Dags att räta ut frågetecknet kring Big Data för bank och finans

21 januari 2013

Big Data. Ett utryck med både mycket potential och en hel del dold angst. Angst? Ja, angst, för som jag, har många hört detta väl använda uttryckt och gillar konceptet, men har haft svårt precisera vad det egentligen innebär för den specifika industrin. Jag tänkte kort beskriva Big Data i sig för att sedan komma till några exempel på hur det har applicerats i min industri, bank och finans.

Varenda konsult- och It-företag värt namnet har idag en syn på vad Big Data är, och vi på IBM har så klart vår egen. Mer generellt beskrivs Big Data som utmaningen att analysera kombinationen av strukturerad- (transaktioner, antal inloggningar på en sida) och ostrukturerad data (t.ex. information inom sociala medier). Utmaningen med att analysera denna kombination kan sedan delas upp i fyra dimensioner:

  • Volym – som att det görs 300 miljoner betalningstransaktioner bara i Nordamerika.
  • Hastighet (velocity) – som att det görs 5 miljoner avslut varje sekund på världens börser.
  • Variation – vi pratar alla, ALLA, typer av data inklusive 1,5 miljarder inlägg på Facebook och Twitter varje dag.
  • Trovärdighet (veracity) – 80 % av all allmänt tillgänglig rådata du använder kommer vara opålitlig år 2015.

Ok, nu när vi har definitionen av Big Data på plats så låt mig gå in på vad detta betyder för dig och mig inom bank och finans. Den (bank) som klarar av att bemästra analys av en kombination av strukturerad och ostrukturerad rådata kommer kunna skörda resultat som att skapa en helt kundfokuserad bank med högre kundnöjdhet, där banktjänstemännen kan få en personlig strategi utformad för var och en av deras kunder. Jag återkommer till detta i ett senare inlägg.

Eller som att optimera hela organisationens riskhantering med effekter som att minimera mängden kapital som behöver reserveras och att lättare simulera fram var exponeringarna finns. Rapporter till myndigheter är ett annat område som kan adresseras med ett Big Data-angreppssätt. Just detta var en utmaning som den globala börsen, IntercontinentalExchange (ICE), ville göra något åt. De gick från tre icke-ändamålsenliga datalagringsplatser till en. De rapporter som tidigare hade tagit tre dagar och krävt stora mängder handpåläggning tog nu två timmar! Här är en kort video om hur de gick tillväga.

Slutligen skulle Big Data kunna användas till att strömlinjeforma processer inom företaget samtidigt som de görs mer flexibla, som för att skapa bättre och mer transparanta bolåneansökningar eller snabbare processer för att få in nya kunder. Detta är ett område där både intjäningsförmågan kan förbättras och där kostnader kan flyttas ut. Som till exempel en annan stor börs som led av att de stora rådata mängderna gjorde det svårt att exekvera processerna för att identifiera potentiella bedrägeriförsök i tid. Genom att installera en ny Big Data-plattform letar de nu efter bedrägerimönster i transaktionsvolymer som dagligen ligger runt 15 miljarder. Den nya plattformen har en enkelhet och flexibilitet som gör att algoritmerna som ständigt söker genom marknaden gör detta 99 % snabbare än tidigare. Börsen har dessutom dragit ner mängden IT-personal med 35 % samtidigt som lösningen är så flexibel att den ständigt kan anpassas för att hitta nya typer av avvikande beteende på börsen.

Här var tre anledningar till att bli riktigt bra på att analysera kombinationen av strukturerad och ostrukturerad data – Big Data-analys. Vad första steget i en Big Data-transformation ska vara är väldigt individuellt, men vi har en hel del idéer så slå mig en signal eller kontakta någon av mina kollegor så kommer vi gärna förbi och diskuterar just din situation.

Läs mer om IBMs lösningar inom Bank och Finans

Läs mer om IBMs lösningar inom Big Data och Analys

 

 

 

 

 

 

 

 

 

 

 

 

Detta inlägg postades under kategorierna Affärsanalys, Smartare bank & finans.
Du kan följa svar via RSS-flödet, lämna en kommentar, eller en trackback från din egen sida.


Dela:

Lämna en kommentar