Big Data banki alkalmazásai
Program
A nagy adatok, mint a pénzügyi tranzakciók és ügyfél-interakciók eredményeként, a hatalmas információmennyiséget generáló vállalatok, beleértve a nem strukturált formában képződő adattömeget is. Tágabb értelemben egy olyan hatalmas és komplex adatállomány, amely a hagyományos adatfeldolgozási folyamatok és módszerek kezelése már nem elegendő. Ez a hatékony adatfeldolgozás segítséget nyújt a vállalkozónak, hogy mélyebben megértse üzleti folyamatait és feldolgozza a digitális üzleti interakciókat.
Legyen Ön is képben az adatmenedzsment hazai és nemzetközi trendjeivel!
Tanfolyamunkon keresztül működési megoldásokon és esettanulmányokon keresztül bemutatjuk, milyen banki megoldásokat vezetett be egyes intézmények, és milyen üzleti eredményt tudtak ezek generálni. Üzleti területre fókuszálva, az üzleti felhasználók szemszögéből bemutatják a Big Data elemzésére szolgáló eszköztárat és tipikus céljait.
Kinek ajánljuk
A programot ajánljuk:- a Big Data világába betekinteni vágyó banki szakemberek számára
- akik egyelőre üzleti hasznot keresnek a digitálisan képződő adattömegben
- akik szeretnének nem csak elméletben megismerkedni a big data eszközeivel, hanem szeretnék sajátkezűleg is kipróbálni szinte a teljes repertoárt
Munkakör szerint ajánljuk:
- termékfejlesztés, marketing, illetve üzleti területek szakértőinek,
- számviteli, elemzési, kontrolling területen dolgozóknak,
- pénzügyi kockázatkezelési és treasury területén dolgozóknak
Tematika
I.RÉSZ - 9:00 - 12:15A rész célja, hogy bevezetést nyerjünk a Big Data menedzselésének területébe, képet kapjunk az adatgyűjtés módozatairól és ügyfeleink adatait gyűjteni és kezelni legyünk képesek.
1. Blokk: Ügyfélanalitika és Big Data.
- Adatgyűjtési megoldások, adatforrások (Facebook / LinkedIn / Twitter / Web / log / egyéb karakterisztikái) Adatelemző eszközök (Python, R). Specializált megoldások (Hue, Cloudera).
- Big Data klaszterek kiépítése és adatbetöltési módozatok (napi, streaming, stb.)
- Esettanulmány: adatgyűjtés publikus adatforrásokból: Webadatok gyűjtése és feldolgozása
2. Blokk: Adatgyűjtés buktatói
- Zaj és torzítás (bias) az adatokban.
- Adatgyűjtéssel kapcsolatos adatvédelmi megfontolások
- Interdiszciplináris adatkezelés, master data management, deduplikáció
- A felhasználó multi-dimenzionális megközelítése
II.RÉSZ - 13:00 - 16:15
A rész célja, hogy az üzleti analitikai és Big Data ismereteket a prediktív modellezés és a kockázati elemzés területén a gyakorlatban elmélyítse. Egy esettanulmány során a belső és külső adatforrások feldolgozására, egységes kezelésére alapozva alakítunk ki egy kockázati besorolási folyamatot, amely segíti a céget a jövőben várható kockázatok meghatározásában, valamint számszerűsíti az ügyfél értékét és a potenciális veszteség mértékét. A folyamat kialakítása során adatelemzéshez az Oracle Big Data Discovery-t és R statisztikai szoftvert használjuk.
3. Blokk: Prediktív modellezés
- Bevezetés az előrejelzések témakörébe, mi is az a prediktív Big Data modell?
- Kockázatkezelés eszközei. Kockázati tényezők feltérképezése, online adatgyűjtési források. Ügyfélkockázat felmérése.
4. Blokk: Big data prediktív modellezés a gyakorlatban
- Közös esettanulmány megoldás egy Big Data adatbázis felhasználásával: tranzakcionális adathalmaz feldolgozása, mutatóképzés, mintavételezés és modell kialakítás R alapokon.
Kapcsolat
Témavezető: Dr. Madar László
Ügyfélkapcsolati menedzser: Lájer Enikő
Információs vonal: 06-1 / 224-0715
Oktatók
Dr. Madar László
Partner tanácsadó - Bankárképző
A Corvinus Egyetemen végzett közgazdász, 2003 óta dolgozik a Bankárképzőben. A Bankárképző összes Bázel II projektjében aktívan közreműködik, a Bankárképző vezető modellezője. Az elmúlt 8 évben a modellezéssel kapcsolatos munkák projektvezetője. Számos banki scoring és rating rendszer, valamint kockázati paraméter-becslő modell kidolgozója. Kockázatkezelési képzések rendszeres előadója. A PhD fokozatát a Kaposvári Egyetemen gazdasági tőkemodellek területén szerezte.
Programinformáció
Tanfolyam dátuma | Megrendelhető |
Ár | Kérjen ajánlatot! |