ניהול סיכונים אנליטי בעידן הביג דאטה - יואל הכט, מיה מחשבים, סאס ישראל
Upcoming SlideShare
Loading in...5
×
 

ניהול סיכונים אנליטי בעידן הביג דאטה - יואל הכט, מיה מחשבים, סאס ישראל

on

  • 363 views

מתוך הועידה ה-6 לניהול סיכונים של מידע כנסים

מתוך הועידה ה-6 לניהול סיכונים של מידע כנסים

Statistics

Views

Total Views
363
Views on SlideShare
363
Embed Views
0

Actions

Likes
0
Downloads
1
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

ניהול סיכונים אנליטי בעידן הביג דאטה - יואל הכט, מיה מחשבים, סאס ישראל ניהול סיכונים אנליטי בעידן הביג דאטה - יואל הכט, מיה מחשבים, סאס ישראל Presentation Transcript

  • ‫ניהול סיכונים אנליטי בעידן ה-‪BIG DATA‬‬ ‫יואל הכט, מנהל תחום סיכונים | מיה מחשבים, ‪ SAS‬ישראל‬ ‫. ‪C op yr i g h t © 2 0 1 3 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d‬‬
  • ‫הנושאים‬ BIG DATA HIGH ANALYTICS, HIGH STATISTICS • ‫שימושים בעולם הסיכונים‬ C op yr i g h t © 2 0 1 3 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d . • •
  • ‫‪BIG DATA‬‬ ‫•‬ ‫תזכורת ל- ‪)Volume, Velocity, Variety, Volatility( BIG Data‬‬ ‫•‬ ‫•‬ ‫•‬ ‫•‬ ‫•‬ ‫נפחים מעל מאות ‪TB‬‬ ‫קצבי עדכון מהירים מאד‬ ‫מקורות מרובים (אינטרנט, סלולריים, חיישנים, מצלמות, מערכות תפעוליות ועוד)‬ ‫נתונים מובנים לצד נתונים לא-מובנים‬ ‫נפח המידע ("‪ )"Worldwide information volume‬מכפיל את עצמו כל 81 חודשים‬ ‫לפחות‬ ‫. ‪C op yr i g h t © 2 0 1 3 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d‬‬
  • BIG DATA ‫“ – אז והיום‬BIG” DATA ‫פעם‬ C op yr i g h t © 2 0 1 3 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d . ‫מזמן‬ ‫לא לפני‬ ‫הרבה זמן‬ ‫היום‬ )...‫(ואוטוטו היסטוריה‬
  • BIG DATA ‫ההזדמנות‬ ‫תשתית מידע לניתוח סיכונים‬ C op yr i g h t © 2 0 1 3 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
  • ‫‪HIGH ANALYTICS‬‬ ‫האתגרים‬ ‫‪HIGH STATISTICS‬‬ ‫• מצד אחד, מתודולוגיות הלמידה והתחקור התפתחו‬ ‫מאוד, חלקם נעשו מסובכים‬ ‫• מצד שני, המשתמש המודרני חסר סבלנות, רוצה‬ ‫פשטות ונוחיות (מכסימום להחליק עם האצבע על‬ ‫המסך)‬ ‫. ‪C op yr i g h t © 2 0 1 3 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d‬‬
  • HIGH ANALYTICS ‫מענה‬ HIGH STATISTICS ,‫"), אשר מכפילה את עצמה כל 81 חודשים‬Efficiency of computing"( ‫יעילות החישוב‬ ‫מציעה מענה לאתגרים‬ HPC - HIGH PERFORMANCE COMPUTING Visual Analytics Visual Statistics C op yr i g h t © 2 0 1 3 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d . •
  • HIGH ANALYTICS HIGH STATISTICS C op yr i g h t © 2 0 1 3 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
  • ‫‪HIGH ANALYTICS‬‬ ‫גישות אנליטיות – דוגמאות אקטואליות‬ ‫‪HIGH STATISTICS‬‬ ‫גישה א: תנו לנתונים לדבר‬ ‫• "המערכת עברה על כל הקובמינציות האפשריות והצליחה למצוא קשר בין פריצת המגיפה‬ ‫לבין בצורת ששררה שנה וחצי עד שנתיים לפני... צריך לעבור על כל האירועים שהיו קודם‬ ‫למצוא קשרים סיבתיים" (קורה רדינסקי, הארץ, "אקראיות, יש לי אלגוריתם בשביל זה")‬ ‫גישה ב: אל תבלבלו אותי עם העובדות‬ ‫• "...אנו מניחים כי גודל ההטיה, העומד בממוצע על כ- 5.0 נקודות אחוז, נותר קבוע במהלך‬ ‫תקופת האמידה, ובהתאם לכך תיקנו את האומדנים." (בניטה ונאור, "סיכון הלווים בשוק‬ ‫המשכנתאות: התפתחותו ההיסטורית והערכתו במספר תרחישים", בנק ישראל, 90.3102)‬ ‫הגישה המועדפת ל- ‪High Analytics & Statistics‬‬ ‫"תנו לנתונים לדבר"‬ ‫. ‪C op yr i g h t © 2 0 1 3 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d‬‬
  • HIGH ANALYTICS HIGH STATISTICS C op yr i g h t © 2 0 1 3 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
  • ‫שימושים בניהול סיכונים סיכונים‬ ‫•‬ ‫•‬ ‫•‬ ‫•‬ ‫•‬ ‫•‬ ‫•‬ ‫אשראי‬ ‫שוק‬ ‫תפעולי‬ ‫ביטוח‬ ‫סייבר‬ ‫הונאות ומעילות‬ ‫הלבנת הון‬ ‫• מקוצר זמן, נרחיב על האחרונים‬ ‫. ‪C op yr i g h t © 2 0 1 3 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d‬‬
  • ‫סייבר סיכונים‬ ‫•‬ ‫•‬ ‫•‬ ‫•‬ ‫מערכות הסייבר הן מהיצרניות הגדולות ביותר של ‪ BIG DATA‬ארגוני‬ ‫בשנת עבודה של מערכת הגנה מיוצרים יותר נתונים ממה שהלקוחות של הארגון‬ ‫ייצרו לכל אורך חייהם‬ ‫מלבד ההתקפות שנבלמו ופורצים שלא חדרו, המערכות מספקות מידע מאלף על‬ ‫פעולותיהם של בעלי האישורים המתאימים שנכנסו למערכות (לקוחות, עובדים)‬ ‫בהקשר ניהול סיכונים, ניתן ללמוד על:‬ ‫• תהליכי עבודה בפועל מול הנוהל‬ ‫• התהוות עומסים וצווארי בקבוק‬ ‫• מידת הרלוונטיות של בקרות‬ ‫. ‪C op yr i g h t © 2 0 1 3 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d‬‬
  • ‫הונאות ומעילות סיכונים‬ ‫שימוש אינטנסיבי‬ BIG DATA Visual Analytics Visual Statistics C op yr i g h t © 2 0 1 3 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
  • ‫נקודות מרכזיות‬ ‫•‬ ‫‪ Big Data‬ו- ‪ Visual Analytics & Statistics‬הם הזדמנות למנהל הסיכונים‬ ‫•‬ ‫•‬ ‫•‬ ‫•‬ ‫•‬ ‫•‬ ‫•‬ ‫•‬ ‫•‬ ‫•‬ ‫•‬ ‫מקורות מידע מגוונים‬ ‫למידה על תפיסות עולם ומודלים לניהול סיכונים‬ ‫סגמנטציה‬ ‫בחינת תרחישים - מצבי סיכון הסטוריים‬ ‫בחירת תנאי התחלה לסימולציות‬ ‫אמידה חוזרת וכיול מודלים‬ ‫גילוי דפוסים ומקצבים (‪)Patterns, Rhythm‬‬ ‫בניית מודלי חיזוי מרובי משתנים‬ ‫חיזוי‬ ‫תיקוף מודלים‬ ‫ועוד‬ ‫. ‪C op yr i g h t © 2 0 1 3 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d‬‬
  • ‫נקודות מרכזיות‬ ‫• התוצאות משמשות לצרכים רגולטורים (היקף נתונים, תיקוף)‬ ‫• התוצאות יכולות להיות מייושמות במערכות ‪( Real-Time‬לצרכי ניטור, גילוי‬ ‫והתראה עתידיים - ‪)Predictive Analytics‬‬ ‫•‬ ‫מנהל הסיכונים יכול לנתח את המידע ולהפיק להפיק ידע אנליטי בכמה‬ ‫משיכות אצבע‬ ‫לקבלת המצגת והסברים על ‪SAS Visual Analytics‬‬ ‫פנו לדוכן מיה מחשבים‬ ‫. ‪C op yr i g h t © 2 0 1 3 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d‬‬
  • ‫תודה רבה‬ YOEL.HECHT@SAS.COM C op yr i g h t © 2 0 1 3 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d . sas.com