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 - 12:15
A 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.