МЕХАНИЗМ ИСПОЛЬЗОВАНИЯ ТЕХНОЛОГИИ BIG DATA В УПРАВЛЕНИИ БИЗНЕС-ПРОЦЕССАМИ БАНКА: ВОЗМОЖНОСТИ И РИСКИ
|
Введение 4
1 Теоретические аспекты технологии Больших Данных 8
1.1 Большие Данные: понятие, сущность и основные характеристики 8
1.2 Технологии и методики анализа Больших Данных 19
1.3 Большие Данные и управление бизнес-процессами банка 30
2 Анализ использования Больших Данных в банковской деятельности 39
2.1 Возможности и риски Больших Данных в банковской сфере 39
2.2 Проблемы использования Больших Данных в банках 46
2.3 Перспективы использования Больших Данных в ПАО «Сбербанк России» 54
Заключение 68
Список использованных источников 72
1 Теоретические аспекты технологии Больших Данных 8
1.1 Большие Данные: понятие, сущность и основные характеристики 8
1.2 Технологии и методики анализа Больших Данных 19
1.3 Большие Данные и управление бизнес-процессами банка 30
2 Анализ использования Больших Данных в банковской деятельности 39
2.1 Возможности и риски Больших Данных в банковской сфере 39
2.2 Проблемы использования Больших Данных в банках 46
2.3 Перспективы использования Больших Данных в ПАО «Сбербанк России» 54
Заключение 68
Список использованных источников 72
С приходом новых технологий, инструментов и средств коммуникаций, таких, как социальные сети, количество данных, производимых людьми, растет с каждым годом в геометрической прогрессии. Соотношение коэффициента полезности при этом уменьшается. Следовательно, вся генерируемая информация может быть использована для определенных целей только после предварительной и тщательной обработки.
Термин «Big Data» означает большие работы (коллекции, потоки) данных, которые не могут быть обработаны традиционными компьютерными техниками. Этот термин означает не само понятие «большие данные», а предмет исследования, который включает в себя различные инструменты, техники и платформы.
Большие данные включают в себя информацию, генерируемую различными системами и приложениями. Некоторые из сфер, которые попадают под определение «Big Data»: черный ящик: информационная составляющая часть вертолета, самолета, морского/космического корабля. Данные подобного рода включают в себя запись голосов экипажа (микрофоны и наушники), информацию о характеристиках объекта управления; социальные медиа: включают данные, распространяемые через социальные сети; фондовые биржи: хранение информации о сделках купли-продажи между копаниями- партнерами; энергосистемы: подобного рода данные содержат информацию о узлах и нагрузках энергетической сети; транспортные системы: модели, характеристики, расстояния - все информация о транспорте и дорожных сетях; поисковые системы: инженерный поиск информации различны базах данных.
Как следствие, термин «Big Data» включает большое объем, высокую скорость обработки и широкое разнообразие данных и делится на три типа: структурные данные - реляционные БД; полуструктурированные данные - XML-файлы; неструктурированные данные - файлы формата Word, PDF, Text, медиа-журналы.
Большие данные действительно имеют решающее значение для нашей жизни и становятся одной из самых важных технологий в современном мире. Самыми распространенными и известными являются лишь несколько преимуществ. Например, использование информации, хранящейся в социальных сетях, маркетинговые агентства изучают обратную связь на свои кампании, акции, и другие рекламные носители.
В свою очередь, использование информации в социальных медиа-системах, таких как предпочтения и восприятие продукта потребителями, компании и розничные организации планируют свое производство. Касательно такой сферы, как медицина, применимость данных о предыдущей истории болезни пациентов способствует обеспечению лучшего и более быстрого обслуживания.
Большие технологии передачи данных играют важную роль в обеспечении детального анализа, который способствует принятию более точных решений, что в свою очередь приводит к повышению эффективности эксплуатации, снижению затрат и снижению рисков для бизнеса.
Для использования возможностей больших данных требуется инфраструктура, которая может управлять и обрабатывать огромные объемы структурированных и неструктурированных данных в реальном времени и может защитить конфиденциальность и безопасность данных. Существуют различные технологии на рынке от различных поставщиков, включая такие компании, как Google, IBM, Microsoft, SAP и др.
Большие Данные получили широкое распространение во многих отраслях бизнеса. Их используют в здравоохранении, телекоммуникациях, торговле, логистике, в финансовых компаниях, а также в государственном управлении.
Большие Данные дают возможность проанализировать
кредитоспособность заемщика, также они полезны для кредитного скоринга и андеррайтинга. Внедрение технологий Больших Данных позволит сократить время рассмотрения кредитных заявок. С помощью Больших Данных можно проанализировать операции конкретного клиента и предложить подходящие именно ему банковские услуги.
В настоящее время предприятиям приходится работать с большими объемами информации, которая часто обновляется и приходит из разных источников. С помощью технологий Big Data предприятия могут анализировать огромные массивы данных и выявлять полезные закономерности, дающие им конкурентные преимущества. Для более легкого восприятия и быстрого принятия управленческих решений необходимо представить результаты анализа данных визуально.
На данный момент есть несколько видов представления массивов данных. Но существующие методы визуализации еще недостаточно развиты и требуют усовершенствования. В связи с вышеизложенным, механизм использования технологии Big Data в управлении бизнес-процессами является актуальным в настоящее время.
Целью выпускной квалификационной работы является изучение механизма использования технологии Big Data в управлении бизнес- процессами банка: возможности и риски. Для достижения намеченной цели в работе поставлены следующие задачи:
- изложить теоретические аспекты технологии Больших Данных (большие данные: понятие, сущность и основные характеристики; технологии и методики анализа Больших Данных; большие данные и управление бизнес- процессами банка);
- провести анализ использования Больших Данных в банковской деятельности (возможности и риски Больших Данных в банках; проблемы использования Больших Данных в банковской деятельности; перспективы использования Больших Данных в банках).
Предмет исследования - механизм использования технологии Big Data в управлении бизнес-процессами.
Объект исследования технологии Big Data в управлении бизнес- процессами банков.
Исследования проведены с использованием таких общенаучных методов, как исторический, аналитический, монографический, системно-структурный анализ и синтез и конкретных прикладных методов, как экономико¬статистический, графический и других.
Теоретической и методологической основой работы явилась учебная и периодическая литература, а также труды таких ученых как: Бачило И.Л., Биктимирова М.Р., Блинова Н., Бодрова А.А., Будзко В. И., Вахрамеева К., Веретенникова А. В., Волковой Ю. С. И т.д.
Исследованию Больших Данных посвящены труды как зарубежных, так и российских ученых: James Manyika, Michael Chui, Бодров А.А., Топорков В.В., Будзко В.И. и т.д.
Существенный вклад в изучение этой технологии вносят крупные мировые компании, такие как: McKinsey & Company, CNews Analytics, SAP, Oracle, IBM, Microsoft, Teradata и многие другие. Они занимаются обработкой и анализом данных и на основе Больших Данных создают программно¬аппаратные комплексы.
Выпускная квалификационная работа включает введение, две главы, заключение, список использованных источников, а также приложения.
В первой главе выпускной квалификационной работе изложены теоретические аспекты технологии Больших Данных: дано понятие, сущность и основные характеристики Больших Данных; охарактеризованы технологии и методики анализа Больших Данных; большие данные и управление бизнес- процессами банка.
Во второй главе выпускной квалификационной работе проведен анализ использования Больших Данных в банковской деятельности: возможности и риски Больших Данных в банках; проблемы использования больших данных в банковской деятельности; перспективы использования Больших Данных в банках.
Термин «Big Data» означает большие работы (коллекции, потоки) данных, которые не могут быть обработаны традиционными компьютерными техниками. Этот термин означает не само понятие «большие данные», а предмет исследования, который включает в себя различные инструменты, техники и платформы.
Большие данные включают в себя информацию, генерируемую различными системами и приложениями. Некоторые из сфер, которые попадают под определение «Big Data»: черный ящик: информационная составляющая часть вертолета, самолета, морского/космического корабля. Данные подобного рода включают в себя запись голосов экипажа (микрофоны и наушники), информацию о характеристиках объекта управления; социальные медиа: включают данные, распространяемые через социальные сети; фондовые биржи: хранение информации о сделках купли-продажи между копаниями- партнерами; энергосистемы: подобного рода данные содержат информацию о узлах и нагрузках энергетической сети; транспортные системы: модели, характеристики, расстояния - все информация о транспорте и дорожных сетях; поисковые системы: инженерный поиск информации различны базах данных.
Как следствие, термин «Big Data» включает большое объем, высокую скорость обработки и широкое разнообразие данных и делится на три типа: структурные данные - реляционные БД; полуструктурированные данные - XML-файлы; неструктурированные данные - файлы формата Word, PDF, Text, медиа-журналы.
Большие данные действительно имеют решающее значение для нашей жизни и становятся одной из самых важных технологий в современном мире. Самыми распространенными и известными являются лишь несколько преимуществ. Например, использование информации, хранящейся в социальных сетях, маркетинговые агентства изучают обратную связь на свои кампании, акции, и другие рекламные носители.
В свою очередь, использование информации в социальных медиа-системах, таких как предпочтения и восприятие продукта потребителями, компании и розничные организации планируют свое производство. Касательно такой сферы, как медицина, применимость данных о предыдущей истории болезни пациентов способствует обеспечению лучшего и более быстрого обслуживания.
Большие технологии передачи данных играют важную роль в обеспечении детального анализа, который способствует принятию более точных решений, что в свою очередь приводит к повышению эффективности эксплуатации, снижению затрат и снижению рисков для бизнеса.
Для использования возможностей больших данных требуется инфраструктура, которая может управлять и обрабатывать огромные объемы структурированных и неструктурированных данных в реальном времени и может защитить конфиденциальность и безопасность данных. Существуют различные технологии на рынке от различных поставщиков, включая такие компании, как Google, IBM, Microsoft, SAP и др.
Большие Данные получили широкое распространение во многих отраслях бизнеса. Их используют в здравоохранении, телекоммуникациях, торговле, логистике, в финансовых компаниях, а также в государственном управлении.
Большие Данные дают возможность проанализировать
кредитоспособность заемщика, также они полезны для кредитного скоринга и андеррайтинга. Внедрение технологий Больших Данных позволит сократить время рассмотрения кредитных заявок. С помощью Больших Данных можно проанализировать операции конкретного клиента и предложить подходящие именно ему банковские услуги.
В настоящее время предприятиям приходится работать с большими объемами информации, которая часто обновляется и приходит из разных источников. С помощью технологий Big Data предприятия могут анализировать огромные массивы данных и выявлять полезные закономерности, дающие им конкурентные преимущества. Для более легкого восприятия и быстрого принятия управленческих решений необходимо представить результаты анализа данных визуально.
На данный момент есть несколько видов представления массивов данных. Но существующие методы визуализации еще недостаточно развиты и требуют усовершенствования. В связи с вышеизложенным, механизм использования технологии Big Data в управлении бизнес-процессами является актуальным в настоящее время.
Целью выпускной квалификационной работы является изучение механизма использования технологии Big Data в управлении бизнес- процессами банка: возможности и риски. Для достижения намеченной цели в работе поставлены следующие задачи:
- изложить теоретические аспекты технологии Больших Данных (большие данные: понятие, сущность и основные характеристики; технологии и методики анализа Больших Данных; большие данные и управление бизнес- процессами банка);
- провести анализ использования Больших Данных в банковской деятельности (возможности и риски Больших Данных в банках; проблемы использования Больших Данных в банковской деятельности; перспективы использования Больших Данных в банках).
Предмет исследования - механизм использования технологии Big Data в управлении бизнес-процессами.
Объект исследования технологии Big Data в управлении бизнес- процессами банков.
Исследования проведены с использованием таких общенаучных методов, как исторический, аналитический, монографический, системно-структурный анализ и синтез и конкретных прикладных методов, как экономико¬статистический, графический и других.
Теоретической и методологической основой работы явилась учебная и периодическая литература, а также труды таких ученых как: Бачило И.Л., Биктимирова М.Р., Блинова Н., Бодрова А.А., Будзко В. И., Вахрамеева К., Веретенникова А. В., Волковой Ю. С. И т.д.
Исследованию Больших Данных посвящены труды как зарубежных, так и российских ученых: James Manyika, Michael Chui, Бодров А.А., Топорков В.В., Будзко В.И. и т.д.
Существенный вклад в изучение этой технологии вносят крупные мировые компании, такие как: McKinsey & Company, CNews Analytics, SAP, Oracle, IBM, Microsoft, Teradata и многие другие. Они занимаются обработкой и анализом данных и на основе Больших Данных создают программно¬аппаратные комплексы.
Выпускная квалификационная работа включает введение, две главы, заключение, список использованных источников, а также приложения.
В первой главе выпускной квалификационной работе изложены теоретические аспекты технологии Больших Данных: дано понятие, сущность и основные характеристики Больших Данных; охарактеризованы технологии и методики анализа Больших Данных; большие данные и управление бизнес- процессами банка.
Во второй главе выпускной квалификационной работе проведен анализ использования Больших Данных в банковской деятельности: возможности и риски Больших Данных в банках; проблемы использования больших данных в банковской деятельности; перспективы использования Больших Данных в банках.
Большие Данные (англ. Big Data) - серия подходов, инструментов и методов обработки структурированных и неструктурированных данных огромных объёмов и значительного многообразия для получения воспринимаемых человеком результатов, эффективных в условиях непрерывного прироста информации.
Это огромные массивы данных, которые на порядок больше (объем); разнообразнее, включая в себя структурированные, полуструктурированные и неструктурированные данные, (диверсификация) и быстрее (скорость передачи и обработки). Этот поток данных создается подключенными устройствами - от ПК и смартфонов до датчиков, например, устройств считывания RFID и уличных камер. Кроме того, эти данные гетерогенны и передаются в различных форматах: текст, документы, изображения, видео и многое другое.
Управление данными и их анализ дают любой организации, независимо от ее размера и области деятельности, значительные преимущества и открывают большие перспективы.
Направление по применению Big Data в работе банка, в сфере сбора просроченной задолженности считается перспективным так, как для сбора просроченной задолженности необходим контакт с должником. Для установления связи с клиентом, нужна актуальная контактная информация.
Благодаря технологии Big Data становится возможным обрабатывать не только те данные, которые есть у банка для поиска подобной информации, но искать и контактную информацию и в других местах. Например, в социальных сетях, форумах и других ресурсах, где клиент мог бы оставить свои актуальные данные. Для обработки таких больших объемов информации и требуется технологии Big Data.
Более того информация в социальных сетях может быть представлена и в формате текста или даже фото или видео. Следовательно, переход на работу с большими объемами данных как никогда актуален в данной сфере. Для поиска и обработки данных клиентов в социальных сетях, базах данных мобильных операторов как раз и необходима Big Data.
Работа с Большими Данными позволяет провести более детальный анализ кредитоспособности клиента, увидеть не только его финансовый, но и психологический портрет. Оценка направленности платежей и денежных переводов, личных качеств, профилей и активности в социальных сетях - все это позволяет уже сегодня финтех-компаниям предвидеть риски возможных неплатежей клиентов.
ПАО «Сбербанк России» провел большую работу по обеспечению высокой надежности своих систем. В 2017 году решаются задачи с применением технологий Больших Данных.
Внедрены важнейшие сервисы для бизнеса: единый профиль клиента Розничного блока, единый каталог продуктов и тарифов в части вкладов и банковских карт, динамическое ценообразование. Запущены первые продуктовые фабрики: переводов Р2Р, торгового эквайринга, вкладов. Команда Программы получила статус разработчиков open-source-сообщества Apache Software Foundation. Проекты Программы получили возможность развивать open-source-компоненты технологического стека платформ.
Рынок Больших данных (Big Data) вызывает все больший интерес коммерческих и государственных структур по всему миру. Огромные объемы накопленной информации позволяют проводить качественные оценочные и прогнозные работы.
Глобальный рынок Big Data вышел на уровень активного роста. Широкий спектр предложений подталкивает компании к поиску новых решений и оптимизации существующих.
По информации International Data Corporation (IDC), объем хранимых данных в мире с 2010 года увеличился в 50 раз. К 2020 году он вырастет еще в 15 раз и достигнет отметки в 40 ZB (зеттабайт). Рост в основном будет происходить за счет развивающихся рынков.
Эта тенденция неизбежно подтолкнет руководство банков к инвестициям в IT-инфраструктуру: системы хранения, управления и защиты информации, а также оборудование, коммуникации, персонал.
Без выработки собственной IT-стратегии и стратегии управления данными, без выхода на рынок онлайн-услуг, без создания доверительных и долгосрочных отношений с клиентами, банки будут терять свой бизнес, постепенно превращаясь в бек-офисы социальных сетей и сервисных IT- компаний.
Первые будут эффективнее сегментировать клиентов, определять их предпочтения, предоставлять более удобный сервис, отбирая часть маржинального дохода у банков. Вторые будут эффективнее автоматизировать фронт - и бек-офисные процессы, предоставлять более удобные электронные каналы обслуживания и обработки транзакций клиентов. Это неизбежно снизит доходность банковского бизнеса. Большую часть своей маржи банки будут отдавать своим IT-подрядчикам. При этом зависимость от IT-партнеров будет только возрастать.
Выбор надежного IT-партнера и обеспечение эффективного корпоративного контроля над ним станет ключевым элементом IT-стратегии для большинства банков в ближайшие годы. Руководству банков неизбежно придется решать вопросы IT-стратегии: от модели бизнеса до модели данных банка, от модели данных до архитектуры приложений, от архитектуры приложений до управления и защиты информации, а также до оборудования, коммуникаций и удержания квалифицированного IT-персонала.
Появление новых технологий сблизило возможности использования «профилей клиентов» в банковском, телекоммуникационном и розничном секторе, где применяются схожие подходы: комбинируя и обогащая информацию, можно построить богатый поведенческий профиль клиента.
Если раньше профиль клиента включал в себя два-три десятка характеристик, то теперь их может быть значительно больше. Чтобы извлечь из этого выгоду, нужна накопленная статистика. Подобные методы уже используются при скоринге и оценке клиентов.
Новые подходы могут помочь в повышении уровня лояльности клиентов, сделать сервисы более удобными для них. По спектру услуг универсальные банки практически сравнялись. Клиенты смотрят на то, какой банк более удобен, технологичен, им важен персональный подход, когда, например, при звонке в колл-центр по номеру телефона, который привязан к карте, идентифицируется входящий звонок, и доступно больше информации по клиенту. Это способствует персонификации, лояльности, увеличению «жизненного цикла» пребывания клиентов в банке.
Банк планирует использовать сбор информации о клиенте из разных источников, анализ неструктурированных данных для формирования целевого предложения для клиента.
Технологии больших данных необходимо применять не только для анализа клиентской среды, но для управления рисками, взаимоотношениями с клиентами, использовать в маркетинге, борьбе с мошенничеством.
Применение этих технологий в финансовом секторе имеет большой потенциал, поэтому направление Big Data должно развиваться и далее.
Комплексы Oracle Big Date Appliance позволят по-новому использовать данные, чтобы предоставлять клиентам услуги, не реализуемые ранее в силу технологических или экономических ограничений.
Общий подход Oracle при создании оптимизированных программно-аппаратных комплексов заключается в том, что за счет совместной разработки всех компонентов корпорация старается достичь максимальной производительности, а использование стандартных, хорошо отлаженных конфигураций повышает надежность комплекса.
Сочетая новые источники данных с аналитикой реального времени и поведенческой информацией, компании смогут разработать новое поколение приложений, способных оперативно адаптироваться и обучаться. Готовые комплексные решения, интегрирующие такие сервисы, как аналитика, исследование, подготовка и интеграция данных, упрощают разработку новых продуктов.
Это огромные массивы данных, которые на порядок больше (объем); разнообразнее, включая в себя структурированные, полуструктурированные и неструктурированные данные, (диверсификация) и быстрее (скорость передачи и обработки). Этот поток данных создается подключенными устройствами - от ПК и смартфонов до датчиков, например, устройств считывания RFID и уличных камер. Кроме того, эти данные гетерогенны и передаются в различных форматах: текст, документы, изображения, видео и многое другое.
Управление данными и их анализ дают любой организации, независимо от ее размера и области деятельности, значительные преимущества и открывают большие перспективы.
Направление по применению Big Data в работе банка, в сфере сбора просроченной задолженности считается перспективным так, как для сбора просроченной задолженности необходим контакт с должником. Для установления связи с клиентом, нужна актуальная контактная информация.
Благодаря технологии Big Data становится возможным обрабатывать не только те данные, которые есть у банка для поиска подобной информации, но искать и контактную информацию и в других местах. Например, в социальных сетях, форумах и других ресурсах, где клиент мог бы оставить свои актуальные данные. Для обработки таких больших объемов информации и требуется технологии Big Data.
Более того информация в социальных сетях может быть представлена и в формате текста или даже фото или видео. Следовательно, переход на работу с большими объемами данных как никогда актуален в данной сфере. Для поиска и обработки данных клиентов в социальных сетях, базах данных мобильных операторов как раз и необходима Big Data.
Работа с Большими Данными позволяет провести более детальный анализ кредитоспособности клиента, увидеть не только его финансовый, но и психологический портрет. Оценка направленности платежей и денежных переводов, личных качеств, профилей и активности в социальных сетях - все это позволяет уже сегодня финтех-компаниям предвидеть риски возможных неплатежей клиентов.
ПАО «Сбербанк России» провел большую работу по обеспечению высокой надежности своих систем. В 2017 году решаются задачи с применением технологий Больших Данных.
Внедрены важнейшие сервисы для бизнеса: единый профиль клиента Розничного блока, единый каталог продуктов и тарифов в части вкладов и банковских карт, динамическое ценообразование. Запущены первые продуктовые фабрики: переводов Р2Р, торгового эквайринга, вкладов. Команда Программы получила статус разработчиков open-source-сообщества Apache Software Foundation. Проекты Программы получили возможность развивать open-source-компоненты технологического стека платформ.
Рынок Больших данных (Big Data) вызывает все больший интерес коммерческих и государственных структур по всему миру. Огромные объемы накопленной информации позволяют проводить качественные оценочные и прогнозные работы.
Глобальный рынок Big Data вышел на уровень активного роста. Широкий спектр предложений подталкивает компании к поиску новых решений и оптимизации существующих.
По информации International Data Corporation (IDC), объем хранимых данных в мире с 2010 года увеличился в 50 раз. К 2020 году он вырастет еще в 15 раз и достигнет отметки в 40 ZB (зеттабайт). Рост в основном будет происходить за счет развивающихся рынков.
Эта тенденция неизбежно подтолкнет руководство банков к инвестициям в IT-инфраструктуру: системы хранения, управления и защиты информации, а также оборудование, коммуникации, персонал.
Без выработки собственной IT-стратегии и стратегии управления данными, без выхода на рынок онлайн-услуг, без создания доверительных и долгосрочных отношений с клиентами, банки будут терять свой бизнес, постепенно превращаясь в бек-офисы социальных сетей и сервисных IT- компаний.
Первые будут эффективнее сегментировать клиентов, определять их предпочтения, предоставлять более удобный сервис, отбирая часть маржинального дохода у банков. Вторые будут эффективнее автоматизировать фронт - и бек-офисные процессы, предоставлять более удобные электронные каналы обслуживания и обработки транзакций клиентов. Это неизбежно снизит доходность банковского бизнеса. Большую часть своей маржи банки будут отдавать своим IT-подрядчикам. При этом зависимость от IT-партнеров будет только возрастать.
Выбор надежного IT-партнера и обеспечение эффективного корпоративного контроля над ним станет ключевым элементом IT-стратегии для большинства банков в ближайшие годы. Руководству банков неизбежно придется решать вопросы IT-стратегии: от модели бизнеса до модели данных банка, от модели данных до архитектуры приложений, от архитектуры приложений до управления и защиты информации, а также до оборудования, коммуникаций и удержания квалифицированного IT-персонала.
Появление новых технологий сблизило возможности использования «профилей клиентов» в банковском, телекоммуникационном и розничном секторе, где применяются схожие подходы: комбинируя и обогащая информацию, можно построить богатый поведенческий профиль клиента.
Если раньше профиль клиента включал в себя два-три десятка характеристик, то теперь их может быть значительно больше. Чтобы извлечь из этого выгоду, нужна накопленная статистика. Подобные методы уже используются при скоринге и оценке клиентов.
Новые подходы могут помочь в повышении уровня лояльности клиентов, сделать сервисы более удобными для них. По спектру услуг универсальные банки практически сравнялись. Клиенты смотрят на то, какой банк более удобен, технологичен, им важен персональный подход, когда, например, при звонке в колл-центр по номеру телефона, который привязан к карте, идентифицируется входящий звонок, и доступно больше информации по клиенту. Это способствует персонификации, лояльности, увеличению «жизненного цикла» пребывания клиентов в банке.
Банк планирует использовать сбор информации о клиенте из разных источников, анализ неструктурированных данных для формирования целевого предложения для клиента.
Технологии больших данных необходимо применять не только для анализа клиентской среды, но для управления рисками, взаимоотношениями с клиентами, использовать в маркетинге, борьбе с мошенничеством.
Применение этих технологий в финансовом секторе имеет большой потенциал, поэтому направление Big Data должно развиваться и далее.
Комплексы Oracle Big Date Appliance позволят по-новому использовать данные, чтобы предоставлять клиентам услуги, не реализуемые ранее в силу технологических или экономических ограничений.
Общий подход Oracle при создании оптимизированных программно-аппаратных комплексов заключается в том, что за счет совместной разработки всех компонентов корпорация старается достичь максимальной производительности, а использование стандартных, хорошо отлаженных конфигураций повышает надежность комплекса.
Сочетая новые источники данных с аналитикой реального времени и поведенческой информацией, компании смогут разработать новое поколение приложений, способных оперативно адаптироваться и обучаться. Готовые комплексные решения, интегрирующие такие сервисы, как аналитика, исследование, подготовка и интеграция данных, упрощают разработку новых продуктов.
Подобные работы
- Формы обеспечения кредитов и риски работы коммерческих банков с залоговым обеспечением
Дипломные работы, ВКР, экономика. Язык работы: Русский. Цена: 6500 р. Год сдачи: 2019 - УПРАВЛЕНИЕ РОЗНИЧНЫМ СЕГМЕНТОМ КРЕДИТНОГО
ПОРТФЕЛЯ КОММЕРЧЕСКОГО
Дипломные работы, ВКР, экономика. Язык работы: Русский. Цена: 4000 р. Год сдачи: 2018 - КРЕДИТНАЯ ПОЛИТИКА БАНКА
Дипломные работы, ВКР, банковское дело и кредитование. Язык работы: Русский. Цена: 4900 р. Год сдачи: 2018 - Организация процесса кредитования физических лиц в российских банках и пути его совершенствования
Дипломные работы, ВКР, экономика. Язык работы: Русский. Цена: 6500 р. Год сдачи: 2019 - Кредитная политика коммерческих банков на современном этапе
Дипломные работы, ВКР, экономика. Язык работы: Русский. Цена: 6500 р. Год сдачи: 2019 - Интернет-технологии: роль и место в развитии банковских услуг
Магистерская диссертация, экономика. Язык работы: Русский. Цена: 4940 р. Год сдачи: 2017 - Правовые аспекты использования генетической информации населения
Магистерская диссертация, юриспруденция. Язык работы: Русский. Цена: 4800 р. Год сдачи: 2023 - Рынок страхования в Китае: тенденции и перспективы развития в условиях цифровой экономики
Дипломные работы, ВКР, экономика. Язык работы: Русский. Цена: 4330 р. Год сдачи: 2022 - Финансовые механизмы развития дистанционного потребительского кредитования физических лиц в России
Магистерская диссертация, экономика. Язык работы: Русский. Цена: 4900 р. Год сдачи: 2016
Заказать работу
Заявка на оценку стоимости
Это краткая форма заказа. После ее заполнения вы перейдете на полную форму заказа работы
Каталог работ (130032)
- Бакалаврская работа (31207)
- Диссертация (960)
- Магистерская диссертация (18174)
- Дипломные работы, ВКР (53041)
- Главы к дипломным работам (2108)
- Курсовые работы (9673)
- Контрольные работы (6188)
- Отчеты по практике (1308)
- Рефераты (1456)
- Задачи, тесты, ПТК (616)
- Ответы на вопросы (154)
- Статьи, Эссе, Сочинения (911)
- Бизнес-планы (49)
- Презентации (101)
- РГР (84)
- Авторефераты (РГБ) (1690)
- Диссертации (РГБ) (1879)
- Прочее (433)
Новости
06.01.2018
Помощь студентам и аспирантам в выполнении работ от наших партнеров
Помощь студентам и аспирантам в выполнении работ от наших партнеров
Помощь в выполнении учебных и научных работ на заказ ОФОРМИТЬ ЗАКАЗ
дальше»» Все новости
Статьи
- Где лучше заказывать диссертации и дипломные?
- Выполнение научных статей
- Подготовка диссертаций
- Подводные камни при написании магистерской работы
- Помощь в выполнении дипломных работ
»» Все статьи
Заказать работу
Заявка на оценку стоимости
Это краткая форма заказа. После ее заполнения вы перейдете на полную форму заказа работы
