Improve risk calculations and regulatory reporting

Düzenleyici raporlama zorlukları

Dünyanın dört bir yanındaki düzenleyici kurumların raporlama gerekliliklerinin giderek daha karmaşık hale gelmesiyle birlikte, düzenleyici raporlamanın maliyeti ve kaynak yükü son yıllarda artmıştır. Sürekli değişim hızına ayak uydurmak isteyen finansal firmalar, performansı artırmak ve büyümeyi hızlandırmak için veri mimarilerini stratejik olarak geliştirirken genişleyen veri gereksinimlerini daha verimli ve doğru bir şekilde karşılamanın yollarını bulmalıdır.

Birçok finansal servis organizasyonu, düzenleyici raporları hazırlarken hâlâ ciddi ölçüde zaman ve vasıflı kaynaklar harcıyor. Veri kalitesi kontrolleri gerçekleştiren ve veri silolarını ortadan kaldıran otomatik bir sistem olmadığında, bankalar raporları gözden geçirmek için sayısız saat harcamadan yasal başvurularının doğru olduğundan emin olamazlar. Farklı sistemler farklı düzeylerdeki verileri yakaladığından (örneğin, kredi sistemleri hesap ve işlem düzeyinde veri yakalar, kredi kaynak sistemleri sorgulama düzeyinde veri yakalar ve kredi kartı sistemleri kart ve işlem düzeyinde veri yakalar) istenen ayrıntı düzeyindeki verilere erişmek başka bir zorluktur. Verilerin tutarlı ayrıntı düzeyinde analiz edilmesi, finansal kurumların operasyon, müşteri ve pazarlarına ilişkin 360 derecelik bir anlayış kazanmasına olanak tanır. Verileri bağlam içinde görmelerini ve verilerin tutarsız bir şekilde toplanması veya ayrıştırılması durumunda gözden kaçabilecek ilişkileri, örüntüleri ve eğilimleri belirlemelerini sağlar.

Finansal servis organizasyonları bu konuları ele almak için risk hesaplaması, düzenleyici raporlama ve uyumluluğa yaklaşımlarını bütüncül bir süreç olarak yeniden tanımlıyor ve veri yakalama ve analizden düzenleyicilere son mil gönderimi de dahil olmak üzere raporlamaya kadar uçtan uca otomasyon ve yönetişim arıyorlar.

Makine öğrenimi ve yapay zeka ile uyumluluğu ve riski daha etkili yönetin

Aşağıdaki mimari; veri entegrasyonu, veri kalitesi, standardizasyon, işleme, sıralama ve çevikliği kolaylaştıran düzenleyici raporlama ve risk hesaplaması için kapsamlı bir veri platformu oluşturmak üzere gelişmiş analitik, yapay zeka ve makine öğrenimi dahil olmak üzere Oracle bileşenlerini ve yeteneklerini nasıl birleştirebileceğimizi göstermektedir. Veri platformu, finansal kurumlara düzenleyici gereksinimleri karşılamalarına, zamanında ve doğru raporlar oluşturmalarına ve etkili risk hesaplamaları yapmalarına yardımcı olmak için sağlam bir temel sağlar.

Bu görüntüde, sağlık hizmetlerine yönelik Oracle Veri Platformu'nun performans izleme ile değer tabanlı bakımı desteklemek için nasıl kullanılabileceği gösterilmektedir. Aşağıda platformun beş ayağı verilmiştir:

1. 1. Veri Kaynağı, Keşif
2. 2. Alım, Dönüştürme
3. 3. Sürdürme, Düzenleme, Oluşturma
4. Analiz, Öğrenme, Tahmin
5. 5. Ölçme, Eyleme Geçme

Veri Kaynağı, Keşif ayağı üç veri kategorisi içerir.

1. 1. Oracle Uygulamaları Fusion SaaS, Oracle E-Business Suite ve EPM'den yararlanır.
2. 2. İş Kayıtları (Birinci Taraf Verileri), işlemler, gelir ve kâr marjından oluşur.
3. 3. Üçüncü Taraflar döviz kurlarından, pazar akışlarından ve emtia fiyatlarından alınan verileri içerir.

Alma, Dönüştürme ayağı dört yetenekten oluşur.

1. 2. Toplu aktarım OCI FastConnect, OCI Veri Aktarımı, MFT ve OCI CLI'sini kullanır.
2. 1. Toplu alım OCI Veri Entegrasyonu, Oracle Entegrasyon Bulutu ve Data Studio'yu kullanır.
3. 3. Değişiklik verileri yakalama OCI GoldenGate ve Oracle Data Integrator kullanır.
4. 4. Veri akışı alımı, OCI Streaming, Kafka Connect ve Veritabanı Araçlarını kullanır.

Dört yetenek de tek yönlü olarak Sürdürme, Düzenleme, Oluşturma ayağında bulut depolamaya bağlanır.

Sürdürme, Düzenleme, Oluşturma ayağı beş yetenekten oluşur.

1. 1. Hizmet veren veri deposu, Oracle Autonomous Data Warehouse'u kullanır.
2. 2. Compute Farms, HPC'yi kullanır.
3. 2. Bulut depolama, OCI Object Storage'ı kullanır.
4. 4. Toplu işleme, Oracle Data Flow'u kullanır.
5. 5. Yönetişim, OCI Data Catalog'u kullanır.

Bu yetenekler ayak içinde bağlantılıdır. Bulut depolama/Veri Gölü, hizmet veren veri deposuna tek yönlü olarak bağlıdır; aynı zamanda toplu işleme ve compute farm'a çift yönlü olarak bağlıdır.

İki yetenek Analiz, Öğrenme, Tahmin ayağına bağlanır: Hizmet veren veri deposu, analitik ve görselleştirme yeteneğine tek yönlü bağlanır ve Yapay Zeka Hizmetleri yeteneğine çift yönlü bağlanır. Bulut depolama, yapay zeka hizmetleri yeteneğine bağlanır.

Analiz, Öğrenme, Tahmin ayağı üç yetenek içerir.

1. 1. Analitik ve görselleştirme GraphStudio, Oracle Analytics Cloud ve ISV'leri kullanır.
2. 2. Yapay Zeka Hizmetleri arasında OCI Anomaly Detection, OCI Language, OCI Forecasting ve OCI Vision bulunmaktadır.
3. 3. Hizmet veren veri deposu, analitikler ile görselleştirme ve nesne depolama hizmeti, OCI Data Catalog'a meta verileri sağlar.

Ölçme, Eyleme Geçme ayağı,v eri analizinin bir risk hesaplama ve düzenleyici raporlama çözümünü desteklemek için nasıl uygulanabileceğini ortaya koyar ve bu uygulamalar iki gruba ayrılır.

1. 1. İlk grup "Kişiler ile İş Ortakları", risk toplama ve düzenleyici aporlamanın yanı sıra uyumluluk ve raporlamayı da içerir.
2. 2. İkinci grup "Uygulamalar" kredi riski analitiği ve pazar riski, riskli analitik değeri, operasyonel risk analitiği, likidite risk analitiği ve stres testi ve senaryo analizini içerir.

Bu üç temel ayak altyapı, ağ, güvenlik ve IAM tarafından desteklenir: Alma, Dönüştürme, Sürdürme, Düzenleme, Oluşturma ve Analiz, Öğrenme, Tahmin.

Finansal servis organizasyonlarının doğruluğu artırırken risk hesaplama ve düzenleyici raporlama süreçlerini modernize etmelerini sağlamak için bir mimariye veri eklemenin üç temel yolu vardır.

• İlk olarak, işlem sistemlerinden ve temel bankacılık uygulamalarından veri almamız gerekir. Bu veriler daha sonra üçüncü taraf kaynaklardan alınan müşteri verileriyle zenginleştirilebilir. Bu veriler, örneğin sosyal medyadan alınan yapılandırılmamış verileri içerebilir. Değişiklik verisi yakalama gerektiren sık gerçek zamanlı veya gerçek zamana yakın özetler yaygındır ve Oracle Cloud Infrastructure (OCI) GoldenGate kullanılarak işlem, risk ve müşteri yönetimi sistemlerinden düzenli olarak veri alınır. OCI GoldenGate aynı zamanda, "veri ürünlerinin" kurumsal veri defterleri ve sürekli dönüştürme ve yükleme işlemleri gerçekleştiren çok dilli veri akışları aracılığıyla yönetildiği (toplu alım ve çıkarma, dönüştürme ve yükleme süreçleri yerine) değişen veri ağı mimarilerinin kritik bir bileşenidir.
• Gerçek zamanlı ticaret verilerini almak için artık veri akışı alımını kullanabiliriz. Örneğin, bir ticaret yürütüldüğünde, ona ekli tüm bilgiler alınır ve ardından hesapları ve defterleri güncellemek, riski yeniden hesaplamak ve ödeme süreçlerini başlatmak için dağıtılır. Bu veriler, uzun süreli kalıcılık için HDFS/S3 bağlayıcısı üzerinden ham (dönüştürülmemiş form) alınır ve veriler bulut depolama alanında depolanmadan önce bazı temel dönüşümler/birleştirmeler gerçekleştirilir. Alım işlemlerine paralel olarak veri akışı analitiğini kullanarak birden fazla kaynaktan gelen yüksek hacimli verileri gerçek zamanlı olarak filtreleyebilir, birleştirebilir, ilişkilendirebilir ve analiz edebiliriz. Bu, finansal kurumların iş tehditlerini ve risklerini algılamasına yardımcı olur. İlişkili olaylar ve belirlenen örüntüler geri beslenebilir (manuel olarak) ve ham veriler OCI Data Science kullanılarak incelenebilir. Ayrıca, eylemleri tetiklemek için olaylar oluşturulabilir. Bu eylemler müşterilere e-posta veya SMS aracılığıyla potansiyel dolandırıcılık konusunda bildirimde bulunma ya da risk altındaki banka kartlarını engelleme gibi doğrudan müşteri odaklı olabilir ya da uyumluluk ekibine potansiyel bir sorunun tespit edildiğini bildirerek dahili süreçleri modernize edebilir. OCI GoldenGate Stream Analytics, akış verilerinde gerçek zamanlı analitik işlemlerini gerçekleştiren bellek içi bir teknolojidir.
• Tarihsel performans verilerine, eğilimlere ve örüntülere erişim, riski doğru bir şekilde anlamak ve tahmin etmek için gereklidir. Bu genellikle OCI Data Transfer Service gibi toplu aktarım yöntemleri ve hizmetleri kullanarak şirket içi veri depolarından büyük hacimli işlem verilerinin ve diğer operasyonel metriklerin ve veri kümelerinin (piyasa verileri ve ürün grubu fiyatları gibi) yüklenmesini gerektirir.
• Gerçek zamanlı ihtiyaçlar gelişirken temel bankacılık, müşteri ve finansal sistemlerden alınan en yaygın özet, ayıklama, dönüştürme ve yükleme süreci kullanan toplu alımdır. Toplu alım genellikle veri akışını (örneğin eski ana bilgisayar sistemleri) veya kredi ve ipotek verileri gibi gerçek zamanlı olarak analiz edilmesi gerekmeyen verileri destekleyen sistemlerden veri içe aktarmak için kullanılır. Bu veriler yüksek derecede veri kalitesi/bütünlüğü ile yapılandırılmıştır ve genellikle işlemsel uygulama/sistem tarafından belirli bir programa göre toplu olarak işlenir. Örneğin, saati 15 geçe veya öğlen her gün saatlik olarak (karmaşık işlemleri karşılamak için dönemler bundan uzun olabilir). Kaynak işleme tamamlandıktan sonra toplu alım hesaplama ve ağ açısından en verimli alım biçimidir. Toplu alımlar her 10 veya 15 dakikada bir gibi sık aralıklarla yapılabilir, ancak tek tek işlemler yerine işlem grupları çıkarılıp işlendiği için yine de toplu alım niteliğindedir. OCI, yerel OCI Veri Entegrasyonu hizmeti ve OCI Hesaplama örneğinde çalışan Oracle Data Integrator gibi toplu alımı işlemek için farklı hizmetler sunar. Birimlere ve veri türlerine bağlı olarak veriler nesne depolamaya yüklenebilir veya kalıcı depolama için doğrudan yapılandırılmış bir ilişkisel veritabanına yüklenebilir.

Veri kalıcılığı ve işleme, üç (isteğe bağlı olarak dört) bileşen üzerine kuruludur.

• Alınan ham veriler algoritmik amaçlar için bulut depolama alanında depolanır; birincil veri kalıcılık kademesi OCI Object Storage kullanırız. Spark in OCI Flow; işlemsel, konum, uygulama ve coğrafi eşleme verileri gibi verilere yönelik birincil toplu işlem motorudur. Toplu işleme temel parazit işlemi, eksik veri yönetimi ve tanımlı giden veri kümelerine göre filtreleme gibi çeşitli etkinlikleri içerir. Sonuçlar, ihtiyaç duyulan işleme ve kullanılan veri türlerine bağlı olarak çeşitli nesne depolama katmanlarına veya kalıcı bir ilişkisel depoya geri yazılır.
• Bu işlenen veri kümeleri, ileride kalıcılık, iyileştirme ve analiz için bulut depolama alanına döndürülür ve en nihayetinde Oracle Autonomous Data Warehouse tarafından sağlanan hizmet veren veri deposuna optimize edilmiş biçimde yüklenir. Veriler artık düzeltme ve sorgu performansı için optimize edilmiş ilişkisel formda kalıcı hale getirilir. Alternatif olarak, mimari tercihlerine bağlı olarak bu hizmet, yönetilen Hadoop kümesi olarak Oracle Big Data Service ile sağlanabilir. Bu kullanım senaryosunda makine öğrenimi modellerini eğitmek için gereken tüm verilere nesne depolamadan ham biçimde erişilebilir. Modelleri eğitmek için potansiyel riskleri belirlemek ve etiketlemek üzere tarihsel örüntüler işlem düzeyi kayıtlarla birleştirilir. Bu veri kümelerini cihaz verileri ve coğrafi konum verileri gibi diğer verilerle birleştirmek, mevcut modelleri geliştirmek ve riski daha iyi yönetmek ve tahmin etmek için yeni modeller geliştirmek üzere veri bilimi teknikleri uygulamamıza olanak tanır. Bu kalıcılık türü, harici tablolar ve hibrit bölümlendirmeler aracılığıyla erişilen veri depolarının parçası olan şemalar için veri depolamak amacıyla da kullanılabilir.
• Alım bölümünde açıklandığı gibi, finansal servis organizasyonları tarihsel piyasa verileri, gerçek zamanlı ticaret verileri, ekonomik göstergeler ve daha fazlası dahil olmak üzere çok miktarda veriyle ilgilenir. Yüksek performanslı hesaplama (HPC), büyük veri kümelerinin verimli şekilde işlenmesini ve analiz edilmesini sağlayarak kapsamlı risk değerlendirmesi sağlar. Finansal risk tahmini, Monte Carlo simülasyonları, seçenek fiyatlandırma modelleri ve risk faktörü modelleri gibi karmaşık matematiksel ve istatistiksel modellerin kullanılmasını içerir. Bu modeller, hesaplama ve simülasyonları doğru ve hızlı bir şekilde gerçekleştirmek için ciddi miktarda hesaplama gücüne ihtiyaç duyar. Compute farm 'daki HPC sistemleri, bulut bilişim ilkelerini kullanarak bu karmaşık modelleri son derece verimli bir şekilde işlemek için gerekli hesaplama kaynaklarını sağlar.

Analitik, öğrenme ve tahmin kabiliyeti üç teknolojiye dayanır.

• Oracle Analytics Cloud gibi analitik ve görselleştirme hizmetleri, hizmet veren veri deposundan düzenlenmiş verilere dayalı analitik sağlar. Bu, açıklayıcı analitikleri (histogram ve grafiklerle mevcut risk tanımlama eğilimlerini ve işaretlenen etkinlikleri açıklar), zaman serisi analizi gibi öngörüye dayalı analitikleri (gelecekteki olayları tahmin eder, eğilimleri belirler ve belirsiz sonuçların olasılığını belirler) ve yönlendiren analitikleri (en uygun karar vermeyi desteklemek için uygun eylemler önerir) içerir. Bu analitikler şu gibi soruları yanıtlamak için kullanılabilir: Bu dönemin işaretlenen riski önceki dönemlerle kıyasla nasıl?
• Gelişmiş analitiğin yanı sıra makine öğrenimi modelleri geliştirilir, eğitilir ve devreye alınır. Bu eğitilmiş modeller, finansal organizasyonların örneğin kara para aklamayı algılamak için işlem ve davranış örüntülerini eşleştirerek riskleri daha iyi tahmin etmesine ve yönetmesine yardımcı olmak üzere hem mevcut hem de tarihsel işlemsel veriler üzerinde çalıştırılabilir ve sonuçlar, Oracle Analytics Cloud gibi analitik araçları kullanılarak hizmet katmanına geri döndürülebilir ve raporlanabilir. Model eğitimini optimize etmek için model ve veriler, daha etkili risk analizi için modelleri daha fazla eğitmek üzere OCI Data Science gibi makine öğrenimi sistemlerine de beslenebilir. Bu modellere API'ler üzerinden erişilebilir, hizmet veren veri deposunda dağıtılabilir veya OCI GoldenGate akış analitiği ardışık düzeninin bir parçası olarak gömülü hale getirilebilir.
• Ayrıca, bulutta yerel yapay zeka hizmetlerinin gelişmiş özelliklerinden de yararlanabiliyoruz.
• OCI Anomaly Detection, kritik olayları işaretleyen, algılama ve çözümü hızlandıran, işletmeye özel anormallik algılama modelleri oluşturmayı kolaylaştıran bir yapay zeka hizmetidir. Bu kullanım senaryosunda, uyumsuzluğu belirlemek ve IFRS 9 ve IFRS 17, CECL, LDTI, OECD, Basel ve diğer standartlar ve gerekliliklere uyumsuzlukları izlemek için bu modelleri dağıtacağız. Bu tanımlama bilgisi, iyileştirme ve süreç iyileştirme için tarihsel çözüm verileriyle birlikte kullanılabilir. Kredi, likidite, piyasa ve kurumsal performans risk değerlendirmeleri de dahil olmak üzere risk değerlendirmesi için, OCI Anomaly Detection mevcut performansın ve işlemlerin genel riskleri artırmamasını sağlamak üzere performans metriklerini izlemek için kullanılabilir.
• OCI Anomaly Detection'ı kullanarak uyumlu/uyumsuz olayların sayısını kategorilere göre izleyebilir ve işletmedeki belirli bir değişikliğin olağandışı uyumluluk artışlarına neden olup olmadığını belirleyebiliriz. Ayrıca OCI Anomaly Detection, son işlemlerin olağandışı kullanım gösterip göstermediğini kontrol etmek için uyumluluk kurallarının kullanımını izleyerek uyumsuzluğun temel nedenini belirlemeye yardımcı olabilir.
• OCI Forecasting, performans metriklerinin yanı sıra piyasa koşulları ve müşteri davranışları gibi dış faktörleri tahmin etmek, yaklaşan risk olasılığını analiz etmek ve potansiyel olarak belirlemek için kullanılabilir.
• OCI Language ve OCI Vision, risk yönetimi etkinlikleri için verileri zenginleştirmeye yardımcı olabilecek dokümanları ve metinleri alabilir.
• Veri yönetişimi bir diğer kritik bileşendir. Bu, veri platformu ekosistemindeki tüm veri kaynakları için veri yönetişimi ve meta veri yönetimi (hem teknik hem de iş meta verileri için) sağlayan ücretsiz bir hizmet olan OCI Data Catalog tarafından sağlanır. OCI Data Catalog, depolama yönteminden bağımsız olarak verileri hızla bulmanın bir yolunu sağladığından Oracle Autonomous Data Warehouse'dan OCI Object Storage'a yapılan sorgular için de kritik bir bileşendir. Böylece son kullanıcılar, geliştiriciler ve veri bilimciler, mimarideki kalıcı veri depolarının tamamında ortak bir erişim dili (SQL) kullanabilirler.
• Son olarak, artık düzenlenmiş, test edilmiş, yüksek kaliteli ve yönetilen verilerimiz ve modellerimiz, finansal servis organizasyonu genelinde dağıtım için bir veri ağı mimarisi içinde bir veri ürünü (API) olarak sunulabilir.

Doğru veri platformu ile risk hesaplamalarını ve düzenleyici raporlamayı iyileştirin

Oracle Veri Platformu, finansal servis organizasyonlarının hızla değişen risk yönetimi ve düzenleyici raporlama ortamına ayak uydurmasına, dünya çapındaki düzenleyici makanlardan gelen raporlama gereksinimlerinin artan karmaşıklığını yönetmesine ve verilere doğru ayrıntı düzeyinde erişebilmesini sağlamasına yardımcı olabilir. Oracle'ın çözümü, organizasyonların düzenleyici raporları hazırlamak için ayırması gereken değerli zaman ve kaynakları azaltan risk verilerini yönetmek için entegre bir ortam ve çerçeve sağlar. Kalite kurallarını uygulayan ve veri silolarını ortadan kaldıran otomatik bir çözümle organizasyonlar, yasal başvurularına güvenebilir ve riski daha iyi anlayabilir, yönetebilir ve en aza indirebilir.