Big Data bij de Rabobank Platform Klantgericht Ondernemen, 19 sept 2012 Marcel Kuil en Hilde van Hulten
Onderwerpen Big Data bij Rabobank; Wat en waarom? Roadmap Aanleiding Doelstelling Aanpak Inrichting Privacy aspecten Organisatie Case; Een voorbeeld Lessons learned; Welke zaken trekken de aandacht? Klantgericht ondernemen
Big Data tijdlijn Brainstormsessie met business. Big Data Resultaat: lijst met Eerste Big Data wederom in de 67 mogelijke Big case t.b.v. IBA ICT trends Data cases bankieren op Top 10 Mobiel GO MT GroepICT om project op te starten Realisatie Big Data omgeving in Positioning productienetwerk Paper over van de Rabobank Big Data Matching Frieslandbank, verdieping klantintegriteit, social mining Clustering transacties, case Cases: klantintegriteit Klikgedrag Rabobank.nl, ServiceDesk, Bedrijven FL Cases: Plofkraken & Extractie lokale bank betaaltransacties Voorstel hoe Big CEA & interpretatie Data in te bedden visualisatie in de productie omgeving mrt 11 jun 11 jul 11 30 sept 11 jan 12 feb 12 mrt 12 apr 12 mei 12 jun 12 Q3 Q4
Rabobank ict trends ICT Trends 1 Mobile: Interconnected apps 2 User Experience & Gamification 3 Personalization & Consumerization of IT 2012 2013 4 Balancing Security, Identity, Privacy & Trust 5 Context aware & event driven 6 Big Data 7 Open Data & Open Services 8 Sustainability, Transparancy & Green IT 9 Co-operative driven 10 Cloud & Xaas 11 Social Intelligence
Advies Positioning paper Mogelijkheden Value ICT impact Op welke termijn doen? Commentaar Knelpunten oplossen ---- Hoog Oplossen met huidige BI tools. Hadoop geen goede keuze Business processen Laag Pilot kan zichzelf terug verdienen Nieuwe business mogelijkheden Nieuwe business modellen Medium Hoog Te vroeg. Eerst zelf ontdekken
Cases Belangrijkste aandachtsgebieden: Risico signaleren, voorspellen Klantgedrag inzicht in gedrag van de klant Klantprofiel zo volledig mogelijk Klantwaarde herkennen van invloedrijke klanten en hun netwerk Hypotheken kunnen analyseren van hypotheekgegevens Events herkennen van belangrijke gebeurtenissen voor de klant Kanaal kanaalvoorkeur klant
7 Proof of Concept Big Data 2012 Eenvoudig beginnen en stapsgewijs complexiteit toevoegen Interne Data Internet Data Social Data Open Data Trend Data Financieel Netwerk Klik gedrag Sociaal Netwerk, Twitter, FB,.. Overheid Socio Demografisch KNMI, Google Trends,.. Door data te combineren is de klantwaarde te verhogen door inzicht in : kanaalpreferentie, Klantgedrag,,Klantintegriteit (risico & fraude),klantevents
Technische inrichting Hadoop cluster 16 nodes + 1 master 3*128 Terrabyte Hive, Pig, MapReduce Datacentrum Boxtel Productie omgeving Dedicated ruimte
Casus Mobiel Bankieren Voordelen: Autocomplete functie voor klant Geen adresboek meer nodig Snellere berekening: van 10 uur naar 3 minuten Door op basis van 3 miljard transacties een financieel netwerk per klant op te bouwen kan de klant klantvriendelijker mobiel bankieren
7 miljard transacties 10.000,-/week 250,- Woonplaats CDD-klasse 168,- 3x onacceptabel in financiële netwerk
Casus Klikgedrag Rabobank.nl Aantallen cases: Een specifieke case: Varianten:
Lessons learned + Hoge performance tegen lage kosten + Lineair schaalbaar + Vele toepassingsgebieden voor Big Data + Over het algemeen een positieve houding t.o.v. deze nieuwe technologie Privacy aspecten Verwachtingen management Hadoop is maar een deel van Big Data: Uitdagingen op het gebied van data Ruwe data wordt niet vastgehouden, capaciteit/kosten overweging Historische transactiedata is moeilijk te ontsluiten Data kwaliteit niet constant Data security, classificatie Geen consistent overzicht van data eigenaren en beschikbare data Speciale kennis/vaardigheid (in eerste instantie) vereist Visualisatie belangrijk
Aanvullende gegevens Marcel: m.kuil@rn.rabobank.nl Hilde: h.j.m.hulten@rn.rabobank.nl Meer informatie over Big Data te vinden op: http://strataconf.com/ http://www.youtube.com/playlist?list=pla8f8634d3f361ee6