Sergey Kondratenko : Le Big Data en finance

Sergey Kondratenko, spécialiste des technologies financières, estime qu'une gestion efficace du Big Data nécessite des solutions spéciales pour le stockage et le traitement de l'information. Ce qu'ils pourraient être - l'expert suggère de le découvrir ensemble.

Une partie importante du Big Data dans la finance provient de trois sources principales : les données machine, sociales et transactionnelles, rapporte Sergey Kondratenko.

Dans le même temps, il attire l’attention sur le fait que les entreprises génèrent également des données en interne grâce à une interaction directe avec les clients. Ces données sont souvent stockées sur les réseaux internes et les pare-feu. Ils peuvent ensuite être importés dans des systèmes de gestion et d’analyse pour une analyse plus détaillée et une utilisation dans les processus métier. Ainsi, les trois principales sources du Big Data sont :

1. Données machine : sont automatiquement générés à partir de diverses sources, notamment des capteurs, des journaux SIEM, des appareils médicaux et portables, de l'IoT, des caméras, des satellites et bien d'autres.
2. Données sociales : les données des réseaux sociaux tels que Facebook, Instagram, Twitter, YouTube, LinkedIn et autres sont collectées via diverses actions des utilisateurs telles que des tweets, des retweets, des likes, des téléchargements de vidéos et des commentaires. Sergey Kondratenko note que ces riches données fournissent des informations à la fois qualitatives et quantitatives sur tous les aspects de l'interaction entre une marque et ses clients. Ces données aident les entreprises fintech à mieux comprendre leur marché cible et leur clientèle, ce qui conduit finalement à des décisions plus éclairées.
3. Données transactionnelles : représentent les informations collectées à la suite de transactions en ligne et hors ligne. Ces données comprennent des détails importants tels que la date et l'heure de la transaction, le lieu, les articles achetés, leurs prix, les méthodes de paiement, les remises et coupons utilisés, ainsi que d'autres informations quantitatives. Il est important de noter que les données transactionnelles constituent la principale source de business intelligence.

Après avoir décidé des sources de Big Data, selon l'expert, il faut trier leur stockage. En même temps, fournissez une approche sûre.

Sergey Kondratenko est un spécialiste reconnu dans une large gamme de services de commerce électronique avec une expérience de plusieurs années. Aujourd'hui, Sergey est propriétaire et dirigeant d'un groupe de sociétés engagées non seulement dans différents segments du commerce électronique, mais opérant également avec succès dans différentes juridictions, représentées sur tous les continents du monde. L'objectif principal est de générer du nouveau trafic, de créer et de proposer une expérience en ligne qui fera aimer la marque aux utilisateurs et transformera les visiteurs en clients tout en maximisant la rentabilité globale de l'activité en ligne.

Sergey Kondratenko : Que sont les systèmes de stockage Big Data et pourquoi sont-ils nécessaires ?

Ces dernières années, le besoin de stockage et de traitement d’informations s’est accru rapidement. Cependant, les mégadonnées ne sont pas devenues accessibles uniquement aux grandes entreprises. Même les petites entreprises accumulent des quantités importantes d’informations provenant des e-mails, des interactions sur les réseaux sociaux, des ventes et d’autres sources. Sur cette base, Sergey Kondratenko estime que quelle que soit la taille de l'entreprise ou son secteur d'activité, afin d'assurer le tri et l'analyse des données, celles-ci doivent être stockées dans un entrepôt.

L'expert identifie les options suivantes pour les systèmes de stockage Big Data :

• Magasin de données : est le processus de collecte et de gestion d'informations provenant de diverses sources pour créer des informations commerciales.
• Lac de données : est un référentiel central qui collecte de grandes quantités de données provenant de diverses sources sous forme brute.
• Stockage en réseau (NAS) : est un périphérique de stockage accessible via un réseau plutôt que directement depuis un ordinateur.
• Nuage : représente l’un des moyens les plus populaires de stocker de grandes quantités de données dans le monde fintech moderne. Sergey Kondratenko dit que si vous avez utilisé, par exemple, iCloud ou Google Drive, cela signifie que vous avez déjà essayé le stockage cloud pour vos documents et fichiers.
• Stockage d'objets : est une méthode de stockage de données qui traite les informations comme des objets. Toutes les données sont stockées dans un seul stockage qui peut être partagé sur plusieurs appareils physiques, plutôt que d'être divisées en fichiers et dossiers.

- Les systèmes de stockage d'objets comprennent des blocs de données qui forment des fichiers ou « objets » et leurs métadonnées. Des métadonnées supplémentaires sont ajoutées à chaque objet pour fournir un accès aux données sans avoir besoin de hiérarchie. Tous les objets sont situés dans le même espace d'adressage, et pour les rechercher, les utilisateurs saisissent un identifiant unique, explique Sergey Kondratenko.

Sergey Kondratenko : Architecture et outils pour le stockage sécurisé du Big Data

La protection des données est un autre aspect très important pour toute entreprise fintech. On pense souvent à tort que les données au sein d’une organisation sont privées et sécurisées. Cependant, les cyberattaques et les piratages sont devenus monnaie courante dans le monde de la haute technologie d'aujourd'hui. Face à cette situation, Sergey Kondratenko estime que toute organisation financière devrait être en mesure de gérer la sécurité des données. Dans ce contexte, des dispositions sont prises pour assurer la sécurité des informations commerciales et empêcher tout accès non autorisé. L’expert suggère aux entreprises fintech d’accorder une attention particulière à cette architecture de sécurité Big Data :

1. Classement des données.
2. Cryptage des données confidentielles.
3. Stockage des données grâce à la technologie ORAM.
4. Accès aux données en masquant le chemin.

Progressivement, de plus en plus de processus financiers passent au numérique et les risques liés à la sécurité des données augmentent également. Selon Sergey Kondratenko, des fuites et des failles de sécurité peuvent survenir à différentes étapes du traitement de l'information, depuis sa collecte jusqu'à son stockage, son analyse et son traitement. Il était donc nécessaire de développer et de mettre en œuvre les meilleures pratiques et stratégies pour garantir une forte sécurité des données, en particulier dans le domaine des technologies financières où les transactions ont lieu 24h/24 et 7j/7.