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

256 views

Published on

מתוך הועידה ה-6 לניהול סיכונים של מידע כנסים

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
256
On SlideShare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
3
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

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

  1. 1. ‫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
  2. 2. ‫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 . • •
  3. 3. ‫‪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
  4. 4. 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
  5. 5. 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 .
  6. 6. ‫‪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
  7. 7. 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 . •
  8. 8. 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 .
  9. 9. ‫‪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
  10. 10. 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 .
  11. 11. ‫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
  12. 12. ‫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
  13. 13. ‫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 .
  14. 14. ‫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
  15. 15. ‫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
  16. 16. ‫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

×