• Like
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

  • 81 views
Uploaded on

מתוך הועידה ה-6 לניהול סיכונים של מידע כנסים

מתוך הועידה ה-6 לניהול סיכונים של מידע כנסים

  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
81
On Slideshare
0
From Embeds
0
Number of Embeds
0

Actions

Shares
Downloads
1
Comments
0
Likes
0

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 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. ‫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. ‫‪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. 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. 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. ‫‪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. 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. 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. ‫‪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. 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. ‫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. ‫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. ‫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. ‫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. ‫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. ‫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