.
EN
Twitter

Whistleblowing

L’approccio data-driven per gestire la trasformazione digitale in ambito bancario

DOWNLOAD PDF

 

Panoramica

Il cliente è uno dei principali gruppi bancari che sta affrontando la sfida della trasformazione in ambito dati sia dal punto di vista tecnologico che metodologico.

In questo contesto, si innestano una serie di iniziative mirate a soddisfare sempre in maniera più accurata, efficace e efficiente le esigenze di business in termini di reattività e di disponibilità di dati, nonché la garanzia di tutte le politiche di Data Governance e Data Management.

Naturalmente sono necessari cambiamenti nel breve e medio/lungo termine, a cominciare dalle opportunità messe a disposizione dalle nuove tecnologie per migliorare la qualità della relazione con il cliente finale e soddisfare al meglio le esigenze in rapida evoluzione del Business.

La sfida

Nel corso degli ultimi anni erano stati sviluppati applicativi IT con l’obiettivo di migliorare e semplificare il lavoro quotidiano della rete Corporate, ma allo stesso tempo il Business aveva messo in piedi in autonomia un intero sistema riguardante l’analisi commerciale dei propri clienti.

Gli obiettivi del cliente erano molteplici, ma i due principali potevano riassumersi in:

  • Modellare e creare un nuovo Data Layer, come unico punto di accesso ai dati, altamente razionalizzato che garantisse l’univocità e la correttezza dei dati esposti dai diversi applicativi esistenti e futuri;
  • Riportare sotto il controllo dell’IT tutto ciò che viene comunemente definito “Shadow IT”.

L’esperienza di Be DigiTech Solutions e del Competence Center Data & Analytics nella gestione di questa tipologia di progetti, nonché le dimostrate conoscenze nel contesto specifico sia dal punto di vista funzionale che tecnologico sulla realizzazione di sistemi di gestione dati, sono state determinanti nella scelta di affidare la realizzazione del progetto a Be.

Quest’ultimo si è articolato in diverse fasi, sia da un punto di vista funzionale che tecnico.

La prima è stata quella di ricostruire insieme al Business e all’IT la situazione as-is e metterla insieme a tutte le esigenze future già note e raccolte nella fase di Assessment iniziale del progetto. Il progetto, inoltre, richiedeva una soluzione che permettesse una evoluzione progressiva di tale ecosistema, in modo da ridurre inizialmente al minimo gli impatti sulle altre applicazioni preesistenti.

La sfida forse più grande e sicuramente nuova è stata quella di affrontare l’intera vita del progetto da remoto, iniziando nonostante la metodologia adottata fosse stata l’Agile Scrum e fossimo in concomitanza con l’inizio del lockdown dovuto al Covid-19.

Il progetto

Si è partiti da una fase di Assessment iniziale che ha permesso di costruire una mappa concettuale dei dati in perimetro per arrivare a disegnare la nuova architettura, con scenari progressivi di evoluzione, procedendo poi con la fase di realizzazione del Data Layer focalizzata su un nuovo applicativo prioritario per il Business.

  • Il core/Architettura

È stata disegnata un’architettura che fosse in grado di soddisfare tutte le interazioni necessarie tra i diversi sistemi esistenti e futuri. Per questo motivo sono state adottate due basi dati:

  • Relazionale, per la gestione, lavorazione ed esposizione dei dati provenienti dal Datawarehouse centrale già esistente;
  • Non-Relazionale, per la gestione, lavorazione ed esposizione dei dati non strutturati.

Due le modalità di accesso ai dati da parte degli applicativi:

  • Replica del dato finale sul DB Applicativo esistente, pensato principalmente per una prima fase di migrazione che minimizzi l’impatto verso le applicazioni esistenti utilizzatrici dei dati;
  • Strato di Microservizi, pensato in ottica target come ultimo step della migrazione di tutto l’ecosistema esistente e come interfaccia di accesso ai dati alle nuove applicazioni.

Infine è stata descritta ed implementata l’interazione tra il nuovo Data Layer ed il Datalab. Il Datalab è un ambiente pensato come laboratorio per i Data Scientist dotato di tutti gli strumenti tecnologici e che permette di progettare e realizzare algoritmi avanzati di analisi dati. Il nuovo Data Layer ha il compito di accentrare, eliminando le ridondanze, e garantire la qualità di tutti i dati necessari alle analisi di Business. Le lavorazioni dei dati e le interazioni con gli altri sistemi sono state implementate a seconda delle esigenze tramite tool di ETL (IBM Datastage e/o Sql Server Integration Services) e tramite script realizzati in Python e/o C#.

  • La metodologia

La complessità di tale progetto e la mancanza di requisiti iniziali ben definiti ha portato all’adozione della metodologia Scrum Agile che ha permesso di mettere a terra in poco tempo il primo applicativo basato interamente sulla nuova architettura.

Allo stesso tempo grazie a tale approccio è stato possibile valutare costantemente, ed eventualmente raffinare, la soluzione proposta in modo tale da massimizzarne l’efficacia rispetto alle continue esigenze esposte dal Business.

Risultati e prossimi passi

La soluzione realizzata per il primo applicativo sviluppato sulla nuova architettura si è rivelata valida e per questo motivo è in corso una seconda fase progettuale per ampliare il Data Layer e aggiungere nuove funzionalità per le interazioni con gli altri sistemi, contestualmente alla migrazione dello strato dati sottostante agli applicativi esistenti.

I prossimi step evolutivi dell’architettura e della sua implementazione saranno:

  • Ampliamento del perimetro dati per soddisfare le nuove esigenze di business e applicative;
  • Abilitazione e Automazione del Reporting utente;
  • Implementazione della Continuous Integration e Delivery in ottica DevOps con l’introduzione di Gitlab;
  • Esposizione dei dati tramite strato di Microservizi, pensato in ottica target per permettere l’accesso al dato senza doverlo replicare su altre basi dati;
  • Realizzazione di un Monitoraggio Applicativo con sistema di alerting parametrico.

Be. All rights reserved ©