Oracle database In-Memory - новая технология обработки в памяти
Примеры внедрений Oracle Big Data в банках
1. Big Data – примеры внедрения в банках
Акулов Андрей
1
2. Oracle Engineered Data Systems
Законченное решение для работы с данными
Oracle
Big Data Appliance
Oracle
Exadata
Структурированные
данные
Получение
Обработка
Структурирование
Oracle
Exalytics
Данные для
анализа
Агрегация
& Анализ
Анализ и
Представление данных
в реальном времени
2
3. Новое решение Oracle Big Data Appliance
Big Data для предприятий
Oracle Data Integrator
Oracle
NoSQL
Database
Oracle Tools for Hadoop
Oracle Loader for Hadoop
Hadoop
Organize
Acquire
Oracle Enterprise Linux & Java VM
Oracle Big Data Appliance
• Интегрированные системы для Получения, Обработки и
Структурирования “Big Data”
• Высокая производительность – Параллельная Обработка и
Загрузка данных в базу данных Oracle
• Полное программно-аппаратное решение
3
4. Big Data для банков
Основные сферы применения
IT Optimization
• ETL and batch processing
• Mainframe offloading
• Extended Data Warehouse
• Archiving
Big Data Analytics
• Customer 360
• Omni-channel CX
• Cross-selling / Geo-fencing
• Payment Analytics
• AML / Anti-Fraud
• Risk Management
• Pricing Management
• Compute Offload (VAR)
4
5. CaixaBank, Испания, Барселона
Цель: Лучше понимать заказчика, анализируя любую информацию о нѐм
CaixaBank - крупнейший финансовый институт Испании,
* Дочка Сберегательного банка Испании, la Caixa
13,7 миллиона клиентов
5 920 отделений
367 миллиардов евро актив
Задачи
Получение максимальной выгоды от имеющейся информации о заказчиках, полученной по любому из
существующих каналов (офисы, интернет, телефон, банковские системы, терминалы…)
Создание новой модели унифицированных корпоративных данных и дополнительных возможностей
аналитики на основе новой Information Management Architecture
Примеры использования
Разработка предиктивных моделей для улучшения клиентских сервисов
Идентификация возможноcтей для cross-selling и up-selling
Разработка персонифицированных предложений для клиентов
Управление рисками и повышение лояльность к бренду
Улучшенный анализ мошенничества
Отслеживание новых нормативных и регуляторных требований
Решение
Oracle Engineered Systems, Oracle Software and Oracle Consulting Services
CaixaBank назван самым инновационным банком в мире - World’s Most Innovative Bank at the 2013 Global Banking Innovation
Awards (Ноябрь 2013)
https://emeapressoffice.oracle.com/Press-Releases/CaixaBank-Selects-Oracle-for-the-Deployment-of-its-New-Big-Data-Infrastructure-4183.aspx
5
6. Regions Bank, Birmingham, Alabama, U.S
Цель: Консолидация данных для максимальной эффективности использования
Regions Bank - в 10-ке среди крупнейших американских банков
27 800 сотрудников
1 772 отделения
157 миллиардов долларов актив
Задачи
Соответствие развивающимся регуляторным требованиям
Консолидация данных по депозитам, кредитам, всей информации по клиентам в интегрированном хранилище
Решение
Hadoop на Big Data Appliance и Exadata ODS как единый, выверенный, надежный источник данных
ODS (Operational Data Store) как единое хранилище для активных и архивных, внутренних и внешних,
структурированных и неструктурированных данных
Результат
Быстрый доступ ко всем данным
Сокращение IT расходов в результате устранения дублирования информации
6
7. Полезные материалы
Ещѐ примеры - Use Cases
https://blogs.oracle.com/datawarehousing/entry/big_data_real_and_practical
https://blogs.oracle.com/datawarehousing/entry/big_data_real_and_practical1
Страница продукта – Product Page
http://www.oracle.com/ru/technologies/big-data/index.html
Вся правда о Big Data – Getting Real About Big Data
http://www.oracle.com/us/corporate/analystreports/industries/esg-big-datawp-1914112.pdf?ssSourceSiteId=ocomru
7
I have grouped what our customers are doing with big data into two main patterns; IT Optimization and Big Data Analytics.I will use some customer use cases to illustrate each of these patterns.
Regions Bank is using Hadoop on the Oracle Big Data Appliance and Exadata as the centralized Operational Data Store (ODS) that will be used as the single, reliable, cleansed data source for all downstream systems.ODS will become a single landing zone, staging, integration and archival repository for internal and external data - structured, semi-structured, and unstructured