Holen Sie sich die neuesten Updates von Hortonworks per E-Mail

Einmal monatlich erhalten Sie die neuesten Erkenntnisse, Trends und Analysen sowie Fachwissen zu Big Data.

cta

Erste Schritte

Cloud

Sind Sie bereit?

Sandbox herunterladen

Wie können wir Ihnen helfen?

SchließenSchaltfläche „Schließen“
cta

Predictive Analytics and Solutions for Financial Services

VideoVideo-Schaltflächeabspielen

Cloud Hortonworks ist ein führendes Unternehmen. Lesen Sie die Forrester Wave.

Bericht herunterladen

Who’s looking at you?

Ihr Datenmeer ... ist es gesichert? Führende Banken und Finanzdienstleister nutzen Hortonworks Data Platform und Hortonworks DataFlow zur Verarbeitung großer Datenmengen aus altbekannten und neuen Quellen. Compliance-Teams können sowohl Data in Motion als auch Data at Rest analysieren und so verdächtige Aktivitäten in Echtzeit erkennen.

Risiken minimieren, Chancen maximieren

Alle diese Unternehmen haben mit regulatorischen Risiken zu kämpfen, und es gibt immer ein internes Risiko. Schon wenige unseriöse Einzelpersonen können außerordentlich hohe Verluste verursachen, wenn ihre schädigenden Aktivitäten unerkannt bleiben.

Banken, Versicherungsanbieter, Fintech-Dienstleister und Wertpapierunternehmen, die große Datenmengen in Apache™ Hadoop® speichern und verarbeiten, haben einen besseren Einblick in ihre Risiken und Chancen. Prognoseanalysen bieten im Finanzwesen die Möglichkeit, durch ausführlichere Nachforschungen und Einblicke die Umsatzrendite zu verbessern und vor einmaligen Ereignissen zu schützen, die erhebliche Verluste zur Folge haben könnten.

Anwendungsfälle

Analysieren Sie das Ausfallrisiko bei neuen Kontoanträgen

Tagtäglich gehen bei Retail-Banken tausende Eröffnungsanträge für Giro- und Sparkonten ein. Bevor solche Anträge genehmigt werden, ziehen Banken externe Scoring-Unternehmen zur Risikoabschätzung zu Rate. Diese Drittanbieter können zuvor von der Bank getroffene Entscheidungen, Anträge aufgrund schlechter Bonität abzulehnen, wieder aufheben (und sie tun es auch). Überziehungen oder Abschreibungen infolge von Betrug oder Fehlverwaltung stellen bei solchen Konten ein hohes Risiko dar, da sie für Banken Verluste in Millionenhöhe bedeuten. Diese Kosten müssen teilweise von Kunden mit nachgewiesen guter Bonität getragen werden.

Hortonworks Data Platform can store and analyze multiple data streams and help regional bank managers apply predictive analytics to control new financial account risks in their branches. They can match banker decisions with the risk information presented at the time of decision, to control risk by sanctioning individuals, updating policies, and identifying patterns of fraud. Over time, the accumulated data informs algorithms that may detect subtle, high-risk behavior patterns unseen by the bank’s risk analysts.


Monetarisierung anonymer Bankdaten in Sekundärmärkten

Banken besitzen enorme Mengen an operativen sowie Transaktions- und Bilanzdaten, die Aufschluss über makroökonomische Trends geben. Diese Daten können für Investoren und politische Entscheidungsträger außerhalb der Banken sehr wertvoll sein. Aber aufgrund gesetzlicher Vorschriften und interner Richtlinien dürfen solche Daten nur genutzt werden, wenn die Anonymität der Bankkunden unter allen Umständen gewahrt bleibt.

Privatkundenbanken vertrauen auf die Hortonworks Data Platform, da sich diese Lösung als unternehmensübergreifender Data Lake für Daten aus den unterschiedlichsten Geschäftszweigen wie Hypotheken, Privatkundengeschäfte, Privatkredite, Großhandel und Treasury-Banking etabliert hat. Interne Führungskräfte und Verbraucher auf dem Sekundärmarkt profitieren von diesen Daten gleichermaßen. Durch die zentrale Datenverwaltung können die Banken entsprechende Sicherheits- und Datenschutzmaßnahmen wie z. B. Anonymisierung, Datenmasking, Verschlüsselung und Benutzerauthentifizierung implementieren.


Pflege von SLAs im Bruchteil einer Sekunde mit dem „Ticker Plant“ von Hadoop

Ticker plants collect and process massive data streams on stock trades, displaying prices for traders and feeding computerized trading systems fast enough to capture opportunities in seconds. Applying predictive analytics to the financial markets is useful for making real-time decisions, and years of historical market data can also be stored for long-term analysis of market trends.

Ein Hortonworks-Kunde hat seinen „Ticker Plant“ auf Basis von HDP neu gestaltet. Vor Hadoop konnte der „Ticker Plant“ nur Aktiendaten aus den letzten zehn Jahren speichern. Heute werden Tag für Tag mehrere Gigabyte an Daten aus tausenden Server-Log-Feeds erfasst. Diese Daten werden über dreißigtausend Mal pro Sekunde abgerufen und Apache HBase ermöglicht superschnelle Abfragen, die den SLA-Zielen auf Kundenseite entsprechen. Darüber hinaus lassen sich die Daten nun länger als zehn Jahre speichern.


Analyse von Trading-Logs zur Aufdeckung von Geldwäsche

Ein anderer Hortonworks-Kunde, der Investment-Services anbietet, wickelt täglich fünfzehn Millionen Transaktionen und dreihunderttausend Geschäfte ab. Da die Speichermöglichkeiten begrenzt waren, wurden historische Trading-Daten in diesem Unternehmen in der Vergangenheit archiviert, was allerdings den Zugriff auf diese Daten erschwerte: Kurzfristig waren die Trading-Daten eines bestimmten Tages erst nach Geschäftsschluss für die Risikoanalyse verfügbar. Dadurch öffnete sich ein Zeitfenster, in dem ein völlig inakzeptabel hohes Risiko von Geldwäsche oder anderen verbrecherischen Aktivitäten entstand.

Heute unterstützt die Hortonworks Data Platform ihre AML-Software, beschleunigt die Analysen im Unternehmen und ermöglicht die längere Datenaufbewahrung. Ein gemeinsamer Datenpool für mehrere Geschäftszweige bietet außerdem einen umfassenden Einblick in alle Trading-Aktivitäten. Das Trading-Risk-Team nutzt diesen gemeinsamen Data Lake, um mehr Positions-, Ausführungs- und Bilanzdaten zu erhalten. Die Analyse dieser Daten kann für den aktuellen Werktag durchgeführt werden. Darüber hinaus stehen diese Daten mindestens fünf Jahre lang sofort zur Verfügung – viel länger als je zuvor.