Data intelligence mogelijk maken bij een bank via een gecentraliseerd dataplatform op Azure 

In het dynamische landschap van het bankwezen stond onze klant voor de uitdaging om veel data te hebben uit verschillende bronsystemen, waarbij het onder andere moeilijk was om de data direct beschikbaar te hebben voor de data-analisten en scientisten. Het was moeilijk om een overzichtelijk beeld te krijgen van hun klanten en om de verschillende data te combineren voor verschillende soorten analyses, zoals netwerkanalyses en fraudedetectie. Het ontbreken van één ‘single source of truth’ vroeg om een transformatieve oplossing.

De bank zag de noodzaak in van een uniforme analyseomgeving. Het doel was om een gecentraliseerd platform te creëren voor de invoeren transformatie van data uit verschillende bronnen. Dit moest een duidelijk overzicht bevatten om de lopende activiteiten te monitoren. Daarnaast was het doel om de klantgerichtheid te verbeteren door gebruik te maken van de grote hoeveelheid verspreide klantdata die beschikbaar waren. We werden betrokken bij het bouwen van een Sales Engine, aangevuld met het creëren van een Sales Data Mart, om zo te zorgen voor een uitgebreid salesoverzicht, welke voorheen ontbrak.

Samen met de klant hebben we een centrale analyseomgeving gecreëerd op Azure, waar de data wordt binnengehaald en verwerkt met Pyspark en SQL tot een formaat dat kan worden gebruikt door de data-analisten en scientisten. De oplossing bevat een orchestration framework dat ervoor zorgt dat alle verschillende dataverwerkingsstappen en pipelines worden gestart zodra de benodigde data beschikbaar is. Logging van alle activiteiten is geïmplementeerd, inclusief monitoring dashboards en notificaties in geval van storingen. De kwaliteit van de getransformeerde data wordt gewaarborgd door de data op meerdere criteria te valideren voordat ze worden opgeslagen.

De beschikbaarheid van data is toegenomen door het geautomatiseerde orchestratie framework dat we hebben geïmplementeerd. De toevoeging van een monitoring setup samen met geautomatiseerde kwaliteitscontroles verhoogde bovendien de betrouwbaarheid van de data. Dit maakte geavanceerde analyses mogelijk, zoals fraudedetectie, netwerkanalyses en de Sales Engine, waarbij gebruik werd gemaakt van de grote hoeveelheid waardevolle data die beschikbaar was.

Deze case is breed toepasbaar voor sectoren die worstelen met gedecentraliseerde data en op zoek zijn naar verbeterde operationele efficiëntie. Organisaties die moeite hebben met het opzetten van één enkele bron van waarheid kunnen onze aanpak gebruiken om analyses te centraliseren. Neem contact met ons op en ontdek hoe onze datagestuurde oplossingen u kunnen helpen uw bedrijfsdoelen te bereiken.