Improve risk calculations and regulatory reporting

條款報表挑戰

隨著全球監管機構的報告要求日益複雜，監管報告的成本和資源負擔近年來已經升高。金融公司為了跟上不斷的變化步伐，必須找到方法來更有效率且準確地滿足不斷擴展的資料需求，同時策略性發展其資料架構以改善效能並推動成長。

許多金融服務組織仍在浪費大量時間和精通的技術資源來準備監管報告。如果沒有執行資料品質檢查並排除資料孤島的自動化系統，銀行無法信心控管提交的正確性，而無需花費無數的時間來複查報告。在所需的資料值層次存取資料是另一個挑戰，因為不同的系統會擷取不同層次的資料 - 例如，貸款系統會擷取帳戶與交易層次的資料、貸款出產系統會擷取查詢層次的資料，而信用卡系統會擷取信用卡與交易層次的資料。以一致的資料層次分析資料，讓金融機構對其營運、客戶及市場有全方位的瞭解。它可讓使用者檢視內容中的資料，並識別若資料以不一致的方式彙總或分離，可能遺漏的關係、模式及趨勢。

為了瞭解決這些問題，金融服務組織正在重新定義風險計算、監管報告和合規的方法，作為整體流程，並尋求端到端自動化和治理，從資料擷取和分析到報告，包括提交到監管機構的最終里程。

運用機器學習和 AI 以更有效的方式管理法規遵循和風險

以下架構示範了我們如何結合 Oracle 元件和功能 (包括進階分析、AI 及機器學習)，為管理報告和風險計算建立全面的資料平台，促進資料整合、資料品質、標準化、處理、歷程和彈性。資料平台為金融機構提供健全的基礎，協助他們符合法規要求、建立及時準確的報告，以及執行有效的風險計算。

此圖像顯示 Oracle Data Platform for Healthcare 如何運用效能監控來支援價值照護。此平台包含下列五個要素：

1. 1. 資料來源，探索
2. 2. 擷取、轉換
3. 3. 堅持、策劃、建立
4. 4. 分析、學習、預測
5. 5. 衡量、行動

「資料來源」、「探索」支柱包含三種資料類別。

1. 1. Oracle Apps 必須提供 Fusion SaaS、Oracle E-Business Suite 和 EPM。
2. 2. 業務記錄 (第一方資料) 由交易、收入及利潤組成。
3. 3. 協力廠商包含來自外幣匯率、市場摘要及商品價格的資料。

「擷取，轉換」支柱由四個功能組成。

1. 1. 大量傳輸使用 OCI FastConnect、OCI 資料傳輸、MFT 及 OCI CLI。
2. 2. 批次擷取會使用 OCI 資料整合、Oracle Integration Cloud 以及 Data Studio。
3. 3. 使用 OCI GoldenGate 和 Oracle Data Integrator 變更資料擷取。
4. 4. 串流擷取會使用 OCI Streaming、Kafka Connect 及資料庫工具。

這四個功能會以單向方式連線到「持續」、「策劃」、「建立」支柱內的雲端儲存空間。

「堅持」、「策劃」、「建立」支柱由五個功能組成。

1. 1. 服務資料存放區使用 Autonomous Data Warehouse。
2. 2.「運算執行處理區」使用 HPC。
3. 3. 雲端儲存使用 OCI Object Storage。
4. 4. 批次處理使用 OCI 資料流程。
5. 5. 治理使用 OCI 資料目錄。

這些功能會在支柱內連接。雲端儲存空間 / 資料湖會以單向方式連線至服務資料存放區；它也以雙向方式連線至批次處理和運算執行處理區。

兩項功能可連線至「分析、學習、預測」支柱：服務資料存放區會以單向方式連線至分析和視覺化功能，並且會以雙向方式連線至 AI 服務功能。雲端儲存空間可連線至 AI 服務功能。

分析、學習、預測產品組由三個功能組成。

1. 1. 分析和視覺化使用 GraphStudio、Oracle Analytics Cloud 和 ISV。
2. 2. AI 服務包括 OCI Anomaly Detection、OCI Language、OCI Forecasting 以及 OCI Vision。
3. 3. 將資料存放區、分析與視覺化以及物件儲存提供描述資料提供給 OCI 資料目錄。

「衡量、行動」支柱會擷取資料分析如何套用至以支援風險計算，而管理報告解決方案。這些應用程式則分成兩個群組。

1. 1. 第一組「人員與合作夥伴」包括規範與法規報告，以及風險彙總與報告。
2. 2. 第二組「應用程式」包括信貸風險分析和市場風險、風險分析、營運風險分析、流動性風險分析和壓力測試和情境分析。

基礎架構、網路、安全性和 IAM 均支援三大支柱要素：擷取、轉換、持續、策劃、建立及分析、學習、預測。

將資料注入架構有三種主要方法，能讓金融服務組織簡化風險計算和監管報告流程，同時提高準確性。

• 首先，我們需要從交易系統和核心銀行應用程式中擷取資料。接著，就能使用第三方來源的客戶資料強化此資料，其中可能包含來自社群媒體的非結構化資料。需要變更資料擷取的頻繁即時或近乎即時的擷取是通用的，資料則是使用 Oracle Cloud Infrastructure (OCI) GoldenGate 從交易、風險和客戶管理系統定期擷取。OCI GoldenGate 也是發展中資料網狀架構的重要元件，其中的「資料產品」是透過企業資料分類帳和執行連續轉換和載入程序的多語言資料串流來管理，而不是批次擷取、轉換和載入單一架構中使用的程序。
• 我們現在可以使用串流擷取來擷取即時交易資料。例如，執行貿易時，會擷取附加至交易的所有資訊，然後部署以更新帳戶和分類帳、重新計算風險，以及啟動結算處理。這項資料是透過 HDFS/S3 連接器以原始 (未轉換的形式) 擷取，以供長期儲存，並會在資料持續儲存在雲端儲存空間之前執行一些基本的轉換 / 彙總。與擷取平行，您可以使用串流分析，即時篩選、彙總、關聯及分析多個來源的高資料量。這有助於金融機構偵測業務威脅和風險。您可以回饋 (手動) 關聯事件和識別的模式，並使用 OCI 資料科學檢查原始資料。此外，也可以產生事件來觸發動作。這些動作可以直接以客戶為中心，例如透過電子郵件或簡訊通知客戶關於潛在詐騙的訊息，或封鎖被入侵的金融卡，或是透過通知規範團隊確認潛在問題，而簡化內部流程。OCI GoldenGate Stream Analytics 是一種記憶體內技術，可對串流資料執行即時分析運算。
• 您必須存取歷史績效資料、趨勢和模式，才能準確瞭解並預測風險。這通常需要使用大量傳輸方法和服務 (例如 OCI 資料傳輸服務) 從內部部署資料存放區載入大量交易資料及其他作業度量和資料集 (例如市場資料和商品價格)。
• 當即時需求不斷演進時，最常見的核心銀行服務、客戶和財務系統擷取過程是批次擷取。批次擷取通常用來從不支援串流擷取 (例如，較舊的大型主機系統) 的系統匯入資料，或是不需要即時分析的資料，例如貸款與抵押資料。此資料結構具有高度的資料品質 / 完整性，且通常是由交易應用程式 / 系統根據特定排程大量處理，例如每小時在一個小時或每天中午的 15 分鐘內 (期間可能會比此更長，以因應複雜的流程)。在來源處理完成後大量擷取，是擷取最符合運算及網路效率的方式。批次擷取可能會經常發生，通常每 10 或 15 分鐘一次，但隨著交易群組的擷取與處理，它們仍屬大量性質，而非個別交易。OCI 提供不同的服務以處理批次擷取，例如在 OCI 運算執行處理上執行的原生 OCI 資料整合服務或 Oracle Data Integrator。視磁碟區和資料類型而定，資料可以載入物件儲存空間，也可以直接載入結構化關聯式資料庫以進行持續儲存。

資料持續性與處理建立在三個 (選擇性地為四個) 元件上。

• 擷取的原始資料會持續儲存在雲端儲存空間中供演算法使用；我們將 OCI Object Storage作為主要資料儲存層。OCI Data Flow中的 Spark 是交易、位置、應用程式以及地理對應資料等資料的主要批次處理引擎。批次處理涉及數個活動，包括基本雜訊處理、遺失資料管理，以及根據定義的輸出資料集進行篩選。系統會根據需要的處理和使用的資料類型，將結果寫回各種物件儲存層或持續關聯儲存區域。
• 這些處理的資料集會返回雲端儲存空間以供向前持續儲存、策劃及分析，最終以最佳化形式載入 Oracle Autonomous Data Warehouse 所提供的服務資料存放區。現在，資料會以最佳化關聯式形式持續儲存，以達到策劃及查詢效能。或者，根據架構偏好設定，這也可以使用 Oracle Big Data Service 作為受管理的 Hadoop 叢集來完成。在此使用案例中，可以從物件儲存以原始形式存取訓練機器學習模型所需的所有資料。為了訓練模型，歷史模式與交易層次記錄結合，以識別並標示潛在風險。將這些資料集與其他資料集 (例如裝置資料和地理空間資料) 結合，讓我們應用資料科學技術來調整現有模型並開發新的模型，以更好地管理和預測風險。這種類型的持續儲存也可以用來儲存綱要的資料，綱要是可透過外部表格和混合式分割區存取的資料存放區的一部分。
• 如擷取區段所述，金融服務組織處理大量資料，包括歷史市場資料、即時交易資料、經濟指標等等。高效能運算 (HPC) 可讓您有效率地處理及分析大型資料集，進而進行全面的風險評估。財務風險預測涉及使用複雜的數學和統計模型，例如蒙地卡羅模擬、期權定價模型及風險因子模型。這些模型需要相當強大的運算能力，才能快速準確地執行計算和模擬。運算執行處理區中的 HPC 系統運用雲端運算原則，以極具資源效益的方式，提供必要的運算資源來處理這些複雜模型。

分析、學習和預測的能力是以三項技術為基礎。

• 分析和視覺化服務 (例如 Oracle Analytics Cloud) 可根據服務資料存放區的精選資料提供分析。這包括描述性分析 (用柱狀圖和圖表描述當前的風險識別趨勢和標記活動)、如時間序列分析的預測性分析 (預測未來模式、識別趨勢並確定不確定結果的概率) 和規範性分析 (提出合適的行動以支援最佳化決策)。這些分析可用來回答問題，例如：此期間與先前期間的標記風險如何？
• 除了進階分析之外，開發、訓練及部署機器學習模型。這些訓練模型可以在目前和歷史交易資料上執行，以協助財務組織更有效地預測和管理風險，例如，比對交易模式和行為以偵測洗錢，而且結果可以持續儲存回服務層，並使用 Oracle Analytics Cloud 等分析工具報告。為了最佳化模型訓練，模型和資料也可以饋送至機器學習系統 (例如 OCI Data Science)，以進一步訓練模型以進行更有效的風險分析。這些模型可透過 API 存取，並會部署在提供的資料存放區中，或是內嵌為 OCI GoldenGate 串流分析管線的一部分。
• 此外，我們還可以使用雲端原生人工智慧服務的進階功能。
• OCI Anomaly Detection 是一項人工智慧服務，可讓您輕鬆建置標記嚴重性未預期事件的業務特定異常偵測模型，加快偵測和解決速度。在本使用案例中，我們將部署這些模型以識別不符合規範，並監控對 IFRS 9 和 IFRS 17、CECL、LDTI、OECD、Basel 和其他標準和需求的非一致性。此識別可與歷史解析資料一起使用，以進行修正與程序改進。對於風險評估 (包括信用、流動性、市場和企業績效風險評估)，OCI Anomaly Detection 可用來監控績效評量標準，確保目前的績效和交易不會增加整體風險。
• 我們也可以使用 OCI Anomaly Detection 依類別監督相容 / 不符合規範的發生次數，以識別業務中的任何特定變更是否導致不尋常的規範升級。此外，OCI Anomaly Detection 可監督使用規範規則來檢查最近交易是否顯示異常使用狀況，以協助識別不相容的根本原因。
• OCI 預測可用於預測績效指標以及外部因素 (例如市場狀況和客戶行為)，以分析可能性並可能識別出潛在的風險。
• OCI Language 與 OCI Vision 可擷取文件與文字，以協助豐富風險管理活動的資料。
• 資料治理是另一個關鍵元件。這是 OCI Data Catalog 所提供的免費服務，提供資料湖庫生態系統中所有資料來源的資料治理和中繼資料管理 (技術和業務中繼資料)。OCI Data Catalog 也是從 Oracle Autonomous Data Warehouse 到 OCI Object Storage 查詢的重要元件，因為無論資料儲存方式為何，都能快速找到資料。這可讓一般使用者、開發人員及資料科學家在架構中所有持續儲存的資料存放區中使用常見的存取語言 (SQL)。
• 最後，我們現在策劃、測試、高品質和管控的資料和模型可以在資料網格架構中公開為資料產品 (API)，以供跨金融服務組織進行發布。

使用合適的資料平台改善風險計算和監管報告

Oracle Data Platform 可協助金融服務組織跟上瞬息萬變的風險管理和監管報告環境，管理全球監管機構日益複雜的報告要求，並確保他們能夠以正確的資料層次存取資料。Oracle 的解決方案提供了一個整合的環境和架構，用於管理風險資料，以減少貴重的時間和資源組織必須致力於準備法規報告。透過自動化解決方案套用品質規則並消除資料孤島，組織可以放心處理監管提交，並更深入瞭解、管理及將風險降到最低。