BIG DATA IN BANKING

BIG DATA

همان طور که سازمان ها بزرگ می شوند، اطلاعات مرتبط با آن ها نیز به صورت تصاعدی رشد می نماید و به تبع پیچیدگی های مرتبط با داده ها افزایش می یابد. بسیاری از سازمان های بزرگ در برنامه های کاربردی متفاوت شان داده های زیادی در فرمت های مختلفی را دارند. به همان میزان که داده ها گسترش می یابند، دسته بندی آن ها با یک الگوریتم یا منطق مشخص بسیار دشوار می گردد. سازمان های بزرگ در واقع با این چالش مواجه هستند که تمامی اطلاعات را در یک پلتفرم نگهداری نمایند و یک دیدگاه ثابت به آن ها داشته باشند. این چالش منحصر به فرد برای درک تمامی داده هایی که از منابع متفاوت به دست می آیند و استخراج اطلاعات علمی مفید از آن ها، انقلاب Big Data جهانی نامیده می شود. امروزه، Big Data به یکی از مباحثی تبدیل شده است که در روند توسعه تکنولوژی بسیار به آن پرداخته می شود. در حقیقت چالش واقعی با سازمان های بزرگ دریافت حداکثر اطلاعاتی است که در حال حاضر در دسترس است و همچنین پیش بینی این موضوع که چه نوعی از داده ها در آینده جمع آوری می شود. در واقع چگونه می توان به اطلاعات موجود، دست یافت و به آن معنا بخشید و به علاوه دستیابی به بینش دقیقی در مورد داده های گذشته یکی از نقاط کلیدی در بحث هایی است که در بسیاری از جلسات اجرایی در سازمان ها مورد انتظار است. با انفجار داده ها، Big Data به یک واقعیت در بسیاری از سازمان ها تبدیل شده است.

BANKING

فناوری داده‌های بزرگ نشان‌دهنده راه جدیدی برای بانک‌هاست که امکان تعامل و استفاده از داده‌های خود را برایشان فراهم می‌کند. در نتیجه بانک‌ها، نیازمند تغییر الگوهای خود برای طراحی، توسعه، استقرار و پشتیبانی راه حل‌های داده‌های بزرگ هستند. موجی از فناوری در ارائه قابلیت‌های انعطاف‌پذیری و مقیاس‌پذیری مورد نیاز، جهت این تغییرات پدید آمده است. روش‌های جدید برای ذخیره سازی داده‌ها می‌تواند بار از بین بردن تعریف ساختار و توانایی ذخیره‌سازی ارزان داده‌ها را متحمل شود. نرم افزارهای توزیع داده‌ها و محاسبات روی آن‌ها به درجه‌ای از بلوغ رسیده‌اند که می‌تواند عملکرد مورد انتظار از یک پلتفرم مدرن را، در حالی که این حجم از داده قبلا هرگز مورد استفاده واقع نشده است، ارائه کند. دقیقا زمانی که بانک‌ها نیازمند ارزیابی مجدد فنآوری‌ها هستند، روش‌های پیاده‌سازی و اسقرار داده‌های بزرگ نیز باید تغییر یابد. متدولوژی‌های توسعه‌ای چابک به منظور ایجاد امکان توسعه و استقرار سریع، تکرار شونده، و افزایشی بوجود آمده‌اند که می‌توانند در راستای دستیابی سریع به داده‌ها به طوری‌که مورد سنجش، درک، و تجزیه مناسب قرار گرفته باشند، مورد استفاده واقع شوند. امروزه اجزای تشکیل دهنده چارچوب‌های جامع داده‌های بزرگ در دسترس و آماده استفاده است و به نظر می‌رسد که زمان ورود بانک‌ها به این تکنولوژی فرا رسیده است. تجزیه و تحلیل داده‌ها و اینترنت، کار نظارت و ارزیابی پیشرفت بانک‌ها را در حال حاضر نسبت به گذشته بسیار ساده‌تر کرده است، که این امر به‌واسطه دسترسی به حجم انبوهی از اطلاعات شخصی مشتریان امکان پذیر است. اما هم اکنون با فنآوری داده‌های بزرگ بانک‌ها قادر خواهند بود از این اطلاعات به‌طور مداوم برای نظارت رفتارهای تراکنشی و معاملاتی مشتریان خود، در زمان وقوع (و تقریباً به‌صورت بلادرنگ) استفاده کنند و این به بانک‌ها در ارائه خدمات و منابع مناسب‌تر کمک می‌کند. این سرویس‌های بلادرنگ موجب افزایش سودآوری کلی برای آن‌ها می‌شود. متناسب با میزان افزایش مشتریان بانک‌ها، الزام به ارائه خدمات متاثر از درخواست‌ها و نیازهای آن‌ها نیز بیشتر می‌شود. لیکن مسئولیت حفظ امنیت وجوه و اطلاعات شخصی مشتریان از مهم‌ترین موضوعات برای بانک‌ها محسوب می‌شود.

INNOVATION

MARKETING

BUSINESS INTELLIGENCE

امروزه بنگاه های کسب و کار نسبت به دهه های گذشته دارای توان بیشتری جهت دستیابی، تجمیع و تولید ارزش از داده می باشند. سازمان ها با این سوال مواجه هستند که چگونه می توان از داده ها استفاده موثرتری را داشت  و از آن در جهت تولید ارزش در سازمان خود استفاده کرد. استفاده از داده، محدود به داده تولید شده در سازمان نمی گردد و می توان از سایر داده های مرتبط و در دسترس نیز استفاده کرد. داده های عظیم، این قول را داده است که بتواند در تمامی صنایع، انقلابی به مفهوم واقعی ایجاد کند. توانایی ما جهت استخراج ارزش اقتصادی و اجتماعی از داده های جدید و موجود به عوامل مختلفی بستگی دارد. کار با این حجم داده نیازمند ابزارها و مهارت های جدید است. اطلاعات به اندازه ای زیاد هستند که نمی توان آنها را در یک کامپیوتر قرار داد تا به کمک ابزارهای آماری و بانک های اطلاعاتی سنتی با آنها کار کرد و یا به کمک نرم افزارهای گرافیکی استاندارد آنها را ارایه کرد. کمبود نیروی انسانی متخصص و ماهر  یکی از مهمترین چالش های موجود به منظور بهره برداری از فرصت های ایجاد شده توسط داده های عظیم است .شاید به  همین دلیل باشد که علم داده (Data Science) که تلفیقی از علوم اجتماعی، علم آمار، علم اطلاعات و علوم کامپیوتر است طراحی شده است. امروزه بسیاری از دانشگاه های معتبر دنیا نظیر مدرسه اطلاعات دانشگاه برکلی یا دانشگاه هاپکینز با ارایه این علم به صورت  پودمانی و یا دوره های تحصیلات تکمیلی  پیشگام حل معظل کمبود نیروی انسانی ماهر در حوزه داده های عظیم شده اند. باید بپذیریم، با نگاه  محدود و سنتی به  داده نمی توان در جهت خلق ارزش از داده در عصر  شدیدا رقابتی حاضر گام برداشت. حل یک مساله جدید با نگاهی سنتی و  بکارگیری ابزارهای قدیمی که فاقد کارآیی لازم حتی در زمان خود بوده اند، فرصت بهره برداری از مزایای پاسخ صحیح به یک مساله را از بین خواهد برد. فرصت هایی که شاید جبران آنها امکان پذیر نباشد چرا که حرکت رقبا مشروط به تعلل سوار شدن ما بر مرکب تغییرات فناوری نیست. فناوری بلاکچین یک نمونه بارز از نوآوری های صورت گرفته در حوزه بانکی و مالی است که متکی بر داده های کلان پیرامون ماست. فناوری های مالی و داده های کلان به زودی تاثیر قابل ملاحظه ای را بر روی صنعت بانکداری و موضوعات بانکداری خرد، بانکداری اختصاصی و بانکداری شرکتی خواهند گذاشت که ما را ناگزیر به تغییر در کسب و کار خواهند کرد.