Improve financial services operations and performance

Creșteți rentabilitatea serviciilor financiare printr-o eficiență operațională bazată pe date

Instituțiile de servicii financiare trebuie să își desfășoare operațiunile interne cât mai eficient pentru a rămâne competitive și a-și crește profiturile, în condițiile în care companiile specializate în tehnologie financiară și în alte tehnologii avansează rapid către spațiul serviciilor financiare. Teoretic, profiturile pot crește în două moduri: prin creșterea veniturilor sau prin reducerea cheltuielilor. Ambele sunt extrem de importante. Pentru a depăși provocarea privind creșterea profiturilor într-un sector aflat într-o continuă schimbare, instituțiile de servicii financiare și-au schimbat perspectiva, axându-se acum pe utilizarea imensului volum de date și informații disponibile pentru a-și îmbunătăți eficiența și performanța operațională. Adoptând o abordare bazată pe date pentru fluidizarea proceselor, eliminarea redundanțelor și optimizarea alocării resurselor, organizațiile de servicii financiare pot să obțină atât o reducere a costurilor, cât și o îmbunătățire a furnizării serviciilor.

Ultimul factor este important mai ales în condițiile competiției acerbe, evoluțiilor rapide și perturbărilor continue din acest sector. Organizațiile care își desfășoară activitatea eficient pot oferi prețuri mai competitive, servicii mai rapide și mai bune, o precizie mai mare și experiențe ale clienților mai bune decât concurenții lor. Clienții apreciază experiențele rapide și fără probleme, iar experiențele pozitive contribuie la fidelitatea, reținerea și impresia pozitivă a clienților, toate acestea accelerând dezvoltarea și creșterea veniturilor.

Eficiența operațională favorizează și flexibilitatea sau adaptabilitatea, ajutând organizațiile de servicii financiare să prevadă și să reacționeze rapid la schimbările pieței, condițiile de reglementare și cerințele clienților. Organizațiile flexibile pot să lanseze produse noi mai rapid, să țină pasul cu progresele tehnologice, să profite de oportunitățile emergente și să prospere, într-un mediu dinamic.

În plus, eficiența operațională are un rol important în managementul eficient al riscurilor, esențial pentru menținerea încrederii clienților, autorităților de reglementare și părților interesate. În schimb, ineficiența operațională, inclusiv erorile manuale, blocajele din procese și măsurile de control neadecvate, poate fi foarte riscantă, ducând la încălcarea conformității, breșe de securitate și perturbarea activității. Prin îmbunătățirea eficienței operaționale, organizațiile de servicii financiare pot să diminueze riscurile respective, să asigure conformitatea cu reglementările și să îmbunătățească securitatea datelor despre clienți.

Aceste beneficii sunt esențiale pentru dezvoltare. Pe măsură ce organizațiile de servicii financiare își extind operațiunile sau intră pe piețe noi, trebuie să se asigure că procesele lor acceptă volume mai mari de date, fără să fie afectată calitatea sau să apară costuri excesive. Procesele eficiente pot fi replicate, automatizate sau adaptate cu ușurință pentru a susține inițiativele de dezvoltare, permițându-le organizațiilor să profite de oportunități și să își extindă prezența pe piață.

Optimizați eficiența operațională și reduceți costurile utilizând o platformă de date completă

Prin asimilarea, organizarea și analizarea datelor privind procesele și performanțele operaționale, organizațiile de servicii financiare pot identifica și elimina blocajele și ineficiențele, pentru a optimiza fiecare interacțiune internă și externă și a îmbunătăți rezultatele. Arhitectura prezentată aici arată cum putem combina componentele Oracle recomandate pentru a crea o arhitectură de analiză care acoperă întregul ciclu de viață al datelor analizate, fiind concepută pentru a ajuta instituțiile de servicii financiare să obțină numeroasele beneficii de afaceri descrise mai sus.

Această imagine prezintă modul în care poate fi folosită Oracle Data Platform for Financial Services pentru a susține și a îmbunătăți eficiența și performanța operațională. Platforma conține următorii cinci piloni:

1. 1. Surse de date, descoperire
2. 2. Asimilare, transformare
3. 3. Persistență, organizare, creare
4. 4. Analiză, învățare, estimare
5. 5. Măsurare, acționare

Pilonul Surse de date, descoperire include trei categorii de date.

1. 1. Datele aplicației Oracle cuprind date din Fusion SaaS, Oracle E-Business Suite, CX
2. 2. Evidențe companie (date din surse primare) CRM, Tranzacții, Informații despre conturi, Venit și Profit
3. 3. Datele terțe includ ratele Forex, fluxurile de piață și prețurile mărfurilor

Pilonul Asimilare, transformare cuprinde patru capacități.

1. 1. Asimilarea în set utilizează OCI Data Integration, Oracle Data Integrator și instrumentele DB.
2. 2. Transferul în masă utilizează OCI FastConnect, OCI Data Transfer, MFT și OCI CLI.
3. 3. Captarea datelor de modificare utilizează OCI GoldenGate.
4. 4. Asimilarea în flux utilizează OCI Streaming Kafka Connect.

Toate cele patru capacități se conectează unidirecțional în banca de date pentru deservire și capacitatea de stocare în cloud din cadrul pilonului Persistență, organizare, creare.

În plus, asimilarea în flux este conectată la prelucrarea în flux din cadrul pilonului Analiză, învățare și estimare.

Pilonul Persistență, organizare, creare cuprinde cinci capacități.

1. 1. Banca de date pentru deservire utilizează Oracle Autonomous Data Warehouse și Exadata Cloud Service.
2. 2. Stocarea în cloud utilizează OCI Object Storage.
3. 3. Clusterul Hadoop gestionat utilizează Oracle Big Data Service.
4. 4. Prelucrarea în set utilizează OCI Data Flow.
5. 5. Organizarea utilizează OCI Data Catalog.

Aceste capacități sunt conectate în cadrul pilonului. Stocarea în cloud este conectată unidirecțional la banca de date pentru deservire și bidirecțional la prelucrarea în set.

În cadrul pilonului Analiză, învățare și estimare se conectează două capacități. Banca de date pentru deservire se conectează atât la capacitatea de analiză, cât și la cea de vizualizare, precum și la produsele de date, capacitatea API-urilor. Stocarea în cloud se conectează la capacitatea de machine learning.

Pilonul Analiză, învățare și estimare cuprinde două capacități.

1. 1. Analize și vizualizări utilizează Oracle Analytics Cloud, GraphStudio și ISV-uri.
2. 2. Machine learning utilizează Oracle Machine Learning.

Pilonul Măsurare, acționare captează modul în care poate fi utilizată analiza datelor: de către persoane și parteneri.

Persoane și parteneri cuprinde eficiența operațională (timpii de procesare, ratele de eroare, utilizarea resurselor), identificarea blocajelor din procese, valoarea pe durata colaborării cu clientul, analiza de piață și a concurenței, atribuirea performanței.

Cei trei piloni centrali – Asimilare, transformare; Persistență, organizare, creare și Analiză, învățare, estimare – sunt acceptați de infrastructură, rețea, securitate și IAM.

Conectați, asimilați și transformați datele

Soluția noastră este compusă din trei piloni, fiecare susținând anumite capacități ale platformei de date. Primul pilon oferă posibilitatea conectării, asimilării și transformării datelor.

Există patru moduri principale în care organizațiile de servicii financiare pot injecta date într-o arhitectură pentru a îmbunătăți eficiența și performanța operațională.

• Pentru a începe procesul, vom activa transferul în masă al datelor privind tranzacțiile operaționale. Serviciile de transfer în masă sunt utilizate în situațiile în care trebuie mutate volume mari de date în Oracle Cloud Infrastructure (OCI) pentru prima dată – de exemplu, datele din depozitele analitice existente on-premises sau din alte surse, aflate în cloud. Serviciul de transfer în masă specific pe care îl vom utiliza va depinde de locația datelor și de frecvența transferurilor. De exemplu, putem utiliza OCI Data Transfer Service sau OCI Data Transfer Appliance pentru a încărca un volum mare de date on-premises din containerele cu istoricul planificărilor sau din depozitele de date. Când trebuie mutate permanent volume mari de date, recomandăm utilizarea OCI FastConnect, care asigură o conexiune în rețea privată dedicată, cu lățime mare de bandă, între centrul de date al clientului și OCI.
• De obicei, sunt necesare extrageri frecvente în timp real sau aproape în timp real, iar datele sunt asimilate periodic din tranzacții și din sistemele de management al clienților care utilizează OCI GoldenGate. OCI GoldenGate utilizează captarea datelor de modificare pentru a detecta evenimentele de modificare din structura subiacentă a sistemelor de livrare a proceselor operaționale care trebuie deservite (de exemplu, crearea unui cont, o problemă a clientului, indicii de fraudă etc.) și trimite datele în timp real către un nivel de persistență și/sau nivelul fluxului.
• Posibilitatea de a analiza date din mai multe surse în timp real poate ajuta organizațiile de servicii financiare să obțină informații valoroase despre eficiența operațională și performanța lor generală, astfel încât să cunoască și să măsoare eficiența proceselor lor de bază. În acest caz de utilizare, putem colecta prin asimilare în flux toate datele citite din evenimentele clienților sau interne prin interacțiuni mobile, IoT, comunicarea între dispozitive și alte mijloace. Fluxurile pot proveni dintr-o varietate de surse interne și externe, putând include date despre tranzacții, date despre interacțiunile cu clienții, date despre piață, date de pe rețelele de socializare și date din sisteme de conformitate și de reglementare. Datele (evenimentele) vor fi asimilate, iar unele transformări/agregări de bază vor avea loc înainte de a fi stocate în OCI Object Storage. Analizele în flux suplimentare pot fi utilizate pentru identificarea evenimentelor conexe, iar tiparele identificate pot fi transmise înapoi (manual) pentru examinarea datelor brute utilizându-se OCI Data Science.
• Deși nevoile în timp real evoluează, cea mai comună extragere din sistemele de tranzacții, de planificare a resurselor companiei, de servicii clienți și de management al riscurilor și al conformității este un fel de asimilare în set cu ajutorul unui proces ETL. Asimilarea în set este utilizată pentru importul datelor din sisteme care nu pot accepta fluxuri de date (de exemplu, sistemele de banking de bază mai vechi din mainframe). Aceste extrase pot fi asimilate frecvent, adică la fiecare 10 sau 15 minute, dar este vorba, de fapt, tot despre asimilări în set, deoarece sunt extrase și prelucrate grupuri de tranzacții, nu tranzacții individuale. OCI oferă diferite servicii pentru asimilarea în set, cum ar fi serviciul nativ OCI Data Integration și Oracle Data Integrator, care rulează pe o instanță OCI Compute. Alegerea serviciului trebuie să se bazeze, în principal, pe preferințele clienților, nu pe criterii tehnice.

Persistența, prelucrarea și organizarea datelor

Persistența și prelucrarea datelor se bazează pe trei componente. Unii clienți le vor utiliza pe toate, în alții doar un subset. În funcție de volumul și de tipul datelor, datele pot fi încărcate în spațiul de stocare pentru obiecte sau direct într-o bază de date relațională, structurată pentru stocarea persistentă. Când anticipăm utilizarea unor capacități de știință a datelor, datele preluate din sursele de date în forma lor brută (ca fișier nativ sau extras neprelucrat) sunt, de obicei, captate și încărcate din sistemele tranzacționale în spațiul de stocare din cloud.

• Stocarea în cloud reprezintă cel mai comun nivel de persistență a datelor pentru platforma noastră de date. Aceasta poate fi utilizată atât pentru datele structurate, cât și pentru cele nestructurate. OCI Object Storage, OCI Data Flow și Oracle Autonomous Data Warehouse sunt elementele de bază. Datele preluate din sursele de date în forma lor brută sunt captate și încărcate în OCI Object Storage. OCI Object Storage este nivelul principal de persistență a datelor, iar Spark din OCI Data Flow este motorul principal de prelucrare în set. Prelucrarea în set implică mai multe activități, inclusiv tratarea datelor de bază, gestionarea datelor lipsă și filtrarea pe baza anumitor seturi de date de ieșire. Rezultatele sunt scrise înapoi în diferite niveluri ale spațiului de stocare pentru obiecte sau într-un depozit relațional persistent, în funcție de prelucrarea necesară și de tipurile de date utilizate.
• Acum, vom păstra datele organizate într-o bancă de date pentru deservire, într-un format optimizat pentru o interogare performantă și pentru o vizualizare la 360 de grade a operațiunilor organizației. Banca de date pentru deservire oferă un nivel relațional persistent, utilizat pentru furnizarea de date organizate de înaltă calitate direct utilizatorilor finali, prin intermediul unor instrumente bazate pe SQL. În această soluție, Oracle Autonomous Data Warehouse este considerat banca de date pentru deservire a depozitului de date al companiei și, dacă este necesar, poate furniza date la nivel de domeniu, mai specializate. De asemenea, poate fi sursa de date pentru proiectele de știință a datelor sau depozitul de date necesare pentru Oracle Machine Learning. Această bancă de date pentru deservire poate avea una dintre următoarele forme: Oracle MySQL HeatWave, Oracle Database Exadata Cloud Service sau Oracle Exadata Cloud@Customer.

Analizați datele, învățați și estimați

Capacitatea de a analiza, învăța și estima este facilitată de două soluții tehnologice.

• Capacitățile analitice avansate sunt esențiale pentru optimizarea eficienței și performanței operaționale. În acest caz de utilizare, ne bazăm pe Oracle Analytics Cloud pentru a obține analize și vizualizări. Astfel, organizația poate utiliza analiza descriptivă (descrie tendințele curente prin histograme și diagrame), analiza predictivă (anticipează evenimentele viitoare, identifică tendințele și stabilește probabilitatea rezultatelor incerte) și analiza prescriptivă (propune acțiunile adecvate care susțin un proces decizional optim).

  Aplicând modele predictive datelor istorice, organizațiile de servicii financiare pot prognoza rezultatele viitoare, pentru a lua decizii proactiv. De exemplu, analiza predictivă poate ajuta băncile să anticipeze pierderea clienților, să identifice posibilele cazuri de fraudă, să estimeze valorile implicite ale creditelor și să optimizeze prognozarea fluxului de numerar. Astfel, băncile pot să adopte măsuri preventive și să își aloce resursele operaționale cât mai eficient.

  Analiza prescriptivă merge dincolo de anticiparea rezultatelor, oferind recomandări privind cel mai bun mod de acțiune. Organizațiile de servicii financiare pot utiliza analiza prescriptivă pentru a optimiza procesul decizional în domenii precum aprobarea creditelor, strategiile de investire, modelele de stabilire a prețurilor și managementul riscurilor. Luând în considerare diferite restricții și obiective, analiza prescriptivă ajută organizațiile să ia decizii bazate pe date, astfel încât să maximizeze eficiența și rentabilitatea. (Cultura mai largă a datelor dintr-o organizație va juca, în cele din urmă, un rol semnificativ în reușita unei metode de analiză predictivă.)

• Pe lângă analizele avansate, se utilizează tot mai mult știința datelor, machine learning și inteligența artificială pentru căutarea anomaliilor, identificarea locurilor în care poate apărea latența unor procese și optimizarea experienței clienților. De exemplu, modelele de machine learning pot fi utilizate pentru evaluarea creditelor, detectarea fraudelor, segmentarea clienților și marketingul personalizat. Prin învățarea continuă din datele noi, aceste modele se pot adapta, îmbunătățindu-și performanța în timp, astfel încât să își îmbunătățească eficiența operațională și procesul decizional. În bazele de date se pot utiliza OCI Data Science, OCI AI Services și Oracle Machine Learning.

  Utilizăm metode de machine learning și de știință a datelor pentru a crea și instrui modelele noastre predictive. Aceste modele de machine learning pot fi implementate apoi pentru evaluare prin API-uri sau integrate în OCI GoldenGate, pipeline-ul de analiză în flux. În unele cazuri, aceste modele pot fi implementate chiar în baza de date, cu ajutorul Oracle Machine Learning Services REST API (posibil doar dacă modelul este în formatul Open Neural Network Exchange). În plus, algoritmii OCI Data Science pentru laptopurile cu Jupyter/Python sau Oracle Machine Learning pentru laptopurile Zeppelin și algoritmii de machine learning pot fi implementați în banca de date pentru deservire sau tranzacționale. În mod similar, Oracle Machine Learning și OCI Data Science, separat sau împreună, pot crea modele de recomandare/decizie. Aceste modele pot fi implementate ca serviciu, caz în care le putem implementa în spatele OCI API Gateway, pentru a fi livrate ca „produse de date” și servicii. În cele din urmă, după crearea lor, modelele de machine learning pot fi implementate în aplicații care fac parte dintr-un sistem operațional de luare a deciziilor (dacă este permis).

• Componenta finală, dar esențială, este organizarea datelor. Aceasta va fi efectuată de OCI Data Catalog, un serviciu de organizare a datelor și gestionare a metadatelor (pentru metadatele tehnice și de afaceri) gratuit, pentru toate sursele de date din ecosistemul platformei de date. OCI Data Catalog este o componentă esențială și pentru interogările din Oracle Autonomous Data Warehouse în OCI Object Storage, deoarece oferă un mod de localizare rapidă a datelor, indiferent de metoda sa de stocare. Aceasta le permite utilizatorilor finali, dezvoltatorilor și experților în date să utilizeze un limbaj comun de acces (SQL) în toate depozitele de date persistente din arhitectură.

Beneficiile utilizării datelor pentru creșterea eficienței și performanței operaționale

Deoarece viteza afacerilor – și nivelul concurenței – crește, vechile sisteme utilizate pentru furnizarea datelor operaționale esențiale nu pot face față. Aceste sisteme necesită multe intervenții manuale pentru colaționarea, integrarea și crearea de rapoarte din date fragmentate și izolate, ceea ce înseamnă că informațiile ajung prea târziu pentru a oferi avantajul de care au nevoie companiile. Măsurarea, înțelegerea și îmbunătățirea eficienței operaționale pot oferi organizațiilor de servicii financiare un avantaj competitiv și numeroase beneficii, inclusiv:

• o mai bună capacitate de a obține și de a reține clienții, prin furnizarea eficientă a serviciilor, prețuri competitive, experiențe superioare și oferte inovatoare;
• decizii de afaceri mai bune, bazate pe vizualizarea unică și cuprinzătoare a unor date clare, disponibile la momentul potrivit;
• o mai mare flexibilitate, care le permite organizațiilor să lanseze mai rapid produse noi, să se adapteze la progresul tehnologic și să profite de oportunitățile emergente;
• reducerea complexității în întreaga organizație;
• reducerea numărului de date dublate și de erori umane;
• reducerea riscurilor prin îmbunătățirea gestionării și atenuării riscurilor;
• Costuri reduse
• disponibilitate mai rapidă a datelor în scopuri analitice.