Gestionar Aprenda a aplicar las mejores prácticas y optimizar sus operaciones.

HSBC adopta estrategia cloud-first para resolver problemas de negocio de big data

David Knott, arquitecto en jefe del gigante bancario HSBC, contó a Computer Weekly acerca de cómo el aprendizaje automático, la analítica de big data y la nube están cambiando su forma de hacer negocios.

HSBC ha revelado cómo el éxito de cinco proyectos piloto relacionados con el aprendizaje de máquinas, o aprendizaje automático, ayuda a allanar el camino para una adopción más profunda y rápida de las tecnologías de nube a través de su negocio.

David Knott, arquitecto en jefe del gigante bancario internacional, dijo que la organización está en los "primeros días" de su viaje global a la nube, pero un creciente deseo de hacer más con sus reservas de grandes volúmenes de datos parece que acelerará las cosas.

"La gestión de datos es una competencia esencial para nosotros, y hemos encontrado que tenemos montones y montones de oportunidades de negocios realmente importantes y realmente fascinantes que descansan sobre el uso de los datos", dice.

La organización ha identificado cinco áreas en las que el análisis de big data podría abrir nuevas líneas de ingresos.

Por ejemplo, al ayudar al banco con sus investigaciones en la lucha contra el lavado de dinero, el análisis de riesgo, y los informes de riesgo, al tiempo que ayuda a reducir el tiempo que toma llevar a cabo la valoración y financiar las evaluaciones de liquidez.

"Elegimos deliberadamente proyectos que eran verdaderos problemas de negocios, porque no queríamos hacer una prueba de concepto sin sentido que fuera interesante, pero realmente no resolviera nada", dice Knott.

"Elegimos esas cinco áreas porque son importantes, pero no son tan grandes como para apostar el banco por el éxito o el fracaso de estas cosas".

Algunos de estos casos de uso, como la actividad anti-lavado de dinero del banco, requieren tamizar miles de millones de transacciones buscando actividades sospechosas, y la organización quiere usar modelos de aprendizaje automático para reducir el tiempo necesario para hacer este trabajo y mejorar su exactitud.

Hágalo usted mismo vs. comprarlo

La empresa consideró la construcción de sus capacidades internas de análisis de grandes volúmenes de datos para abordar estas cinco áreas, pero el proceso resultó más difícil de lo esperado. En particular, en lo que respecta a la adquisición, la integración y la ampliación de las tecnologías que podrían ayudar a dar sentido a estos datos, dice Knott.

"Ese mercado es extremadamente servido, se desarrolla extremadamente rápido y tiene un montón de opciones para hacer cosas".

"Estaba tratando de armar un conjunto de tecnologías, integrarlas coherentemente y escalarlas, pero construir internamente todas las capacidades para hacer eso ha resultado difícil", dice. "No creo que sea una experiencia poco común para otras grandes empresas".

También existe el peligro de tomar la ruta del "hágalo usted mismo" resulte en que los empleados de Knott se conviertan en "gente inteligente y ocupada” que gastan demasiado tiempo en construir y administrar una pila de tecnologías heterogéneas de big data en lugar de recoger información que beneficie a los negocios.

En la parte posterior de estas realizaciones, en algún momento del año pasado Knott y su equipo comenzaron a investigar si la adopción de un primer enfoque de la nube para abordar su problema de grandes datos podría ser el camino a seguir.

"Había un gran apetito por hacer esto, pero también necesitábamos convencernos de que la nube es segura y está protegida, que nuestros reguladores están contentos y que todas las personas importantes están cómodas con lo que estamos haciendo", dice.

"Así que, dijimos, llevaremos estos cinco casos hasta la producción para probar nuestra postura de seguridad y ayudarnos a construir la capacidad internamente y despejarnos un camino seguro hacia la nube".

Cada caso de uso ha tenido un equipo de alrededor de media docena de personas asignadas a trabajar en él, dice Knott, lo cual es un número considerablemente menor que el que HSBC ha utilizado tradicionalmente para entregar proyectos en el pasado.

"Somos una gran empresa y tradicionalmente hemos construido grandes equipos de proyectos para hacer algo grande y complicado y una de las razones por las que hemos hecho eso es porque esos equipos han tenido que construir todo desde cero", dice.

"Para este trabajo, cada uno de los equipos ha estado formado por un puñado de personas, respaldado por un equipo central ligeramente más grande, preocupándose por la seguridad y el aspecto legal de las cosas, por ejemplo, pero incluso eso ha sido menos de 1.000 personas".

Evaluar el mercado

Inicialmente, la compañía se embarcó en conversaciones con varios proveedores de la nube sobre cómo podrían ayudar a HSBC a hacer un mejor uso de sus grandes datos, antes de que la compañía decidiera usar Google.

"Parte de la razón por la que nos gustó Google es que inventaron muchas de estas cosas. Hadoop, por ejemplo, se basa en el white paper de MapReduce que Google escribió en 2004, el cual han continuado construyendo e innovando para sí mismos, así como para sus negocios", dice Knott.

Google tiene una gama cada vez mayor de herramientas y tecnologías de aprendizaje automático en su cartera, como Google Cloud Machine Learning Engine, un servicio administrado que ayuda a las organizaciones a crear modelos de aprendizaje automático para cualquier tamaño o tipo de conjunto de datos.

La compañía también tiene una colección de interfaces de programación de aplicaciones (API) para entrenar sus modelos de aprendizaje de máquina, que Knott citó como particularmente atractivos para HSBC y sus casos de uso.

"Así que si puedo llamar a una API, puedo acceder a un algoritmo de aprendizaje de máquina", dice Knott. "También han creado capacidades de habilitación, como su Advanced Systems Lab, que es un curso de cuatro semanas en el que la gente aprende a hacer aprendizaje automatizado", dice.

Demostrando su valor

La compañía se embarcó en una serie de pruebas de conceptos con Google, con el objetivo de responder a tres preguntas, dice Knott.

"Necesitábamos saber, ¿podríamos obtener los resultados que queríamos? ¿Era económico usar la nube, y era más fácil hacerlo de esta manera que tratando de hacerlo nosotros mismos?" Dijo que "la respuesta a las dos primeras cuestiones fue un sí firme, y la respuesta a la última fue un sí muy firme. Fue enormemente más fácil.”

La compañía está ahora a punto de poner en producción los cinco pilotos originales, antes de aplicar todo lo que ha aprendido a un nuevo conjunto de casos de uso y acelerar la difusión de herramientas de análisis de datos basados ​​en la nube y de aprendizaje automático al resto del negocio.

"En gran medida hemos estado ejecutando estos pilotos con datos de fabricación y datos de prueba, por lo que cuando estemos en línea, vamos a poner nuestros datos reales en la nube y recoger la información arrojada por esos modelos para alimentar de nuevo nuestro proceso", dice.

"Una vez que estemos al aire, lo cual está casi listo, abriremos el camino para tomar el siguiente conjunto de casos de uso y luego el siguiente conjunto de casos de uso después de eso, porque existe esta enorme demanda acumulada para esta solución en todo el negocio."

Para respaldar este punto, Knott afirma que una reunión con el brazo de la banca minorista de HSBC descubrió recientemente alrededor de 90 casos de uso adicionales para el aprendizaje de máquinas dentro de esa división.

Mezclando lo viejo y lo nuevo

La organización no es ajena a la utilización de algoritmos complejos, al modelado de datos y el análisis de datos en sus unidades de detección de delitos de riesgo y financieros, por ejemplo, pero la viabilidad de usar el aprendizaje de máquina sólo ha surgido en el último año, dice Knott.

"Hace un año o dos, teníamos muchos proveedores de productos de nicho que trataban de vender productos a empresas que ellos mismos instalarían y administrarían, y en algunos casos era muy difícil entender cómo implementarlos y administrarlos", dice.

El compromiso de Google también está lejos de ser su primera incursión en la nube, ya que la compañía ya utiliza Amazon Web Services (AWS) para hacer frente a los entornos de prueba y desarrollo utilizados para crear y actualizar sus aplicaciones móviles.

Knott describe la estrategia general de la compañía como "evolutiva", antes de sugerir que la organización está abierta a considerar los méritos de cualquiera de los principales proveedores de plataformas de nube, dependiendo de cómo su tecnología se adapte al problema empresarial que necesita abordar.

"Todavía es muy temprano en nuestro viaje de adopción a la nube. Sabemos que la nube será una parte cada vez más importante de nuestros productos.

"Seguiremos trabajando con AWS, pero vemos las capacidades de datos de Google como una mejor opción”, dice.

"Nuestra estrategia en la nube está surgiendo, y ciertamente vemos que AWS y Google tienen capacidades fuertes para ofrecer. No estamos haciendo ningún trato exclusivo con nadie, pero seguiremos educándonos en la nube y adoptando más de sus productos conforme llegan al mercado".

Próximos pasos

Leer más:

Este artículo se actualizó por última vez en mayo 2017

Profundice más

PRO+

Contenido

Encuentre más contenido PRO+ y otras ofertas exclusivas para miembros, aquí.

Inicie la conversación

Envíenme notificaciones cuando otros miembros comenten sobre este artículo.

Enviando esta solicitud usted acepta recibir correos electrónicos de TechTarget y sus socios. Si usted reside afuera de Estados Unidos, esta dando autorización para que transfiramos y procesemos su información personal en Estados Unidos.Privacidad

Por favor cree un Nombre de usuario para poder comentar.

- ANUNCIOS POR GOOGLE

Close