50 największych banków w Polsce 2016: Era Big Data – zarządzanie ryzykiem z dopalaczem

Łukasz Libuda Senior Business Solutions Manager SAS Institute

Mogą z nich skorzystać, jeżeli będą w stanie je przetworzyć. Dzięki Big Data mogą przy tym wykorzystywać cenną wiedzę ukrytą w nieustrukturyzowanych zbiorach danych do zarządzania ryzykiem płynności, wyceny instrumentów finansowych, jak też badania zachowania klientów oraz sezonowości rynku.

Jedno jest pewne: banki muszą sprostać wyzwaniom wynikającym z potrzeby szybkiej i sprawnej analizy dużych wolumenów danych w czasie rzeczywistym, między innymi w zakresie analizy pozycji walutowej, wskaźników płynności podmiotu czy też rentowności skorygowanej o poziom narażenia na ryzyko.

Innowacyjna bankowość podąża za high-performance

Często słyszymy, iż żyjemy w czasach Big Data, czyli takich, w których wolumeny danych przetwarzanych każdego dnia rosną w tempie lawinowym, a systemy wykorzystywane przez instytucje finansowe dochodzą do granic swoich możliwości. Należy jednak pamiętać, że informacje to cenne aktywo, które dobrze zarządzanym i innowacyjnym organizacjom daje wiele możliwości i zapewnia przewagę konkurencyjną. Współczesna bankowość wymusza więc niejako analizę ogromnej ilości danych w jak najkrótszym czasie – optymalnie w czasie rzeczywistym. Oczywistym jest zatem, iż przyszłość przetwarzania i analizowania danych na potrzeby zarządzania ryzykiem związana będzie nierozerwalnie z hasłami, które coraz częściej pojawiają się w codziennych rozmowach specjalistów od ryzyka na każdym szczeblu zarządzania: in-memory, in-database, real-time processing oraz oczywiście Big Data.

Zasadniczym celem tych podejść jest maksymalne skrócenie czasu potrzebnego na wygenerowanie wyników oraz dostarczenie konkretnych informacji do odbiorców końcowych. Odbywa się to automatycznie, bez konieczności ingerencji użytkownika albo poprzez zrównoleglenie przeliczeń i wielowątkowe procesowanie (grid computing) albo wykonanie przeliczeń bezpośrednio w bazach danych bez konieczności czasochłonnego przenoszenia ich (in-database) lub jako in-memory analytics, czyli wykonywanie przeliczeń w szybkiej pamięci operacyjnej, które mogą być przy tym zrównoleglone.

Dopalacze potrzebne od zaraz…

Wspomniane rozwiązania łączą w sobie siłę zintegrowanej platformy ryzyka z wysokowydajną infrastrukturą przeliczeniową, pozwalającą na ...