Cómo Lloyds Banking Group pone en orden su estrategia de datos

Lloyds Banking Group está buscando una nueva estrategia de datos empresariales, sacándola de los silos para obtener una visión única del cliente y reducir los largos y costosos ciclos de informes en el proceso.

Aline Hayes, directora de sistemas de gestión de la información y transformación de grupos de Lloyds Banking Group, analizó cómo el banco busca organizar sus datos y los beneficios que esto traerá a largo plazo. Hayes habló la semana pasada en un exclusivo evento informativo en asociación con ManageEngine, titulado: "Innovación, control y cultura: creación de sistemas que permitan un cambio constante".

El grupo anunció su actualización estratégica en febrero, con "digitalizar el grupo y transformar las formas de trabajar" en la agenda. Esto incluye un compromiso de £ 3 mil millones para 'crear el banco del futuro'. Hayes señala a esto como un gran apoyo de la parte superior del negocio ya que Lloyds busca hacer un mejor uso de sus datos empresariales, pero también trae consigo un cierto grado de presión.

"El momento aterrador fue hace un mes o algo así que tuve que presentarlo a nuestro presidente y él se volvió y me miró y dijo: 'los datos son prioritarios'. Así que eso es fabuloso y para nada aterrador", dijo Hayes. En pocas palabras, la estrategia se reduce a "racionalizar y simplificar nuestro estado de datos", lo que Hayes admite que "puede no sonar particularmente innovador, otras personas ya lo han hecho, pero para un negocio altamente federado de 250 años de antigüedad, esto es sobre innovar para nuestro negocio ".

Lago de datos únicos
¿Qué está haciendo Lloyds para llegar allí? En los próximos dos años, el banco está construyendo un lago de datos único para que lo utilice todo el grupo, en lugar de extraer y reemplazar los sistemas existentes.

Como dijo Hayes: "En términos de habilitación de TI, queremos crear un único lago de datos lógicos. Lo que no estamos tratando de hacer es cambiar todos nuestros sistemas comerciales, tenemos cientos y no queremos cavar. todos ellos y eliminarlos. Lo que podemos hacer es utilizar big data como núcleo para extraer datos y usarlos de manera diferente. Así que resolvimos el problema de cambiar el back-end para obtener beneficios, pero no eliminando todo y reiniciando "

Esto incluye HBase para el almacén de datos y para enriquecer los datos a medida que avanza, Hive para cargar datos para análisis y análisis, Storm como motor de procesamiento en tiempo real, Spark para consumir y cargar datos en los diversos sistemas y Kafka como canal en todo el estado. Todo esto aún se ejecuta en el lugar en el banco.