Anzeige
PRODUKTE4. März 2022

Lakehouse für Fi­nanz­dienst­leis­tun­gen: Da­ten­platt­form für An­wen­dungs­fäl­le und Da­ten­mo­ne­ta­ri­sie­rung

Lakehouse für Finanzdienstleistungen: Datenplattform von Databricks helfe Anwendungsfälle zu beschleunigen
stuartmiles/Bigstock

Da der Finanzsektor auf Open-Source- und Cloud-Technologien setzt, um Innovationen voranzutreiben, stellt Databricks nun das “Lakehouse for Financial Services” vor – eine offene Datenplattform, die auf Kundenbedürfnisse aus dem Banken-, Versicherungs- und Kapitalmarktsektor zugeschnitten sei.

Die neue Datenplattform (Website) soll Kunden Lösungen für technische, geschäftliche und regulatorische Anforderungen erleichtern und Echtzeit-Analysen, Business Intelligence (BI) und leistungsstarke KI-Funktionen unterstützen. Das System basiere auf einer Multi-Cloud-Umgebung, um das mit der Anbieterbindung verbundene regulatorische Risiko zu mindern.

Das System umfasse Datenlösungen und Anwendungs-Beschleuniger für Branchenbereiche, wie Compliance und regulatorisches Reporting, Risikomanagement, Fraud und Open Banking.

Junta Nakai, RVP, Financial Services Global Industry Leader bei Databricks
Databricks

Für Finanzdienstleister auf der ganzen Welt, die Modernisierung und Innovationen vorantreiben wollen, sind die beiden wichtigsten Vermögenswerte nicht mehr ihr Kapital oder ihre schiere Größe, sondern ihre Daten und ihre Mitarbeiter. Und das Databricks Lakehouse for Financial Services bringt diese beiden kritischen Ressourcen auf einer sicheren, kollaborativ nutzbaren und Open-Source-basierten Datenplattform zusammen, die es FSIs ermöglicht, Daten über Clouds hinweg zu nutzen und Innovationen mit KI voranzutreiben.“

Junta Nakai, RVP, Financial Services Global Industry Leader bei Databricks

Darüber hinaus ermögliche das “Delta Sharing” den standardisierten Datenaustausch in Echtzeit mit Finanzdatenanbietern wie Nasdaq, Factset und Intercontinental Exchange, wodurch die Nutzung, der Austausch und die Monetarisierung von Daten über die Lakehouse-Plattform erleichtert werde. Das “Lakehouse für Finanzdienstleistungen” sei auch in Legend (Open-Source) integriert.

Legend ist ein Eckpfeilerprojekt von FINOS, der Fintech Open Source Foundation und dem Finanzsektorprojekt der Linux Foundation, um ein offenes IT-Ökosystem zu schaffen, das auf gemeinsamen Standards für Finanzdaten im gesamten Bankenbereich basiert.

Datenplattform in der Praxis

Lakehouse-LogoDatabricks

Kunden seien bereits TD Bank, Northwestern Mutual, ABN AMRO, Nasdaq, Deloitte, Gemini und FINOS, mit dem Lakehouse for Financial Services die Time-to-Value ihrer Datenbestände.

Die TD Bank kündigte kürzlich die Beschleunigung ihrer Initiative zur Modernisierung der Datenplattform an, welche Databricks auf Microsoft Azure nutzt, um die analytischen Fähigkeiten zu verbessern und neue Kundendienste zu ermöglichen.

LinkedIn

Bei TD sind unsere Daten- und Analyse-Fähigkeiten von zentraler Bedeutung, um für unsere Kunden neue und sinnvolle Innovationen zu schaffen. Durch die Konsolidierung unserer Daten auf der Cloud-Plattform Microsoft Azure und der Nutzung von Databricks können wir das Kundenerlebnis verbessern und entwickeln sowie die Entwicklung neuer Produkte unterstützen.“

Jeff Martin, SVP Corporate Platforms der TD Bank

Partner der Datenplattform

Die Beratungspartner Deloitte und Avanade arbeiten mit Databricks zusammen, um die Einführung der Lakehouse-Plattform im Finanzdienstleistungsbereich durch die Entwicklung neuer Datendienste und -lösungen auf Basis von Databricks zu beschleunigen. Zu den vorgestellten Partnerlösungen, die speziell auf Finanzdienstleister zugeschnitten sind, gehören:

Deloitte FinServ Governed Data Platform: Eine Cloud-basierte, kuratierte Datenplattform, die regulatorische Anforderungen erfülle, um Datendomänen und genehmigte Bereitstellungspunkte zu organisieren und die Aktivierung von Business Intelligence, Visualisierung, prädiktiver Analytik, KI/ML, NLP und RPA zu ermöglichen.

Avanade Risk Management: Ermögliche Finanzinstituten die Bereitstellung von Daten in einem Value-at-Risk-Datenmodell, um mit Risiken und Bedrohungen Schritt zu halten.

Post-Trade-Analyse und Marktbeobachtung: Skalierbare Time Series Engine für Marktdaten. Diese Bibliothek verbinde Kernmarktdaten und unterschiedliche alternative Datenquellen und ermöglicht Vermögensverwaltern die Backtests von Anlagestrategien in großem Umfang und Berichte über Transaktionskostenanalysen.

Transaktionsanreicherung: Skalierbare Geo-Informationsbibliothek, die für die Analyse von Kreditkartentransaktionen und Open Banking entwickelt wurde. Diese Bibliothek ermöglicht die Personalisierung im Retail Banking, um das Transaktionsverhalten der Kunden besser zu verstehen, was für die Kundensegmentierung der nächsten Generation und moderne Strategien zur Betrugsprävention erforderlich ist.

Betrugserkennung und -prävention mit Predictive Analytics: Nutzung von Daten und maschinellem Lernen, um dabei zu helfen, Betrug vorzubeugen und KYC/AML-Praktiken zu verbessern, sowie um schnell auf bösartige Aktivitäten reagieren zu können und Finanzbetrug in großem Umfang einzudämmen – vom betrügerischen Wertpapierhandel bis zur Geldwäsche.

• Regulatorische Berichterstattung: Vereinfachung der Komplexität des regulatorischen Reportings und der Compliance durch Rationalisierung der Erfassung, Verarbeitung und Übermittlung aufsichtsrechtlicher Daten gemäß offener Datenstandards und offener Datenaustauschprotokolle.aj

 
Sie finden diesen Artikel im Internet auf der Website:
https://itfm.link/136511
 
 

 

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert