Banking

Advanced Analytics | Analytics | Artificial Intelligence | Data Visualization | Machine Learning
Falko Schulz 0
Analyzing demographics and patterns-of-life using SAS Visual Analytics

The IEEE Visual Analytics Science and Technology (VAST) Challenge provides a great opportunity to validate our software against real-world scenarios using complex data sets. Not only do we learn from these projects, but we also send feedback to our development teams to further improve product capabilities for customers.

Analytics
Andrés Mauricio Torres 0
¿Cómo ser el mejor laboratorio de innovación financiera?

En el 2022, el Banco de Bogotá, una de las instituciones financieras más importantes y tradicionales de Colombia, recibió el reconocimiento como el Mejor Laboratorio de Innovación Financiera en la categoría “laboratorio de empresas de servicios financieros trabajando con startups y scaleups externas”, por parte de Global Finance. Los laboratorios de datos

Advanced Analytics | Artificial Intelligence | Fraud & Security Intelligence | Machine Learning | Risk Management
Yuri Rueda 0
Lavado de dinero, cinco tendencias para combatirlo

Para los defraudadores y blanqueadores de fondos, el lavado de dinero es una mina de oro altamente redituable. Se calcula que entre el 2% y el 5% del producto interno bruto (PIB) global es lavado, lo que representa casi $3,000 millones de dólares (mdd) de fondos ilícitos que se fluyen

Advanced Analytics | Artificial Intelligence | Risk Management
Mauricio González 0
Apertura e innovación, herramientas del ecosistema fintech para ampliar la inclusión financiera

Para el sector fintech de México, 2021 fue un año de crecimiento pese a la pandemia y los efectos de ésta en la economía. Según Financial Technology Partners, las inversiones en esta industria durante el año pasado a escala global llegaron a la marca de los $140 mil millones de

Advanced Analytics | Analytics
Tres recomendaciones para mejorar el impacto de la analítica en la generación de nuevas experiencias de cliente

Industrias y organizaciones que aceleraron varios años sus procesos de transformación digital, tendencias phygital que combinan y aprovechan los escenarios físicos y digitales para adaptarse mejor a los nuevos requerimientos de los clientes y consumidores cada vez más empoderados. Estos son algunos de los elementos que están configurando la nueva

Advanced Analytics | Analytics | Students & Educators
Alina Luchian 0
UBB FSEGA's inspiring vision for its role in Romania’s developing economy

Babeș-Bolyai University (UBB) is the largest and highest-ranked university in Romania. Its Faculty of Economics and Business Administration (FSEGA) is the largest faculty at any university in Romania. It is also the highest-ranked institution in the country for management and business and top-ranked for economics. The faculty was founded as

Advanced Analytics | Analytics | Artificial Intelligence | Fraud & Security Intelligence
Andreas Kitsios 0
Does Romania need to boost its anti-money laundering toolbox?

Traditionally, banks have been seen as the front line in anti-money laundering activity. They have increasingly been subject to regulatory requirements to check customers, transactions and activity. However, as governments have required banks to make fraudulent activity harder, criminals have evolved their tactics. And the financial sector needs to keep

Analytics | Learn SAS | Students & Educators
金融業界のデジタル化を担うデータサイエンティストの業務とは? 【アナリティクスを活用するキャリア: 信金中央金庫】

「お客様とFace to Faceで向き合うことができるという信用金庫の強みが、コロナ禍により十分発揮できなくなっています。そんな今だからこそ、業界のセントラルバンクである信金中金で、業界のデジタル化を推し進める役割を皆さんも一緒に担いませんか?」 信金中央金庫 しんきんイノベーションハブの狩野 詩生(かのう しゅう)氏は、アカデミア向けにアナリティクス・データサイエンスのキャリアを紹介するイベント「SAS アナリティクス・キャリアシンポジウム」でこう学生に問いかけました。 本イベントは、2021年12月22日(水)、SAS Japan六本木オフィスで開催され、同時にオンライン配信されました。「データサイエンティストが21世紀の最もセクシーな仕事」と言われて10年近くが経とうとしており、企業や組織でデータ活用の役割は徐々に広がりを見せていますが、どのようなスキルをどんな業務に活用しているかについては、まだ一般的ではありません。「データサイエンティストになりたい」と考える学生も、業務内容やキャリアを明確にイメージできないのではないでしょうか。このイベントでは、社会におけるアナリティクス・データサイエンスの活用をアカデミアに紹介するとともに、教育の側からのアプローチも論じます。 信金中央金庫は、全国の信用金庫の「セントラルバンク」として、信用金庫からの預金を投資・融資して運用しています。金融機関では、以前より金融リスクの管理や不正取引の検知の業務において、アナリティクスが活用されてきました。国の経済インフラを担う金融機関が健全な取引を行い、金融犯罪を防止するための対策は、監督省庁が目を光らせる規制業務であり、金融機関が必ず整備しなければいけない領域です。例えば、金融機関が保有している資産が将来どのような価値を持つのか、そのばらつきを予測するために統計学と金融工学をフル活用したり、また、国際犯罪組織による資金洗浄(マネー・ロンダリング)目的の海外送金を検知し、ストップをかけるために、統計モデルや機械学習モデルを構築したり、実は、データサイエンティストが世界の金融を支えているのです。 狩野氏は大学でマーケティングや経営学を専攻し、信金中央金庫で融資業務やコンサルティング業務を経験後、信用スコアリングモデルを作成・研究する業務に従事しました。信用スコアリングとは、端的に言えば、融資先が返済不能になる可能性がどれぐらいあるかを数値化することです。このために、場合分けのルールや統計モデルを活用します。また、最近では、EBM(Event Based Marketing)でのデータ活用に取り組んでいます。入出金データなどから、顧客の資金ニーズを予測し、適切なタイミングで商品を提案できるようにすることが狙いです。従来であれば、大まかな顧客カテゴリに応じた提案しかできなかったのが、予測モデルの活用により、よりパーソナライズされた提案ができるようになります。 このような目的のために、次のような業務があります。 どのようなデータをどのように受け取り、蓄積するかを設計する データのありかを整理し、内容を理解した上で、基礎分析により特徴を把握する 予測モデリングのためにデータの整形・加工を行う 統計学や機械学習を駆使してモデルを構築する データサイエンティストといえば、4番のモデル構築のスキルが重要に思われがちですが、それまでの準備も大切です。狩野氏は、データサイエンティストの業務において求められるスキルとして、「データ理解」「プログラミング」「モデル構築」に加え、「企画・立案」「サービス提供」を挙げています。特に、しんきんイノベーションハブのような組織では、顧客である信用金庫がどのように活用するかも考えてサービスを設計することが必要です。さらに、統計やデータ分析の専門家ではない顧客に説明し、使ってもらえるようにすることも求められています。特に金融機関のアナリティクス活用では「説明力」に重きが置かれており、モデリングにおいても、ブラックボックスのAI・機械学習より、説明力の高い統計モデルが利用されることが多いようです。 また、普段はSASやPythonプログラミングで業務にあたりますが、「どのような分析環境が利用できるかは組織によって異なるので、プログラミング言語については、広く勉強したほうが有利かもしれない」と狩野氏は述べました。「データ理解」についても、入社しないと業務についての知識を得ることは難しいので、組織のなかで学ぶ意欲とコミュニケーション力が重要になります。 信金中央金庫では、全国の信用金庫のデジタル体制の整備を担うため、幅広い業務があり、今後人材需要が高まります。データサイエンスに興味のある学生のみなさん、金融業界での活躍を目指してみませんか? 学生のみなさんは、統計学や機械学習を用いた予測モデルについて、SAS Skill Builder for Students で学習することができます。特に、「Predictive Modeling Using Logistic Regression」や「Machine Learning Using SAS Viya」は、SASソフトウェアの学習と同時に、予測モデルを利用する目的や、モデル構築や評価での注意点を学習できます。SAS Skill Builder for Student については、こちらのブログ記事シリーズもご参照ください。

Advanced Analytics | Fraud & Security Intelligence
Aline Riquetti 0
Análise de redes de relacionamento aplicada à prevenção às fraudes e outros crimes financeiros

“Diga-me com quem andas e te direi quem és” é um provérbio popular vastamente conhecido e um consenso entre várias pessoas. Porém, será que essa máxima é verdadeira em todas as situações? Se assim o for, como poderíamos empregar essa relação nas atividades de prevenção a fraude e outros crimes

Analytics
WooSeong Jeon 0
지불/결제 시장의 변화와 새로운 사기 위협

지불/결제(Payments) 사기는 악의를 가진 누군가가 다른 사람의 개인 결제 정보를 훔치거나 속여 빼낸 다음 해당 정보로 허위 또는 불법 거래에 사용할 때 발생합니다. 새로운 결제 수단이나 서비스가 인기를 끌 때마다 결제 환경과 트렌드가 바뀝니다. 사기범들도 마찬가지입니다. 그들은 새롭고 점점 더 교묘해지는 지불/결제 사기 수법을 개발하여 새로운 환경에 적응합니다. 사기범은 사기를

Fraud & Security Intelligence
Zbigniew Skaliński 0
Praktyczne wykorzystanie analizy sieci społecznej (SNA) w analizie śledczej

Skąd się wzięła i czym jest analiza śledcza, zwana także analizą kryminalną? Potrzeba stworzenia takiego narzędzia zaistniała w końcu lat 60-ch w USA i została wyartykułowana przez organy ścigania. Była ona spowodowana rozwojem przestępczości zorganizowanej, dużą liczebnością i skomplikowaną strukturą grup przestępczych oraz transgranicznym charakterem przestępstw, w czym przodowała włoska

Analytics | Fraud & Security Intelligence
Min-Gi Cho 0
[AML 시리즈 #1] 자금세탁 방지 고도화를 위한 AI/ML 도입 방안

1회. 도입 목적과 범위, AML Compliance Analytics Maturity Model 자금세탁 방지 의무가 있는 대부분의 금융 기관과 기업은 자금세탁 방지와 관련된 컴플라이언스 업무 수행을 위해 막대한 인력, 시간, 비용, 노력을 투자하고 있습니다. 자금 세탁 방지 컴플라이언스는 FATF가 설립된 1989년 이후 자금세탁 방지(AML;Anti-Money Laundering), 테러자금조달 방지(CFT; Countering the Financing of Terrorism), 대량살상무기

Advanced Analytics | Artificial Intelligence | Cloud
Santiago Fainstein 0
Analítica, nube e inteligencia artificial, tres de las tecnologías en las que más invertirán las empresas en el 2022

La acelerada digitalización de los servicios y el cambio definitivo en el comportamiento de los clientes son algunas de las razones que llevarán a las empresas a aumentar sus inversiones en tecnología en el 2022. Aunque la tecnología no lo es todo en los procesos de transformación digital, sí es

Analytics | Artificial Intelligence | Fraud & Security Intelligence
Adrian Niga 0
Anti-money laundering measures need to go beyond banks

When considering anti-money laundering operations, it’s not unreasonable that most people would probably think first of banks and other financial institutions. These organizations are probably the most obvious place to deposit large sums of money, including those obtained from criminal activities. And are therefore the most important first line of

1 2 3 13