2014 IBM Corporation 1

Transcripción

1 1

2 Wolfram Rozas Responsable de ventas de IBM Big Data. 16 Junio 2014 Big Data en Banca

3 Big data está transformando la industria de la Banca Banca Los bancos que limitan los datos que analizan limitan su conocimiento del cliente Analizando todos los resultados disponibles en interacciones relevantes y personalizadas 3

4 Los patrones clave de uso de banca han emergido gracias al Big Data & Analytics Optimizarofertasy cross-sell Cómo puedo entregar ofertas másrelevantesy mejorarla tasa de respuesta? Conocimientode Cliente y Rentabilidad Cómo puedo anticipar las accionesde clientey comprender sus necesidades? Optimizacióndel Contract Center Cómo puedo comprender sus problemas y resolverlos más eficientemente? Gestión de Riesgos Operacionales Cómopuedomonitorizarlos sistemas internos para evitar cortes y riesgos? Detección y Mitigación de Fraude Cómopuedopredecir, detectare investigarmejorel fraude? Security Big Data Cómopuedoprotegermi red y mi negociode intrusionesy ataques? Gestiónde Riesgosde Crédito Como puedogestionarel valor del crédito? Optimización de Activos Cómo puedo mejorar las decisionesde trading y composiciones de cartera? OptimizarPagosde Consumidores Còmopuedomonetizarla información de pagosde consumidores? 4

5 Nuestro foco hoy Optimizar ofertas y venta cruzada Detección y mitigación de Fraude Seguridad Big Data 5

6 Optimizar ofertas y venta cruzada 6

7 Optimización ofertas y venta cruzada Cómo puedo mejorar el conocimiento de las necesidades de cliente? Mejorar la seleccion del público objetivo Gran Banco Italiano Cómo puedo seleccionar la mejor oferta criuzada en el momento adecuado? Mejorar éxito de venta cruzada Banco Chino Global Cómo puedo identificar las ofertas que serán más probablemente aceptadas? Mejorar la aceptación de oferta Gran Banco Canadiense 7 Analizando la conducta del cliente de los recibos de cajero, las notas de call center y los s de cliente. Mejorando el conocimiento del cliente ayudó a incrementar la aceptación de ofertas, aumentando tenencia de productos en más del 50%. Analizando la conducta de la tarjeta de crédito para refinar el conocimiento de clientes que optimiza la venta cruzada. Mejora de la tasa de respuesta de marketing. Mejora de la velocidad de respuesta y precisión de los modelos predictivos para las transferencias de de tarjetas de crédito. 40% de mejora en la tasa de aceptación de ofertas comparado con el modelo de transferencia.

8 Conocimiento multidimensional del cliente facilita las interacciones con cliente en tiempo real Datos Real time or historical Conocimiento predictivo en tiempo real Gestión de Marketing Interacciones de cliente multicanal IVR (Interactive voice response) Web Modelos de captación Campañas Modelos de respuesta a campañas Modelos de abandonos LTV Análisis de la cesta de la compra Sensilidad a precios Modelos de afinidad de productos Modelos de segmentación Ofertas Mensajería Gestión de presuntos Gestión de Campañas de venta cruzada Marketing en tiempo real Detección de eventos de Marketing Marketing digital Móvil Redes Sociales SMS (Short Message Service) Chat Modelos de sentimiento Modelos de venta cruzada/ venta inducida Voz 8

9 Análisis Actitudinal de Clientes 9

10 Clasificador automático de quejas de clientes 77% de reducción de tiempo de clasificación SLA previsto: El 40% se resuelve en el día y el 80% en menos de 2 días Reducción del Nivel 1 en un 50% Proceso 50% manual (error 50%) Los clientes comunican sus quejas por diferentes canales: Internet, Oficina o Contact Center El agente de Registro determina la Familia, y devuelve al sistema para completar la clasificación El agente de Nivel 1 determina la Subfamilia y Motivo, y asigna Nivel 2 (resolutor) El agente Nivel 2 analiza la queja y toda la información relacionada. Resuelve y comunica la resolución al cliente. 61% de reducción de esfuerzo 92% de reducción de esfuerzo Registro Nivel 1 Nivel 2 Envío de quejas El sistema lee la descripción, determina Familia, Subfamilia y Motivo, y asigna Nivel 2. Si no alcanza el nivel de confianza suficiente, solicita ayuda con sugerencia de clasificación. Sistema Automáticas con ayuda de Registro Automáticas 10 Respuesta a clientes

11 Banco holandés que analiza rápidamente la conducta de sus clientes para personalizar y optimizar las ofertas y tratamientos Necesidad Analizar rápidamente la conducta de los clientes para hacerles llegar ofertas personalizadas por todos los canales Solución: IBM PureData for Analytics, IBM Interact Beneficios Mejora de aceptación de ofertas para peticiones de producto incompleto en un 50%. 98% de aumento en métricas de rendimiento en interacción de clientes, métricas de rendimiento como datos de click stream, reporting analítico y queries

12 Detección y mitigación de Fraude 12

13 Fuerzas convergentes están creando una tormenta perfecta para un mayor foco en crímenes financieros Los esquemas de fraude son crecientemente más complejos La explosión en conectividad global ha aumentado las vulnerabilidades de los individuos, compañías y naciones para el cibercrimen Los costeseconómicosy scoiales del fraude han subido Intensificando la regulación y las pérdidas operacionales aplican presión significativa en retabilidad Las expectativasde los clientes han cambiado La confianza y seguridad del cliente facilitan la elección de la marca y debe ser ser ganada continuamente 12 por segundo Víctimas de cibercrimen 80% Originado en actividad organizada The 2013 Norton Report 4.700M$ Coste global del fraude hoy 332M $ Media de costede unabrechade TI 2012 Ponemon Institute 71% Clientes quecambiaránde banco debido al fraude 2013 Interactive Harris 46% Clientes que dejan compañías con una brecha de seguridad 2012 Edleman survey 13

14 Detección y Mitigación del Fraude Cómo puedo analizar grandes cantidades de datos para fraude? Mejorar la detección de fraude Cómo puedo detectar fraude antes de que impacte a mis clientes? Velocidad de análisis y detección de fraude Análisis rápido de datos de trading que facilita el reporting regulatorio. Reducción de tiempo en ejecutar la vigilancia del mercado en un 99% lo que ayuda a mejorar la capacidad de detectar actividades de trading sospechosas. Capacidad mejorada de identificar e interrumpir transacciones potencialmente fraudulentas en un 40% Reducción del 72% en quejas de clientes por fraude en un año. 14

15 15 15

16 MoneyGram International detecta y previene fraude de transferencias de fondos antes de que impacte a los clientes Necesidad Con oficinas en 190 países MoneyGram International encaró la presión de soportar los procesos regulatorios que afectaban a sus negocios internacionales Resultado Capacidad mejorada de identificar e interrumpir transacciones potencialmente fraudulentes en un 40% Haber prevenido a miles de clientes de perder fondos por fraude y haber reducido en un 72% las quejas por fraude en un año Detenido más de 37,7 M$ en fraude 16 16

17 Gran banco en Japón que implanta su capacidad de detección de blanqueo de capitales en tiempo real Necesidad Los esquemas de blanqueo de dinero eran cada vez más complejos y más difíciles de trazar. El banco necesitaba detección más ràpida y precisa Solución: IBM Pure Data System for Analytics Beneficios Detección de blanqueo en casi tiempo real Los tiempos de procesamiento analítico se redujeron en un 90% Mayor nivel de vigilancia capacitado por una actualización más frecuente de los perfiles de riesgo 17 17

18 Seguridad Big Data 18

19 Los servicios financieros están arriba en la lista de las industrias bajo ataque Top 10 Industries with Cyber Attacks in Fuente: Symantec

20 Seguridad de Big Data Cómo puedo analizar grandes cantidades de datos para ciberamenazas? Acelerar el analizar si hay datos de amenazas Firma Financiera Americana Cómo puedo protegerme contra amenazas y asegurar el cumplimiento regulatorio? Mejorar la predicción de posibles amenazas Banco Asiático Cómo puedo detectar amenazas a medida que ocurren? Detectar ciberamenazas en tiempo real Banco Europeo La firma se enfrentó a una velocidad creciente de datos de amenazas, variedad de fuentes de datos, y un volumen de datos creciente rápidamente Detección mejorada y análisis de sistemas internos contra amenazas internas y externas El banco usa una solución de log centralizado para detectar ciberataques Puede ahora producir informes regulatorios en minutos en vez de semanas El banco monitoriza todas las bases de datos en tiempo real para prevenir acceso a datos sensibles Ayuda a reducir el riesgo de datos en falta de uso, reduciendo la exposición del banco a grandes pérdidas 20

21 Paso 1: Recoger y almacenar cantidades masivas de datos de seguridad Operaciones y Tecnología de Seguridad Tradicional 21 Datos de configuración de la infraestructura Trazas de auditoría y logs del sistemas Información de vulnerabilidad y fugas de seguridad Operaciones y Tecnología de Seguridad de Siguiente Generación Actividad social y Datos de proceso del negocio Alertas de sensores de seguridad Big Data Malware y conducta Logs de seguridad de los servidores Datos externos sobre amenazas Flujos de red y anomalías Capturas de conexión Para un gran cliente de Servicios Financieros firewalls gestionados dispositivos de red combinaciones de puertos abiertos clientes Windows servidores Windows productos valorados por vulnerabilidad Estimaciones de tamaño de gran escala y alto volumen de eventos y logs 1,5 2 TB al mes por servicio de seguridad principal GB total por cada uno de los servicios menores de seguridad

22 Paso 2: Aplicar el tiempo real y el análisis histórico para construir conocimiento más allá de las herramientas tradicionales Analítica Descriptiva qué ocurrió? Ánalítica Predictiva e Histórica Capturado Detectado Inferido Cuántos, con qué frecuencia, dónde? cuál es exactamente el problema? Es relevante? Impacto de riesgo? Histórica ocurrió antes? Cómo se resolvió? Predicción Qué ocurre si esta tendencia continúa? Modelización Predictiva Qué ocurrirá lo siguiente? Modelización Decisiones Toma de Decisiones Qué acciones se deben ejecutar? Mitigación e Invalidación Còmo podemos mitigar el riesgo? cómo podemos evitarlo? Datos Información Inteligencia de Seguridad 22

23 NYSE Euronext mejora su conocimiento del mercado, detecta actividad sospecha y mejora el reporting Necesidad Ánálisis rápido de datos de actividad bursátil para facilitar el reporting regulatorio Nueva funcionalidad necesitada para trazar el valor de una compañía listada, realizando análisis de tendencias, y buscando evidencias de actividad fraudulenta El sistema anterior rastreaba grandes cantidades de datos de información irrelevante para completar las búsquedas Resultado Tiempo reducido para ejecutar la vigilancia de mercado en un 99% Capacidad mejorada para detectar actividad de trading sospechosa Estar preparado para investigar acciones tempranas, minimizando el daño a la inversión pública 23 23

24 Un banco de Oriente Próximo acelera los informes regulatorios de semanas a minutos Necesidad El banco necesitaba asegurar que cumplían con las regulaciones de la industria y nacionales Requerían una solución de gestión de logs centralizados para analizar los ciberataques y necesitaban monitorizar sus bases de datos para detectar actividades no autorizadas Procesando y analizando información auditable de logs era tedioso y lento Solución: IBM QRadar y IBM InfoSphere Guardium Resultado Pueden producir los informes regulatorios en minutos en vez de en semanas Rápidamente asegura que el banco cumple con las regulaciones del gobierno y de la industria 24 24

25 IBM Software España IBM España Encuentro de Software IBM Software España 25

26 Legal Disclaimer IBM Corporation All Rights Reserved. The information contained in this publication is provided for informational purposes only. While efforts were made to verify the completeness and accuracy of the information contained in this publication, it is provided AS IS without warranty of any kind, express or implied. In addition, this information is based on IBM s current product plans and strategy, which are subject to change by IBM without notice. IBM shall not be responsible for any damages arising out of the use of, or otherwise related to, this publication or any other materials. Nothing contained in this publication is intended to, nor shall have the effect of, creating any warranties or representations from IBM or its suppliers or licensors, or altering the terms and conditions of the applicable license agreement governing the use of IBM software. References in this presentation to IBM products, programs, or services do not imply that they will be available in all countries in which IBM operates. Product release dates and/or capabilities referenced in this presentation may change at any time at IBM s sole discretion based on market opportunities or other factors, and are not intended to be a commitment to future product or feature availability in any way. Nothing contained in these materials is intended to, nor shall have the effect of, stating or implying that any activities undertaken by you will result in any specific sales, revenue growth or other results. If the text contains performance statistics or references to benchmarks, insert the following language; otherwise delete: Performance is based on measurements and projections using standard IBM benchmarks in a controlled environment. The actual throughput or performance that any user will experience will vary depending upon many factors, including considerations such as the amount of multiprogramming in the user's job stream, the I/O configuration, the storage configuration, and the workload processed. Therefore, no assurance can be given that an individual user will achieve results similar to those stated here. If the text includes any customer examples, please confirm we have prior written approval from such customer and insert the following language; otherwise delete: All customer examples described are presented as illustrations of how those customers have used IBM products and the results they may have achieved. Actual environmental costs and performance characteristics may vary by customer. Please review text for proper trademark attribution of IBM products. At first use, each product name must be the full name and include appropriate trademark symbols (e.g., IBM Lotus Sametime Unyte ). Subsequent references can drop IBM but should include the proper branding (e.g., Lotus Sametime Gateway, or WebSphere Application Server). Please refer to for guidance on which trademarks require the or symbol. Do not use abbreviations for IBM product names in your presentation. All product names must be used as adjectives rather than nouns. Please list all of the trademarks that you use in your presentation as follows; delete any not included in your presentation. IBM, the IBM logo, Lotus, Lotus Notes, Notes, Domino, Quickr, Sametime, WebSphere, UC2, PartnerWorld and Lotusphere are trademarks of International Business Machines Corporation in the United States, other countries, or both. Unyte is a trademark of WebDialogs, Inc., in the United States, other countries, or both. If you reference Adobe in the text, please mark the first use and include the following; otherwise delete: Adobe, the Adobe logo, PostScript, and the PostScript logo are either registered trademarks or trademarks of Adobe Systems Incorporated in the United States, and/or other countries. If you reference Java in the text, please mark the first use and include the following; otherwise delete: Java and all Java-based trademarks are trademarks of Sun Microsystems, Inc. in the United States, other countries, or both. If you reference Microsoft and/or Windows in the text, please mark the first use and include the following, as applicable; otherwise delete: Microsoft and Windows are trademarks of Microsoft Corporation in the United States, other countries, or both. If you reference Intel and/or any of the following Intel products in the text, please mark the first use and include those that you use as follows; otherwise delete: Intel, Intel Centrino, Celeron, Intel Xeon, Intel SpeedStep, Itanium, and Pentium are trademarks or registered trademarks of Intel Corporation or its subsidiaries in the United States and other countries. If you reference UNIX in the text, please mark the first use and include the following; otherwise delete: UNIX is a registered trademark of The Open Group in the United States and other countries. If you reference Linux in your presentation, please mark the first use and include the following; otherwise delete: Linux is a registered trademark of Linus Torvalds in the United States, other countries, or both. Other company, product, or service names may be trademarks or service marks of others. If the text/graphics include screenshots, no actual IBM employee names may be used (even your own), if your screenshots include fictitious company names (e.g., Renovations, Zeta Bank, Acme) please update and insert the following; otherwise delete: All references to [insert fictitious company name] refer to a fictitious company and are used for illustration purposes only. 26

27 27