Get fresh updates from Hortonworks by email

Once a month, receive latest insights, trends, analytics information and knowledge of Big Data.

cta

Démarrer

cloud

Prêt à débuter ?

Télécharger Sandbox

Que pouvons-nous faire pour vous ?

fermerBouton Fermer
cta

Predictive Analytics and Solutions for Financial Services

lire la bouton de la vidéo vidéo

cloud Hortonworks jouit d'une position dominante. Lisez le rapport 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.

Minimiser le risque, maximiser les opportunités

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.

exemples d'utilisation

Vérifier le risque de défaut lors des demandes d'ouverture de compte

Tous les jours, les grandes banques de détail reçoivent des milliers de demandes d'ouverture de compte chèque et de compte épargne. Les banquiers qui acceptent ces demandes font appel à des services d'évaluation tiers avant d'ouvrir le compte. Ils peuvent ignorer les recommandations de refus d'ouverture formulées pour les clients dont le passé bancaire est parsemé d'incidents. Ils le font d'ailleurs régulièrement. Un grand nombre de ces comptes à haut risque sont à découvert ou en surendettement en raison d'erreurs de gestion ou d'opérations frauduleuses. Ils coûtent ainsi aux banques des millions de dollars. Une partie de ces coûts est répercutée sur les clients qui gèrent leur compte de manière responsable.

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.


Monétiser les données bancaires anonymes sur les marchés secondaires

Les banques disposent d'une quantité impressionnante de données opérationnelles, transactionnelles et de solde qui sont autant d'informations sur les tendances macro-économiques. Ces informations peuvent présenter un intérêt certain pour les investisseurs et les décisionnaires en dehors du secteur bancaire, mais les réglementations et politiques internes imposent une protection stricte de l'anonymat des clients des banques.

Les banques de détail ont choisi un data lake commun, Hortonworks Data Platform, pour réunir les données de différents services : hypothèque, banque de détail, crédit personnel, vente en gros et gestion de trésorerie. Les responsables internes et les consommateurs du marché secondaire parviennent à valoriser ces données. Un point unique de gestion des données permet à la banque de mettre en place des mesures de sécurité et de confidentialité telles que l'anonymisation, le masquage, le chiffrement et l'authentification des utilisateurs.


Parvenez à des contrats de niveau de service avec une réactivité inférieure à une seconde, avec un « système de cotes en temps réel » 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.

Un client de Hortonworks a modifié son système de cotes en temps réel en le basant sur HDP. Avant Hadoop, son système ne pouvait gérer que 10 ans de données au maximum. Aujourd'hui, des giga-octets de flux de données issus de milliers de journaux de serveurs sont traités chaque jour. Ces données font l'objet de plus de 30 000 requêtes par seconde. L'exécution ultra rapide de ces requêtes grâce à Apache HBase permet de respecter les contrats de niveau de service du client. Enfin, la durée de conservation des données dépasse désormais les 10 ans.


Analyser les journaux des transactions pour détecter les opérations de blanchiment

Un autre client de Hortonworks, qui propose des services d'investissement, traite chaque jour 15 millions de transactions et 300 000 ordres boursiers. En raison des limitations de son système de stockage, l'entreprise archivait les données boursières les plus anciennes, ce qui limitait leur disponibilité. Sur le court terme, les données boursières de la journée ne pouvait faire l'objet d'analyses du risque qu'à la fermeture de l'entreprise. Il en résultait une période présentant un risque inacceptable de blanchiment d'argent et de rogue trading.

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.