18 آذر 1397 - 11:07

برگزاری سمینار مدیریت کلان داده کاسپین در بانک پارسیان

سمینار مدیریت کلان داده با هدف بررسی ضرورت پیاده سازی و چالش‌های کلان داده توسط شرکت کاسپین در بانک پارسیان برگزار شد.
کد خبر : ۹۴۴۳۳
بانک پارسیان

به گزارش ایبِنا، داده پایه اطلاعاتی هر سازمان و یا کسب و کار است که با رشد صنایع، داده‌های تولید شده نیز رشد و رسوب خواهند کرد با توجه به استفاده گسترده از خدمات بانکداری الکترونیکی و تولید انبوهی از اطلاعات و تراکنش‌ها، حجم زیاد داده‌های کسب وکار به خصوص داده‌های عملیاتی که از ارزش بسیار بالایی برخوردار هستند مجموعهٔ بسیار بزرگی از داده‌ها (کلان داده) ایجاد شده است که ابزارهای سنتی ما برای مدیریتان ها کارایی ندارد.


 همین امر ضرورت استفاده از تکنیک‌های کلان داده و تولید سامانه‌ها و محصولات بر بستران را بیش از پیش اشکار می‌کند. اما این تکنولوژی نیز مانند هرتکنولوژی دیگری مخاطرات خود را دارد که مهمترین ان لحاظ امنیت و حریم خصوصی است. در نتیجه بررسی چالش‌ها و فرصت‌های استفاده از این تکنولوژی نیز ضروری می‌باشد.


شرکت تأمین خدمات سیستم‌های کاربردی کاسپین یکی از شرکت‌های وابسته به بانک پارسیان که در تولید نرم افزارهای بانکی وپشتیبانی سخت افزاری مراکز داده و شبکه فعالیت می‌کند، در راستای بررسی چالش‌های موجود دربحث کلان داده و ضرورت استفاده از این تکنیک در تولید محصولات بومی سمینارمدیریت کلان داده را ۱۴ آذر ماه در سالن همایش‌های بانک پارسیان با حضور متخصصین، مقامات بانکی و اساتید دانشگاهی برگزار کرد که مشروحان را در زیر می‌خوانید.


"قندی مدیر عامل شرکت " به عنوان اولین سخنران شرکت به معرفی شرکت، دستاورد و موفقیت‌های ان پرداخت و گفت: شرکت کاسپن حدود ۱۵ سال پیش در سال ۸۲ توسط بانک پارسیان تأسیس شده است و یکی از زیر مجموعه‌های گروه داده پردازی پارسیان و بانک است. دو مأموریت اصلی شرکت، تهیه سیستم‌های نرم افزاری، طراحی و پشتیبانی سایت‌های مراکزداده و شبکه تبادل اطلاعات است.


وی در مورد محصولات تولید شده توسط شرکت گفت: مهم‌ترین محصول شرکت سیستم جامع بانکداری متمرکز بانک پارسیان با نام لوتوس است که با تلاش نیروهای داخلی از سال ۹۴ دربانک پارسیان درحال بهره برداری است؛ همچنین مجموع پنجاه سیستم جانبی متصل به سیستم نیز به خواست بانک پارسیان تهیه و در بانک پیاده سازی شده است. طراحی سه مرکز داده وپشتیبانی ان‌ها برای بانک پارسیان هم از دیگر محصولات ارائه شده توسط شرکت است.


ارتقای تولیدات و لحاظ استاندارد در محصولات 


مدیر عامل کاسپین در ادامه درخصوص موفقیت‌های کسب شده توسط شرکت گفت: شرکت دارای رتبه یک شورای عالی انفوماتیک در تمام حوزه‌های کاری خود وهمچنین دارای رتبه بین صد شرکت برتردر سال ۹۶ است. دریافت تندیس سازمان پیشرو در فاز هوش تجاری در دومین کنفرانس هوش تجاری و کسب عنوان مقالات برتردر این حوزه هم از دیگر دستاوردهای شرکت می‌باشد.


قندی افزود: یکی از راهبردهای اصلی شرکت بحث رصد تکنولوژی در کشور و دنیا است؛ سعی کردیم تولیدات خود را براساس ان ارتقا داده و استانداردهای اجرایی را نیزدر کلیه محصولات از جمله سامانه هوش تجاری، کشف تقلب و داده کاوی روی داده‌های کلان لحاظ کنیم.


وی در پایان هدف از برگزاری سمینارتوسط شرکت را انتقال دانش و تجربه شرکت در حوزه کلان داده و ارائه آخرین یافته‌های علمی در این حوزه توسط اساتید دانشگاه بیان کرد و اظهارداشت: در طی دوسال گذشته مقالات علمی در این حوزه تدوین و در همایش‌های مختلف ارائه کرده‌ایم.


چالش در بحث کلان داده اعطای داده برای تحلیل و درک مفهوم کلان داده از سمت سازمان‌ها است


در ادامه سمینارمهندس جاویده معاونت توسعه نرم افزار کاسپین به توضیح در خصوص چالش‌های حوزه کلان داده پرداخت و گفت :یکی از مهمترین روندهای تکنولوژی دنیا کلان داده است و از طرفی موضوع کلان داده در ایران جدید است و کار بر رویان اسان نیست. البته شرکت‌های مختلفی در حال فعالیت در این حوزه هستند اما باید بلوغ سازمانیان را در کشور ایجاد کنیم.


وی افزود: باید مفهوم داده به عنوان ثروت را بیش از پیش مورد توجه قرار دهیم و مدیریتی بر اساس داده داشته باشیم.


جاویده ادامه داد: تعاریف مختلفی برای هوش تجاری در بحث تحلیل داده وجود دارد که مهمترین آن بحث استخراج نتایج از دل داده و تصمیم گیری توسطان هاست. در حوزهٔ هوش تجاری به دنبال تحلیل حال گذشته و آینده هستیم که تحلیل آینده جذابترین بخشان است.


مدیر توسعه نرم افزار کاسپین گفت: باید در خصوص کشف دانش در این حوزه تلاش کنیم تا مزیت رقابتی خود راحفظ کنیم. در حقیقت باید اطلاعات اولیه را به داده تبدیل کرده و از داده‌ها به دانشی برسیم و بر اساسان تصمیم گیری کنیم.


وی در خصوص علت توجه بیشتر به بحث کلان داده در سال‌های اخیر بیان کرد: حجم تولید داده و تنوعان هر ساله در حال افزایش است و این نشان می‌دهد روش‌های فعلی دیگر پاسخگوی نیاز ما نیستند والبته مهم‌ترین چالش نیز همین حجم داده، تجمیع و تحلیلان هاست؛ در حقیقت حجم داده سرعت تغییرات و تنوع داده علت اصلی تغییر نگرش‌اند و با تغییر نگرش، مدل‌ها نیز تغییر کرده‌اند چرا که باید مقیاس پذیرو قابل بسط باشند.


از طرفی مزایایی چون کاهش هزینه‌ها، درک بهتر مشتری، کنترل محدودیت، تصمیمات استراتژیک بهترو کنترل بهتر فرایندها سبب تغییرروند تحلیل از راه کار بانک‌های اطلاعاتی رابطه‌ای به سمت انبار داده و پس از ان به سمت تحلیل‌های مبتنی بر کلان داده شده است.


جاویده درتشریح تفاوت تحلیل‌های مبتنی بر کلان داده با سنتی نیز اظهار داشت: تفاوت در این است که نیازی به مدلسازی داده مورد نظر نیست و کلیه داده‌ها مورد تحلیل قرار می‌گیرند.


همچنین تحلیل لحظه‌ای داده‌ها و حفظ داده‌های کثیف نیز از ویژگی‌های تحلیل‌های کلان داده است. در این تحلیل‌ها داده در مسیر است نه فرضیاتی که بر اساس داده شکل می‌گیرد. تفاوت مهم دیگر مقیاس پذیری است بدین صورت که با سرورهای ارزان قیمت اجازه پشتیبانی در حجم وسیع ایجاد شده و سبب کاهش قیمت تمام شده می‌شود.


معاون توسعه نرم افزار کاسپین در خصوص چالش‌های موجود در بحث کلان داده در ایران گفت: قیمت ورود و خروج به بازار کلان داده با توجه قیمت ارز سخت است و از طرفی در ایران دانش، کمبود متخصص ، مهاجرت نخبگان و بسترهای زیر ساختی برای پیاده سازی دغدغه‌هایی است که با ان مواجهیم. اما چالش بزرگ اعطای داده برای تحلیل و درک مفهوم کلان داده از سمت سازمان‌هاست .هنوز این نگاه که داده ثروت است در ایران ایجاد نشده است.


وی ادامه داد: روند تکنولوژی در دنیا نیز سرمایه گذاری در حوزه کلان داده را نشان می‌دهد . البته ما در ایران اندکی عقب مانده‌ایم وشاید به علت این است که ضرورتان در لایه مدیریتی احساس نشده است؛ در ایران هنوز بحث است که ایا کلان داده در اختیار داریم یا خیر! اما باتوجه به معیارهای تعریفی برای کلان داده درگروه داده پردازی پارسیان باید گفت کلان داده داریم و ضرورت این تحلیل در گروه پارسیان حس می‌شود.


جاویده در خصوص پروژه‌های قابل تعریف در بحث کلان داده نیز گفت: پروژه‌های مختلفی در بحث کلان داده مطرح می‌شوند اما اکثر پروژها و محصولات به تحلیل داده‌های مشتری باز می‌گردد. ما نیز در خصوص کاربردهای کلان داده روی تحلیل مشتری تمرکز کرده‌ایم چرا که آینده در دستان تحلیل رفتار مشتری است. بحث بازاریابی و استراتژی‌های کاهش قیمت از موارد دیگری است که می‌توان در حوزه کلان داده به ان توجه کرد.


وی درپایان به تقویت ارتباط صنعت و دانشگاه اشاره کرد و گفت: دانش در این حوزه کم و نیاز بالاست؛ در بحث کلان داده در دانشگاه‌های کشور نخبگان زیادی وجود دارد که در تعامل با صنعت می‌توانند بسیار تأثیر گذار باشند


ارایه سرویس های هوشمند در گرو تحلیل های هوشمند است


در ادامه سمینارحامد میرشک مدیر واحدکلان داده شرکت کاسپین در ابتدا از ضرورت استفاده از تکنیک کلان داده صحبت کرد و گفت: توجه به رویکرد دنیا در خصوص هوش مصنوعی قابل توجه است و ما کلان داده را به عنوان مغز متفکر می‌شناسیم پس باید سرویس‌های خود را به صورت هوشمند ارائه دهیم که این در گرو تحلیل هوشمند داده است.


وی در ادامه سامانه پیشنهادات ویژه مشتریان گروه پارسیان را معرفی کرد و گفت: در حقیقت این سامانه پیشنهاداتی را بر اساس تحلیل‌ها در زمان مناسب به مشتری ارائه می‌کند .


میرشک در خصوص علت پیاده سازی سامانه نیز گفت: دغدغه سازمان‌ها را بررسی کردیم و مشتری را عنصر بسیارمهمی دیدیم و تحلیل جامع مشتری به صورت متمرکزرا دنبال کرده‌ایم چرا که سرویس‌های ارزش افزوده به صورت حقیقی در این حوزه وجود نداشت.


میرشک ادامه داد:جمع اوری داده و بخش بندی مشتری وارایه پیشنهادات ویژه گام‌های مختلف سامانه است و در تشریح گام به گامان باید گفت: درگام اول با توجه به اینکه باید مخزن جامعی از اطلاعات مشتری داشته باشیم مشتری را در سه حوزه رویکرد جذب مشتری، نگهداری مشتری و جلوگیری از ریزش آن - مانیتور کردن انلاین مشتری و مراقبت فعالانه از مشتری مورد تحلیل قرار دادیم.


البته به صورت عمومی در ده حوزه می‌توان در خصوص تحلیل اطلاعات مشتری ورود کرد اما ما در یکی از این سطوح تمرکز کرده‌ایم. میرشک ازویژگی های سامانه به شناخت کامل و جامع مشتری، امکان تحلیل‌های لحظه‌ای، بررسی تاریخچه فعالیت‌های مشتری (گذشته، حال و آینده) به عنوان روشی برای شناخت بیشتر و ارتباط با مشتری به عنوان روشی برای برآورد نیازهای متنوع مشتری و برندینگ سازمان اشاره کرد.


در خصوص جمع اوری اطلاعات نیز به علت تنوع داده مشتری، سازمان‌ها باید تعریف واحدی از مشتری داشته باشیم و اطلاعات را پیرامونان جمع اوری کنیم. شناسایی مشتری به عنوان گام مهم بعدی بر اساس منطقه جغرافیایی، ویژگی‌های فردی و رفتار شناسی مشتری صورت گرفته و براساس ان به مشتری پیشنهادات داده می‌شود.


 برای مثال با توجه به گردش حساب و میزان موجودی حساب کاربر، پیشنهاد خرید خودرو به صورت لیزینگ داده می‌شود و در ادامه پیشنهاد استفاده از خدمات بیمه خوردو ارائه می‌گردد.


وی در توضیح معماری سامانه گفت: برای پیاده سازی سامانه و ایجاد مخزن داده از داده‌های بانک پارسیان و تاپ استفاده کرده‌ایم


مخزن کلان داده‌ای تشکیل داده‌ایم و بر اساسان بخش بندی مشتری را انجام داده و سناریوهای بسته به نوع مشتری تعریف کرده‌ایم تا موتور پیشنهاد دهنده بر اساس پروفایل و رفتار مشتری به او پیشنهاد دهد.


 به گفته میرشک نقطه عطف اجرایی سامانه اماده سازی مدل داده‌ای شناخت جامع از مشتری است اما بحث مهم استانداردسازی فرایندهاست که باید در هر سازمان تیمی برایان وجود داشته باشد. در حقیقت باید واحدهای مختلف فراوری داده شکل بگیرد و پروتکل مرکزی برای مدیریتان ها وجود داشته باشد.


میرشک ادامه داد: در خصوص فعالیت سیستم نیز فرایندها به صورت مستمرانجام می‌شود تا اطلاعات به صورت به روز داشته باشیم. در بخش بعدی تقسیم بندی مشتریان است و بعد از ان سامانهCBO برای ارائه سرویس‌ها و خدمات بر اساس تحلیل‌های لحظه ای و به صورت هوشمند به مشتریان است.


 این تحلیل‌ها در گام بعدی بر بستر موبایل پیاده سازی می‌شوند و سامانه نرم افزار موبایلی در حقیقت سامانه مراقبت از مشتری است که می‌توانند پیشنهادات را بر اساس موقعیت جغرافیایی مشتری ارائه کنند. ارائه داشبورد تحلیلی از وضعیت مشتری، سیستم بازخوردگیری و تشخیص رفتار مشتری و ارائه پیشنهادات توسط نرم افزار موبایلی صورت می‌گیرد.


مدیر واحد کلان داده کاسپین در خصوص مزیت‌های سامانه به هوشمندی، انعطاف پذیری، صرفه جویی در زمان و هزینه و قابلیت اشتراک گذاری با استارتاپ ها و فینتک ها اشاره کرد و گام‌های آتی شرکت را نیز مدلسازی چابک قیمت، تحلیل رفتار مشکوک، تحلیل جغرافیایی و ریزش اجتماعی بیان کرد.


ضرورت تعامل صنعت و دانشگاه در بحث کلان داده


از دیگر سخنرانان همایش مدیریت کلان داده حسن نادری استاد دانشگاه علم و صنعت بود که به سخنرانی در خصوص ضرورت تعامل صنعت و دانشگاه در حوزه کلان داده پرداخت و گفت: در عصر داده هستیم و داده‌های بسیار زیادی هم اکنون رسوب کرده است. متخصصین داده باید داده‌های موجود را رصد کنند.


باید تخصص کشف شود و دید در حوزه‌های مختلف بسط یابد؛ چرا که باید به دنبال منابع جدید درامدزایی باشیم و بانک‌ها می‌توانند در این حوزه بسیار مفید باشند. البته افق دید ما می‌تواند پروژه‌های بزرگ غیر بانکی باشد. و در شهر تهران برای هوشمندسازی از تکنیک کلان داده استفاده کنیم. باید توجه کنیم با هم افزایی صنعت و دانشگاه می‌توان بازی برد برد ایجاد کرد که هم صنعت و هم عموم افراد سود ببرند


بهینه سازی عملکرد بانک با تکنیک‌های کلان داده


دکتر مصدق به عنوان دومین سخنران علمی و اموزشی به تشریح پروژه‌های کلان داده، مدیریت تغییرات و استاندارد سازی صنعت پرداخت و گفت: صنایع مختلف با اتکا به داده فعالیت می‌کنند و ارزش داده در طول زمان تغییر خواهد کرد.


وی در خصوص ضرورت استفاده از تکنیک کلان داده بیان کرد: نقش داده در کسب و کار تغییر کرده است و از تجزیه و تحلیل سنتی دور شده‌ایم به سمت تحلیل حجم زیادی از داده رفته‌ایم نه مقطعی از ان ها.


او در خصوص مزیت استفاده از تکنیک کلان داده در صنعت بانکی به بخش بندی ریزدانه مشتریان و شناخت رفتار مشتری اشاره کرد و گفت این بخش بندی سبب کاهش حجم معوقات بانکی می‌شود. از طرفی شناخت الگوی پویایی مشتریان و بهینه سازی عملکرد بانک از دیگر دستاوردهای استفاده ازکلان داده خواهد بود.


این استاد دانشگاه در ادامه به تشریح چالش و بایدها در حوزه کلان داده پرداخت و گفت: چالش‌های این حوزه در سه بخش داده‌ای، تحلیلی و عملیاتی تعریف می‌شوند. بحث امنیت، تبعیض داده‌ای، عدم مقیاس پذیری سامانه‌های قدیمی و بازگشت سرمایه نیز از دیگر مشکلات مهم در حوزه کلان داده است. مشکل کمبود متخصصان در حوزه کلان داده و فقدان مدیریت صحیح داده نیز مشکل پیش روی این حوزه نه تهنا در کشور بلکه در دنیاست.


 ما نیازمند یک قانون گذار در حوزه داده هستیم تا تبعیض داده‌ای وجود نداشته باشد و مدیریت داده‌ها به درستی و با نظارت صورت گیرد. از طرفی باید توجه کرد در بحث کلان داده تکنیک به تنهایی کافی نیست. مدیریت داده بحث مهمی است که باید متمرکز شود و داده باید به عنوان دارایی اصلی دیده شود


کلان داده در اینده به ضرورت رقابتی تبدیل خواهد شد


در بخش تشریح کلان داده در پروژه‌های بانکی عشقی مدیر بخش داده کاوی شرکت کاسپین تحول صنعت را در گرو کلان داده دانست و گفت: داده‌ها ثروت هستند اما داده‌های خام هزینه بر هستند. کلان داده در صنایع مختلفی استفاده می‌شوند و کاربردهای متفاوتی دارد که درجهٔ اهمیتان در کسب و کارهای مختلف متفاوت است.


وی دلایل شکست پروژه‌های کلان داده را اندازه مدیریت داده‌ها، ساختارهای سازمانی و قابلیت‌های نیروی انسانی دانست و افزود: هریک از موارد گفته شده خود شامل علل مختلفی است که شناختان ها از الزامات پیاده سازی تکنیک است.


عشقی با اشاره به اینکه کاسپین تکنیک کلان داده را در حوزه بانکداری دیجیتال، مبارزه با پولشویی و کشف تقلب پیاده سازی کرده است به معرفی سامانه جامع کشف تقلب کاسپین پرداخت و گفت: این سامانه با رویکرد کلان داده با همکاری دانشگاه تربیت مدرس طراحی در دو بخش انلاین و افلاین طراحی شده است.


در بخش افلاین پروفایل برای کل سازمان (کلیه مشتریان) و همچنین برای بخش‌های مختلف سازمان، اصناف و خوشه‌های مختلف، مشتری‌ها، کارت‌ها و حساب‌ها پروفایل تعریف شده است و یک مجموعه شامل کلیه یٔ پروفایل‌ها تهیه کردیم. در حقیقت چهارچوب کاملی ارائه کردیم که امکان افزودن داده‌های اضافی نیز وجود دارد.


وی در خصوص چالش‌های حوزه کشف تقلب گفت: یکی از چالش‌ها بحث به روز رسانی پروفایل‌ها و اینکه چگونه باید این به روز رسانی صورت بگیرد. درحوزه انلاین نیز تراکنش‌های ورودی بحثی چالش برانگیز است.


در حقیقت در مواجه با سیستم‌های بانکی که تعداد تراکنش‌ها در ثانیه به رقم بالایی می‌رسند تنها راه کارکلان داده پاسخگوست. در این حوزه باید از داده‌های پر شده توسط مشتری داده‌هایی را استخراج کنیم و با استفاده ازداده های اضافی تحلیل را انجام دهیم.


عشقی افزود: در بحث کشف تقلب چه در بحث انلاین وچه افلاین عدم قطعیت چالش بزرگ است و باید با تحلیل‌های کلان داده ان را مدیریت کنیم.در بحث پولشویی نیز با داده‌های کلان مواجه هستیم که پروژهٔ ان را در کاسپین پیش برده‌ایم. اما باید توجه داشت مبارزه با پولشویی مسئله پیچیده‌تری است چرا که چندین سازمان درگیر خواهند بود


وی در پایان گفت در حال حاضر کلان داده مزیت رقابتی است که دراینده به ضرورت رقابتی تبدیل خواهد شد.


معماری صحیح کلان داده در چینش ابزارهای ان خلاصه می شود


امیری مشاور ارشد حوزه کلان داده در خصوص اشنایی با میز کار و ابزار کلان داده در ابتدا به تشریح دریاچه داده پرداخت و ان را اینگونه توصیف کرد: فضای متمرکزی برای ذخیره سازی و پردازش داده است و در مقابل انباره داده‌ها قرار دارد. وی در خصوص تفاوت دریاچه داده با مدل انباره داده گفت: در خصوص دریاچه داده بحث اطلاعات ورود داده، ذخیره سازی و پردازش داده و به طور کلی نحوه جمع اوری داده‌ها مطرح است.


در دریاچه داده اسکیم های تعریف شده وجود ندارد؛ کلیه داده‌ها پردازش شده و می‌توان چندین پردازش متفاوت را بر روی یک داده انجام داد از سوی دیگرمقیاس پذیری خطی و افقی تفاوت دیگر در معماری دریاچه داده در مقابل انبار داده است و متناسب با نیازمی توانان را گسترش داد.


وی افزود: در بحث دریاچه داده موضوع پردازش توزیع شده و پایگاه‌های دادهٔ غیر رابطه‌ای مطرح می شودکه این پایگاه‌ها مقیاس پذیر هستند. در ادامه پنل امیری به ارائه دمویی برای تشریح نحوه عملکرد فضای دریاچه داده برای حاضرین پرداخت


صنعت بانکی یکی از پایه‌های مهم اکتشافات حوزه IOT


موسوی مشاور در حوزه کلان داده و اینترنت اشیا آخرین سخنران سمینار مدیریت کلان داده هم در ابتدا توضیح کوتاهی در خصوص اینترنت اشیا ارائه کرد و ان را یکی از حوزه‌هایی دانست که نیازمند تحلیل‌های کلان داده ایست. موسوی همچنین اینترنت اشیا را به سه حوزه نرم افزار، سخت افزار و ارتباطات تقسیم کردو رشدان را در گرو کاهش قیمت و کیفیت مایکرو کنترل‌ها، ارتباطات بی سیم، توسعه زیر ساخت‌های ابری و پلتفرم‌ها دانست. موسوی افزود: در بجث پلتفرم‌های حوزه iot شرکت‌ها داخلی علاوه بر مشکلات تحریمی که به ان رو به رو هستند علاقه مند به ذخیرهٔ داده بر روی پلتفرم‌های داخلی هستند.


موسوی ادامه داد: بحث ارتباطات در اینترنت اشیا بسیار گسترده بوده و محدود نمی‌شود و ارتباط افراد با اشیا و اشیا با اشیا از ارتباطات تعریف شده در حوزه IOT هستند


در خصوص سنسورها نیز مشکل تحریم‌ها مطرح می‌شود چراکه در گذشته این سنسورها از خارج وارد می‌شدند اما در حال حاضرهابی بومی ایجاد کرده‌ایم که قابلیت انطباق با سنسورهای بومی و داخلی را دارند و از واردات سنسورها در حوزه‌های مختلف مانند سنسورهای حوزه کشاورزی بی نیاز شدیم.


وی در ادامه در خصوص کاربرد اینترنت اشیا در صنعت بانکی صحبت کرد و گفت: خدمات مالی ممکن است در خط مقدم اکتشافات IoT قرار نداشته باشند، اما قطعاً یکی از پایه‌های مهم آن هستند. وی در ادامه به پروژه‌های مختلف IOT که توسط بانک‌های مختلف و بزرگ دنیا پیاده سازی شده است پرداخت. این مشاوره ارشد حوزه اینترنت اشیا ادامه داد: در سایر کشورها در این حوزه اقداماتی انجام شده است برای مثال سخت افزارها با گوشی‌های هوشمند منطبق شده و خدمات مختلفی ارائه می‌شوند.


موسوی در پایان گفت: در ایران ارائه خدمات بانکی برای دانش اموزان در حال حاضر قابل پیاده سازی است.پروژه کیف پول IOT نیز پروژه دیگری است که در حال حاضر نیازمند سرمایه گذاری بانک‌هاست و راه کاری اماده است


در انتهای مراسم نیز قرعه کشی جوایز پرسشنامهٔ الکترونیکی که برای بررسی میزان بلوغ و حرکت سازمان‌ها به سمت کلان داده توسط شرکت کاسپین تهیه شده بود برگزار و به برندگان اهدا شد.


جهانفکر مدیر روابط عمومی کاسپین در حاشیه همایش با اظهار امیدواری در خصوص تأثیر برگزاری همایش مدیریت کلان داده بر گسترش توجه به بحث کلان داده گفت: برگزاری همایش‌های تعامل و آموزش محور این چنینی از ضرورت‌های صنعت بانکی و پرداخت است. باید تکنولوژی‌های روز ، الزامات و مخاطراتی که ممکن است صنعت را تهدید کند توسط کارشناسان،اساتید دانشگاهی تحلیل و راه کارهای مناسب در خصوص ان‌ها ارائه شود.


 وی افزود شرکت کاسپین رویداد مدیریت کلان داده را شروعی برای برگزاری سایر سمینارها می‌داند و در تلاش است تا به بهره وری هرچه بیشتر نظام پرداخت کمک کند. جهانفکر در پایان صحبت‌های خود از برگزاری رویدادی استارپی با نام "اینوباش" توسط شرکت کاسپین خبر داد و گفت با توجه به رویکرد شرکت بر تعامل با استارتاپ ها و فینتک ها و ارائه محصولات موجود در این حوزه، این رویداد برای جذب ایده‌های نو در حوزهٔ بانکی و پرداخت در بهمن ماه برگزار خواهد شد.


مقربی دبیر و مسوول اجرایی همایش کلان داده شرکت کاسپین نیز گفت: این همایش تقریباً از سه ماه پیش برنامه ریزی شده است و تیم‌های هوش تجاری ، کلان داده ، طرح و برنامه، توسعه کسب و کار، روابط عمومی و مالی و تدارکات برای برگزاری آن تلاش کرده‌اند.


هدف از این همایش فرهنک سازی و اماده سازی شرکت‌های مجموعه گروه پارسیان برای پذیرش بستر بیگ دیتا و ارائه راهکار و طرح پیشنهادی برای مجموعه گروه پارسیان و ارتباط با دانشگاه و جذب ایده‌ها است. امید است برگزاری این رویداد بتواند به توجه هرچه بیشترصنعت بر تکنیک کلان داده کمک کرده و به موفقیت شرکت‌های فعال بانکی و پرداخت کمک کند.


برچسب ها: مدیریت سمینار
ارسال‌ نظر
فیلم و پخش زنده
بیشتر