Информационно-коммуникационные технологии. Внедрение облачных технологий и big data в деятельность коммерческого банка- российский и зарубежный опыт

С каждым годом конкуренция на отечественном банковском рынке становится все жестче. И это весьма объективная данность. Многие сегменты рынка уже заняты, поэтому, для того чтобы реально преуспеть, расширить свою долю рынка, кредитным организациям необходимо действовать эффективнее, чем их конкуренты. Сегодня уже недостаточно просто использовать традиционные банковские технологии и инструменты - необходимы качественно новые, действительно прорывные и инновационные технологии.
В последнее время все интенсивнее происходит процесс цифровизации российского банковского сектора. Многие эксперты полагают, что со временем так называемые цифровые банки и вовсе полностью вытеснят с рынка традиционные кредитные учреждения. Более того, банковская конкуренция все активнее переходит из сферы «офлайн» в сферу «онлайн», из сферы традиционных банковских услуг и продуктов в сферу IT. Новая площадка, где все более интенсивно разгорается процесс соперничества, борьбы между банками, – область высоких новейших прогрессивных технологий, в том числе и информационных. И российские кредитные организации никак не могут этот процесс игнорировать.
Современная история показывает, что сегодня успешные банки постепенно трансформируются в разряд реальных финтех-компаний с обширной сетью так называемых финансово-информационных лабораторий, центров разработки инновационных банковских технологий. Таким образом, сегодня банковская конкуренция становится все более связанной с борьбой больших умов, борьбой финансово-информационных лабораторий, соперничеством инновационных финансовых технологий.
Цель работы - анализ внедрения облачных технологий и big data в деятельность коммерческого банка.
Для достижения поставленной цели необходимо решить следующие задачи:
 раскрыть понятие облачных технологий и технологий big data;
 рассмотреть основные особенности использования технологий big data в коммерческих банках;
 проанализировать внедрение облачных технологий в деятельность коммерческого банка.
Объект исследования - информационные технологии.
Предмет исследования - внедрение облачных технологий и big data в деятельность коммерческого банка.
В процессе написания работы применялись следующие методы:
 анализ и синтез;
 сравнение;
 комплексные и системный подходы и др.
Структура курсовой работы состоит из введения, 2 глав, заключения, глоссария, списка использованных источников и списка приложений

СОДЕРЖАНИЕ
ВВЕДЕНИЕ 4
ГЛАВА 1. ОБЛАЧНЫЕ ТЕХНОЛОГИИ И BIGDATA 6
1.1 Понятие big data 6
1.1.1 Характеристика технологии 7
1.1.3 Архитектура 8
1.1.4 Компоненты технологии 10
1.2 Основные элементы облачных технологий 11
1.2.1 Исторический обзор 11
1.2.1.1 Раннее время 12
1.2.1.2 2000-е 12
1.2.1.3 2010-е 13
1.2.2 Безопасность и конфиденциальность 14
1.2.3 Ключевые преимущества 15
1.3 Предпосылки внедрения 16
1.3.1 Технология big data 16
1.3.2 Облачные технологии 17
1.3.2.1 Обеспечение омниканальности и реализация цифрового банкинга 17
1.3.2.2 Обеспечение информационной безопасности и непрерывности бизнеса 18
1.3.2.3 Хранение больших объемов данных 19
1.3.2.4 Оптимизация процессов 19
1.3.2.5 Экономия на ИТ-инфраструктуре 20
ГЛАВА 2. ИСПОЛЬЗОВАНИЕ ОБЛАЧНЫХ ТЕХНОЛОГИЙ И BIGDATA 21
2.1 Использование технологий big data в коммерческих банках 21
2.1.1 Статистика 21
2.1.2 Особенности применения 22
2.1.3 Внедрение больших данных на стороне банка 23
2.1.4 Определение объема 24
2.1.5 Определение набора навыков 24
2.1.6 Распознавание источников данных 25
2.1.7 Анализ результатов 25
2.1.8 Возврат к опыту 25
2.1.9 Обучение и переподготовка 26
2.1.10 Задача с циклическим подходом DIRAPT 26
2.1.11 Практический подход к внедрению больших данных операторами связи 26
2.1.11.1 Включение 27
2.1.11.2 Миграция 27
2.1.11.3 Интеграция 27
2.1.11.4 Тестирование 27
2.2 Использование облачных технологий в коммерческих банках 28
2.2.1 Облака - сумма инноваций и экономии 28
2.2.2 Опережение конкурентов в цифровом развитии 29
2.2.3 Большое число ресурсов облачных платформ прямо пропорционально надежности инфраструктуры 30
2.2.4 Внутренняя облачная платформа 31
2.2.5 Российский опыт 32
ЗАКЛЮЧЕНИЕ 34
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 35
СПИСОК ПРИЛОЖЕНИЙ 38

Работа оформлено согласно большинству ГОСТов
По всей работе ссылки или подстрочные или в квадратных скобках (в разных работах по разному)
Делаю заказы в программе Microsoft Word в формате doc или dox☝️. А значит открывать файл необходимо на компьютере и ТОЛЬКО через программу Microsoft Word☝️.
Не нужно открывать файл через телефон и через какую либо ДРУГУЮ программу кроме Microsoft Word☝️
Работа прошла проверку по системе ЕТХТ, но пройдет и по системе -antiplagiat.ru, -Антиплагиат ВУЗ - система проверки: Плеханова(https://student.rea.ru/), Руконтекст (https://text.rucont.ru), РАНХИГС (https://lk.ranepa.ru), Электронная библиотека (ilibrary.rucoop.ru), Адвего, Текст.ру
И многие другие.
Работа в формате doc/docx, если вы поменяете формат на docx/doc, то оригинальность может упасть, поэтому НЕ меняйте формат работы. Название файла менять можно сколько угодно
Оригинальность достигнута так, как указано у меня в профиле.
Опыт написания студенческих работ более 20 лет, поэтому можете с уверенностью скачать данную работу, вставить титульный лист и сдать преподавателю, получить оценку «5», или «4», но не ниже.
Если возникли проблемы с оригинальностью – не отправляйте на перерасчет – Напишите мне (Алексей К.) и я исправлю, если что то не так

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
1. Breur, Tom. Statistical Power Analysis and the contemporary «crisis» in social sciences. Journal of Marketing Analytics. London, England: Palgrave Macmillan. 2016. – 61-65 p
2. boyd, dana; Crawford, Kate. Six Provocations for Big Data. Social Science Research Network: A Decade in Internet Time: Symposium on the Dynamics of the Internet and Society. 2011
3. Data, data everywhere. The Economist. Electronic source: http://www.economist.com/node/15557443
4. Reichman OJ, Jones MB, Schildhauer MP. Challenges and opportunities of open data in ecology. Science. 2011. - 331 p.
5. Segaran, Toby; Hammerbacher, Jeff. Beautiful Data: The Stories Behind Elegant Data Solutions. O'Reilly Media. 2009. - 257 p.
6. Hilbert M, López P. The world's technological capacity to store, communicate, and compute information. Science. 2011. - 332 p.
7. Sagiroglu, Seref. Big data: A review. 2013 International Conference on Collaboration Technologies and Systems (CTS). 2013. - 42-47 p.
8. Kitchin, Rob; McArdle, Gavin. What makes Big Data, Big Data? Exploring the ontological characteristics of 26 datasets. Big Data & Society. 2016
9. Onay, Ceylan; Öztürk, Elif. A review of credit scoring research in the age of Big Data. Journal of Financial Regulation and Compliance. 2018. - 382 p.
10. Survey: Biggest Databases Approach 30 Terabytes. Eweek.com. Electronic source: http://www.eweek.com/database/survey-biggest-databases-approach-30-terabytes
11. LexisNexis To Buy Seisint For $775 Million". The Washington Post. Electronic source: https://www.washingtonpost.com/wp-dyn/articles/A50577-2004Jul14.html
12. Bertolucci, Jeff. Hadoop: From Experiment To Leading Big Data Platform, Information Week, 2013.
13. Webster, John. MapReduce: Simplified Data Processing on Large Clusters, Search Storage, 2004.
14. Boja, C; Pocovnicu, A; Bătăgan, L. Distributed Parallel Architecture for Big Data. Informatica Economica. 2012. - 127 p.
15. Solving Key Business Challenges With a Big Data Lake" (PDF). Hcltech.com.. Electronic source: http://www.hcltech.com/sites/default/files/solving_key_businesschallenges_with_big_data_lake_0.pdf
16. Manyika, James; Chui, Michael; Bughin, Jaques; Brown, Brad; Dobbs, Richard; Roxburgh, Charles; Byers, Angela Hung. Big Data: The next frontier for innovation, competition, and productivit. McKinsey Global Institute. 2011
17. L'Heureux, A.; Grolinger, K.; Elyamany, H. F.; Capretz, M. A. M. Machine Learning With Big Data: Challenges and Approaches. IEEE Access. 2017
18. Ray, Partha Pratim. An Introduction to Dew Computing: Definition, Concept and Implications - IEEE Journals & Magazine. IEEE Access. 2018. - 737 p.
19. Montazerolghaem, Ahmadreza; Yaghmaee, Mohammad Hossein; Leon-Garcia, Alberto. Green Cloud Multimedia Networking: NFV/SDN Based Energy-Efficient Resource Allocation. IEEE Transactions on Green Communications and Networking. 2020. - 889 p.
20. White, J.E. Network Specifications for Remote Job Entry and Remote Job Output Retrieval at UCSB. Electronic source: tools.ietf.org.
21. Corbató, Fernando J. An Experimental Time-Sharing System. SJCC Proceedings. MIT. 2009
22. Qian, Ling; Lou, Zhigou; Du, Yujian; Gou, Leitao. Cloud Computing: An Overview. Electronic source: researchgate.net.
23. Rochwerger, B.; Breitgand, D.; Levy, E.; Galis, A.; Nagin, K.; Llorente, I. M.; Montero, R.; Wolfsthal, Y.; Elmroth, E.; Caceres, J.; Ben-Yehuda, M.; Emmerich, W.; Galan, F. The Reservoir model and architecture for open federated cloud computing. IBM Journal of Research and Development. 2009
24. Hicks, Jacqueline. Digital colonialism: why some countries want to take control of their people's data from Big Tech. The Conversation.
25. Milita Datta. Apache CloudStack vs. OpenStack: Which Is the Best?. DZone - Cloud Zone. 2016
26. Haghighat, Mohammad; Zonouz, Saman; Abdel-Mottaleb, Mohamed. CloudID: Trustworthy cloud-based and cross-enterprise biometric identification. Expert Systems with Applications. 2015.
27. Indu, I.; Anand, P.M. Rubesh; Bhaskar, Vidhyacharan. Identity and access management in cloud environment: Mechanisms and challenges. Engineering Science and Technology, an International Journal. 2018. - 574 p.
28. Ведомости. [Электронный ресурс]. - Режим доступа: https://www.vedomosti.ru/partner/articles/2019/02/25/739068-uznat-vse
29. Просто о больших данных / Дж. Гурвиц, А. Ньюджент, Ф. Халпер, М. Кауфман. - М. : Эксмо, 2015. - 348 с.
30. Локтионов В. И. Влияние неопределенности исходных данных на варианты долгосрочного развития топливно-энергетического комплекса / В. И. Локтионов // Экономический анализ: теория и практика. - 2015. - № 31. - 51-60 с.
31. Локшина Э. А. А ваша компания готова к управлению клиентским опытом? 7 признаков клиент-ориентированной компании [Электронный ресурс] / Э. А. Локшина. - Режим доступа: http://love-credit.ru/st/kak-banki-upravlyayut-klientskimi-vpechatleniyami.
32. Локтионов В. И. Учет фактора неопределенности при оценке вариантов использования Ковыктинского газа / В. И. Локтионов, Ю. Д. Кононов, П. В. Ступин // Энергетика России в XXI веке: стратегия развития - восточный вектор. Энергетическая кооперация в Азии: что после кризиса? - Иркутск : Ин-т систем энергетики им. Л. А. Мелентьева Сиб.отд-ния РАН, 2010. – 655-660 с.
33. Mukherjee, S.; R. Shaw. Big Data-Concepts, Applications, Challenges and Future Scope, International Journal of Advanced Research in Computer and Communication Engineering. 2016
34. Ramlukan, R. How Big Data and Analytics Can Transform the Audit. Reporting. 2015
35. Watson, H. Big Data Analytics: Concepts, Technologies and Applications, Communications of the Association for Information Systems. 2014
36. Зачем банкам облака, и как они влияют на лояльность клиентов. Цифровая экономика. [Электронный ресурс]. - Режим доступа: https://www.comnews.ru/digital-economy/content/118939/2019-04-08/zachem-bankam-oblaka-i-kak-oni-vliyayut-na-loyalnost-klientov