Get fresh updates from Hortonworks by email

Once a month, receive latest insights, trends, analytics, offering information and knowledge of the 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 is a leader. Read the Forrester Wave.

Download report

Who’s looking at you?

Your ocean of data. Is it secure? Leading banks and capital markets firms are using Hortonworks Data Platform and Hortonworks DataFlow to process huge amounts of data from traditional and non-traditional sources. Compliance teams can analyze both data-in-motion and data-at-rest to detect suspicious activity in real-time.

Risiken minimieren, Chancen maximieren

Regulatory risk is present in all of these businesses and there is always internal risk. A few rogue individuals can cause extraordinary losses if their malicious activities go unnoticed.

Banks, insurance companies, fintech financial services and securities firms that store and process huge amounts of data in Apache™ Hadoop® have better insight into both their risks and opportunities. Predictive analytics in finance can provide deeper analysis and insight to help improve operational margins and protect against one-time events that might cause catastrophic losses.

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.

Now Hortonworks Data Platform supports their AML software and accelerates the firm’s speed-to-analytics and also extends its data retention timeline. A shared data repository across multiple LOBs provides more visibility into all trading activities. The trading risk group accesses this shared data lake to processes more position, execution and balance data. They can do this analysis on data from the current workday, and it is highly available for at least five years—much longer than before.