Модернизация ИТ-инфраструктуры банка «Санкт-Петербург» ⚙️

Продолжаем серию публикаций о результатах нашей работы с клиентами — банк «Санкт-Петербург» успешно реализовал масштабный проект по переносу корпоративного хранилища данных (КХД) с Oracle на Arenadata Hadoop (сейчас — Arenadata Hyperwave), что позволило значительно ускорить работу с данными и повысить ключевые бизнес-показатели.

✏️ Задача банка: модернизация устаревшей инфраструктуры

 Исторически в банке «Санкт-Петербург» использовалось КХД на базе Oracle. Несмотря на свою эффективность, платформа достигла предела своих возможностей и перестала соответствовать растущим потребностям бизнеса в масштабируемости и гибкости. 

🔁Решение: переход на продукт Arenadata

Выбор Arenadata Hadoop был обусловлен экспертным опытом Группы Arenadata на российском рынке, оперативной технической поддержкой и возможностью обучения специалистов банка. 

✅ Достигнутые улучшения:

✔️ количество источников данных увеличено в 10 раз, что обеспечило более полную картину бизнес-процессов;

✔️ сроки добавления новых атрибутов и разработки отчётов сократились в 8–10 раз;

✔️ загрузка новых таблиц ускориласьв 5 раз;

✔️ скорость обновления данных увеличена с одного раза в день до одного раза в несколько минут для отдельных таблиц;

✔️ снижение расходов на хранение данных на 10–15% за счёт переноса архивных данных из информационных систем на платформу;

✔️ увеличение выручки за счёт развития маркетинговых сервисов благодаря повышению многообразия и скорости поставки данных.

👤 Ян Гузов, CDO банка «Санкт-Петербург», комментирует:

«Сегодня платформа управления данными банка — это не просто хранилище. Это операционный слой бизнеса, который обеспечивает стабильную работу ключевых сервисов, сокращает время вывода изменений, готов к интеграции ML/ИИ и позволяет банку масштабироваться без архитектурных ограничений».

🎯Стратегия дальнейшего развития:

Банк «Санкт-Петербург» планирует дальнейшее развитие платформы, фокусируясь на внедрении сценариев обработки данных в реальном времени, интеграции ML/ИИ-моделей и использовании ИИ-агентов для расширения возможностей самообслуживания бизнес-подразделений.

Также важным направлением останется дальнейшая оптимизация TCO ландшафта данных и достижение принятых SLA.