Big Data Analytics Workshop 2022 – Summary | Résumé

In March this year, we convened our first Big Data Analytics Workshop from the 10^th– 20^th of March. We held three days of live discussion calls with guest speakers who are experts in the field. This Workshop was specifically for Financial Policymakers, Regulators and Supervisors (Financial Authorities) and it was very engaging! Our live discussions followed this path:

So, now that the foundations have been laid, let’s briefly touch on the actual tools used in big data analytics and the potential risks that Financial Authorities need to consider when considering using these tools. According to the IFC & BIS (2020) Report, Computing platforms for big data analytics and artificial intelligence, many central banks are currently setting up, or envisaging implementing big data platforms to facilitate the storage and processing of very large datasets/big data.

There has been an increase in data volumes and this has resulted in a similar growth in the development of specific techniques for big data analytics. General analysis of the data volumes has involved artificial intelligence and machine learning. The IFC’s Bulletin, The use of big data analytics and artificial intelligence in central banking, summarizes this in the image below.

The question still remains, how can Financial Authorities organize themselves to benefit the most from these opportunities? Financial Authorities need to consider which high-performance computing (HPC) platforms that will be best suited for their jurisdiction. The aim is for them to have enough resources to solve, simulate or analyse complex statistical problems and not exclusively to handle a large amount of data.

Furthermore, Financial Authorities need to consider some main options when choosing big data infrastructure, these may include hardware choice, proprietary vs. open source technology and/or on-premise vs. cloud-based solution.

The analyzed data through big data analytics can tell a story, which can inform Financial Authorities’ decision-making, whether it be policymaking, regulation and/or supervision, which has the potential to encourage Financial Authorities to be better and more targeted enablers of DFS and understand each segment of their market towards increased financial inclusion.

_____________________________________________________________________________________________

En mars de cette année, nous avons organisé notre premier atelier sur l’analyse des données massives/ Big Data Analytics Workshop du 10 au 20 mars. Nous avons organisé trois jours de discussions en live avec des experts invités. Cet atelier était spécifiquement destiné aux autorités financières (décideurs, régulateurs et superviseurs) et il était très intéressant ! Nos discussions en live ont suivi le déroulement ci-dessous :

Donc, maintenant que les bases ont été posées, abordons brièvement les outils réels utilisés dans l’analyse des big data et les risques potentiels que les Autorités financières doivent prendre en compte lorsqu’elles envisagent d’utiliser ces outils. Selon le rapport de la SFI et de la BRI (2020) intitulé Computing platforms for big data analytics and artificial intelligence, de nombreuses banques centrales mettent actuellement en place ou envisagent de mettre en place des plateformes de big data pour faciliter le stockage et le traitement de très grands ensembles de données/ big data.

L’augmentation des volumes de données a entraîné une croissance similaire du développement de techniques spécifiques pour l’analyse des big data. L’analyse générale des volumes de données a fait appel à l’intelligence artificielle et à l’apprentissage automatique/machine learning. Le bulletin de l’IFC, The use of big data analytics and artificial intelligence in central banking, résume cela dans l’image ci-dessous.

La question demeure : comment les autorités financières peuvent-elles s’organiser pour tirer le meilleur parti de ces opportunités ? Les autorités financières doivent réfléchir aux plates-formes de calcul haute performance (HPC) qui seront les mieux adaptées à leur juridiction. L’objectif est qu’elles disposent de suffisamment de ressources pour résoudre, simuler ou analyser des problèmes statistiques complexes et pas seulement pour traiter une grande quantité de données.

En outre, les autorités financières doivent prendre en compte certaines options principales lors du choix de l’infrastructure big data, notamment le choix du matériel (hardware), la technologie propriétaire ou open source et/ou la solution sur site (on premise) ou dans le nuage(cloud).

Les données analysées par le biais de l’analyse des big data peuvent « raconter une histoire », qui peut éclairer la prise de décision des autorités financières, qu’il s’agisse de l’élaboration de politiques, de la réglementation et/ou de la supervision, ce qui a le potentiel d’encourager les autorités financières à être des facilitateurs de services financiers numériques meilleurs et plus ciblés et à comprendre chaque segment de leur marché en vue d’une inclusion financière accrue.