Дженнифер Трелевич, директор отдела риска и рыночных данных технологического центра «Дойче Банка»

Финансовый сектор, наряду с телекомом, выступает одной из движущих сил рынка Больших Данных. Финансовые организации обладают не только достаточным объемом данных, но и мощью, чтобы заставить их работать. Deutsche Bank – инвестиционный банк, однако его успех не меньше зависит от Больших Данных, чем бизнес банков-ретейлеров. Дженнифер Трелевич, директор отдела риска и рыночных данных технологического центра «Дойче Банка», 23 марта выступит на форуме BIG DATA 2016 издательства «Открытые системы» (www.osp.ru/iz/bigdata). Мы попросили ее поделиться своим видением развития технологий Больших Данных отрасли.

Если говорить о Больших Данных как источнике изменения бизнес-моделей, как вы смотрите на перспективы цифровой трансформации банковского бизнеса?

По сути, в инвестиционном банкинге цифровая трансформация происходит в течение многих лет. Не зря вы даже в кино видите трейдеров исключительно за экранами компьютеров. Например, алгоритмический трейдинг в свое время кардинально изменил инвестиционный банкинг. Сейчас он достиг высочайшего уровня развития, именно опираясь на алгоритмы обработки Больших Данных. Он позволяет за микросекунды принимать решения о продажах и покупках исходя из анализа сделок на фондовых рынках, которых происходит за день миллионы.

Но сегодня благодаря мобильным технологиям открываются совершенно новые возможности. В прошлом наши клиенты должны были долго ждать отчетов, чтобы принять меры в той или иной финансовой ситуации. Сейчас они могут быстро принимать решения и даже совершать какие-то действия, получая нужную информацию в удобном виде на своих мобильных устройствах. Например, в рамках банковской инициативы под названием Next мы разрабатываем приложения для Apple Watch, которыми активно пользуются и трейдеры банка, и топ-менеджеры компаний – наших клиентов.

Какие источники данных используются при решении задач банка?

Конечно, прежде всего внутренние источники – данные всех операций, которые банк совершает. Но внешние данные тоже имеют очень большое значение. Разумеется, это не информация о клиентах из социальных сетей: мы не потребительский банк, наши клиенты – крупные корпорации. В качестве внешних источников используются регулярно публикуемые финансовые отчеты компаний, а также стандартные потоки рыночных данных или, например, сообщения агентства Reuters.

Исследования показывают, что дефицит кадров становится серьезным фактором, сдерживающим развитие технологий Больших Данных. Сталкиваетесь ли вы с таким дефицитом?

Не думаю, что найти людей с необходимыми навыками трудно. Data scientist – это специалист одного из двух типов. Первый тип – специалист по математическому моделированию, который понимает отношения между данными разных видов, знает алгоритмы для извлечения из данных нужной информации, способен оценить количество измерений в математической системе и необходимость дополнительных данных для ее эффективной работы. Возможно, он не знаком с Hadoop, но этот пробел легко восполнить посредством тренингов.

Второй тип – архитектор по данным, понимающий «передвижения» данных в системе и способный ее качественно спроектировать. В таких компетенциях, как и в знаниях по математическому моделированию, нет ничего нового, только теперь приходится иметь дело с большими объемами данных и более высокими скоростями их обработки.

Новизна, пожалуй, состоит в том, что при работе с Большими Данными нужно сочетать эти компетенции со знанием соответствующих алгоритмов и умением работать с высоконагруженными системами. Это междисциплинарная задача, но ее вполне можно решить, если собрать команду с достаточным числом сотрудников, обладающих по отдельности нужными навыками. Руководители организаций должны это понимать и не отказываться от таких проектов под предлогом невозможности нанять суперспециалистов, имеющих все эти знания в комплексе.