Финтех

• Дополнительные банки. Как только компания достигает определенного размера, высока вероятность того, что ей потребуются связи с другими банками, например договор аренды или ссуда под недвижимость в другом финансовом учреждении. Это даже может быть синдицированный банковский кредит или более крупные денежные средства. Стандарты отрасли и финтех-компании, такие как FIGO, предлагают связываться с этими банками и получать их транзакционные данные, возможно даже в режиме реального времени.

Прорывной характер таких методов может быть довольно широкомасштабным. Он оказывает немедленное влияние на консультантов, бухгалтеров по налогообложению и сотрудников компании. Банки, которые располагают такими данными, могут изменить цену финансовых инструментов и, в конечном счете, даже котировки риска.

Выводы

Алгоритмы прогнозирования – очень перспективная и интересная сфера для исследований. Кроме того, уже есть первые очевидные и доступные результаты, вокруг которых можно выстроить надежные бизнес-модели, как показано на примере денежных потоков частных клиентов.

Модное словечко «казна как услуга» подводит итог паре интересных возможностей по дальнейшей реализации. В частности, использование алгоритмов прогнозирования в сочетании с онлайн-банкингом и банковскими данными – может, даже в сочетании с внешними источниками – очень перспективно. В конечном счете это может привнести новую функциональность в пользовательский сегмент микрокорпораций.

Однако существует еще ряд препятствий, которые необходимо преодолеть. Статистические методы могут предлагать непроверенные результаты и методологически неправильные модели. Также банковские серверные решения иногда еще не способны предоставлять необходимые данные в нужное время или качество данных может быть неподходящим. И, в конце концов, всегда есть риск того, что пользователи не проявят интереса к результатам работы алгоритма или окажутся неспособны с ними работать.

Успешное внедрение прогнозов движения денежных средств частных клиентов – первый шаг на пути предоставления алгоритмов прогнозирования каждому клиенту банка.

Большие данные – краеугольный камень системы надзора за нормативно-правовым соответствием

Тьерри Дюшам (Thierry Duchamp),

учредитель и директор по производственным вопросам, Scaled Risk

Большинство финансовых учреждений адаптировали существующие информационные системы, чтобы соответствовать посткризисным нормативно-правовым актам. К сожалению, ограничения их устаревших технологий оказались огромными, и это не позволило им оправдать ожидания надзорных органов относительно того, что большие объемы данных за несколько лет, хранящиеся в банках, теперь могут быть доступны очень быстро, если не в режиме реального времени.

В этой главе говорится о том, как технологии работы с большими данными способны облегчить реализацию информационных систем управления рисками и обеспечить нормативно-правовое соответствие. Кроме того, здесь речь идет о том, как технологии превращают препятствия в деловые возможности. Если банки рассматривать в этом контексте как гигантские базы данных, тогда технология обработки больших баз данных предлагает возможность связать ранее разобщенные функции и работающие модели. Единая система работы с большими массивами данных может предложить универсальное аналитическое решение по нормативно-правовому соответствию.

Так как технология больших данных постоянно развивалась с момента появления в веб-отрасли, она начала использоваться для поддержки уникальных требований и задач финансовой сферы. Эта глава посвящена архитектуре и возможностям Scaled Risk, компании, которая предлагает финансовое ПО как программное решение и объясняет, почему эти компоненты являются обязательным требованием для внедрения технологии больших данных в финансовом контексте. Мы также проиллюстрируем на реальных примерах, как большие данные можно использовать для управления рисками и задачами нормативно-правового соответствия.

Внедрение технологии больших данных в банках проходило слишком медленно

С начала 2010-х гг. термин «большие данные» обычно использовался, чтобы описать новое поколение технологий и новые подходы к управлению данными.

Эта технология была создана крупными игроками веб-индустрии, потому что традиционные технологии не были способны адаптироваться к непредсказуемому количеству пользователей, быстро растущим объемам данных и увеличивающейся необходимости в вычислительных мощностях. Отрасли веб-разработки также требуется больший уровень гибкости и скорости адаптации, чтобы можно было быстро развивать приложения, не прерывая работу системы. Инновация «Больших данных» подтолкнула мощности информационных систем отрасли веб-разработки к самому высокому уровню гибкости, скорости и простоты использования.