rss Twitter Добавить виджет на Яндекс
Реклама:
     
 

Huawei FusionInsight - платформа для обработки Big Data в финансовой отрасли

Корпоративные бизнес-системы, в том числе в отрасли финансов, генерируют большие объемы информации. Однако еще больше данных о своих клиентах банки и финансовые компании получают из других источников, таких как интернет-браузинг, социальные и телекоммуникационные сети, взаимодействие на веб-сайтах, ритейл и пр. Традиционные методы интеллектуального анализа информации о клиентах не предназначены для работы с этими новыми «неструктурированными» данными (т.е. полученными из разных источников и в разных форматах), поэтому банки упускают возможности получения ценной информации, которую можно было бы использовать для повышения прибыльности.

Жизненный цикл данных в корпоративных ИТ-системах финансовой отрасли состоит из 4-х основных циклов: получение данных, интеграция данных, хранение и обработка данных, и – самое важное – извлечение нужных данных (data mining) из огромного массива.

Какие же проблемы возникают у банков с связи с этой волной разнообразных данных, которые принято называть «большие данные» (Big Data)? Под словом «большие» понимается не только (и не столько) объем этих данных: сколько их разнородность их источников, которые могут быть самые разнообразные: данные транзакций по кредитной карте, данные мобильного банкинга, интернет-банкинга, данные по расходованию кредитных средств, данные по розничным покупкам и продажам и даже данные по оплате штрафов за парковку или превышение скорости, и многое другое.

Традиционные системы бизнес-аналитики ориентированы, в основном, на структурированные данные (банковские транзакции, работа с банкоматом, покупки по карте и пр.), а «большие данные» - как раз неструктурированные, т.е. имеют разный формат и источники. Однако, для бизнеса они имеют не меньшую ценность.

Как интегрировать их в единой системе анализа? Традиционные системы BI (Business Intelligence) имеют небольшую масштабируемость, высокую стоимость расширения, невысокую скорость обработки запросов и анализа.

Для обработки «больших данных» требуются распределенные системы хранения и обработка данных в реальном времени. При помощи анализа можно получить ценную информацию о тенденциях финансового рынка, например, о стремлении клиентов контролировать состояние счетов в реальном времени, о повышении спроса на небольшие краткосрочные кредиты, об инвестициях в ценные металлы, о стремлении к покупкам люксовых товаров, и о многом другом.

Традиционные способы получения данных (data mining), на основе экспертных систем, имеют очень низкую точность. Например, из тысяч рекомендованных клиентов для предложения финансового продукта лишь несколько десятков оказываются целевыми.

В системах анализа больших данных релевантность извлекаемой информации гораздо выше, и менеджеру банка не приходится копаться в «мусоре», чтобы получить, то что требуется.

Именно такой системой анализа является система анализа «больших данных»  FusionInsight компании Huawei. Эта система на базе единой платформы может обрабатывать и анализировать «большие данные» не только банков, но и страховых компаний, фондовых бирж, хедж-фондов и других финансовых институтов. То есть, она может быть применена не только в каком-то банке или группе банков, а в крупных финансовых корпорациях, холдингах, объединяющих разнообразные финансовые институты, которые очень заинтересованы в интегрированной обработке данных своей клиентской базы.

В основе аналитической системы FusionInsight лежит общепринятый «движок» для подобных систем под названием Hadoop. Это альянс, объединяющий многих разработчиков аналитического ПО и сервис-провайдеров во всем мире. В сообществе Hadoop компания Huawei стоит на 4-м месте по количеству вкладов в разработки после компаний Cloudera, Hortonworks и Yahoo.

FusionInsight может значительно повысить эффективность работы банка и ускорить операции. Например, анализ поведения пользователя интернет-банкинга занимает 15 минут, вместо нескольких дней в традиционных экспертных системах, при глубине запроса в два года, вместо шести месяцев, проверка кредитоспособности клиента может занимать до 10 минут, вместо традиционных 15 дней, точноcть прецизионного маркетинга повышается с 18% до 95%.

FusionInsight уже имеет довольно обширную «историю успеха». Например, Банк международной коммерции Китая ICBC получает быструю информацию о транзакциях своих клиентов по логам Интернет-банкинга в более чем 500 филиалах во всем мире, которая позволяет осуществлять прецизионный маркетинг среди клиентов банка.

Среди других пользователей FusionInsight – такие крупные банки, как China Mecrhant Bank, Pingan Bank, China Contrcution Bank, а также крупнейшие в мире операторы связи China Mobile, China Unicom, а также PLDT (Philippine Long Distance Telephone).

Редактор раздела: Тимофей Белосельцев (info@mskit.ru)

Рубрики: Интеграция, ПО

наверх
 
 
     
Оставить комментарий
Имя:
E-mail:
Комментарий (не более 2000 знаков):



     
 

ITSZ.RU: последние новости Петербурга и Северо-Запада

19.09.2017 Операторы осваивают сквозные технологии

18.09.2017 Сбербанк борется с фишингом

14.09.2017 IoT поможет сельскому хозяйству. Или нет

13.09.2017 Оператор с человеческим лицом

12.09.2017 Роуминговые потери

11.09.2017 Лекарство против морщин. Мобильный канал в ритейле предпочитает молодежь

06.09.2017 Реальность в цифрах

04.09.2017 IoT: рост за счет государства

MSKIT.RU: последние новости Москвы и Центра

NNIT.RU: последние новости Нижнего Новгорода