Jak wydobyć wartość z danych i czy potrafimy ustalić wspólny słownik pojęć? Podczas ostatniego przed wakacjami spotkania społeczności CIONET Polska mieliśmy okazję dzielić się najlepszymi praktykami w gronie mistrzów analityki danych!

1. SŁOWNIK
POJĘĆ
Hurtownie danych
– już w latach 90.
ich celem było
monetyzowanie danych.
Wyzwanie: połączenie
uporządkowanego
świata hurtowni
danych i świata danych
nieuporządkowanych
– Big Data, Machine
Learning, AI.
Big Data
– dane
zróżnicowane,
szybko się
zmieniają
Jeśli mamy
zbiór danych
i nie jesteśmy
w stanie
zmieścić go
w hurtowni
to mamy do
czynienia
z Big Data.
Data Lake
– repozytorium danych,
zmienny format danych,
data first, różnorodność
technologii
Dane składowane w takiej
postaci, w jakiej spływają.
Dopiero gdy pojawia się
potrzeba biznesowa,
nakładamy model,
który pozwoli czerpać
największe korzyści.
Data Science
– analiza danych,
statystyka,
programowanie, biznes
Cel: analizowanie danych
z hurtowni danych, Big
Data czy Data Lake.
Wymagane kompetencje:
samodzielność
technologiczna,
znajomość domeny
biznesowej organizacji.
Data Driven Company
– organizacja, która
podejmuje decyzje
w oparciu o dane, a nie
intuicję.
Ludzie mają dostęp do
danych, infrastruktura jest
szybko dostosowywana,
brak silosów.
WYZWANIE
Bezpieczeństwo danych
Zarządzanie danymi
Jakość danych
Standaryzacja pojęć biznesowych
Demokratyzacja danych
Współdzielenie danych
Elastyczność infrastruktury
Własne repozytoria danych
NIEOGRANICZONY
STRUMIEŃ WIEDZY
CELE
ZAAWANSOWANEJ
ANALITYKI
02
02
01
03
04
05
05
06
KOMU MOŻNA
POŻYCZYĆ
PIENIĄDZE
NOWE
GRANICE
ANALITYKI
WIEDZA
W SŁUŻBIE
PRZESZŁOŚCI
WIEDZA
W SŁUŻBIE
PRZYSZŁOŚCI
INFORMACJA
OPTYMALIZACJA
DZIAŁANIE
ŹRÓDŁA
DANYCH
STORAGE
PRZETWA-
RZANIE
DANYCH
NIEUSTRUKTURYZOWANE
USTRUKTURYZOWANE
SEARCH
ANALITYKA
DATA LAKE
ENTERPRISE
DATA WAREHOUSE
WYKORZYSTANIE
PROJEKT
ROZWIĄZANIA
ZASTOSOWANIE
ROZWIĄZANIA
MARIUSZ CHOLEWA
CPREZES ZARZĄDU,
BIURO INFORMACJI
KREDYTOWEJ
KULTURA
ORGANIZACYJNA,
KTÓRA POTRAFI
ZNALEŹĆ
RÓWNOWAGĘ
MIĘDZY TYMI
POSTULATAMI
Stajemy się
skoncentrowani na
kliencie, a nie na
produkcie. Próbujemy
przewidzieć zmiany
zachowań konsumentów
na podstawie danych.
Musimy wyznaczyć nowe
granice naszej codziennej
pracy. Pojawiają się nowe
typy danych, narzędzia,
pomysły, a naszą rolą
jest dostarczyć wartość
interesariuszom.
Sama informacja, czy
klient wyrazi zgodę na
sprawdzenie go w BIK jest
predyktywna. Istnieje wiele
korelacji między danymi
z firm ubezpieczeniowych,
telekomunikacyjnych, profili
zakupowych a predykcją
spłacania kredytu przez
konsumenta. Geolokalizacja
świetnie się sprawdza na
usługach biznesu.
Robimy wiele
eksperymentów – najpierw
testujemy pomysł, a później
sprawdzamy, czy można go
zmonetyzować.
W naszych czasach praca
w biznesie opartym na
analityce danych to świetna
przygoda.
W WARSZAWIE NAJWIĘCEJ
KREDYTÓW BIORĄ MIESZKAŃCY
WILANOWA, A WŁAŚCICIELE
STARYCH SAMOCHODÓW RACZEJ
NIE SPÓŹNIAJĄ SIĘ Z RATAMI.
OSOBY, KTÓRE WYKORZYSTUJĄ
CAŁY LIMIT NA KARCIE KREDYTOWEJ,
TO WIĘKSZE RYZYKO KREDYTOWE.
OSOBY, KTÓRE ZAMIESZCZAJĄ
W SIECI DUŻO ZDJĘĆ Z ALKOHOLEM
I PISZĄ KOMENTARZE Z WCIŚNIĘTYM
CAPS LOCKIEM, W DODATKU
W GODZINACH PRACY, SĄ BARDZIEJ
RYZYKOWNE OD LUDZI, KTÓRZY
MAJĄ DUŻO WYKSZTAŁCONYCH
ZNAJOMYCH I SĄ LUBIANI
W SOCIALU.
VS
Jak wydobyć wartość z danych
i czy potrafimy ustalić wspólny
słownik pojęć? Podczas ostatniego
przed wakacjami spotkania
społeczności CIONET Polska
mieliśmy okazję dzielić się
najlepszymi praktykami w gronie
mistrzów analityki danych!
POGODZENIE
SPRZECZNOŚCI
ATTILA BAYRAK
CHIEF ANALYTICS
OFFICER, AKBANK
25 MLN OSÓB PRYWATNYCH,
2 MLN PRZEDSIĘBIORSTW,
PEŁNA HISTORIA KREDYTOWA,
STAŁE ZASILANIE DANYMI PRZEZ BANKI.
GALERIAVALUE
DATA
ZOBACZ
WIĘCEJ
VALUEOF DATA
MARIUSZ
RAFAŁO
SGH