APIS FOR A DATA-DRIVEN BANK - IOT & NEW DIGITAL EXPERIENCE - CETIF APRIL 4, 2017
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
APIs for a data-driven bank IoT & New Digital Experience – CeTIF April 4, 2017 Federico Alberto Pozzi, Senior Solutions Specialist federico.pozzi@sas.com Company Conf ide ntial – For Inte rnal U se Only Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
Advanced data analytics is a quintessential business matter… not just in an analytics department, but throughout the organization. McKinsey & Company Company Conf ide ntial – For Inte rnal U se Only Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
SAS is a leader in the Forrester Wave: Enterprise Insight Platform Suites, Q4 2016 “ Forrester’s research uncovered a market in which SAS leads the pack. “ The Forrester Wave™: Enterprise Insight Platform Suites, Q4 2016 Forrester Research, The Forrester Wave™: Enterprise Insight Platform Suites™ is copyrighted by Forrester Research, Inc. Forrester and Forrester Wave are trademarks of Forrester Research, Inc. The Forrester Wave is a graphical representation of Forrester's call on a market and is plotted using a detailed spreadsheet with exposed scores, weightings, and comments. Forrester does not endorse any vendor, product, or service depicted in the Forrester Wave. Information is based on best available resources. Opinions reflect judgment at the time and are subject to change. Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
Adapting from a Multi Vendor Architecture … .. to a Multi-Cloud Architecture Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
Not a product, nor a solution! Products & Solutions Platform SAS® Viya™ Company Conf ide ntial – For Inte rnal U se Only Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
Architecture Revolution: key drivers Powerful Adaptive Open Unified Improve time-to-answer with Built to be elastic and scalable Access through SAS One centralised analytic faster deployment and Support industry open languages and non-SAS environment provisioning standards for Cloud and on- languages Analytical lifecycle end-to-end Self-Service with API and prem deployment 3rd party applications Administration, management, APPS Consumption based pricing for integration via API & Services delivery and execution all Innovative algorithms selected product & solutions integrated Optimised for in-memory, in- stream, in-Hadoop, in-DB, in- cloud, in-device Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
Conceptual Architecture Source-based Engines SAS Viya Parallel & Serial, Pub/Sub, Web Customer Data Intelligence Management In-Stream solutions Services, MQs. Cloud Analytics Services (CAS) Business Analytics Visualization Risk Fraud & In-Cloud CPU Management Security In-memory In-Hadoop Microservices engine APIs In-Database It runs on: or BareOS Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
New microservices architecture Performance Failover & Failover • Scalable and disposable logon • Loosely coupled authorization • Resilient and manageable • Do “one thing” well, small in focus • Independently deployable & Standard updatable • Continuous delivery • Open API “partner friendly” • Multi-tenancy Stateless • Mix & Match Microservices Stateful Microservices Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
Focus on Self-Service Advanced Analytics Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
Focus on: Data Wrangling Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
SAS Viya and IT SAS Viya use IT standards for deployment and management like Ansible, Consul, Cloud Foundry. Attractive for IT departments that need an open analytical platform that meet enterprise standards both on-prem & cloud SAS Viya has the enterprise standards IT need and Open Source software doesn’t have/limited. The new in-memory engine offers data replication and resilience. Meet different internal customer requirements like SAS programmers, business users and Data Scientists. Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
SAS Viya Openness With SAS Viya, we are more open than ever. Open Analytics platform in which both traditional SAS users and Data Scientist (Python, LUA, Java) co-exists using the same data. Stronger relationship with customer and partners that build applications using SAS Viya APIs like new site fore developers SAS Viya can be used for specific tasks in a broad Open source driven process. Blend SAS with other technologies. Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
Focus on open API Python Java Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
SAS Viya Openness Differentiators between OpenSource and SAS (9.4 + Viya) OpenSource No end-to end analytics Full support process No model management Integrated model management Complexity in production Managed and controlled deployment model roll-out Limited support for Multiple options for scalability and data scalability and data management management Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
Esempi di servizi analitici Analisi causali Analisi pagina Analisi delle dei bonifici Facebook transazioni Modello di Note del call Analisi dei churn center ticket Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
Analisi causali bonifici Risultati • Categorizzazione a più livelli gerarchici: • 17 categorie di primo livello • 120 sotto-categorie • Arricchimento del patrimonio informativo in merito agli stili di vita e alle abitudini di spesa dei clienti • Inserimento nei sistemi di CRM di 137 flag relativi alle categorie individuate Individuazione di target su cui effettuare campagne: o Clienti multibancarizzati o Possessori di mutui in altri istituti per proposta surroga o Persone titolari di assicurazioni con altre banche o … Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
Analisi pagina Facebook Risultati • Identificazione principali argomenti di discussione su pagina Facebook ufficiale • Analisi testuale strutturata secondo una tassonomia con • 10 categorie di primo livello • 50 sotto-categorie o Commenti negativi circa il Customer Care o Commenti positivi riguardanti l’organizzazione di Eventi in cui il cliente era sponsor Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
Analisi delle transazioni Risultati • Arricchimento del customer profile attraverso 5 nuovi indicatori basati su informazioni relative agli stili di consumo dei clienti • 6mln di transazioni delle carte di credito La Link Analysis ha permesso di identificare regole di associazione e di sequenza tra le categorie merceologiche di maggior rilievo Tra le prime 10 regole troviamo: - Le persone che utilizzano la carta di credito per bar/discoteche, tendenzialmente fanno transazioni in ristoranti - Le persone che usano la carta di credito per comprare gioielli solitamente acquistano vestiti Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
Modello di churn Risultati Arricchimento della Analytical Base Table con circa 20 nuovi KPI provenienti dal modello testuale di categorizzazione dei bonifici, dalle transazioni e dalla contact history. Lo sviluppo di un nuovo modello di churn ha portato a miglioramenti in termini di performance: o +18% di clienti che effettivamente lasciano la banca Tra i clienti che abbandonano e fanno bonifici, 1 su 5 fa almeno un bonifico che ricade nella categoria «Spostamento Raccolta» Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
Note del Call Center Obiettivi Individuare fattori sistematici di insoddisfazione per impostare azioni correttive e diminuire il rischio di abbandono Correlare i comportamenti futuri dei clienti con le azioni tracciate dai gestori Generare nuova conoscenza sui clienti, sui loro stili di vita, sui cambiamenti di stato nel ciclo di vita, sulla loro soddisfazione nella relazione Targeting e action più mirati perché basati su nuove ed esclusive informazioni sui clienti Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
Note del Call Center Obiettivi SAS TEXT ANALYTICS: Analisi automatica dei documenti EVIDENZE DI BUSINESS: Dare evidenza del valore di nuovi indicatori costruiti a partire dalle note STATISTICHE CATEGORIE: Dare evidenza delle caratteristiche della categorizzazione in termini di frequenze di contatto con gli utenti COSTRUZIONE BIG DATA PLATFORM: Arricchimento dei KPI tradizionalmente a disposizione per fare targeting di campagne, impostare azioni di retention e monitorare alcuni aspetti dei processi di CRM legati al gestore Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
Note del Call Center Risultati L’output dell’analisi testuale è facilmente convertibile nella creazione di nuovi KPI da inserire nei tradizionali processi di CRM. Esempi di analisi possono essere: • Utilizzo dei KPI in modelli di classificazione come alberi decisionali • Valutazione della correlazione tra le diverse categorie L’informazione estratta dai text analytics risulta utile anche legandola insieme ad ulteriori variabili di portafoglio. Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
Analisi dei Ticket Obiettivi 1. Categorizzazione dei ticket in base al loro contenuto 2. Risposta automatica: - fornire risposte pertinenti alle richieste formulate - applicare i modelli di categorizzazione per associare ad ogni ticket la categoria di riferimento - assegnare il match tra il ticket e le risposte più pertinenti - restituire un elenco di FAQ tentando di risolvere il ticket prima ancora dell’apertura Discovery 1 2 3 Richiesta assistenza Machine Learning Valorizzazione Valorizzazione Valorizzazione automatica automatica Risposta manuale del JL H Categoria Categoria presente NO campo associata al associata nelle F.A.Q descrizione campo note alle F.A.Q. Natural Language Processing Context SI Chiudi sessione Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
Thank you Federico Alberto Pozzi, Senior Solutions Specialist federico.pozzi@sas.com Copy rig ht © SA S Institute Inc. A ll rig hts re se rve d.
Puoi anche leggere