Obtenez par e-mail toute l'actualité Hortonworks

Une fois par mois, recevez les dernières idées, tendances, informations d’analyse et découvertes sur le 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

Télécharger le rapport

Who’s looking at you?

Votre océan de données. Est-il sûr ? Les principales banques et entreprises de marchés de capitaux utilisent Hortonworks Data Platform et Hortonworks DataFlow pour traiter d’énormes quantités de données provenant de sources traditionnelles ou non. Les équipes de conformité peuvent analyser les données en mouvement et les données au repos pour détecter toute activité suspecte en temps réel.

Minimiser le risque, maximiser les opportunités

Le risque réglementaire est présent dans toutes ces sociétés, et le risque interne ne doit pas non plus être négligé. Quelques individus mal intentionnés peuvent causer des pertes énormes si leurs activités ne sont pas détectées.

Les banques, compagnies d’assurance, les services financiers techniques et les courtiers qui stockent et traitent des quantités considérables de données dans Apache™ Hadoop® ont une vision plus éclairée sur leurs risques et leurs opportunités. Des analyses préventives dans le domaine de la finance peuvent fournir des analyses et des renseignements précis en vue d’améliorer les marges d’exploitation et de protéger un établissement contre les événements singuliers qui pourraient causer des pertes catastrophiques.

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.

Désormais, Hortonworks Data Platform prend en charge son logiciel AML et réduit le délai sous lequel les données de l'entreprise peuvent être analysées et allonge la durée de conservation des données. Un référentiel partagé entre plusieurs services offre une plus grande visibilité sur toutes les activités boursières. Le groupe d'évaluation du risque boursier accède à ce data lake partagé pour traiter davantage de données de position, d'exécution et de solde. Il peut réaliser ces analyses sur les données du jour, données qui restent disponibles au moins 5 ans, soit bien plus longtemps que précédemment.