Formularen er blevet indsendt med succes.
Du finder yderligere information i din postkasse.
Innowise har udviklet et centralt lager til at opbevare, behandle og sikre store mængder data relateret til virksomhedskunder, bankkonti og betalingstransaktioner.
Vores kunde er en fremtrædende finansiel institution, der tilbyder detailbankvirksomhed, virksomhedsbankvirksomhed, formueforvaltning, forsikring, mæglervirksomhed og meget mere. De blev grundlagt i begyndelsen af det 20. århundrede og har udviklet sig betydeligt i løbet af årtierne, hvor de har taget nye teknologier og praksisser til sig for at forbedre kundeoplevelsen og driftseffektiviteten.
Detaljerede oplysninger om klienten kan ikke videregives i henhold til bestemmelserne i NDA.
Vores kunde stod over for udfordringer med at administrere og udvinde værdi fra de store og voksende mængder data på tværs af virksomhedskunder, bankkonti og betalingstransaktioner. Med data spredt over flere ældre systemer oplevede banken betydelige udfordringer med databehandling og analyse og kæmpede for at få rettidig indsigt til beslutningstagning. Desuden manglede den eksisterende infrastruktur skalerbarhed, mens det blev uholdbart at vedligeholde forskellige forældede systemer.
Et andet problem, der udsprang af denne centrale udfordring, var vanskeligheden ved at overholde strenge lovmæssige bankrelaterede krav. Datalagrings- og administrationssystemerne var spredte, hvilket gjorde det vanskeligt at spore, rapportere og revidere data effektivt. Det øgede risikoen for ufrivillige overtrædelser, da bankrepræsentanterne skulle bruge meget tid på at indsamle og kontrollere data.
Derfor bad kunden Innowise om at opbygge en robust data lake-arkitektur, der kunne konsolidere deres forskellige datasæt i et enkelt, skalerbart og sikkert miljø til Datahåndtering i bankverdenen. De søgte en praktisk løsning til at holde styr på oplysninger om kunder, konti og transaktioner og overholde lovgivningsmæssige standarder og fremskynde cyklussen fra rå datainput til brugbar forretningsindsigt.
Vi udviklede en centraliseret database til at lagre og integrere datastrømme, der var indsamlet fra en række forskellige kilder, herunder netbank, mobilapplikationer og sociale medier. Vores erfarne specialister implementerede en medallion lakehouse-arkitektur med fokus på en ACID-drevet tilgang i flere lag for at opbygge en enkelt sandhedskilde til lagring af bankdata.
Fundamentet for datasøen, bronzelaget, indeholder rådata fra forskellige kilder som JSON-filer, RDBMS og meget mere, der er sikkert gemt i deres oprindelige form. Baseret på bronzelaget forædler sølvlaget disse data ved at rense og normalisere dem til avanceret analyse. I sidste ende indeholder toppen af datastrukturen, guldlaget, aggregater på forretningsniveau til rapportering og dashboarding på højt niveau, hvilket gør det muligt for banken at generere handlingsorienteret indsigt.
Vores projektteam identificerede alle potentielle datakilder, herunder transaktionssystemer, kundedatabaser, onlineportaler og meget mere. Vores specialister kortlagde hver datakilde og forstod dens format, opdateringsfrekvens og relevans. Som det vigtigste trin udviklede vi automatiserede dataindlæsningspipelines ved hjælp af ETL-værktøjer (extract, transform, load) til at håndtere forskellige dataformater som CSV, JSON, XML og RDBMS. Afhængigt af datakildens art etablerede vi pipelines til realtids- eller batchbehandling.
Pipelines i realtid blev brugt til datastrømme, der krævede øjeblikkelig behandling (som transaktionsdata), mens batchbehandling var forbeholdt mindre tidsfølsomme data. Når data kom ind i bronzelaget, gennemgik de en indledende valideringsproces, hvor de blev kontrolleret for integritet, formatkonsistens og eventuelle korrupte eller ufuldstændige poster.
I denne fase fokuserede vores projektteam på at berige de rå data fra bronzelaget og omdanne dem til et mere struktureret og brugbart format. Vores kontrollerede udviklere identificerede og korrigerede typografiske fejl, uoverensstemmelser i dataformatet og uoverensstemmelser samt fjernede dobbelte poster for at undgå vildledende indsigt. Vi implementerede dataimputation og flagningsstrategier for datasæt med manglende værdier og sendte disse poster til yderligere gennemgang afhængigt af arten og betydningen af de mistede data.
Derefter forbedrede vores projektteam dataene ved at tilføje relevant kontekst eller yderligere information. For eksempel udvidede vi transaktionsdata med demografiske oplysninger om kunderne, hvilket muliggjorde en mere omfattende analyse. Når data var forfinet og samlet, anvendte vi indekseringsteknikker til hurtigere forespørgsler og hentning. Endelig krydsrefereres og linkes data fra forskellige kilder, mens lignende oplysninger fra forskellige kilder konsolideres i samlede datasæt, hvilket gør det lettere at udføre holistiske analyser. Ved at sikre, at dataene er rene, konsistente og velstrukturerede, har vi banet vejen for avancerede analyser og business intelligence i guldlaget.
Guldlaget er toppen af vores data lake-arkitektur, hvor data omdannes til analyseklar information, der er specielt skræddersyet til analyse, rapportering og beslutningstagning på højt niveau. Data fra sølvlaget aggregeres yderligere for at skabe omfattende resuméer på højt niveau. Vi fokuserede på at opsummere data på måder, der stemmer overens med vigtige forretningsmæssige målinger og mål, som f.eks. kreditrisikovurderinger, markedstendenser eller kundesegmentering.
Vores udviklere designede og implementerede interaktive dashboards og rapporter, som gav bankens beslutningstagere indsigt og visualiseringer i realtid. Med fokus på sikkerhed etablerede vi en robust datastyringsramme til at styre dataenes kvalitet, anvendelighed og sikkerhed. Vores ingeniører sørgede for en skalerbar arkitektur, der kunne rumme voksende datamængder og kompleksitet uden at forringe ydeevnen og opretholde integriteten og pålideligheden af analyseoutputtet.
I guldlaget gjorde vi data til et strategisk aktiv, så banken kunne træffe informerede beslutninger, bedre forstå kundernes behov og holde sig foran i den konkurrenceprægede banksektor.
Baseret på raffinerede bankrelaterede data gjorde Innowise det således muligt for kunden at implementere metoderne Next Best Action (NBA) og Next Best Offer (NBO). NBA prioriterer en kundecentreret tilgang og analyserer de seneste interaktioner for at foreslå de bedst egnede handlinger, herunder at sende fødselsdagsbeskeder, forbedre servicekvaliteten, indsamle feedback, give onboarding-instruktioner og meget mere. Ved at udnytte prædiktive analyser vælger NBA handlinger, der er skræddersyet til kundens aktuelle situation og sigter mod positive resultater. Til gengæld optimerer NBO udvælgelsen af personlige tilbud fra en kundes omfattende produktsortiment. NBO evaluerer og foreslår automatisk produkter, der sandsynligvis vil vække genklang hos kunderne, ved at levere tilbud på det rigtige tidspunkt, til den rigtige pris og gennem de mest effektive kanaler.
Derudover konsoliderede vores udviklere data fra forskellige tabeller og modeller, der var gemt i datalageret, for at skabe omfattende, sammenhængende og praktiske profiler for hver kunde, hvilket muliggjorde bedre informerede beslutninger og handlinger. Den omfattende og gennemtænkte tilgang til håndtering af analyseklare data sikrer, at banken kan udnytte sine data til deres fulde potentiale, øge konverteringsraten og skabe vækst.
BI-værktøjer
Power BI, SSRS, QlickView
Innowise vandt et konkurrencepræget udbud, før vi gik i gang med projektet. Efter vores succes i udbuddet gik vi i gang med softwareudviklingsprocessen og demonstrerede vores færdigheder og overensstemmelse med kundens vision.
Vi oprettede en PoC med det formål at bruge Kubernetes og bevæge os væk fra de eksisterende Cloudera-baserede systemer. Men på grund af begrænsningerne i kundens nuværende datacenter viste de tegn på tøven med hensyn til implementering og support af Kubernetes.
I opdagelsesfasen foretog vores projektteam grundig research for at forstå det nuværende datalandskab og identificere de vigtigste datakilder og krav. Senere skabte vi et detaljeret design, der omfattede bronze-, sølv- og guldlagene til databehandling og -forædling og sikrede, at dataene flød problemfrit i overensstemmelse med ACID-principperne. Derefter udførte vi omfattende test for at garantere datasøens integritet og ydeevne og implementerede en feedbackmekanisme til løbende forbedring. Til sidst implementerede vores projektteam datasøen med succes, integrerede den med bankens eksisterende systemer og sørgede for uddannelse og support til bankens medarbejdere.
2
Forretningsanalytikere
1
Projektleder
1
BI-udvikler
3
Data Engineers
2
DevOps Engineer
1
Datakvalitet Engineer
Implementeringen af datasøen for vores bankkunde har givet transformerende resultater på tværs af forskellige dimensioner af deres drift. Hvor de tidligere kæmpede med fragmenterede og ustrukturerede oplysninger spredt over flere kilder, har de nu ubesværet adgang til erhvervskundedata, bankkonti og oplysninger om betalingstransaktioner med forudsigelighed og lethed. Bankens teams arbejder nu med pålidelige og konsistente data, hvilket baner vejen for mere præcise analyser og rapportering. Konsolideringen af data i en enkelt, skalerbar lakehouse-arkitektur har ført til betydelige omkostningsbesparelser inden for datalagring og -styring som følge af eliminering af overflødige systemer og strømlining af dataprocesser.
Integrationen af automatiserede datapipelines og strømlinede datalag har reduceret databehandlingstiden betydeligt, hvilket giver mulighed for hurtigere beslutningstagning og mere responsiv kundeservice.
Vores kunde har også forbedret styringen af kunderelationer og forretningsresultater ved at levere personaliserede, rettidige og relevante handlinger og tilbud baseret på raffinerede og standardiserede data. Denne tilgang har øget konverteringer og indtægter og optimeret marketingbudgetter ved kun at målrette skræddersyede tilbud til interesserede potentielle kunder.
Med den nye datasø er compliance-rapportering desuden blevet mere effektiv i en branche, hvor lovovertrædelser kan have betydelige konsekvenser.
34%
reduktion i databehandlingstid
26%
forbedring af compliance-rapportering
Din besked er blevet sendt.
Vi behandler din anmodning og kontakter dig så hurtigt som muligt.
Ved at tilmelde dig accepterer du vores Politik for beskyttelse af personlige oplysninger, herunder brug af cookies og overførsel af dine personlige oplysninger.