Improve risk calculations and regulatory reporting

تحديات التقارير التنظيمية

مع التعقيد المتزايد لمتطلبات الإبلاغ من الجهات التنظيمية في جميع أنحاء العالم، ارتفعت تكلفة وعبء الموارد لإعداد التقارير التنظيمية في السنوات الأخيرة. ومن خلال الكفاح من أجل مواكبة وتيرة التغيير المستمرة، يجب على الشركات المالية العثور على طرق لتلبية متطلبات البيانات المتوسعة بكفاءة ودقة مع تطوير بنية البيانات الخاصة بها إستراتيجيًا لتحسين الأداء ودفع النمو.

ولا تزال العديد من مؤسسات الخدمات المالية تضيع قدرا كبيرا من الوقت والموارد الماهرة التي تعد التقارير التنظيمية. بدون نظام آلي يقوم بإجراء عمليات فحص جودة البيانات وإزالة مخازن البيانات، لا يمكن للبنوك أن تثق بدقة عمليات التقديم التنظيمية الخاصة بها دون قضاء ساعات لا حصر لها في مراجعة التقارير. يعد الوصول إلى البيانات على المستوى المطلوب من الدقة تحديًا آخر لأن الأنظمة المختلفة تسجل البيانات على مستويات مختلفة - على سبيل المثال، تسجل أنظمة القروض البيانات على مستوى الحساب والمعاملة، وتلتقط أنظمة إنشاء القروض البيانات على مستوى الاستعلام، وتلتقط أنظمة بطاقات الائتمان البيانات على مستوى البطاقة والمعاملة. يتيح تحليل البيانات على مستوى متسق من الدقة للمؤسسات المالية الحصول على فهم شامل لعملياتها وعملائها وأسواقها. كما تمكنهم من عرض البيانات في السياق وتحديد العلاقات والأنماط والاتجاهات التي قد تكون مفقودة في حالة تجميع البيانات أو تصنيفها بطريقة غير متسقة.

لمعالجة هذه المشكلات، تعيد مؤسسات الخدمات المالية تحديد نهجها في حساب المخاطر وإعداد التقارير التنظيمية والامتثال كعملية شاملة والبحث عن الأتمتة والحوكمة الشاملة - من جمع البيانات وتحليلها إلى إعداد التقارير، بما في ذلك إرسال المسافة المقطوعة النهائية إلى الجهات التنظيمية.

إدارة الامتثال والمخاطر بشكل أكثر فعالية باستخدام التعلم الآلي والذكاء الاصطناعي

توضح البنية التالية كيف يمكننا دمج مكونات Oracle وإمكاناتها، بما في ذلك التحليلات المتقدمة والذكاء الاصطناعي والتعلم الآلي لإنشاء نظام أساسي شامل للبيانات لإعداد التقارير التنظيمية وحساب المخاطر ييسر تكامل البيانات وجودة البيانات والتوحيد والمعالجة والتسلسل والمرونة. يوفر النظام الأساسي للبيانات للمؤسسات المالية أساسًا قويًا لمساعدتها على تلبية المتطلبات التنظيمية، وإنشاء تقارير دقيقة وفي الوقت المناسب، وإجراء عمليات حسابية فعالة للمخاطر.

توضح هذه الصورة كيف يمكن استخدام منصة بيانات Oracle للرعاية الصحية لدعم الرعاية القائمة على القيمة مع مراقبة الأداء. وتشمل المنصة الدعائم الخمس التالية:

1. 1. مصادر البيانات، الاكتشاف
2. 2. استيعاب، تحويل
3. 3. الاحتفاظ، التوقع، الإنشاء
4. 4. التحليل والتعلم والتنبؤ
5. 5. القياس، العمل

يتضمن ركيزة مصادر البيانات والاكتشاف ثلاث فئات من البيانات.

1. 1. تتضمن Oracle Apps كلاً من Fusion SaaS وOracle E-Business Suite وEPM.
2. 2- تتكون سجلات الأعمال (بيانات الطرف الأول) من الحركات والإيرادات والهامش.
3. 3- وتشمل الأطراف الثالثة بيانات من أسعار الصرف الأجنبي، وموجزات السوق، وأسعار السلع الأساسية.

تضم دعامة الاستيعاب، التحويل أربع قدرات.

1. 1. يستخدم النقل المجمع OCI FastConnect ونقل بيانات OCI وMFT وOCI CLI.
2. 2. يستخدم عرض الدُفعات تكامل بيانات OCI وOracle Integration Cloud وData Studio.
3. 3. يستخدم تسجيل بيانات التغيير OCI GoldenGate وOracle Data Integrator.
4. 4. يستخدم إدخال الدفق أدوات تدفق OCI وKafka Connect وDB.

تتصل جميع الإمكانات الأربع بشكل أحادي الاتجاه بالتخزين السحابي داخل عمود Persist وCurate وCreate.

تتكون دعامة الاستمرار والدقة والإنشاء من خمس قدرات.

1. 1. يستخدم مخزن بيانات الخدمة Autonomous Data Warehouse.
2. 2. تستخدم مزارع الحوسبة HPC.
3. 3. يستخدم تخزين السحابة تخزين كائنات OCI.
4. 4. تستخدم المعالجة الدفعية تدفق بيانات OCI.
5. 5. تستخدم الحوكمة OCI Data Catalog.

هذه القدرات مرتبطة بالركيزة. التخزين السحابي / Data Lake متصل بشكل أحادي بمخزن بيانات الخدمة؛ كما أنه متصل ثنائي الاتجاه بمعالجة الدُفعات ومزرعة الحساب.

تتصل إمكانيتان في ركيزة التحليل والتعلم والتنبؤ: يتصل مخزن بيانات الخدمة بشكل أحادي الاتجاه بقدرة التحليلات والتمثيل المرئي ويرتبط ثنائي الاتجاه بإمكانية خدمات الذكاء الاصطناعي. يتصل التخزين السحابي بإمكانية خدمات الذكاء الاصطناعي.

تشتمل دعامة التحليل والتعلم والتنبؤ على ثلاث إمكانات.

1. 1. تستخدم التحليلات والتصور GraphStudio وOracle Analytics Cloud وISVs.
2. 2. تشمل خدمات الذكاء الاصطناعي اكتشاف الشذوذ في OCI ولغة OCI وتوقع OCI ورؤية OCI.
3. 3. يوفر مخزن بيانات العرض والتحليلات والتصور وتخزين العناصر البيانات الوصفية إلى كتالوج بيانات OCI.

يسجل عنصر الإجراء Act كيفية تطبيق تحليل البيانات لدعم حساب المخاطر وتقارير التقارير التنظيمية solution.These يتم تقسيم التطبيقات إلى مجموعتين.

1. 1- تتضمن المجموعة الأولى "الأشخاص والشركاء" الامتثال وإعداد التقارير التنظيمية بالإضافة إلى تجميع المخاطر وإعداد التقارير.
2. 2- وتشمل المجموعة الثانية "التطبيقات" تحليلات مخاطر الائتمان ومخاطر السوق، وتحليلات القيمة المعرضة للخطر، وتحليلات المخاطر التشغيلية، وتحليلات مخاطر السيولة، واختبار الإجهاد وتحليل السيناريوهات.

الركائز الأساسية الثلاثة - الاستيعاب، والتحويل؛ والاستمرار، والدقة، والإنشاء، والتحليل، والتعلم، والتنبؤ - مدعومة بالبنية الأساسية، والشبكة، والأمان، وIAM.

هناك ثلاث طرق رئيسية لإدخال البيانات في بنية لتمكين مؤسسات الخدمات المالية من تبسيط عمليات حساب المخاطر وإعداد التقارير التنظيمية مع تحسين الدقة.

• للبدء، نحتاج إلى استيعاب بيانات من أنظمة المعاملات والتطبيقات المصرفية الأساسية. يمكن إثراء هذه البيانات ببيانات العملاء من مصادر الطرف الثالث، والتي قد تتضمن بيانات غير منظمة من وسائل التواصل الاجتماعي على سبيل المثال. عمليات الاستخراج المتكررة في الوقت الفعلي أو في أقرب وقت فعلي والتي تتطلب تغيير التقاط البيانات شائعة، ويتم استيعاب البيانات بانتظام من أنظمة المعاملات والمخاطر وإدارة العملاء باستخدام Oracle Cloud Infrastructure (OCI) GoldenGate. تعد OCI GoldenGate أيضًا مكونًا حيويًا في تطوير بنى شبكات البيانات حيث تتم إدارة "منتجات البيانات" عبر دفاتر أستاذ بيانات المؤسسة وتدفقات بيانات متعددة اللغات التي تنفذ عمليات التحويل والتحميل المستمرة (بدلاً من استيعاب الدفعة واستخراجها وتحويلها وتحميلها المستخدمة في البنى الأحادية).
• يمكننا الآن استخدام تدفق الاستيعاب لاستيعاب بيانات التداول في الوقت الفعلي. على سبيل المثال، عند تنفيذ التجارة، يتم استيعاب كل المعلومات المرفقة بها ثم نشرها لتحديث الحسابات ودفاتر الأستاذ وإعادة احتساب المخاطرة وبدء عمليات التسوية. يتم استيعاب هذه البيانات في شكل أولي (نموذج غير محول) عبر موصل HDFS/S3 للاستمرارية طويلة الأجل، ويتم إجراء بعض التحويلات/التجميعات الأساسية قبل تخزين البيانات في التخزين السحابي. بالتوازي مع الإدخال، يمكننا ترشيح كميات كبيرة من البيانات وتجميعها وربطها وتحليلها من مصادر متعددة في الوقت الحقيقي باستخدام تحليلات التدفق. وهذا يساعد المؤسسات المالية على اكتشاف التهديدات والمخاطر التجارية. يمكن تغذية الأحداث المرتبطة والأنماط المحددة (يدويًا)، ويمكن فحص البيانات الأولية باستخدام علوم بيانات OCI. بالإضافة إلى ذلك، يمكن إنشاء الأحداث لتشغيل الإجراءات. يمكن أن تركز هذه الإجراءات بشكل مباشر على العملاء، مثل إخطار العملاء بالاحتيال المحتمل عبر البريد الإلكتروني أو الرسائل القصيرة أو حظر بطاقات الخصم المعرضة للخطر، أو يمكنهم تبسيط العمليات الداخلية - على سبيل المثال، من خلال إخطار فريق الامتثال بأنه تم تحديد مشكلة محتملة. Oracle GoldenGate Stream Analytics هي تقنية في الذاكرة تُجري عمليات حسابية تحليلية في الوقت الفعلي عن تدفق البيانات.
• يعد الوصول إلى بيانات الأداء والاتجاهات والأنماط القديمة أمرًا ضروريًا لفهم المخاطر والتنبؤ بها بدقة. يتطلب ذلك عادةً تحميل حجم كبير من بيانات المعاملات والمقاييس التشغيلية ومجموعات البيانات الأخرى (مثل بيانات السوق وأسعار السلع) من مخازن البيانات المحلية باستخدام طرق وخدمات النقل المجمع، مثل خدمة نقل بيانات OCI.
• في حين أن الاحتياجات في الوقت الفعلي تتطور، فإن الاستخراج الأكثر شيوعًا من الأنظمة المصرفية الأساسية والعملاء والمالية هو استيعاب الدفعة باستخدام عملية الاستخراج والتحويل والتحميل. غالبًا ما يتم استخدام استيعاب الدفعة لاستيراد البيانات من الأنظمة التي لا يمكنها دعم استيعاب التدفق (على سبيل المثال، أنظمة الحاسبات الكبيرة القديمة) أو البيانات التي لا تحتاج بالضرورة إلى تحليلها في الوقت الفعلي، مثل بيانات القرض والرهن العقاري. يتم تنظيم هذه البيانات بدرجة عالية من جودة/تكامل البيانات وغالبًا ما تتم معالجتها بواسطة تطبيق/نظام المعاملات بشكل مجمع وفقًا لجدول زمني محدد - على سبيل المثال، كل ساعة بعد 15 دقيقة من الساعة أو يوميًا في الظهيرة (قد تكون الفترات أطول من ذلك لاستيعاب العمليات المعقدة). يُعد الإدخال بشكل مجمع بعد اكتمال معالجة المصدر الطريقة الأكثر فعالية من حيث العمليات الحسابية والشبكة. يمكن أن تكون عمليات الإدخال الدفعي متكررة، في كثير من الأحيان كل 10 أو 15 دقيقة، ولكنها لا تزال مجمعة في طبيعتها حيث يتم استخراج مجموعات من المعاملات ومعالجتها بدلاً من المعاملات الفردية. تقدم OCI خدمات مختلفة لمعالجة استيعاب الدفعة، مثل خدمة تكامل بيانات OCI الأصلية أو Oracle Data Integrator تعمل على طبعة OCI Compute. ووفقًا لوحدات التخزين وأنواع البيانات، يمكن تحميل البيانات إلى تخزين الكائنات أو تحميلها مباشرةً إلى قاعدة بيانات علائقية منظمة للتخزين الدائم.

يتم بناء استمرارية البيانات ومعالجتها على ثلاثة مكونات (أربعة مكونات اختياريًا).

• يتم تخزين البيانات الأولية المُدخلة في تخزين السحابة لأغراض الخوارزمية؛ نستخدم تخزين كائنات OCI كطبقة ثبات البيانات الأساسية. Spark في تدفق بيانات OCI هو محرك معالجة الدفعة الأساسي للبيانات مثل بيانات المعاملات والموقع والتطبيق والتخطيط الجغرافي. تتضمن المعالجة الدفعية العديد من الأنشطة، بما في ذلك المعالجة الأساسية للضوضاء وإدارة البيانات المفقودة والتصفية بناءً على مجموعات البيانات الصادرة المحددة. تتم إعادة كتابة النتائج إلى طبقات مختلفة من تخزين الكائنات أو إلى مخزن علائقي دائم استنادًا إلى المعالجة المطلوبة وأنواع البيانات المستخدمة.
• يتم إرجاع مجموعات البيانات التي تمت معالجتها هذه إلى التخزين السحابي للاستمرارية، والطول، والتحليل، وفي نهاية المطاف للتحميل في نموذج محسّن إلى مخزن بيانات الخدمة، المقدمة هنا من Oracle Autonomous Data Warehouse. يتم الآن الاحتفاظ بالبيانات في النموذج العلائقي المحسّن لأداء الاستعلام والدمج. بدلاً من ذلك، بناءً على التفضيل الهيكلي، يمكن تحقيق ذلك باستخدام Oracle Big Data Service كمجموعة Hadoop مُدارة. في حالة الاستخدام هذه، يتم الوصول إلى جميع البيانات اللازمة لتدريب نماذج التعلم الآلي بشكل أولي من تخزين الكائنات. لتدريب النماذج، يتم دمج الأنماط التاريخية مع السجلات على مستوى المعاملات لتحديد المخاطر المحتملة وتسميةها. إن الجمع بين مجموعات البيانات هذه مع مجموعات أخرى، مثل بيانات الجهاز والبيانات الجغرافية المكانية، يتيح لنا تطبيق تقنيات علم البيانات لتحسين النماذج الحالية وتطوير نماذج جديدة للتنبؤ بالاحتيال المحتمل وإدارته بشكل أفضل. كما يمكن استخدام هذا النوع من الاستمرارية لتخزين البيانات الخاصة بالمخططات التي تعد جزءًا من مخازن البيانات التي يتم الوصول إليها عبر الجداول الخارجية والمقاطع المختلطة.
• وكما هو موضح في قسم الاستيعاب، تتعامل مؤسسات الخدمات المالية مع كميات هائلة من البيانات، بما في ذلك بيانات السوق التاريخية وبيانات التداول في الوقت الفعلي والمؤشرات الاقتصادية والمزيد. تعمل الحوسبة عالية الأداء (HPC) على تمكين معالجة مجموعات البيانات الكبيرة وتحليلها بكفاءة، مما يسمح بتقييم شامل للمخاطر. يتضمن التنبؤ بالمخاطر المالية استخدام نماذج رياضية وإحصائية معقدة، مثل محاكاة مونت كارلو ونماذج تسعير الخيارات ونماذج عوامل الخطر. تتطلب هذه النماذج قوة حسابية كبيرة لإجراء العمليات الحسابية والمحاكاة بدقة وسرعة. توفر أنظمة الحوسبة عالية الأداء (HPC) في مزرعة الحوسبة الموارد الحاسوبية اللازمة للتعامل مع هذه النماذج المعقدة بطريقة فعالة من حيث الموارد للغاية باستخدام مبادئ الحوسبة السحابية.

تعتمد إمكانية التحليل والتعلم والتنبؤ على تقنيتين.

• تقدم خدمات التحليلات والتمثيل المرئي، مثل Oracle Analytics Cloud، تحليلات تستند إلى البيانات المنسقة من مخزن بيانات الخدمة. يتضمن ذلك التحليلات الوصفية (تصف اتجاهات تعريف الاحتيال الحالية والنشاط المميز برسوم بيانية ومخططات)، والتحليلات التنبؤية، مثل تحليل السلاسل الزمنية (تتوقع الأنماط المستقبلية، وتحدد الاتجاهات، وتحدد احتمالية النتائج غير المؤكدة)، والتحليلات الإرشادية (تقترح إجراءات مناسبة تؤدي إلى اتخاذ القرارات المثلى). يمكن استخدام هذه التحليلات للإجابة عن أسئلة مثل: كيف تتم مقارنة الاحتيال الفعلي المميز بعلامة هذه الفترة بالفترات السابقة؟
• إلى جانب التحليلات المتقدمة، يتم تطوير نماذج التعلم الآلي وتدريبها ونشرها. يمكن تشغيل هذه النماذج المدربة على كل من بيانات المعاملات الحالية والتاريخية لمساعدة المؤسسات المالية على التنبؤ وإدارة المخاطر بشكل أفضل - على سبيل المثال، من خلال مطابقة أنماط المعاملات والسلوكيات للكشف عن غسيل الأموال - ويمكن إعادة النتائج إلى طبقة الخدمة و ذكرت باستخدام أدوات التحليلات مثل Oracle Analytics Cloud. ولتحسين التدريب على النماذج، يمكن أيضًا إدخال النموذج والبيانات في أنظمة التعلم الآلي، مثل علوم بيانات OCI، لمزيد من التدريب على النماذج لاكتشاف أنماط أكثر فعالية لمكافحة غسل الأموال قبل الترويج لها. يمكن الوصول إلى هذه النماذج عبر واجهات برمجة التطبيقات، أو نشرها في مخزن بيانات الخدمة، أو تضمينها كجزء من مسار تدفق التحليلات في OCI GoldenGate.
• بالإضافة إلى ذلك، يمكننا استخدام الإمكانات المتقدمة لخدمات الذكاء الاصطناعي السحابية الأصلية.
• تعد OCI Anomaly Detection خدمة ذكاء اصطناعي تسهل إنشاء نماذج اكتشاف شاذة خاصة بالأعمال تشير إلى الحوادث الخطيرة، مما يزيد من سرعة الكشف عنها وحلها. وفي حالة الاستخدام هذه، سنقوم بنشر هذه النماذج لتحديد حالات عدم الامتثال ورصد عدم الامتثال لمعايير IFRS 9 وIFRS 17، وCECL، وLDTI، وOECD، وBasel، وغيرها من المعايير والمتطلبات. ويمكن استخدام هذا التعريف مع بيانات حل سابقة للمعالجة وتحسين العمليات. لتقييم المخاطر، بما في ذلك الائتمان والسيولة والسوق وتقييمات مخاطر أداء المؤسسة، يمكن استخدام اكتشاف OCI الشاذ لمراقبة مقاييس الأداء للمساعدة على ضمان عدم زيادة الأداء الحالي والمعاملات للمخاطر العامة.
• يمكننا أيضًا استخدام اكتشاف OCI الشاذ لمراقبة عدد مرات الحدوث المتوافقة/غير المتوافقة حسب الفئة لتحديد ما إذا كان أي تغيير محدد في الأعمال يسبب تصعيدات غير عادية في الامتثال. علاوة على ذلك، يمكن أن يساعد اكتشاف OCI الشاذ في تحديد السبب الجذري لعدم الامتثال من خلال مراقبة استخدام قواعد الامتثال للتحقق مما إذا كانت المعاملات الحديثة تظهر استخدامًا غير عادي.
• يمكن استخدام تنبؤ OCI للتنبؤ بمقاييس الأداء بالإضافة إلى العوامل الخارجية، مثل ظروف السوق وسلوكيات العملاء، لتحليل احتمالية وتحديد المخاطر الوشيكة.
• يمكن لـ OCI Language وOCI Vision استيعاب المستندات والنصوص التي يمكن أن تساعد في إثراء البيانات للكشف عن الاحتيال وأنشطة مكافحة غسل الأموال.
• إدارة البيانات هي مكون آخر مهم. يتم توفير ذلك من خلال OCI Data Catalog، وهي خدمة مجانية توفر إدارة البيانات وإدارة بيانات التعريف (لكل من البيانات الوصفية التقنية وبيانات تعريف الأعمال) لجميع مصادر البيانات في النظام البيئي لمستودع البيانات. تعد OCI Data Catalog أيضًا مكونًا مهمًا للاستعلامات من Oracle Autonomous Data Warehouse إلى OCI Object Storage حيث توفر طريقة لتحديد موقع البيانات بسرعة بغض النظر عن طريقة التخزين الخاصة بها. وهذا يسمح للمستخدمين والمطورين وعلماء البيانات باستخدام لغة وصول مشتركة (SQL) عبر جميع مخازن البيانات المستمرة في البنية.
• أخيرًا، يمكن عرض بياناتنا ونماذجنا المنسقة والمُختبرة وعالية الجودة والخاضعة للحوكمة كمنتج بيانات (API) ضمن بنية شبكة بيانات للتوزيع عبر مؤسسة الخدمات المالية.

تحسين حسابات المخاطر وإعداد التقارير التنظيمية باستخدام النظام الأساسي المناسب للبيانات

يمكن أن يساعد Oracle Data Platform مؤسسات الخدمات المالية على مواكبة بيئة إدارة المخاطر والتقارير التنظيمية المتغيرة بسرعة، وإدارة التعقيد المتزايد لمتطلبات إعداد التقارير من الجهات التنظيمية في جميع أنحاء العالم، وضمان وصولها إلى البيانات على المستوى الصحيح من الدقة. يوفر حل Oracle بيئة وإطار عمل متكاملين لإدارة بيانات المخاطر التي تقلل من الوقت والموارد التي يجب على المؤسسات تخصيصها لإعداد التقارير التنظيمية. من خلال حل مؤتمت يطبق قواعد الجودة ويزيل مخازن البيانات، يمكن للمؤسسات أن تحظى بالثقة في طلبات التقديم التنظيمية الخاصة بها وأن تفهم المخاطر وإدارتها وتقللها بشكل أفضل.