︎  данные  требуют  реинжиниринга  и  переформатирования  ︎Приобретение  данных  для  аналитики  в  заданном  формате  создает  огромную  нагрузку  на  команды,  которые  владеют  системами  источников  данных  .  Часто  одни  и  те  же  данные  просят  или  закупают  различные  команды  и  подразделения,  что  создает  дополнительные  трудозатраты  и  хаос  Необходимость  наладки  процесса  регулярного  обмена  данными  

   

7  

Данные  и  аналитика  как  разделяемый  рессурс  

Клиент Продукт Транзакция Местоположение …. Инструментарий

РИСКИ  

РОЗНИЦА  

ОПЕРАЦИОННАЯ  ДЕЯТЕЛЬНОСТЬ  

БЕЗОПАСНОСТЬ  

КОРПОРАТИВНЫЙ  БИЗНЕС  

HR  

BIGDATA  в  банковской  сфере  

BIGDATA  в  меньшей  степени  про  размер  данных  и  в  большей  степени  про  возможность  работать  с  множеством  разнообразных  типов  данных  и  приложениями  с  мощными  аналитическими  возможностями.  

8  

Источники  роста  прибыли  банка  BIGDATA  в  банковской  сфере  

             

КЛИЕНТ  ФЛ/ЮЛ  

         

   

 ПРИВЛЕЧЕНИЕ  

 

 УДЕРЖАНИЕ  

 

 ПРОДАЖИ  

 

ПЕРВИЧНЫЕ  

ВТОРИЧНЫЕ  

 КРЕДИТЫ  

 

РИСКИ  

ЗАДОЛЖЕННОСТИ  

     

АНТИФРОД        

 ВНУТРЕННИЙ  

 

 ВНЕШНИЙ  

 

 HR    

                 ОПТИМИЗАЦИЯ  ПРОЦЕССОВ  

 

①     

②     

③      ④     

9  

Концепция  аналитической  фабрики  супермассивов  

Фабрика  Супермассивов  должна  дать  возможность  обрабатывать  данные  единым  образом  для  всех  платформ,  функций  и  клиентов.  Построить  легко  изменяемую  и  удобную  в  использовании  операционную  модель  работы  с  данными  с  необходимым  уровнем  доверия,  как  к  традиционным  так  и  не  традиционным  источникам  данных  

Решаемые  задачи:     Доверие  к  информации  

               Традиционные  и  новые  источник  данных    

BIGDATA  в  банковской  сфере  

•  Поставка  информации  •  Интеграция  информации  (Очистка,  Трансформация,  Сопоставление,  Улучшение)  

•  Поиск  информации  •  Доступ  к  информации  •  Проработка  гипотез  •  Обучение  моделей  и  анализ  информации  

•  Архивация/  Очистка/  Восстановление  

•  Администрирование  

•   Управление  жизненным  циклом  •   Качество  данных  •   Референсные  данных  •   Связывание  сущностей  и  разрешение  противоречий  •   Классификция  •   Отчетность    

•   Интернет  данные  •   Виртуализация  данных  

10  

ЦК  Супермассивов  данных  КОНЦЕПЦИЯ  ПЛАТФОРМЫ  BIGDATA  

11  

BIGDATA  в  банковской  сфере  Сценарии  применения  фабрики  

Эксперты  предметных  областей  бизнеса  банка  нуждаются  в  доступе  к  данным  организации  для  исследования,  выборок,  аннотации  и  построения  моделей  

Data  Scien�sts  ищут  новые  модели  для  обучения  

Маркетологи  ищут  данные  для  новых  компаний  

Службы  безопасности  ищу  данные  для  детализации  подозрительных  транзакций    Розничный  блок  хочет  сделать  лучшее  предложение  клиенту    ……..  

•  Ежедневная  активность  

•  Необходимость  в  ad  hoc  доступе  к  разнообразным  данным  

•  Поддержка  анализа  и  принятия  решений  

•  Использование  терминологии  предметных  экспертов  при  доступе  к  данным  

Предоставление  такого  же  удобного  доступа  к  данным  как  в  электронных  таблицах,  с  возможностью  масштабирования  до  огромных  объемов  и  распространения  на  огромное  разнообразие  типов  информации,  при  этом  защищая  конфиденциальную  информацию  и  оптимизируя  ИТ  системы  хранения.  

BIGDATA  в  банковской  сфере  Процесс  создания  бизнес  результата  

ПОСТАНОВКА ЗАДАЧИ

ПОДГОТОВКА ДАННЫХ

ИССЛЕДОВАНИЕ ДАННЫХ

ДОПОЛНИТЕЛЬНЫЕ ПОКАЗАТЕЛИ

АНАЛИТИЧЕСКОЕ МОДЕЛИРОВАНИЕ

ОЦЕНКА МОДЕЛЕЙ

ПОСТАНОВКА НА РЕГЛАМЕНТ

МОНИТОРИНГ ЭФФЕКТИВНОСТИ

12  

①     

13  

HDFS,  первичные  данные  

Обм

ен  

данн

ыми  

Аналитический  слой  

Аналитические  представления  

Ad-­‐hoc  анализ   Фабрика  приложений  

Real  Time  представления  

Приложения.  Интеграция  c  АС  банка  

витрины   API  

BIGDATA  в  банковской  сфере  Возможная  архитектура  решения  

14  

BI  &  BIGDATA  

Традиционный  BI   Big  Data  

  Поддержка  процесса  принятия  решений  

  Планирование  отчетности  

  Борьба  за  качество  данных  

  Промышленная  загрузка  данных    

  hi-­‐end  оборудование    

  Получение  знаний  от  синергии  данных  

  Ad-­‐hoc  анализ  и  апробация  идей  

  Грузим  все,  потом  разберемся  (ELT)  

  Потребность  в  новых  источниках  данных  

  Немедленное  использование  данных  

  low  cost  для  большого  объема  

Совместное  использование  2  подходов  

BIGDATA  в  банковской  сфере  

15  

BIGDATA  в  банковской  сфере  Можно  дешево  -­‐  OPEN  SOURCE  работает  

 Контроль  над  ценой   Устранение  зависимости  от  вендора   Снижение  входного  барьера   Поддержка  от  сообщества  пользователей   Apache  Licenses  дружелюбны  к  Корпоративным  моделям  

APPLICATION  LAYER  

Apache  Pig  

Hadoop  

Mah

aout  

NoSQL  DB

 

16  

BIGDATA  в  банковской  сфере  

СПАСИБО!