《大数据与分析解决方案集——智慧的银行业》.pptx
文本预览下载声明
;;;;BIG DATA ANALYTICS;方案收益与价值
IBM不仅仅是数据集市的咨询厂商,还具备系统实 施能力,同时也能够将风险数据集市建设与数据管 控紧密结合,使得IBM方案在管理和系统层面都具 有最佳的可落地性。IBM已经进行了多年的风险数 据集市咨询与实施工作,并仍在不断进步,由此积 累的丰富经验和服务将帮助银行获得以下收益。
? 帮助银行了解新资本协议实施对数据的要求以 及相关合规要求,帮助银行从风险数据的角度 推进新资本协议的实施与合规。
? 帮助银行构建风险数据集市模型,引入IBM国 际、国内风险数据集市实施经验和最佳实践。
? 帮助银行建立风险数据集市与源系统的数据映 射关系,减少系统实施的风险的同时,并建设 相关配套管理组织、制度以及流程,加强银行 对风险数据的管控能力。
? 帮助银行培养风险数据集市管理队伍,加深信 息科技部和业务部门对新资本协议实施的理解。;BIG DATA ANALYTICS;IBM的解决方案
财务数据集市作为财务应用系统的统一数据来 源,对全行合约(账户)、交易、客户等明细数据 以及财务应用的结果数据进行集中统一存放和管 理,实现与财务管理相关的全部数据的整合。
为适应未来业务的发展和系统的灵活扩展,数据 集市采用通用的分层架构,包括以下几个层次:
? 缓冲层:数据集市存放源系统增量(或全量)数 据的区域,数据结构与源系统保持一致,可以 按频次分表存放;数据只做临时存放,不保留 历史数据。
? 基础层:数据集市的明细数据整合区,保持数 据的原始粒度;采用BDW模型进行客户化,;BIG DATA ANALYTICS;;BIG DATA ANALYTICS;? 制度和流程:数据标准管理制度主要规定数据 标准的管理层级、专职管理部门、管理岗位以及 各项专业管理业务的职能范围、应负责任、拥 有的职权,以及管理业务的工作程序和工作方 法;数据标准管理流程重点是规范数据标准的 新建、更新、维护、发布、退出等工作流程和工 作步骤,以及各工作流程环节的主要业务活动。
? 组织和角色:明确为实现数据标准管理目标应用 在业务和技术领域定义的组织和分配的角色,其 中包括相关组织的职责和权限,关键的角色和职 责,以及和其他外部组织的交互方式。
? 标准化工具:建置专门的标准化管理工具对数 据标准进行内容管理,同时管理数据标准完整 的管理流程,从需求、建立到变更,以及标准废 除。同时将数据标准化管理的组织、角色职责、 考核等各个主要因素都在管理工具中实现。;BIG DATA ANALYTICS;IBM的解决方案
数据治理是对人员、流程及技术之间的组织、安 排和协作,从而使得企业可以将信息作为企业资 产。换言之,数据治理是构造、描述及治理所有 信息资产的综合方法,可以改善企业经营效率、 提高透明度及深化对业务的理解。
IBM的数据治理最佳实践源自于大量的大型复杂 数据治理项目,共分为核心领域、支持领域、转变 促成要素和客户收益4大主要领域,其中又包含11 个细分领域,为企业提升数据质量提供了一个系 统、全面、跨领域、可持续、可扩展的实施框架。
? 数据架构:数据架构指企业的基础架构,成熟 度考虑基础架构如何支持数据的共享开发和使 用,这些数据有助于企业绩效的提高。;BIG DATA ANALYTICS;;BIG DATA ANALYTICS;? 建立360度的主数据视图,形成主数据唯一可 信数据源,为银行的经营分析、绩效考核及客 户营销等企业应用提供最准确、最快捷的数 据,从而提高银行在行业中的核心竞争力;
? 建立一整套主数据管理和维护流程,提升主数 据的建设及主数据建设后的维护、优化和管理 的规范化和流程化。;BIG DATA ANALYTICS;? 从业务角度对反欺诈工作关注重点以及过往欺 诈案例进行理解,分析欺诈行为主要步骤和业 务要素;
? 从异常行为、套利模式等方面识别有意义的反 欺诈检测要点;
? 依据业务知识与管理经验设计并优化反欺诈规 则,实现检测率与误报率的平衡;
? 根据面向业务的检测要点和规则,形成面向技 术实现的需求与方案;
? 分析面向业务运行的系统和数据,从欺诈检测 的视角设计目标数据整合及检测规则配置方案;
? 根据来自业务视角的技术需求,从技术角度展 开数据挖掘分析工作,实现对欺诈检测的逐步 优化。;BIG DATA ANALYTICS;IBM客户智能解决方案主要包括四大领域:
? 客户数据整合:客户数据整合(或客户信息文件 主数据系统)是实现客户智能解决方案的基础。
? 客户细分与区隔:客户细分是在选定的一个或 多个标准的基础上,对银行的客户进行不同特 征的区隔,从而实现目标市场定位、推进个性 化服务。毫无疑问,金融
显示全部