Pod zjawiskiem big data często rozumie się możliwość sięgania po wszelkie dostępne dane ze wszystkich dostępnych źródeł, zatem zakres danych, które można zbierać i gromadzić w ramach projektów big data wydaje się bardzo szeroki.
Ogromne ilości danych są gromadzone także przez systemy bankowe, co powoduje że zaawansowane rozwiązania big data są bardzo przydatne w tej branży. Z doświadczenia Oracle wynika, że wdrażając rozwiązania big data banki z reguły decydują się na wykorzystywanie ściśle określonego katalogu źródeł lub poszukiwanie i pozyskiwanie z góry ustalonego zakresu informacji, które determinowane są przez cele biznesowe inicjatorów projektu. Podstawą projektów big data w bankowości są zarówno informacje dostępne wewnątrz banku, których złożoność, struktura lub wielkość uniemożliwia ich składowanie i analizę z użyciem tradycyjnych metod, jak i informacje pochodzące z otoczenia banku - dostępne w źródłach otwartych oraz źródłach dostępnych na zasadach komercyjnych.
Wdrożenia realizowane w sektorze finansowym przez Oracle pozwoliły nam wyróżnić trzy najczęściej uruchamiane rodzaje projektów big data - wyodrębnione ze względu na charakter, zakres i cel gromadzonych w nich informacji – omawiamy je poniżej.
Rozbudowa zasobów wiedzy o klientach banku
W tej kategorii mieszczą się projekty big data, których celem jest wartościowe uzupełnienie zasobów wiedzy o klientach, ich zachowaniu i otoczeniu o informacje niedostępne w systemach transakcyjnych banku. Istniejące repozytoria są uzupełniane o dane wywiedzione z niestrukturyzowanych informacji pozyskanych ze źródeł zewnętrznych: z portali branżowych, specjalistycznych i firmowych, sieci społecznościowych, list dyskusyjnych, newsów czy blogów, ale także z wewnętrznych zasobów danych niestrukturyzowanych banku - takich jak dane z elektronicznych kanałów kontaktu czy archiwa dokumentów. Beneficjentami tego typu projektów są w równym stopniu bankowość korporacyjna i detaliczna, przede wszystkim departamenty sprzedaży (modelowanie zachowań klientów), zarządzania ryzykiem (ryzyko kredytowe), CRM (customer experience, standaryzacja obsługi) oraz marketing (zarządzanie kampaniami marketingowymi).
Pozyskiwanie informacji o banku i rynku
W ramach tej grupy projektów banki wykorzystują środowiska big data do gromadzenia i analiz informacji z przestrzeni publicznej dotyczących rynku i konkurencji, wizerunku banku, efektów działań PR oraz reakcji na kampanie marketingowe. Wspólną cechą tych projektów jest repozytorium informacyjne gromadzące połączone informacje o działaniach banku oraz informacje pozyskiwane z portali konkurencji, branżowych, analityków rynku, portali informacyjnych, mediów społecznościowych i list dyskusyjnych. Projekty tego typu inicjowane są przez działy strategii (competitive intelligence), działy PR (monitorowanie wizerunku banku) oraz działy marketingu banku (monitorowanie kampanii ATL, głównie brandingowych i produktowych).
Reagowanie na sygnały z otoczenia banku
Ta klasa inicjatyw obejmuje takie projekty z obszaru big data, których celem jest ciągłe monitorowanie wybranych zewnętrznych źródeł informacji niestrukturyzowanych oraz automatyzacja reakcji na sygnały płynące z tych źródeł. Zakres danych gromadzonych w projektach tego typu jest zazwyczaj ograniczony do minimum niezbędnego do realizacji konkretnego celu biznesowego. Rozwiązania tego typu są wykorzystywane przede wszystkim przez działy marketingu i sprzedaży (identyfikacja okazji sprzedażowych, kampanie sterowane zdarzeniami), ryzyka i bezpieczeństwa (wykrywanie fraudów, ryzyko operacyjne) oraz działy odpowiedzialne za inwestycje (monitorowanie rynku).
O autorze
Marcin Chwin jest Business Development Managerem w regionie Oracle CEE.
Ilustracja: Fotolia.pl
Brak komentarzy:
Prześlij komentarz