Get fresh updates from Hortonworks by email

Once a month, receive latest insights, trends, analytics, offering information and knowledge of the Big Data.

CTA

시작하기

클라우드

시작할 준비가 되셨습니까?

Sandbox 다운로드

어떤 도움이 필요하십니까?

닫기닫기 버튼
CTA

금융 서비스를 위한
사전 에방적인 분석 및 솔루션

동영상 동영상 버튼 재생

클라우드 Hortonworks is a leader. Read the Forrester Wave.

Download report

Who’s looking at you?

Your ocean of data. Is it secure? Leading banks and capital markets firms are using Hortonworks Data Platform and Hortonworks DataFlow to process huge amounts of data from traditional and non-traditional sources. Compliance teams can analyze both data-in-motion and data-at-rest to detect suspicious activity in real-time.

리스크 최소화, 기회 극대화

규제력을 지닌 리스크는 이러한 비즈니스에서 항시 발견되기 마련이며 언제든 내부 리스크가 있을 수 있습니다. 일부 개인 범죄자의 미리 발견되지 않은 악질적인 범죄 활동은 곧 기업의 손실로 이어질수 있습니다.

Apache™ Hadoop® 에 방대한 양의 데이터를 저장하고 처리하는 은행, 보험 회사 및 증권사는 리스크와 기회 모두에 대한 깊은 통찰력을 가지고 있습니다. 자세한 분석 및 통찰력은 기업 운영에 있어 필요한 이윤을 더 증가시킬 수 있고, 일시적인 이벤트에 따른 어마어마한 손실을 대비하는 방어막이 되기도 합니다.

이용 사례

새 계좌 신청서 심사를 통한 채무 불이행 리스크 확인

대형 시중 은행에는 신규 당좌 예금 및 저축 예금 계좌 신청서가 매일 수천 개씩 접수됩니다. 이 신청서를 받는 은행원은 계좌를 개설하기 전에 외부 리스크 평가 서비스 업체에 자문을 구합니다. 은행원은 은행 거래 실적이 좋지 않은 신청자의 계좌를 개설하지 말라는 권고를 무시할 수 있고, 실제로 무시하기도 합니다. 이런 고위험 계좌의 상당수는 관리 잘못 또는 부정 행위로 인해 초과 인출되고 상각 처리되어 은행은 수백만 달러의 손실을 입게 됩니다. 손실 비용의 일부는 계좌를 책임 있게 관리하는 고객에게 전가됩니다.

여러 데이터 스트림을 저장 및 분석할 수 있는 Hortonworks Data Platform을 사용해 지방 은행 지점장은 지점의 신규 계좌 리스크를 관리하는 데 도움을 받을 수 있습니다. 지점장은 은행원이 내린 결정 사항을 결정을 내린 당시에 제시된 리스크 정보와 대조하여 개인을 제재하고, 정책을 업데이트하고, 사기 패턴을 식별하는 방법으로 리스크를 관리할 수 있습니다. 시간이 지나면서 축적된 데이터는 은행의 리스크 분석가가 보지 못한 미묘한 고위험 행동 패턴을 감지할 수 있는 알고리즘에 사용됩니다.


유통 시장에서 익명 은행 거래 데이터로 수익 창출

은행은 거시경제적 동향에 대한 정보가 포함된 막대한 양의 운영, 거래 및 잔액 데이터를 보유하고 있습니다. 이 정보는 은행 외부의 투자자 및 정책 입안자들에게 가치가 있을 수 있지만, 법규 및 사내 정책에서는 이런 정보를 사용할 때 은행 고객의 익명성을 철저히 보호해야 한다고 규정합니다.

시중 은행에서는 Hortonworks Data Platform을 주택 담보 대출, 소비자 뱅킹, 개인 신용, 도매 및 기금 뱅킹(treasury banking) 같은 다양한 LOB의 데이터를 위한 기업 간 공용 Data Lake로 사용해 왔습니다. 유통 시장의 사내 관리자 및 소비자들은 모두 데이터에서 가치를 도출합니다. 은행은 단일 데이터 지점을 관리하여 식별 정보 제거, 마스킹, 암호화 및 사용자 인증 같은 보안 및 개인 정보 보호 조치를 운영화할 수 있습니다.


Hadoop “Ticker Plant”를 활용한 Sub-Second SLAs 유지하기

티커 플랜트(Ticker plant)에서는 주식 거래에 대한 막대한 양의 데이터 스트림을 수집 및 처리하여 트레이더를 위해 가격을 표시하고 기회를 몇 초 안에 포착할 수 있을 정도로 빠르게 컴퓨터 주식 거래 시스템에 공급합니다. 이 기능은 실시간으로 결정을 내리는 데 유용하며, 수 년 간 축적된 과거 시장 데이터를 저장하여 장기적인 시장 동향 분석에 사용할 수도 있습니다.

한 Hortonworks 고객은 HDP를 초석으로 사용하여 티커 플랜트를 다시 설계했습니다. Hadoop을 사용하기 전에는 티커 플랜트에 10년 분량의 거래 데이터만 보관할 수 있었지만 이제는 수천 개의 서버 로그 피드에서 수 테라바이트의 데이터가 유입됩니다. 이 데이터는 초당 3,0000번 이상 쿼리되며, Apache HBase는 고객의 SLA 목표를 충족하는 초고속 쿼리를 지원합니다. 이 모든 기능 외에, 보존 기간도 10년 이상으로 연장되었습니다.


거래 로그 분석으로 자금 세탁 적발

투자 서비스를 제공하는 또 다른 Hortonworks 고객은 매일 1,500만 건의 트랜잭션과 30만 건의 증권 거래를 처리합니다. 이 회사는 저장 용량의 한계로 인해 오래된 거래 데이터를 자료로 보관했기 때문에 데이터를 편리하게 사용할 수 없었습니다. 최근까지만 해도 하루 거래 데이터를 리스크 분석에 사용할 수 있으려면 영업 종료 후까지 기다려야 했습니다. 그렇기 때문에 자금 세탁이나 불법 거래 위험에 노출될 수 있는 리스크가 용납할 수 없는 수준으로 높아지는 기간이 생겼습니다.

이제는 Hortonworks Data Platform을 사용하기 때문에 회사가 데이터를 분석할 수 있는 시간이 빨라지고 데이터 보존 기간도 연장되었습니다. 여러 LOB 간에 공유하는 데이터 보관소를 사용하여 모든 거래 활동을 더 자세히 볼 수 있습니다. 거래 리스크 그룹은 이 공유 Data Lake를 이용하여 포지션, 실행 및 잔액 데이터를 더 많이 처리합니다. 고객은 현재 근무일부터 이 데이터 분석 작업을 수행할 수 있으며, 데이터를 매우 편리하게 이용할 수 있는 기간도 5년 이상으로 늘어나서 전보다 훨씬 길어졌습니다.

시작할 준비가 되셨습니까?