اتاق مانیتورینگ و اهمیت داده ها در وزارت خانه
ژانویه 16, 2023Pandas چیست؟ قابلیت های پانداس و روش نصب آن
ژانویه 23, 2023
قبلا به تاثیر هوش تجاری در صنعت بانکداری پرداخته ایم و آن را مورد بررسی قرار داده ایم اما حال نوبت به آن رسیده که به تاثیر کلان داده در بانکداری بپردازیم و زیر ساخت های آن را بررسی کنیم.
حتما با سان تا انتهای این مقاله همراه باشید.
استقرار ابزارها و فناوری های هوش مصنوعی
هوش مصنوعی و ابزارهای نرم افزاری مجهز به فناوری هوش مصنوعی در حال تبدیل شدن به یک موضوع مهم و اساسی در تحول دیجیتال صنعت بانکداری می باشند.
چرا باید مفهوم هوش مصنوعی را در مدیریت بانک ها اینقدر مهم و پر اهمیت بدانیم؟ نتایج مطلوب و منحصر به فردی که هوش مصنوعی می تواند بر روی داده ها ایجاد کند مدیران صنعت بانکداری را به این سمت برده است که هر چه بیشتر ایده ها و درخواست های خود را به دانشمندان داده ارائه دهند.
در واقع ما در صنعت بانکداری بر این باور هستیم که داده های متنوع و بسیار مهمی را در رابطه با مشتریان و تراکنش های مالی به اشکال مختلف در بانک های اطلاعاتی نگهداری می کنیم و اگر مدیریت داده ها به روش های صحیح صورت گیرد، می توان با استفاده از هوش مصنوعی عملیات ها و الگوریتم های بسیار کاربردی را بر روی داده ها پیاده سازی نمود.
برای ورود به این قسمت حتما نیازمند در اختیار داشتن یک زیر ساخت مناسب هستیم.
زیر ساخت کلان داده در بانکداری
برای شروع کار با الگوریتم های هوش مصنوعی نیازمند یک زیر ساخت مناسب هستیم که بتواند بر روی انواع داده با بیشترین بازدهی از سخت افزارها، عملیات پردازش داده ها را انجام دهیم.
نکته قابل توجه بهره گیری داده ها در اکثر سازمان های بزرگ از ساختارهای مبتنی بر SQL می باشد. در حالی که شما ممکن است در انواع داده های بانکی و تعاملات با مشتریان، داده های در لحظه را به صورت Stream دریافت نمایید.
این ساختار ذاتا توانایی پردازش بر روی جریانی از داده های لحظه ای نخواهد داشت. البته در خود داده های آفلاین نیز قطعا نیاز به الگوریتم های فشرده سازی و همچنین ترکیب برخی از داده ها را داریم که باز هم با محدودیت هایی در این زمینه مواجه خواهیم شد.
با در نظر گرفتن تمامی این موارد امروز بانک ها از روش های سنتی در حال مهاجرت به سمت روش های مدرن ذخیره سازی داده و استفاده از دریاچه داده جهت تجمیع تمامی داده های خود هستند.
دریاچه داده در صنعت بانکداری
شما در حالی به سمت تشکیل دریاچه داده در بانک می روید که ممکن است انبار داده را برای تجمیع داده های خود به کار گرفته باشید.
این موضوع منافاتی با تشکیل دریاچه داده نخواهد داشت و دقیقا ساختار انبار داده در صورتی که با بررسی های انجام شده بر روی داده ها کیفیت لازم را داشته باشد می تواند بخشی از معماری کلان داده و دریاچه داده شما را تشکیل دهد.
در حالی که شما ممکن است در نمونه هایی از معماری دریاچه داده، استقرار آن را در سیستم های ابری مشاهده کنید اما، سیاست های بانکی کشور و موضوع حاکمیت داده این اجازه را به ما نخواهند داد.
بنابراین با محاسبات دقیق باید ساختاری مشخص از سخت افزارهای مناسب را بر اساس حجم داده های موجود، نوع آنها و نرخ رشد روزانه و در نهایت سالیانه برای زمان مشخصی در یک بانک لحاظ شود.
شرایط معماری دریاچه داده
- پروفایل داده ها و استفاده از تکنولوژی دیتا کاتالوگ
- طبقه بندی داده ها
- رعایت سلسله مراتب
- نظارت بر دسترسی داده ها
- قابلیت جستجو بر روی انواع داده ها
- امنیت داده ها
البته شما برای پیاده سازی یک معماری مناسب علاوه بر تامین زیر ساخت سخت افزاری باید سطح مهارت مشخصی را در تیم پیاده سازی کننده تامین نمایید.
جدا از دانش مورد نیاز، این تجربه تیم متشکل از دانشمندان، مهندسان داده، تحلیل گران و متخصصان حوزه کلان داده است که می تواند سوپاپ اطمینانی برای انجام بهتر امور باشد.