Von On-Demand zu Echtzeit: Die Wucht der Datenverarbeitung im Zahlungsverkehr
Hazelcast
Die Echtzeit-Verarbeitung von Daten hat sich im Finanzsektor zum De-facto-Standard entwickelt. Geschwindigkeit ist schon immer die neue Leitwährung in der Digitalisierung der Finanzindustrie gewesen. Deshalb sehen sich viele Dienstleister vor enorme Herausforderungen gestellt. Es reicht nicht mehr, nur die Anfragen der Kunden schneller zu bearbeiten. Auch alle anderen Prozesse wie z.B. die Kreditvergabe oder die Durchführung einer Zahlung werden in Echtzeit erwartet. Ein reiner Online-Dienst muss deshalb sofort reagieren oder er riskiert, Kunden zu verlieren, die rund um die Uhr Zugang zu Dienstleistungen erwarten.
von John DesJardins, Chief Solutions Officier bei Hazelcast
Die Dringlichkeit, entsprechende Maßnahmen auf den Weg zu bringen, nahm während der Pandemie zu. Die Verlagerung zum Online-Geschäft führte dazu, dass Banken und Finanzdienstleister Milliarden von Dollar in IT-Projekte investierten, um “digital first” zu werden.Für die Zeit nach der Pandemie erwartet das Analystenhaus IDC Investitionen in digitale Projekte auf einem (weiterhin) sehr hohen Niveau, da Unternehmen ihre digitale Transformation weiter ausbauen. Doch die vergangenen zweieinhalb Jahre haben die Situation geändert.
Einfach nur online zu sein, reicht nicht mehr aus, um erfolgreich zu agieren. Der Grund dafür ist zum einen der stärkere Wettbewerb, denn laut IDC verfolgen bereits 89 Prozent der Unternehmen eine Digital-First-Strategie. Zum anderen stehen den Unternehmen innovativere Instrumente zur Verfügung, um Umsatz zu generieren. Dazu gehören URL- und QR-Code-basierte Zahlungsoptionen, die in soziale Netzwerke eingebettet werden können, digitale Geldbörsen von Apple und Google sowie Infrastrukturprojekte wie die European Payments Initiative und Buy-Now-Pay-Later-Kreditoptionen (BNPL).
Und schließlich hat einem Verbraucherbericht von McKinsey zufolge die Loyalität der Kunden im Vergleich zur Zeit vor der Pandemie deutlich abgenommen. In seinem Global Payments Report stellt das Beratungsunternehmen fest, dass Kundenbindung alleine nicht mehr ausreicht, um Erfolg zu realisieren. Vielmehr geht es um eine vielschichtigere Customer Experience, die nicht nur den Zahlungsvorgang abdeckt, sondern das komplette Einkaufserlebnis vereinfacht.
Das anfängliche Wachstum von Echtzeit-Zahlungen fand hauptsächlich in Peer-to-Peer-Umgebungen und bei Online-Transaktionen statt,”
stellt McKinsey fest.
Die nächsten Tests werden die Point-of-Sale- und Abrechnungsbereiche zwischen Verbrauchern und Unternehmen sein […] sowie deren einfachere Wege zur Monetarisierung.”
Damit steht eine neue Welle des Echtzeit-Handels vor der Tür. Um sie erfolgreich zu meistern, ist ein intelligenter und reaktionsschneller Umgang mit den Kunden erforderlich.
Banking im richtigen Moment
Und tatsächlich – einige Finanzdienstleister bewegen sich bereits in diese Richtung. BNP Paribas hat beispielsweise Anwendungen entwickelt, die in der Lage sind, den Kunden an ihren Geldautomaten maßgeschneiderte Kreditangebote zu unterbreiten – was zu einem enormen Anstieg der Kundenkonversionen geführt hat.
Ein derartiges Echtzeit-Engagement ist jedoch nur möglich, wenn ein umfassendes und stets aktuelles Verständnis für den Kunden besteht. Nur auf dieser Grundlage kann ein Unternehmen handeln. Der Aufbau einer solchen 360-Grad-Sicht bedeutet, dass zwei Arten von Kundendaten genutzt werden müssen: Zum einen sind es die Klicks und andere Streaming-Daten, die in Echtzeit generiert oder gesammelt werden, zum anderen sind es historische Daten, die einfließen müssen. Es gilt, all diese Informationen mit Hilfe von Analysetools in einer Geschwindigkeit von weniger als einer Millisekunde zusammenzuführen und zu analysieren. Nur so können umsetzbare, kontextbasierte Erkenntnisse gewonnen werden, die es Unternehmen wie BNP ermöglichen, mit Kunden im richtigen Moment in Kontakt zu treten und Angebote zu unterbreiten, die zum Abschluss der Transaktionen führen.
Die gute Nachricht:
Sieben von zehn Unternehmen sind der Meinung, dass sie mit wichtigen Kundeninformationen in der Lage sind, spezielle Angebote zu unterbreiten und Geschäfte zum Zeitpunkt der Kontaktaufnahme abzuschließen.”
Und wie lautet die schlechte Nachricht? Vier von fünf Unternehmen tun sich schwer damit, Echtzeit- und historische Daten zu vereinen, um mit potenziellen Kunden in Kontakt zu treten. Dadurch verpassen sie wertvolle Umsatzchancen.
Im Datenlabyrinth
Autor John DesJardins, Hazelcast
John DesJardins ist Chief Solutions Officer bei Hazelcast (Webseite) (Echtzeit-Datenplattform). John DesJardins verfügt über mehr als 25 Jahre Erfahrung beim Aufbau und der Implementierung von Computing-Lösungen im globalen Maßstab. Er war bei Global-2000-Unternehmen wie Cloudera, Software AG und webMethods tätig. John DesJardins hat einen Bachelor of Science Abschluss der George Mason University und ist zudem als Blogger und Referent tätig.
John DesJardins ist Chief Solutions Officer bei Hazelcast (Webseite) (Echtzeit-Datenplattform). John DesJardins verfügt über mehr als 25 Jahre Erfahrung beim Aufbau und der Implementierung von Computing-Lösungen im globalen Maßstab. Er war bei Global-2000-Unternehmen wie Cloudera, Software AG und webMethods tätig. John DesJardins hat einen Bachelor of Science Abschluss der George Mason University und ist zudem als Blogger und Referent tätig.Ein Hauptproblem sind die dezentralisierten und verstreuten Daten. Cloud, soziale Medien und IoT bedeuten, dass Daten in der gesamten IT-Umgebung generiert werden, was die Erfassung und Verarbeitung dieser Daten in Echtzeit zu einer Herausforderung macht. In der Zwischenzeit liegen historische Daten in Kunden- oder Bestandsdatenbanken oder in Versand- und Zahlungssystemen auf plattenbasierten CRM- und ERP-Systemen. Diese sind langsam und nur schwer zugänglich.
Und dann ist da noch die Datenverarbeitung. Streaming- und historische Daten müssen mit einer Leistung von weniger als einer Millisekunde integriert und verarbeitet werden. An den Integrationspunkten zwischen den Systemen kommt es jedoch häufig zu Engpässen, die die Analyse- und Anwendungsleistung beeinträchtigen. Hinzu kommen die rechnerischen und sicherheitstechnischen Herausforderungen, die sich aus der Verarbeitung von Daten in hochgradig verteilten Netzwerken ergeben, und zwar bis an den Rand der Anwendung, wo sich die Daten der Kunden befinden. Gleichzeitig sind aber genau dort die Prozessorressourcen knapp.
Plattformbezogener Ansatz
Um diese Herausforderungen zu bewältigen, ist ein Ansatz auf Plattform-Ebene erforderlich. Das bedeutet, dass eine gemeinsame und vorintegrierte Umgebung für die Verarbeitung, Analyse und Berechnung der Daten geschaffen werden muss. Dies ermöglicht es, Daten- und Systemsilos zu durchbrechen, um Streaming- und historische Daten durchgängig aufzunehmen und anzureichern und gleichzeitig eine zuverlässige und konsistente Leistung der Daten zu gewährleisten.
Wie sieht eine Echtzeit-Plattform aus?
Es gibt zwei Hauptmerkmale einer solchen Plattform. Der erste Punkt betrifft einen einheitlichen Datenspeicher und eine Ausführungs-Engine in Bezug auf Streaming- und historische Daten. Dies liefert eine Grundlage dafür, dass Anwendungen auf Daten reagieren können, sobald sie erstellt oder erfasst werden, und nicht – wie es häufig der Fall ist – Daten offline verarbeitet werden müssen.
Die Engine sollte die gleichzeitige Ausführung von Datenströmen und Threads ermöglichen und die Arbeit nahtlos verteilen, um Leistung, Skalierbarkeit und Reaktionsfähigkeit zu gewährleisten.”
Die Integration auf dieser Infrastrukturebene befreit die IT-Teams von der Erstellung und Pflege komplexer Integrationen, die oft mit inhärenten Leistungsengpässen einhergehen.
Das zweite Merkmal einer Echtzeit-Plattform ist die In-Memory-Computing-Architektur. Ein In-Memory-Datenspeicher ermöglicht den Zugriff auf und die Verarbeitung von Daten auf dem schnellstmöglichen Weg. Dies geschieht im Arbeitsspeicher (RAM), d. h. es muss nicht darauf gewartet werden, dass Daten von langsameren Medien abgerufen werden. Dies ist gleichzeitig der Schlüssel für Echtzeit-Analysen, Anwendungen und Zahlungstransaktionen. Ein fortschrittlicher In-Memory-Datenspeicher kann Knoten und Speicherpools bündeln, um lokale Rechenleistung, ein hohes Maß an Anwendungsleistung sowie eine Caching-Schicht für Microservices bereitzustellen. Damit kann In-Memory genau die Leistung bereitstellen, die für Echtzeitanalysen, Anwendungen und Zahlungen erforderlich ist.
Ein weiterer Vorteil von In-Memory ist die erhöhte Datensicherheit.
Da die Daten im Arbeitsspeicher und nicht auf der Festplatte gespeichert werden, müssen Zahlungsdienstleister sensible Daten wie Karteninformationen nicht auf einem dauerhaften Speicher ablegen, denn dies bietet Hackern eine potentielle Angriffsfläche.”
Gleichzeitig wird damit auch die Einhaltung von Datenschutzbestimmungen erleichtert.
Fazit
Die zunehmende Digitalisierung eröffnet Unternehmen neue Möglichkeiten für Echtzeit-Geschäfte. Wenn Kundeninformationen bereits mithilfe einer einheitlichen Plattform für Datenanalyse und -berechnung verwaltet werden, dann kann eine Echtzeit-Datenplattform die dazu erforderliche Geschäftsintelligenz liefern, und das in der notwendigen Geschwindigkeit.John DesJardins, Hazelcast
Sie finden diesen Artikel im Internet auf der Website:
https://itfm.link/145366
Schreiben Sie einen Kommentar