Voor de moderne bank van vandaag is de mogelijkheid om gegevens in realtime te openen en te analyseren bijna net zo belangrijk als de toegang tot kapitaal.De banksector wordt echter geconfronteerd met een groot 'big data'-probleem: een enorme hoeveelheid waardevolle gegevens is verspreid over verschillende bronnen, formaten en geografische locaties.Dit is de belofte en het gevaar van big data;het vertegenwoordigt zowel een ontmoedigende barrière als een ongekende kans voor banken om te heroverwegen hoe ze realtime data-analyse kunnen gebruiken om een ​​uniform beeld van hun klanten te krijgen.Deze data-inzichten helpen de bank op hun beurt om slimmere, datagestuurde beslissingen over het bedrijf te nemen.Banken staan ​​tegenwoordig nog meer onder druk omdat een legioen van cloud-first, fintech-startups hun zinnen hebben gezet op hun klanten die hetzelfde realtime gemak van hun banken verwachten dat ze elders in hun digitale leven vinden.Maar om daar te komen, is een nieuwe benadering nodig van de manier waarop gegevens worden verzameld, beheerd en verwerkt.De reis naar realtime gegevensverwerking begint met de bescheiden database.De afgelopen decennia hebben relationele databases gediend als het fundamentele hulpmiddel voor gegevensopslag, -beheer en -analyse.Ondanks hun naam slaan relationele databases echter geen relaties tussen gegevenselementen op en schalen ze ook niet bijzonder goed wanneer u bewerkingen over verschillende velden moet uitvoeren.De rigide structuur van deze systemen is nooit ontworpen om het flexibele, 360-graden beeld te bieden dat de financiële instelling van vandaag nodig heeft.Dit wordt duidelijk wanneer organisaties zowel gestructureerde als ongestructureerde datasets in hun analytische modellen willen opnemen.Ongestructureerde gegevens – die van alles kunnen omvatten, van aantekeningen in een claim tot callcenterinteracties – bestaan ​​in meerdere bronnen en in toenemende hoeveelheden.De mogelijkheid om deze bronnen voor inlichtingen te ontginnen is aanlokkelijk, maar moeilijk te bereiken.Het is alsof je een enorme hoeveelheid waardevolle mineralen vindt om te ontdekken dat het veel te diep is om op een kosteneffectieve manier te worden gedolven.Als gevolg hiervan lopen deze legacy-databasesystemen vast wanneer ze ongestructureerde gegevens in hun modellen proberen op te nemen.Dan blijven deze rijke databronnen vaak geïsoleerd en net buiten bereik.Er is ook de kwestie van het verzamelen en opslaan van gegevens.Hoewel financiële dienstverleners voortdurend grote hoeveelheden klantgegevens binnenkrijgen uit een breed spectrum van bronnen - van transactiegegevens en kredietscores tot grootboeken en financiële overzichten - worden ze maar al te vaak beperkt door hoe ze het kunnen gebruiken.Terwijl relationele databases een gedefinieerde structuur vereisen, organiseren grafische databases zichzelf rond relaties in plaats van gegevens in strikte kaders te dwingen.Ze verbinden de punten of "knooppunten" met een breed scala aan gegevenstypen, formaten, categorieën en systemen, en vinden de overeenkomsten die kunnen helpen latente relaties en subtiele patronen bloot te leggen.De acceptatie van grafiektechnologie zal naar verwachting omhoogschieten vanwege de noodzaak om complexe vragen te stellen over grote en ongelijksoortige datasets.Volgens Gartner "zal tegen 2025 grafiektechnologieën worden gebruikt in 80% van de data- en analyse-innovaties, tegen 10% in 2021, wat snelle besluitvorming in de hele organisatie mogelijk maakt."Met moderne grafiektechnologieën wordt het mogelijk om de gegevensstroom in kaart te brengen en de afhankelijkheden tussen verschillende gegevenstabellen te visualiseren.Belangrijker is dat deze relaties samen kunnen worden bekeken in een enkele holistische, verbonden datakaart.Met dit type end-to-end zichtbaarheid kunt u precies analyseren en begrijpen wat er gebeurt - of voorspellen wat er zal gebeuren - mocht zich ergens anders in het datalandschap een verandering of probleem voordoen.Grafiekdatabases worden al gebruikt door enkele van de grootste banken over de hele wereld.Hoewel er tientallen mogelijke gebruiksscenario's zijn, volgen hieronder drie van de meest overtuigende scenario's die aantonen hoe grafische databases de huidige operationele besluitvorming in de banksector in realtime mogelijk maken.Door grafiekanalyses aan te vullen met machine learning-systemen, kunnen financiële bedrijven gegevensverbindingen blootleggen tussen bestaande "bekende fraude"-creditcardtoepassingen en nieuwe toepassingen.Hierdoor kunnen ze moeilijk te herkennen patronen identificeren, frauduleuze ringen blootleggen en frauduleuze kaarten snel afsluiten.Het explosieve volume en de snelheid van gegevens, samen met de noodzaak om realtime beslissingen te nemen, hebben de moderne banksector getransformeerd.Geavanceerde grafiekanalyse maakt diepere inzichten mogelijk, vormt een aanvulling op bestaande BI-technologie en ondersteunt de volgende generatie toepassingen voor kunstmatige intelligentie en machine learning.De banken en financiële instellingen die vandaag een datavoordeel kunnen behalen, zullen morgen het best gepositioneerd zijn om te gedijen.Over de auteur: Harry Powell is Head of Industry Solutions van TigerGraph, leverancier van een toonaangevend grafiekanalyseplatform.In deze functie leidt hij een team dat bestaat uit zowel vakdeskundigen uit de sector als senior analytics-professionals die zich richten op belangrijke zakelijke drijfveren die van invloed zijn op vooruitstrevende bedrijven terwijl ze opereren in een digitale en verbonden wereld.Als veteraan in grafische technologie, met meer dan 10 jaar ervaring in de sector, leidde hij de afgelopen vier jaar de data- en analyseactiviteiten bij Jaguar Land Rover, waar het team in vier jaar tijd $ 800 miljoen aan winst bijdroeg.Bij JLR was hij een early adopter van TigerGraph, waarbij hij een grafische database gebruikte om uitdagingen op het gebied van supply chain, productie en inkoop op het hoogtepunt van de Covid-shutdown en het tekort aan halfgeleiders op te lossen.Daarvoor was hij Director of Advanced Analytics bij Barclays.Zijn team bij Barclays heeft een aantal grafische toepassingen gebouwd en datawetenschapsinnovaties van wereldklasse vrijgegeven voor productie, waaronder de eerste Apache Spark-toepassing in de Europese financiële dienstverlening.Inheemse parallelle grafieken;De volgende generatie Graph Database voor realtime Deep Link AnalyticsMaak kennis met Yu Xu, een Datanami-persoon uit 2022 om in de gaten te houdenTigerGraph onthult ML Workbench, winnaars van de 'Graph For All Million Dollar Challenge'Uw e-mailadres wordt niet gepubliceerd.Verplichte velden zijn gemarkeerd *Stel me per e-mail op de hoogte van opvolgend commentaar.Houd mij per e-mail op de hoogte van nieuwe berichten.