تعداد بازدید: ۷۲۲
برخی از کارشناسان صنعت بانکی رشد هفت برابری حجم موجود داده‌ها را تا سال ۲۰۲۰ برآورد می‌نمایند. امروزه فن آوری داده‌های بزرگ به عنوان راه حلی برای بهره برداری و استفاده این حجم از اطلاعات مطرح می‌باشد
کد خبر: ۷۵۰۸۳
تاریخ انتشار: ۰۳ خرداد ۱۳۹۶ - ۱۷:۵۷

نقش داده‌های بزرگ در صنعت بانکداری

مسعود خرقانی، متخصص فناوری اطلاعات بانکی نوشت: طی دهه‌های گذشته صنعت بانکداری در راه تکامل خود با فراز و نشیب‌هایی در اجرای عملیات و ارائه خدمات مواجه بوده است. با کمال تعجب، بسیاری از بانک‌ها در بهره برداری و استفاده صحیح و مناسب از اطلاعات موجود در پایگاه داده خودشان ناموفق بوده‌اند و این در حالی است که تقریباً همه بانک‌ها در فرآیندهای خود مقادیر زیادی داده ایجاد و گاهی هزینه‌های گزافی برای جمع آوری و نگهداری آن‌ها صرف می‌کنند. برخی از کارشناسان صنعت بانکی رشد هفت برابری حجم موجود داده‌ها را تا سال ۲۰۲۰ برآورد می‌نمایند. امروزه فن آوری داده‌های بزرگ به عنوان راه حلی برای بهره برداری و استفاده این حجم از اطلاعات مطرح می‌باشد.

داده‌های بزرگ برای بانک‌ها چه مفهومی دارد؟

علت تعلل استراتژی‌های مدیریت داده و راه حل‌های ذخیره سازی داده به شکل رایج و سنتی، در اجرای پروژه‌های بیگ دیتا چیست.

طبق بررسی‌های انجام شده توسط واحد کسب و کار شرکت آی بی ام با همکاری یک از مؤسسات مطالعاتی تحقیقاتی اروپایی، عنوان شده است، در ۶۳ درصد از بانک‌ها مهارت در داده‌های بزرگ، به عنوان یک مزیت رقابتی شناخته شده است. این در حالی است که ۹۱ درصد از آنها فاقد مهارت‌های کلیدی برای اجرای مؤثر این کار هستند، و تنها ۳ درصد گزارش کرده‌اند که در سازمان خود زیرساخت بهره برداری از داده‌های بزرگ را به‌طور مستمر مستقر کرده‌اند. بانک‌های بسیاری در حال تلاش در این زمینه می‌باشند، اما به نظر می‌رسد تعداد کمی از آنها در این کار موفق باشند.

چه عاملی تلاش بانک‌ها در این زمینه را خنثی می‌کند؟

در اکثر مواقع بانک‌ها در مواجهه با الزامات یک کار جدید مانند ورود به پروژه داده‌های بزرگ، تنها به تجربه‌های قبلی در به کار گیری فن آوری ها و متدولوژی‌هایی که در چرخه عمر توسعه و استقرار نرم افزار دارند توجه و اکتفا می‌کنند. تکنولوژی‌های سنتی، و به‌ویژه رایج‌ترین آنها در ذخیره داده‌ها (مثل پایگاه‌های داده رابطه‌ای)، برای به اجرا درآوردن مدل‌های ساختاریافته و بهینه سازی عملکرد پردازش در یک محیط سخت افزار محدود طراحی شده بودند. در نتیجه، خیلی از کارشناسان فن آوری بانک‌ها به تبدیل داده‌های مورد استفاده جهت پاسخگویی به این محدودیت‌ها می‌پردازند، از جمله تجمع برای برآورده ساختن محدودیت مقیاس پذیری و نرمال سازی داده‌ها برای برآوردن محدودیت‌های مدل داده‌ای.

در این مسیر، ادغام و نرمال سازی داده می‌تواند نقاط ضعف متعدی را موجب شود:

- شماهای داده‌ای ثابت، انعطاف پذیری در پاسخ گویی به تغییرات داده‌ای را پشتیبانی نمی‌کند.

- اصل و نسب (خطوط اصلی) داده‌ها ممکن است بعد از تجمع و خلاصه سازی از دست برود.

- حاکمیت و نظارت داده‌ها، زمانی که جریان داده‌ها در چند مرحله مورد توسعه قرار می‌گیرد و باید پاسخ گوی نیازهای مراحل مختلف باشد ضعیف می‌گردد.

این نقاط ضعف، باعث اختلال در موفقیت طرح داده‌های بزرگ است، که در آن موضوعاتی مانند انعطاف پذیری ساختار داده، دانه بندی مناسب و دقیق‌تر داده‌ها، و بهبود قابلیت ردیابی داده‌ها، لازمه اصلی و بنیادین برای اثربخشی تحلیلی داده‌ها می‌باشد. در نتیجه معماری مدیریت اطلاعات به شکل سنتی معمولاً در این زمینه مناسب نیست. به علاوه اینکه غالباً، رویکردهای سنتی برای مدیریت پروژه، پیاده سازی و استقرار، و مدیریت تغییرات، در این طرح‌ها کافی نیست.

در دهه‌های گذشته، سامانه‌ها با فرض پایداری نسبی، توسعه یافته و سپس مستقر می‌شدند، بطوریکه تغییرات قابل ملاحظه‌ای در طول زمان در پلتفرم آنها بعید به نظر می‌رسید. در حالی که از الزامات پروژ های بیگ دیتا، بررسی و دقیق شدن در خود داده‌ها و در طول زمان است که باعث هدایت کار تکامل طرح می‌گردد. بنابراین، هر گونه سفتی و عدم انعطاف، در رویکرد استقرار می‌تواند به سرعت موجب ریسک ایستایی و رکود، و شکست در تطبیق پذیری با هدف طرح باشد.

نیاز به رویکرد جدید

فن آوری داده‌های بزرگ نشان دهنده راه جدیدی برای بانک‌ها است 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 فن آوری در ارائه قابلیت‌های انعطاف پذیری و مقیاس پذیری مورد نیاز، جهت این تغییرات پدید آمده است. روش‌های جدید برای ذخیره سازی داده‌ها (به عنوان مثال، پایگاه داده‌های NoSQL) می‌تواند بار از بین بردن تعریف ساختار و توانایی ذخیره سازی ارزان داده‌ها را متحمل شود. نرم افزارهای توزیع داده‌ها و محاسبات روی آن‌ها (مانند هادوپ) به درجه‌ای از بلوغ رسیده‌اند که می‌تواند عملکرد مورد انتظار از یک پلتفرم مدرن را، در حالی که این حجم از داده قبلاً هرگز مورد استفاده واقع نشده است، ارائه نماید. این چنین زیرساختی برای گزارش و عینیت بخشیدن داده‌ها، دیدگاه جدیدی به اطلاعات ایجاد می‌کند که قبلاً فراهم نبوده است. و ابزارهایی برای این کار وجود دارد که می‌تواند تقریباً در اختیار همگان قرار داده شود.

دقیقاً زمانی که بانک‌ها نیازمند ارزیابی مجدد فن آوری ها هستند، روش‌های پیاده سازی و اسقرار داده‌های بزرگ نیز باید تغییر یابد. متدولوژی‌های توسعه‌ای چابک جهت ایجاد امکان توسعه و استقرار سریع، تکرار شونده، و افزایشی به وجود 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 اجزا 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.

حرکتی از مفهوم به واقعیت

با معرفی و پیدایش هر چارچوب جدیدی، سرمایه گذاری زیادی را در حوزه نیروی انسانی، فرآیندها، ابزارها و تکنیک، برای رسیدن به سطح قابل قبولی از مهارت و قابلیت به سوی آن جلب می‌شود. در این مسیر بانک‌ها نیز باید تمایل جدی به تغییر داشته و کسب این تکنولوژی را، با روی باز پذیرا باشند، و ضمن رعایت احتیاط کافی، ریسک شکست احتمالی، حداقل در مقیاس پروژه‌های کوچک را بپذیرند. بدین ترتیب است که آمادگی لازم برای توسعه و تعمیم فن آوری داده‌های بزرگ به وجود می‌آید و شانس موفقیت افزایش می‌یابد. تحقق داده‌های بزرگ یک فرصت با ارزش است و به هیچ عنوان افسانه‌ای دور از دسترس نمی‌باشد. فقط باید با فکری باز و رویکردی متفاوت، و انتخاب صحیح و آگاهانه فن آوری های مناسب، از مفهوم به تحقق تبدیل شود.

بررسی جامع پیشرفت

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 فن آوری داده‌های بزرگ بانک‌ها قادر خواهند بود از این اطلاعات به طور مداوم برای نظارت رفتارهای تراکنشی و معاملاتی مشتریان خود، در زمان وقوع (و تقریباً به‌صورت بلادرنگ) استفاده نمایند، واین به بانک‌ها در ارائه خدمات و منابع مناسب‌تر کمک می‌کند. این سرویس‌های بلادرنگ موجب افزایش سود آوری کلی برای آن‌ها می‌گردد. متناسب با میزان افزایش مشتریان بانک‌ها، الزام به ارائه خدمات متأثر از درخواست‌ها و نیازهای آن‌ها نیز بیشتر می‌شود. لیکن مسئولیت حفظ امنیت وجوه و اطلاعات شخصی مشتریان از مهم‌ترین موضوعات برای بانک‌ها محسوب می‌شود.

مزایای استفاده از داده‌های بزرگ برای صنعت بانکداری

مهم‌ترین ویژگی و مزیت اصلی پیاده سازی، استقرار و بهره برداری از فن آوری و سامانه‌های مبتنی بر داده‌های بزرگ، تسهیل، افزایش کارایی و بهره وری در دو حوزه

- تشخیص و اعلام رخدادها در لحظه وقوع

- تحلیل، کشف و استخراج اطلاعات مبتنی بر تکنیک‌های داده کاوی

می‌باشد. حتی در برخی مواقع، مثل کشف و جلوگیری از تقلب در تراکنش‌های مالی، نه تنها موجب تسهیل بلکه بدون این تکنولوژی شاید غیر ممکن باشد.

برخی از مهم‌ترین کاربردهای داده‌های بزرگ در صنعت بانکی عبارتند از:

- تغییر در سطح سرویس دهی

- تشخیص و پیشگیری از کلاهبرداری

- توسعه امکان گزارش گیری پیشرفته و مبتنی بر تحلیل

- بخش بندی مشتریان

- بازاریابی و مدیریت ارتباط با مشتری

- مبارزه با پولشوئی

- ارائه امکانات شخصی سازی محصولات به مشتری

- مدیریت ریسک

- بازرسی و نظارت

- و ...

نظر شما
نام:
ایمیل:
* نظر: