В рубрику "Системы контроля и управления доступом (СКУД)" | К списку рубрик | К списку авторов | К списку публикаций
НОВЫЕ ТЕХНОЛОГИИ
БОЛЬШИЕ ДАННЫЕ
БАНКИ
|
Применение технологий Big Data в банковской сфере |
Технологии Big Data за прошедшие 20 лет уже кардинально изменили бизнес иностранных компаний и позволили одним игрокам рынка получить баснословные прибыли, а других заставили отказаться от бизнеса и принять предложение о слиянии с более технически развитыми и успешными конкурентами. Известный пример – бизнес по продаже мобильных смартфонов компании Apple. Еще каких-то 10–12 лет назад компания считалась потенциальным банкротом, но актуальные идеи, смелый дизайн и востребованные продукты позволили Apple стать лидером в отрасли. Но в чем тут заслуга Big Data? Создание телефона – это только малая часть успеха Apple. Суметь ежегодно его развивать, учитывать все тенденции рынка, своевременно реагировать на самые, казалось бы, незначительные изменения и внешние факторы, быть максимально близко к своему клиенту и знать о нем больше, чем многие родственники, – именно в этом состоит основа подхода Apple к ведению бизнеса и применению современных аналитических моделей на основе Big Data для прогнозирования поведения не только рынка, но и своего реального и потенциального клиента. Не могу с уверенностью сказать, что успех, подобный Apple, будет ждать все российские компании, если они вдруг обратят свое внимание на технологии Big Data, но ощутимая польза и измеримый результат для бизнеса от внедрения продуктов на основе Big Data уже неоднократно были подтверждены официальными референсами крупных отечественных, в том числе финансовых, организаций.
Четкого определения термину Big Data в российских официальных глоссариях по состоянию на июнь 2017 г. эксперты не составили. Вероятнее всего, это связано с отсутствием единого понимания технологических особенностей Big Data у лиц, ответственных за составление нормативных/регламентирующих документов в нашей стране. Кто-то считает, что Big Data – это ситуация, когда данных для обработки у некой системы больше, чем 100 Гбайт, или больше, чем 500 Гбайт, или больше, чем 1 Тбайт, – кому что нравится. Другим обывателям представляется, что Big Data – это такие данные, которые невозможно достаточно долго обрабатывать в MS Excel или в любой реляционной базе данных. А может быть, что Big Data – это такие данные, которые сложно считать и избыточно хранить на компьютере, и для этого нужен целый сервер или два, или стойка серверов. Позиция руководящего состава отечественных компаний сводится к тому, что Big Data – это любые данные, которые обрабатываются внутри их организации.
Скептики вообще не склонны к определению термина Big Data и считают его очередной маркетинговой уловкой, которую придумали на Западе маркетологи, чтобы больше продавать свои продукты технически неграмотным потребителям в России. В известных мне теоретических изысканиях под термином Big Data авторы понимают серию подходов, инструментов и методов обработки структурированных и неструктурированных данных значительного объема и многообразия. С позиций практика я определил для себя термин Big Data как сочетание и объединение (в математическом плане) трех обязательных составляющих:
Только при наличии этих трех компонентов, их имплементации во внутренние и внешние процессы организации можно начинать говорить о применении Big Data.
Не секрет, что в банковском бизнесе все основные процессы частично или полностью оцифрованы. Информация в формате потоков данных непрерывно циркулирует между внутренними и доступными для клиентов извне подсистемами, обрабатывается и видоизменяется в конечных точках (рабочие места операторов, терминалы, серверы), консолидируется и учитывается при принятии решений (автоматически или с участием того же оператора), хранится в удобном для доступа месте и формате до истечения установленных сроков. Каждый шаг при передаче или обработке этой информации фиксируется в журналах регистрации событий соответствующих банковских или иных наложенных контрольных систем. В автоматическом режиме с согласия клиентов и операторов в целях повышения качества обслуживания системы собирают вспомогательную информацию и метаданные, что в конечном итоге формирует дополнительные потоки технической (не бизнес) информации. До сравнительно недавнего времени эта информация не представляла для отечественных банкиров особого интереса и уничтожалась (перезаписывалась) по мере устаревания. О накоплении не бизнес-информации речи не шло, поскольку хранить метаданные – это дорогое и ранее нерентабельное удовольствие. Однако с приходом в банковский сектор России технологий Big Data именно эти метаданные стали представлять особый интерес для бизнес-аналитиков, риск-менеджеров, маркетологов и иных банкиров. Банки стали прозрачно для клиентов в разы больше собирать и обрабатывать на своей стороне (или в облачных порталах) технические метаданные. Использование инструментов и аналитических моделей Big Data позволило существенно упростить такие процессы, как, например, построение стратегии защиты от мошенничества, прогнозирование снижения спроса, оценка влияния на продажи внешних экономических факторов или организация программ лояльности, или проведение акционных программ по наиболее привлекательным для определенной категории клиентов банковским продуктам.
Областью моей профессиональной деятельности является комплексное обеспечение информационной безопасности автоматизированных систем. Поэтому приведу несколько примеров решения актуальных задач с использованием технологий Big Data в контексте защиты информации и противодействия высокотехнологическому мошенничеству:
Наглядным примером, иллюстрирующим применение крупными российскими банками технологий Big Data, является проект "Открытые данные Сбербанка" (первоисточник доступен в Интернете по ссылке http://www.sberbank.com/ru/opendata). В сравнении с официальной статистикой, предлагаемой аналитическими агентствами на коммерческой основе и подразделениями Центрального банка ежеквартально, опубликованные в проекте данные позволяют отслеживать ежедневную динамику по многим показателям, предлагают аналитикам детализацию при построении моделей с точностью до города или поселка, во многих случаях до адреса дома или квартиры. Сбербанку, как крупнейшему розничному банку в стране, доступны атомарные транзакции всех своих клиентов (как физических, так и юридических лиц), поэтому Big Data от Сбербанка предполагает возможность аналитической обработки и любой группировки сегментов клиентов: по доходам, оборотам, отраслям и т.д. (без указания персональных данных клиентов).
По состоянию на март 2017 г. уже реализованы интерфейсы для предоставления по запросу следующих рафинированных аналитических отчетов:
По информации с сайта компании, проект "Большие данные" Сбербанка – это информация о значительной части экономических процессов, происходящих в стране. Впервые эти данные становятся доступны всем желающим по запросу и в консолидированном (рафинированном виде). По тем интерфейсам и атомарной информации, которые Сбербанк разместил в общем доступе, аналитикам остается только догадываться о масштабах применения технологий Big Data в одном из крупнейших банков России.
Основными факторами, препятствующими массовому применению технологий Big Data в отечественных компаниях, являются:
Довольно сложно оценивать экономическую эффективность банковской деятельности, не обладая информацией о всех взаимосвязанных факторах, способных оказать прямое и потенциальное воздействие как в плюс, так и в минус на бизнес-результат. Так или иначе, технологии и инструменты Big Data – это средства, внедрение которых в любой организации должно повлечь снижение издержек при выполнении тех операций, которые ранее считались затратными по времени. Наличие в финансовой организации конвейерной обработки заявок, отлаженных скоринговых карт, типовых опробованных сценариев проверки и динамически изменяющихся алгоритмов принятия решения по стандартным запросам при возрастающих объемах поступающих документов нацелено на высвобождение человеческих ресурсов из процесса, который до внедрения Big Data требовал постоянного участия оператора и был сопряжен с большим количеством технических ошибок.
Опубликовано: Каталог "СКУД. Антитерроризм"-2017
Посещений: 10512
Автор
| |||
В рубрику "Системы контроля и управления доступом (СКУД)" | К списку рубрик | К списку авторов | К списку публикаций