Brooklyn Hitelportfólió monitoring rendszer



Hasonló dokumentumok
Brooklyn Credit Risk Monitoring System

Lakossági Hitelkezelési Rendszer (LHR) ismertető

KIR 2.0 A KIR MEGÚJÍTÁSÁNAK ELSŐ LÉPÉSEI BARCSÁNSZKY PÉTER OKTATÁSI HIVATAL. TÁMOP-3.1.5/ PEDAGÓGUSKÉPZÉS Támogatása

Szolgáltatási szint és performancia menedzsment a PerformanceVisor alkalmazással. HOUG konferencia, 2007 április 19.

COMPANY PROFILE SZOFI ALGORITHMIC RESEARCH KFT

Infor PM10 Üzleti intelligencia megoldás

Fekete Csaba Csongor Üzleti intelligencia vezető Citibank ZRt.

SZOFI ALGORITHMIC RESEARCH KFT

Vezetői információs rendszerek

Adatbányászat és Perszonalizáció architektúra

Hitel Előtét Rendszer Loan Front End (LFE) ismertető

NETTUTOR AZ OKTATÁSSZERVEZÉS SZÁMÍTÓGÉPES TÁMOGATÁSA

Új generációs informatikai és kommunikációs megoldások ANMS. távközlési hálózatok informatikai hálózatok kutatás és fejlesztés gazdaságos üzemeltetés

Alkalmazásokban. Dezsényi Csaba Ovitas Magyarország kft.

Tudásalapú információ-kereső rendszerek elemzése és kifejlesztése

KORMÁNYZATI SZEMÉLYÜGYI DÖNTÉSTÁMOGATÓ RENDSZER KÖFOP VEKOP 16

Hogyan lesz adatbányából aranybánya?

Ropogós - Oracle BI EE 12C

A Gazdasági - Műszaki Főigazgatóság feladatai az intézményirányítás fejlesztésében

Web service fenyegetések e- közigazgatási. IT biztonsági tanácsadó

Vezetői Összefoglaló. Állami Hivatalok számára

Dokumentum kompozíció

Miskolci Egyetem Általános Informatikai Tanszék

A tesztelés feladata. Verifikáció

Üzleti folyamatok rugalmasabb IT támogatása. Nick Gábor András szeptember 10.

The nontrivial extraction of implicit, previously unknown, and potentially useful information from data.

Jelentkezési határidő: július 31. nappali / augusztus 26. esti

A TÁMOP Központi szociális információs fejlesztések kiemelt projekt keretében fejlesztett szoftverek bemutatói

Mit mond a XXI. század emberének a statisztika?

BIRDIE. Business Information Reporter and Datalyser. Előadó: Schneidler József

Jelentkezési határidő nappalis képzésre: július 13. A beiratkozás időpontja: augusztus 1. 9 óra

Személyügyi nyilvántartás szoftver

Történet John Little (1970) (Management Science cikk)

Smart City, okos város - a jövőnk kulcsa konferencia április 13. Budapest. Nagy András PhD téradat-elemzési szakértő Lechner Nonprofit Kft.

Sikerünk kulcsa: az információ De honnan lesz adatunk? Palaczk Péter

Gazdasági informatika alapjai

Az oktatás jelenlegi helyzete - jövőképe Információ alapú közoktatás fejlesztés a KIR bázisán

Vezető Partner Szeminárium IMIR

Vezetői Döntéstámogató Rendszer Ortofotó alapján Egy megvalósult rendszer tapasztalatai

IRÁNYTŰ A SZABÁLYTENGERBEN

Számítógépes döntéstámogatás. Bevezetés és tematika

Valós idejű megoldások: Realtime ODS és Database In-Memory tapasztalatok

A KRÉTA bemutatása. Gyors Áttekintő Segédlet

Van-e ingyen-ebéd? Avagy mire elég a nyílt forráskodú Pentaho? Fekszi Csaba Ügyvezető október 4.

Folyamatmodellezés és eszközei. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék

Pulzus Egészségügyi Adattárház

InCa NMS jelen és jövő HFC Technics szakmai napok

EGYSZERŰSÉG ÉS ÁTTEKINTHETŐSÉG AZ ÜZLETI ANALITIKÁBAN CRS PORTÁL AVENSOFT KFT BUDAPEST, RÁKÓCZI ÚT


Modellezési Kockázat. Kereskedelmi Banki Kockázatmodellezés. Molnár Márton Modellezési Vezető (Kockázatkezelés)

DLM PULSE - PREDIKTÍV TÁRGYALÁS TÁMOGATÓ ALKALMAZÁS DLM PULSE

A webanalitika változó világa 4 felvonásban

10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK

Bevezetés A harmadik szoftverkrízis korát éljük! Szoftverkrízisek: 1. nincs elég olcsó: hardver, szoftver, programozó 2. nincs elég olcsó: szoftver, p

Dr. Istvánovics Éva igazgató Fogyasztóvédelmi igazgatóság Sajtótájékoztató, február 18.

Csináljunk az adatból információt! A Lone-Soft listázó keretrendszerrel

Szabálykezelés a gyakorlatban

Megfelelés a PSD2 szabályozásnak, RTS ajánlásokkal Electra openapi

TSIMMIS egy lekérdezés centrikus megközelítés. TSIMMIS célok, technikák, megoldások TSIMMIS korlátai További lehetségek

A konvergencia következményei. IKT trendek. Új generációs hálózatok. Bakonyi Péter c.docens. Konvergencia. Új generációs hálózatok( NGN )

Mobilizált értékesítési folyamat

Ipari intelligens megoldások. Grüne Antwort Kft.

Vezető Kedvezményezetti Szeminárium IMIR

IBM SPSS Modeler 18.2 Újdonságok

A pénzügyi stabilitási statisztikák a növekvő nemzetközi követelmények tükrében november 29., Magyar Statisztikai Társaság

1 IdMatrix Identity Governance Válaszok a GDPR kihívásaira

A vezetői jelentésrendszer alapjai. Információs igények, irányítás, informatikai támogatás

Projektportfólió-menedzsment az MVM Csoportban

Oracle Middleware megoldások helye üzleti esettanulmányokon keresztül bemutatva, különböző iparágakban

ADATTÁRHÁZ MENEDZSMENT ÉS METAADAT KEZELÉS

Informatikai célrendszertől a komplex oktatási intézménymenedzsmentig

GroupBy. by RÉGENS RÉGENS LOGISTICS GYŰJTŐ DARABÁRU SZÁLLÍTMÁNYOZÁS

Vállalkozás Statisztikai Adatbázis

László Zsuzsanna Vezérigazgató. Integra Zrt. Budapest, 1037 Kiscelli utca

Átfogó megoldás a számlafolyamatok felgyorsításához ELO DocXtractor. Laczkó Kristóf ELO Digital Office Kft. Bálint András Prognax Kft.

Seacon Access and Role Management

Térinformatikai támogatás a kistérségi döntés és erőforrás-gazdálkodásban

Palaczk Péter A marketing folyamatok adattárház alapú támogatása

TAKARNET24 szolgáltatásai

VvAaLlÓóSs IiıDdEeJjȷŰű OoDdSs goldengate alapokon a magyar telekomban

Megújult az ARTISJUS Szerzői Információs Rendszere (SZIR) Online adatszolgáltatás szerzőknek bármikor, bárhonnan

A cloud szolgáltatási modell a közigazgatásban

JavaScript Web AppBuilder használata

Vidék Akadémia a vidék jövőjéért október , Mezőtúr. Közösségi tervezés

A PROJEKTTERVEZÉS GYAKORLATI KÉRDÉSEI: SZAKÉRTŐ SZEMÉVEL. Pályázatíró szeminárium, Stratégiai partnerségek Január 16.

Intelligens partner rendszer virtuális kórházi osztály megvalósításához

A BISZ Központi Hitelinformációs Zártkörűen Működő Részvénytársaság (BISZ Zrt.) és a Központi Hitelinformációs Rendszer (KHR) bemutatása

Self service reporting fogások, technikák és megoldások controllereknek, nem csak Excel alapon

RapidAnalytics Enterprise Edition bevezetés a Telenor Magyarországnál. Szakács Balázs - Telenor Magyarország Szücs Imre United Consult

SLA Suite. Új generációs informatikai és kommunikációs megoldások

Oracle GoldenGate Studio Nagyon rövid bemutató. Quick Talk. Gollnhofer Gábor

Szoftver-technológia II. Szoftver újrafelhasználás. (Software reuse) Irodalom

innovációra és nemzetközi együttműködések

Területi elemzések. Budapest, április

A DigiKresz internetes gyakorló program hatékony segítség az elméleti oktatást követő vizsga eredményességének növelésében.

Bemutatkozó anyag, referenciák

Projekt menedzsment és kontrolling a kormányzati szektorban

our future our clients + our values Szeptember 16. MEE vándorgyűlés 2010

Párhuzamos és Grid rendszerek

A MiddleWare rendszerek Rolls Roysa

Átírás:

Brooklyn Hitelportfólió monitoring rendszer A banki szféra döntéshozóinak minden egyes döntése kockázatvállalást jelent. A banki üzemvitelt érintő kockázati faktorok rendkívül sokrétűek, különböző súlyokkal ugyan, de mindegyikük kifejti hatását. Az elmúlt 4 év pénzpiaci történései: a drámai mértékű eszközportfólió romlás, a likviditási kockázatok növekedése, a kölcsönös bizalmatlanság még inkább reflektorfénybe állította ezeket a kérdéseket. A pénzügyi szférában is a kockázat/haszon arányok megfelelő értékelése jelenti azt a kihívást, amellyel a banki hierarchia különböző szintjein dolgozó döntéshozóknak naponta meg kell felelniük. A rendszer feladata A Szofi Algorithmic Research Kft által kifejlesztett Brooklyn Hitelportfólió monitoring rendszer a Bank és a BISZ közötti adatforgalom folyamatos statisztikai elemzését, monitoringját végzi úgy, hogy a statisztikai analízis eredményeit egy többnézetű vezetői információs rendszernek adja át. (A többnézetűség a különböző szintű döntéshozók számára kialakított rendszernézeteket jelenti.) Magyarországon a jogalkotó kötelezővé tette az ún. teljes adósnyilvántartást (KHR), amely egy kényszerű, de kötelező adatszolgáltatást jelent a hitelszerződések bizonyos, jól meghatározott adatait illetően. A Brooklyn a bank és a KHR közötti adatfolyamot monitorozza, elemzi. A rendszer használatának legfontosabb előnyei A Brooklyn észrevétlenül, a háttérben dolgozik. Nincs szükség az Adattárházból való bonyolult ad hoc lekérdezésekre, mert a Brooklynon szükségszerűen átfolyó, a BISZ számára kötelezően megküldendő adatokból álló adatfolyam azonnali feldolgozásra, elemzésre kerül. Az elemzést végző Data Analysis Engine egy része a klasszikus statisztikai elemző eljárásokkal dolgozik, míg egy másik része a Szofi Algorithmic Research által kidolgozott innovatív eljárásokat tartalmazza. Ez utóbbiak biztosítják, hogy a Brooklyn egy intelligens, tanuló rendszerként, az általa feldolgozott, egyre nagyobb és nagyobb mennyiségű adat és esemény feldolgozásával egyre biztosabban hoz meg olyan állításokat, amelyek sztochasztikus modelleken alapulnak. A Brooklyn, a statisztikai elemző motorja által feldolgozott adatok, a generált, eltárolt, és a különböző szintű és jellegű idősor elemzéseknek is alávetett statisztikák alapján a bank hitelportfóliójában beálló legcsekélyebb szintű változásokat is érzékeli. A nyers eredményeket könnyen értelmezhető üzenetekkel egészíti ki, ezzel segítve az információ feldolgozását végző banki döntéshozót. A hiteltörlesztések sorozatának (tőkelefutás) elemzése alapján végzett proaktív törlesztés monitoring (Brooklyn RPM Proactive Repayment Monitoring) a nagy valószínűséggel, a törlesztési hajlandóságban beálló változásokat jelzi a bank adott területtel foglalkozó munkatársának.

A problémás ügyletek, illetve a törlesztési problémákkal küzdő ügyfelek együttes és újszerű módon történő elemzéséből származó statisztikai bázis alapján a Brooklyn Credit Scoring Assistant a hitelbíráló ügyintézők felelős munkájához ad jelentős támogatást. A Brooklyn Analyst egy felület, amelyen keresztül a bank elemző munkatársai közvetlenül kérdezhetnek le statisztikai mutatókat, nyers alapadatokat, aggregátumokat. Támogatott döntéshozói szintek Felső szintű döntéshozói támogatás Elemzői támogatás Hitelügyintézői, hitelbírálói támogatás Felső szintű döntéshozók számára nyújtott előnyök 1. Áttekinthető Napi Jelentés formájában a legfontosabb és legfrissebb elemzések alapján, azonnal áttekinthetők a Hitelportfólióban bekövetkezett változások. Egy egy tömör információt, top down módon, tovább részletezhetünk. 2. A Napi Jelentés részeként figyelmeztető üzenet érkezik akkor, ha a portfóliót érintő valamely paraméterben a negatív irányú változás szignifikáns módon megváltozik. 3. A rendszer korai kockázatfelismerő képessége biztosítja a proaktív portfólióvédelmet. Banki elemzők számára nyújtott előnyök 1. A Brooklyn Statistical Engine és Data Analysis Engine alrendszerei által előállított atomi statisztikák, amelyekből a komplex információkat készíti el a rendszer, egy jól definiált interfészen keresztül az elemzők számára is elérhetők. Ezeknek az adatoknak a birtokában egyéb a Brooklyn által nem elvégzett eseti jellegű komplex elemzések, jelentések is könnyen elvégezhetők. Hitelbírálók, hiteltörlesztések ellenőrzését végzők számára nyújtott előnyök Jelenleg, a KHR számára biztosított ügyféladatokra támaszkodva az alábbi funkciókkal támogatja a Brooklyn a proaktív hitelvédelmet. 1. A tőketörlesztés lefolyásának (tőkelefutás) elemzésével már korai szakaszban felismeri a rendszer azokat a hiteleket, amelyek nemfizetési valószínűsége növekszik. 2. Lényegi matematikai statisztikai tudás nélkül is könnyen értelmezhetők a rendszer által előállított adatok, így az ügyintéző még időben megteheti azokat a megelőző lépéseket, amelyeket a banki protokoll számára előír.

3. Az ügyféladatok elemzésével a Brooklyn tanuló rendszere képes előminősíteni a leendő ügyfeleket, így jelentős támogatást képes adni a credit scoring folyamatát végző ügyintézőnek. Rendszer architektúra A Brooklyn bizonyos részrendszerei mesterséges intelligenciának tekinthetők abban az értelemben, hogy a működés során tanulnak és értékelésükben folyamatosan jelennek meg a beépülő új információk. A rendszer felhasználói felülete áttekinthető, letisztult és elegáns, jelentős mértékben megkönnyíti az információk és adatok értelmezését. Az adatokon és szöveges információkon kívül, szinte minden esetben amikor az egyáltalán értelmezhető interaktív grafikonok segítik a felhasználó munkáját. HETEROGÉN BANKI BACK OFFICE RENDSZEREK KHR Brooklyn REPORT GENERATOR ALERT GENERATOR DATA ANALYSIS ENGINE STATISTICAL ENGINE (DATA GATHERING) A Statistical Engine végzi az adatok gyűjtését és a további elemzéshez szükséges csoportosítást, aggregálást. A Data Analysis Engine feladata a Stat.Engine adatainak statisztikai analízise. Az elemzők számára olyan mennyiségű, frissességű és minőségű adatot szolgáltat a rendszernek ez a rétege, amelyekre támaszkodva a legmélyebb és legkülönbözőbb irányú kutatásokat, elemzéseket végezhetik el.

A Report Generator az alsóbb két réteg adataira támaszkodva, készíti el az felhasználó számára már értelmezhető kimutatásokat, lekérdezéseket. Ez az alrendszer nem csak megjeleníti az adatokat, de értelmezi is, és ezzel segíti a felhasználót az adatok szemantikájának feltárásában. Az Alert Generator kulcsparamétereket figyel, és amennyiben szignifikáns mértékű elmozdulást észlel a monitorozott paraméterekben, akkor riasztást generál, amit a döntéshozó számára tesz közzé. A rendszerbe integrált eljárások és módszerek egy része a klasszikus leíró és matematikai statisztika eljárások implementációi, más részük a legmodernebb, például neuronhálózatra alapuló eljárásokat is tartalmaz. Üzemelési környezet Brooklyn Oracle alapú eljárásait és függvényeit, az ezek által megvalósított funkcionalitásokat a felhasználók J2EE technológiával fejlesztett felületen keresztül érhetik el. Ebből következően a Brooklyn üzemeltetéséhez az Oracle Database Engine és valamely Applciaton Server megléte szükséges. Moduláris bevezethetőség, önállóan működtethető rendszermodulok A rendszer tervezésekor figyelembe vettük, hogy a fokozatos, modulonkénti bevezetés is megvalósítható legyen. A kezdő modulként javasolt Brooklyn Basic már magában foglalja azokat az öntanuló eljárásokat, amelyeket a Data Analysis Engin be integráltunk. Ez biztosítja azt, hogy a később bevezetett modulok már egy többhónapos, esetleg éves bankfüggő éles adatokon való tanulási folyamaton átesett intelligenciákra alapozhassák működésüket. Modulnév Brooklyn Basic Brooklyn Advance Brooklyn PRM (Proactive Repayment Monitoring) Brooklyn Credit Scoring Assistant Brooklyn Analyst Jellemzés Alaprendszer, amely már a legfontosabb funkcionalitásokat magában foglalja Brooklyn Basic funkcionális bővítése Hiteltörlesztés monitoring alrendszer Hitelbírálati alrendszer Statistic API a bank üzleti elemzői számára. A Brooklyn által készített elemi és komplex statisztikai adatok direkt módú lekérdezését biztosító alrendszer. A Brooklyn rendszer egészében, és annak a saját fejlesztésű eljárásai egyenként, a Szofi Algorithmic Research Kft. és a SzofiUSA Inc. jogtulajdonát (owner right) képezik. A rendszer tervezői a Brooklyn t üzemeltető Bank számára folyamatos, adott SLA (Service Level Agreement) által pontosan szabályozott támogatást (support) biztosítanak. A rendszer széleskörűen paraméterezhető, de külön szerződésben definiált feltételek mellett lehetőség van különleges, az adott bank specifikus igényeinek kielégítésére is.

Felület design A felület tervezői a rendszer jellegéhez illeszkedő elegáns, minimalista és a funkcionalitásokra fókuszálló, grafikus felületet álmodtak meg. Az alábbi képernyők a rendszer béta változatából származó illusztrációk.