Gegevensbeheer in het bankwezen: 34% vermindering van de gegevensverwerkingstijd

API

Banking

Business intelligence

Data analytics

Data management (DMS)

Innowise heeft een gecentraliseerde opslagplaats ontwikkeld voor het opslaan, verwerken en beveiligen van grote hoeveelheden gegevens met betrekking tot zakelijke klanten, bankrekeningen en betalingstransacties.

Klant

Industrie

Banking

Regio

Klant sinds

2021

Onze klant is een vooraanstaande financiële instelling die retailbanking, zakelijk bankieren, vermogensbeheer, verzekeringen, makelaarsdiensten en nog veel meer aanbiedt. Het bedrijf is opgericht in het begin van de 20e eeuw en heeft zich in de loop der decennia sterk ontwikkeld. Het heeft nieuwe technologieën en praktijken omarmd om de klantervaring en operationele efficiëntie te verbeteren.

Gedetailleerde informatie over de klant kan niet openbaar worden gemaakt krachtens de bepalingen van de NDA.

Uitdaging

Ongelijksoortige bankgerelateerde gegevens uit verschillende bronnen die de besluitvorming belemmerden

Onze klant werd geconfronteerd met uitdagingen op het gebied van het beheer van en het halen van waarde uit de enorme en groeiende hoeveelheden gegevens over zakelijke klanten, bankrekeningen en betalingstransacties. Omdat de gegevens verspreid waren over meerdere legacysystemen, had de bank te kampen met aanzienlijke uitdagingen op het gebied van gegevensverwerking en -analyse, en worstelde ze met het verkrijgen van tijdige inzichten voor het nemen van beslissingen. Bovendien was de bestaande infrastructuur niet schaalbaar, terwijl het onderhouden van verschillende verouderde systemen onhoudbaar werd.

Een ander probleem dat voortvloeide uit deze centrale uitdaging was de moeilijkheid om te voldoen aan de strenge wettelijke bankgerelateerde vereisten. Systemen voor gegevensopslag en -beheer waren versnipperd, waardoor het moeilijk was om gegevens effectief op te sporen, te rapporteren en te controleren. Dit verhoogde het risico op onvrijwillige overtredingen omdat bankvertegenwoordigers veel tijd moesten besteden aan het verzamelen en verifiëren van gegevens.

Als gevolg hiervan gaf de klant Innowise de opdracht om een robuuste data lake architectuur te bouwen die hun diverse datasets kon consolideren in één enkele, schaalbare en veilige omgeving voor gegevensbeheer in het bankwezen. Ze zochten naar een handige oplossing om informatie over klanten, rekeningen en transacties bij te houden en te voldoen aan de wettelijke normen, waardoor de cyclus van ruwe gegevensinvoer tot bruikbare bedrijfsinzichten werd versneld.

Oplossing

Data lake-ontwikkeling voor het opslaan van opgeschoonde en gestructureerde bankgegevens

We ontwikkelden een gecentraliseerde database voor het opslaan en integreren van gegevensstromen uit verschillende bronnen, waaronder elektronisch bankieren, mobiele applicaties en sociale media. Onze ervaren specialisten implementeerden een medallion lakehouse-architectuur, met de nadruk op een ACID-gestuurde, gelaagde aanpak om een enkele bron van waarheid te bouwen voor de opslag van bankgegevens.

Datalagen

De basis van het data lake, de bronzen laag, bevat ruwe data afkomstig uit verschillende bronnen zoals JSON-bestanden, RDBMS en meer, veilig opgeslagen in de oorspronkelijke vorm. Op basis van de bronzen laag verfijnt de zilveren laag deze gegevens door ze op te schonen en te normaliseren voor geavanceerde analyses. Uiteindelijk bevat het hoogtepunt van de datastructuur, de gouden laag, aggregaten op bedrijfsniveau voor rapportages en dashboards op hoog niveau, waarmee de bank bruikbare inzichten kan genereren.

Ons projectteam identificeerde alle potentiële gegevensbronnen, waaronder transactiesystemen, klantendatabases, online portals en meer. Onze specialisten brachten elke gegevensbron in kaart om inzicht te krijgen in het formaat, de updatefrequentie en de relevantie. Als belangrijkste stap ontwikkelden we geautomatiseerde data ingestion pipelines met ETL-tools (extract, transform, load) voor verschillende gegevensformaten zoals CSV, JSON, XML en RDBMS. Afhankelijk van de aard van de gegevensbron hebben we real-time of batchverwerking pipelines opgezet.

Realtime pipelines werden gebruikt voor datastromen die onmiddellijk verwerkt moesten worden (zoals transactionele data), terwijl batchverwerking werd gereserveerd voor minder tijdgevoelige data. Wanneer gegevens de bronslaag binnenkwamen, ondergingen ze een eerste validatieproces, waarbij ze werden gecontroleerd op integriteit, formaatconsistentie en corrupte of onvolledige records.

Zilveren laag: gegevensverwerking en -verfijning

In deze fase richtte ons projectteam zich op het verrijken van de ruwe gegevens van de bronslaag en het transformeren ervan naar een meer gestructureerd en bruikbaar formaat. Onze doorgelichte ontwikkelaars identificeerden en corrigeerden typografische fouten, inconsistenties in de gegevensindeling en discrepanties, en verwijderden dubbele records om misleidende inzichten te voorkomen. We implementeerden imputatie- en markeringsstrategieën voor datasets met ontbrekende waarden en stuurden deze records door voor nader onderzoek, afhankelijk van de aard en het belang van de verloren gegevens.

Vervolgens verrijkte ons projectteam de gegevens door relevante context of aanvullende informatie toe te voegen. We hebben bijvoorbeeld transactiegegevens uitgebreid met demografische informatie over klanten, waardoor een uitgebreidere analyse mogelijk werd. Nadat de gegevens waren verfijnd en samengevoegd, pasten we indexeringstechnieken toe voor sneller opvragen en terugvinden. Tot slot worden gegevens uit verschillende bronnen met elkaar vergeleken en aan elkaar gekoppeld, terwijl soortgelijke informatie uit verschillende bronnen wordt geconsolideerd in uniforme datasets, waardoor het eenvoudiger wordt om holistische analyses uit te voeren. Door ervoor te zorgen dat de gegevens schoon, consistent en goed gestructureerd zijn, hebben we de weg vrijgemaakt voor geavanceerde analyses en business intelligence in de gouden laag.

Gouden laag: analyseklare gegevens

De gouden laag is de top van onze data lake-architectuur, waar gegevens worden getransformeerd in analyseklare informatie die specifiek is afgestemd op analyse, rapportage en besluitvorming op hoog niveau. Gegevens uit de zilveren laag worden verder samengevoegd om uitgebreide samenvattingen op hoog niveau te maken. We hebben ons gericht op het samenvatten van gegevens op manieren die aansluiten bij belangrijke bedrijfsgegevens en -doelstellingen, zoals kredietrisicobeoordelingen, markttrends of klantsegmentatie.

Onze ontwikkelaars ontwierpen en implementeerden interactieve dashboards en rapporten, waardoor de besluitvormers van de bank realtime inzichten en visualisaties kregen. Met een focus op beveiliging hebben we een robuust raamwerk voor gegevensbeheer opgezet om de kwaliteit, bruikbaarheid en beveiliging van de gegevens te beheren. Onze technici zorgden voor een schaalbare architectuur, die ruimte bood aan groeiende datavolumes en complexiteit zonder dat de prestaties achteruit gingen en waarbij de integriteit en betrouwbaarheid van de analyseresultaten behouden bleven.

In de gouden laag veranderden we gegevens in een strategisch bedrijfsmiddel, waardoor de bank weloverwogen beslissingen kon nemen, de behoeften van klanten beter kon begrijpen en voorop kon blijven lopen in de concurrerende banksector.

Op basis van verfijnde bankgerelateerde gegevens stelde Innowise de klant in staat om de Next Best Action (NBA) en Next Best Offer (NBO) methodologieën te implementeren. NBA geeft prioriteit aan een klantgerichte aanpak, waarbij recente interacties worden geanalyseerd om de meest geschikte acties voor te stellen, zoals het versturen van verjaardagsberichten, het verbeteren van de servicekwaliteit, het verzamelen van feedback, het geven van instructies voor het inwerken, enzovoort. Door gebruik te maken van voorspellende analyses selecteert NBA acties die zijn afgestemd op de huidige situatie van de klant, met positieve resultaten als doel. Op zijn beurt optimaliseert NBO de selectie van gepersonaliseerde aanbiedingen uit het uitgebreide productaanbod van een klant. NBO evalueert en suggereert automatisch producten die aanslaan bij klanten door aanbiedingen op het juiste moment, tegen de juiste prijs en via de meest effectieve kanalen te leveren.

Daarnaast consolideerden onze ontwikkelaars gegevens uit verschillende tabellen en modellen die in het datawarehouse waren opgeslagen om uitgebreide, samenhangende en praktische profielen voor elke klant te maken, waardoor beter geïnformeerde beslissingen en acties mogelijk werden. De uitgebreide en doordachte aanpak van het beheer van analytische gegevens zorgt ervoor dat de bank haar gegevens optimaal kan benutten, waardoor de conversie toeneemt en groei wordt gestimuleerd.

Technologieën

Data Engineering

Cloudera Data Platform, Hadoop, Spark, Airflow

Back-end

Python, Snelle API, Scala, Akka

Database

MS SQL Server, Oracle

BI-tools

Power BI, SSRS, QlickView

Proces

Innowise won een concurrerende aanbesteding voordat we ons op het project stortten. Na ons succes in de aanbesteding begonnen we aan het softwareontwikkelingsproces, waarbij we onze vaardigheden en afstemming op de visie van de klant lieten zien.

We creëerden een PoC, met als doel Kubernetes te gebruiken en af te stappen van de bestaande, op Cloudera gebaseerde systemen. Echter, vanwege de beperkingen van het huidige datacenter van de klant, toonden ze tekenen van aarzeling met betrekking tot Kubernetes-implementatie en -ondersteuning.

Tijdens de ontdekkingsfase deed ons projectteam grondig onderzoek om het huidige gegevenslandschap te begrijpen en de belangrijkste gegevensbronnen en vereisten te identificeren. Later maakten we een gedetailleerd ontwerp dat de bronzen, zilveren en gouden lagen bevatte voor gegevensverwerking en -verfijning, waarbij we ervoor zorgden dat de gegevens naadloos stroomden volgens de ACID-principes. Vervolgens voerden we uitgebreide tests uit om de integriteit en prestaties van het data lake te garanderen en implementeerden we een feedbackmechanisme voor voortdurende verbetering. Tot slot implementeerde ons projectteam met succes het data lake, integreerde het met de bestaande systemen van de bank en bood training en ondersteuning aan de medewerkers van de bank.

Team

Business Analysts

Projectleider

BI-ontwikkelaar

Data Ingenieurs

DevOps Engineer

Data Kwaliteit Ingenieur

Resultaten

Gestroomlijnde gegevensprocessen en naleving van regelgeving na de ontwikkeling van een data lake

De implementatie van het data lake voor onze bancaire klant heeft geleid tot transformerende resultaten in verschillende dimensies van hun activiteiten. Voorheen worstelden ze met gefragmenteerde en ongestructureerde informatie die verspreid was over meerdere bronnen, maar nu hebben ze moeiteloos en voorspelbaar toegang tot gegevens van zakelijke klanten, bankrekeningen en informatie over betalingstransacties. De teams van de bank werken nu met betrouwbare en consistente gegevens, wat de weg vrijmaakt voor nauwkeurigere analyses en rapportages. De consolidatie van gegevens in een enkele, schaalbare lakehouse-architectuur heeft geleid tot aanzienlijke kostenbesparingen op het gebied van gegevensopslag en -beheer doordat overbodige systemen zijn geëlimineerd en gegevensprocessen zijn gestroomlijnd.

De integratie van geautomatiseerde datapijplijnen en gestroomlijnde datalagen heeft de verwerkingstijd van gegevens aanzienlijk verkort, waardoor snellere besluitvorming en responsievere klantenservice mogelijk zijn geworden.

Daarnaast heeft onze klant het relatiebeheer en de bedrijfsprestaties verbeterd door gepersonaliseerde, tijdige en relevante acties en aanbiedingen te leveren op basis van verfijnde en gestandaardiseerde gegevens. Deze aanpak heeft conversies en inkomsten verhoogd en marketingbudgetten geoptimaliseerd door aanbiedingen op maat alleen te richten op geïnteresseerde prospects.

Bovendien is compliance reporting met het nieuwe data lake efficiënter geworden in een sector waar juridische overtredingen grote gevolgen kunnen hebben.

Duur van het project

Maart 2021 - Doorlopend

34%

verkorting van de gegevensverwerkingstijd

26%

verbetering in nalevingsrapportage

Gerelateerde gevallen

Neem contact met ons op!

Boek een gesprek of vul het onderstaande formulier in en we nemen contact met je op zodra we je aanvraag hebben verwerkt.

Naam

Bedrijf

E-mail

Telefoon

Bericht Voeg projectgegevens alsjeblieft, duur, technische stapel, IT-professionals nodig en andere relevante informatie toe

Neem een spraakbericht over uw
project op om het ons beter te helpen begrijpen

Voeg indien nodig aanvullende documenten bij

Bestand uploaden

Je kunt maximaal 1 bestand van 2MB bijvoegen. Geldige bestanden: pdf, jpg, jpeg, png

Wij wijzen u erop dat wanneer u op de verzendknop klikt, Innowise uw persoonsgegevens verwerkt in overeenstemming met ons Privacybeleid om u van de juiste informatie te voorzien.

Wat gebeurt er nu?

Na ontvangst en verwerking van uw aanvraag, nemen wij binnenkort contact met u op om uw projectbehoeften in detail te beschrijven en een NDA te ondertekenen om de vertrouwelijkheid van informatie te garanderen.

Na het bestuderen van de vereisten, stellen onze analisten en ontwikkelaars een projectvoorstel met de omvang van de werkzaamheden, teamgrootte, tijd en kosten schattingen.

Wij regelen een ontmoeting met u om het aanbod te bespreken en tot een overeenkomst.

We tekenen een contract en beginnen zo snel mogelijk aan uw project te werken mogelijk.

Gegevensbeheer in het bankwezen: 34% vermindering van de gegevensverwerkingstijd

Klant

Uitdaging

Ongelijksoortige bankgerelateerde gegevens uit verschillende bronnen die de besluitvorming belemmerden

Oplossing