大數據已經不再是一個革命性的概念。在銀行、保險公司和其他一些金融機構，數據在優化用戶服務、精準風險預測、驅動利潤增長、保持行為規范等方面發揮著越來越重要的作用。
大多數的組織機構正在認識到，在現今瞬息萬變的交易市場上制定戰略性的數據驅動型商務策略，對于保持競爭性和可持續性是至關重要的。事實上，凱捷公司研究表明北美90%的金融機構認為成功的數據方案將定義未來的成功者。
雖然很多企業意識到需將數據整合到商務決策中，但不少企業并不清楚了解如何基于數據制定決策。單就金融領域持續生成的數據來說，就包含了交易數據、用戶數據、市場數據、管理數據等持續生成數據。這些信息的容量非常驚人，有些組織甚至都找不到合適的工具來分析這些數據。
語義技術應運而生。在最高層次上，語義分析可以給出結構數據和非結構數據的意義，并使其可以操作。因此解決了金融機構挖掘數據價值時面臨的重大挑戰。
語義分析的核心是圖形數據庫，也稱為“triplestores”(三重存儲)。“triplestores”由三元組或以主謂賓格式存儲的信息片段構成。例如“美國銀行是企業”或者“吉姆是人”。通過這種方式，三元組可以用來描述任何事情，并可以推斷人物、空間、機構和其他實體之間的關系。
在金融服務的三個方面，語義技術有深遠的影響。
用戶體驗
NGDATA研究顯示，42%的美國消費者將用戶服務作為選擇銀行的最重要的因素，然而只有20%的被調查者認為他們所選擇的銀行充分了解他們的需求和偏好。
當我們考慮所有消費者信息來源時，不難發現將全部數據整合到標準格式得到完整的圖表并基于圖表進行決策是多么的困難。提取、轉化和加載(ETL)這些傳統的工藝都是昂貴的資本消耗和時間消耗，這些傳統工具往往并不能分析非關系型數據。
但是，語義技術 可以通過將包含人口統計信息、事務數據,網絡數據、呼叫中心記錄、重大生活事件、社交媒體數據等數據在內的用戶信息快速和輕松的整合而解決這個問題。這樣，銀行就可以對其顧客有更全面的了解，準確知道用戶的偏好，滿足他們的需求。
眾所周知，收益的增加來自于現有客戶。通過更徹底了解用戶偏好，銀行不僅可以深化用戶忠誠度，還可以提供更加個性化、關聯化的用戶服務，更好的預測和建議產品與服務，提高收益。
非法活動檢測和預防
對內部交易、洗錢、身份盜竊和其他一些金融欺詐來說，語義分析將在識別和預防方面發揮重大作用。語義技術講新聞、官方文件、電話記錄、電子郵件等進行綜合考慮，發現和推斷人物、組織和事件之間的聯系。
一個典型的案例是針對內部交易的。語義分析可以加速、簡化調查過程。調查者可以通過語義分析觀察上市公司在合并、重組、接管等重大事件宣布前的交易情況，結合電話記錄或郵件記錄甄別交易者和其他各方的通信情況。相同的語義技術也可以用來識別欺詐、殼公司或發現類似于腐敗和洗錢等的不法行為。
簡化操作
金融服務的報告結構和規范是被高度管制的，組織機構必須持有清晰的歷史記錄。
語義技術可以建議標準的行業模型使得所有的金融機構都可以映射數據。這個模型叫做金融行業業務本體(FIBO)，被企業數據管理委員會定義為定義術語、事件、金融合約之間關系的“通用語言”標準。
FIBO 提供了清晰明確的方法來定義企業法人之間復雜的關系，協助使全球金融交易系統透明化。此外，該本體簡化了規范和管理報告，使得業務使用者能夠更好的服務自身。
固步自封的金融公司會被淹沒在數據的海洋里。創新的金融公司會轉向語義技術，通過該技術探索數據信息，解密數據價值，并為商務決策提供更好支持。
京公網安備 11010502049343號