AIG y la Visualización de propagación del riesgo con grafos

AIG es uno de los conglomerados financieros y del sector de seguros más grande del mundo. Opera en diferentes contenientes ofreciendo diferentes tipos de servicios, entre los que se destacan productos financieros y seguros. Tambien tienen una participación realmente importante en el mercado de los seguros inmobiliarios. Cómo es fácil de descifrar, AIG recibe cientos de miles de datos cada minuto para desarrollar todas y cada una de sus operaciones.

Uno de los aspectos más interesantes del desarrollo de las operaciones de AIG ha sido la forma en la que, apoyándose en la tecnología de grafos, han mejorado de forma impresionante su capacidad de visualización de datos para evitar la propagación del riesgo y lo ha logrado a través de un entorno de objetos integrados (IOE) .

Este entorno de objetos integrados ha sido construido a través de la integración de Neo4j y Tom Sawyer. Descubramos a continuación los principales aspectos de este caso real de aplicación de la tecnología de grafos.

Atributos y diagramación dentro del análisis

AIG y su equipo de desarrolladores aprovecharon las características técnicas de Neo4j y las combinaron con la potencia de otra herramienta para visualizar los datos de una forma realmente útil. En primer lugar tomaron en cuenta los atributos o propiedades de los datos. Esto es necesario para poder alimentar las características de los elementos que conforman una base de datos y así poder explorar estos atributos al realizar las consultas respectivas a través de los algoritmos que componen la biblioteca de Neo4j.

Adicionalmente a esta definición de propiedades o atributos, se suma la posibilidad de diagramar visualmente los datos. Esto permite estructurar de forma clara y ordenada la información o los datos. Para garantizar la calidad de los análisis de datos AIG ha cumplido con estándares de visualización de datos, que ayudan a garantizar la unicidad de la estructura analítica de los datos.

AIG

Desde la perspectiva empresarial definieron los tipos de datos, los estándares a implementar, las mejores practicas para analizar datos y posteriormente los estructuraron dentro del IOE. Al realizar esta estructuración, es necesario simplificar el flujo de datos para que sea más fácil de analizar. Al definir el modelo de datos simplificado, ya es posible analizar los datos estructurales que conforman la IOE.

¿Qué pueden hacer los expertos de AIG con este tipo de análisis?

Al contar con una estructura tecnológica de estas características el equipo de AIG tiene la posibilidad de estudiar a profundidad miles de objetos, bases de datos, modelos y resultados desde una perspectiva visual. Pueden también, aislar datos específicos o conjuntos de datos para comprender su influencia y participación dentro de una estructura compleja.

En estos flujos de datos estructurados, pueden capturarse nodos con Neo4j y clasificarlos por cualquiera de los atributos precargados en la base de Neo4j; de esta manera, los analistas pueden aislar topologías y consultarlas por separado sin afectar toda la diagramación de datos, dando como resultados que la IOE se nutra de los atributos que analiza y los incorpore a su estructura general. Este procedimiento ha ayudado a AIG a construir herramientas de visualización de riesgo como mapas de calor que pueden mostrar puntuaciones según los datos contenidos en el diagrama.

Sin embargo esto es solo una parte del potencial analítico. Profundizaremos más a continuación.

Más allá de la topología

La combinación de herramientas que ha realizado el equipo de AIG permite ir más allá del análisis topológico, esto abre la posibilidad a plantear consultas sobre el riesgo que representan los datos dentro de silos de datos o más allá de lo que se puede visualizar. Para esto se toma en cuenta el atributo de criticidad sobre los datos. A través de este atributo el analista puede estudiar a profundidad los datos y determinar elementos que no son fáciles de obtener.

AIG

Los atributos puestos a prueba en esta fase pueden convertirse en elementos de más o menos riesgo, lo que incide en desplegar más o menos recursos. Con esto se puede crear una dimensión más real sobre el riesgo de los datos que son analizados, ajustándolos a las necesidades de los usuarios finales de la información, quienes a su vez también proporcionan datos.

Propagación y Visualización

Lo que aunque puede ser una solución, también genera todo un campo de análisis en si. Ya que no enfrentamos a una Propagación de contribución.  Las bases de datos gráficas son una forma de ver hacia dónde se dirige la contribución de los equipos y las personas de la empresa. Al incluir los datos y las métricas provenientes de los usuarios finales, estas también alimentarían el modelo para lo que necesitamos una vista de red y a su vez considerar diferentes tipos de atributos como método para entrar en diferentes dimensiones.

Entendiendo lo anterior, AIG ha construido dentro de sus sistemas la posibilidad de visualizar los datos de forma geográfica e integral, para aportar más valor. Dentro de un mismo ecosistema de datos pueden ser utilizadas diferentes dimensiones y/o esquemas de visualización. La referencia geográfica es importante, pero también puede ser útil la aplicación de una visualización tomando los atributos de mayor riesgo que nos permitan construir un mapa de riesgo general.

Al tomar la complejidad del conjunto de topologías, puede analizarse de forma sistémica el conjunto de datos. para realizar consultas más profundas y obtener respuestas o devoluciones de datos que ayuden a comprender el verdadero riesgo de los datos analizados sin dispersar el análisis y enfocando las resoluciones a los datos que realmente importan.

Esperamos que esta información sea de utilidad para comprender más sobre los grafos.

Descubre más sobre los grafos en Grapheverywhere

Share This