Esigenza di business
Democratizzare l’accesso ai dati
I dati supportano il processo decisionale di Itaú a tutti i livelli dell’organizzazione. Sono parte integrante della cultura della banca. Tuttavia, l’accesso ai dati chiave che la banca amministra o gestisce era in gran parte limitato ai dipendenti che lavoravano nei servizi d’investimento.
Per migliorare il processo decisionale, Itaú aveva bisogno di rendere queste informazioni disponibili ad altre aree di business, analisti e personale operativo. L’obiettivo era permettere alle persone di trovare, incrociare e utilizzare informazioni rilevanti, senza lunghi tempi di attesa o dipendenza da team specializzati, e con solidi standard di sicurezza e governance dei dati.
Democratizzare i dati in questo modo avrebbe ridotto il lavoro manuale di ricerca delle informazioni in sistemi diversi, la loro consolidazione e la riconciliazione delle incoerenze prima dell’uso.
“Abbiamo affrontato la sfida di accelerare la nostra agenda di democratizzazione dei dati all’interno del business”, afferma Ellen de Vasconcelos, Technology Manager per i servizi d’investimento di Itaú. “L’intenzione era dare ai nostri utenti interni accesso a informazioni quasi in tempo reale, consolidate in un data lake.”
Per consentire al business di rispondere rapidamente alle esigenze del mercato e degli utenti interni chiave — e in ultima analisi supportare customer journey più semplici, rapide e coerenti — era essenziale un modello di governance dei dati più distribuito e accessibile.
Modernizzazione dell’architettura
Itaú ha costruito questa iniziativa su un’architettura basata su un approccio data mesh. Un data mesh si fonda su quattro pilastri: dominio di proprietà dei dati, dati come prodotto, piattaforma dati self-service e governance federata.
Questo approccio sposta la responsabilità dei dati più vicino ai domini di business, trattando i dati come un prodotto e facilitando l’accesso alle informazioni rilevanti per ciascun team. Bilancia un accesso più ampio con una governance rigorosa e standard chiari per sicurezza, privacy e conformità regolamentare, incluso l’allineamento alla Legge Generale sulla Protezione dei Dati del Brasile (LGPD).
Questa base ha evidenziato la necessità di un’architettura tecnica dedicata progettata intorno a eventi e componenti modulari.
Sfide
Accesso limitato ai dati e aggiornamenti lenti
Prima della modernizzazione, l’area Investment Services della banca affrontava difficoltà nel rendere disponibili i dati e mantenerli aggiornati. I ritardi rallentavano il flusso di informazioni verso i team che ne dipendevano e riducevano l’efficienza operativa.
Fonti di dati frammentate
I dati erano distribuiti su fonti e formati diversi, ciascuno con i propri controlli. Questo rendeva difficile integrazione e standardizzazione, limitando la capacità della banca di produrre analisi ampie e comparative.
Secondo Kelly Nascimento, IT Director di NTT DATA, un approccio unificato all’acquisizione e distribuzione dei dati era essenziale per migliorare coerenza e affidabilità delle informazioni.
Alexandre Gusson, Director of Business IT and Strategic Alliances di NTT DATA, aggiunge che era necessario anche un nuovo modello per standardizzare le metriche e costruire indicatori di performance (KPI) per supportare confronti più accurati e insight coerenti in tutta l’organizzazione.
Abbiamo scelto NTT DATA per la capacità di unire competenze tecniche in architetture dati con esperienza in grandi progetti nel settore finanziario. La partnership ha portato fluidità nelle fasi complesse e focus sui risultati di business.”
Soluzione
Implementazione di una nuova architettura
Abbiamo seguito un approccio collaborativo e suddiviso in fasi, che ha combinato le competenze tecniche di NTT DATA con la visione strategica della banca per la sua piattaforma e i domini dati.
Il primo passo è stato identificare e dare priorità ai domini dati in grado di generare il maggiore impatto di business. Da lì, i team hanno progettato un’architettura event-driven capace di elaborare e orchestrare dati quasi in tempo reale.
Questo ha migliorato il controllo sugli aggiornamenti, la consistenza e la tracciabilità dei dati.
È stato implementato un progetto pilota su un singolo dominio affinché i team potessero progettare l’intero flusso dati prima di scalarlo. Il pilota ha coinvolto tutto: data catalog, API, dashboard e definizione di metriche di adozione.
“Questo approccio è stato reso possibile da Apache Kafka, che funge da backbone di comunicazione tra i sistemi e distribuisce i dati in modo efficiente nei vari layer del data mesh”, spiega Michel Gobbato, Head of Financial Services di NTT DATA. “Di conseguenza, Itaú ora dispone di un flusso dati altamente reattivo e scalabile.”
Utilizzo di un formato open table
L’adozione di formati open table, in particolare Apache Iceberg, ha avuto un ruolo chiave nell’aiutare Itaú a governare grandi volumi di dati in modo più flessibile e affidabile. Iceberg offre capacità come versioning, evoluzione degli schemi e ottimizzazione delle query.
“Siamo stati una delle prime aree di business ad adottare formati open table e il formato Iceberg”, afferma Ellen de Vasconcelos. “Questo ci ha permesso di costruire un’architettura orientata ai flussi di eventi in Kafka e una pipeline di ingestion basata su microservizi.”
Queste capacità hanno permesso aggiornamenti incrementali, query più veloci e una maggiore affidabilità nell’elaborazione dei dati. La pipeline è diventata lo standard per portare i dati nella piattaforma e renderli disponibili per l’analisi nell’area Investment Services.
Orchestrazione dei microservizi con AWS Step Functions
Per migliorare efficienza e modularità nel flusso di ingestion dei dati, Itaú ha adottato AWS Step Functions per coordinare i microservizi coinvolti nella lettura, trasformazione e arricchimento dei dati.
Questo servizio di workflow visivo facilita la progettazione, gestione e manutenzione di applicazioni distribuite, offrendo ai team maggiore visibilità e controllo.
Con questo servizio, la banca ha ridotto significativamente i tempi di risposta e rafforzato la resilienza della sua architettura. L’ambiente è ora meglio preparato a scalare con l’evoluzione delle esigenze di business.
Creazione di Orange Flow, un framework replicabile
Combinando Kafka, Iceberg e AWS Step Functions, Itaú ha sviluppato Orange Flow — un framework di data flow progettato per essere utilizzato da diversi team e comunità dati interne all’organizzazione.
Orange Flow consente di standardizzare e automatizzare i processi di raccolta e distribuzione dei dati, aprendo la strada per applicare lo stesso approccio in altre aree della banca.
La soluzione si basa sulla gestione di flussi a livello di sistema, con monitoraggio in tempo reale e workflow visivo per creare, gestire e scalare app distribuite.
“La decisione di creare il nostro prodotto non è stata presa alla leggera”, afferma Fabio Rocha, creatore del prodotto e Data Engineering Chapter presso Investment Services. “Abbiamo valutato diverse soluzioni di mercato, ma abbiamo concluso che sviluppare una tecnologia allineata al nostro modello cloud e alle esigenze tecniche e di business dei nostri team fosse la scelta migliore nel medio-lungo termine.”
La soluzione include monitoraggio continuo, con KPI focalizzati su utilizzo e accesso, oltre a cicli periodici di revisione per perfezionare architettura e governance. Orange Flow è stato progettato per scalare in modo affidabile mantenendo un forte allineamento con i requisiti di business.
Risultati
Accesso più rapido ai dati
Con la nuova architettura, Itaú ha ridotto di circa il 70% il tempo necessario per rendere disponibili i dati. I dati transazionali raggiungono il data mesh in meno di 10 minuti, supportando risposte più rapide alle esigenze di business e dei clienti.
Elaborazione su larga scala in modo efficiente
L’area Investment Services può elaborare oltre 650.000 eventi al giorno e orchestrare circa 2 milioni di flussi tramite AWS Step Functions. Questo riduce i rework e, soprattutto, rafforza la fiducia nell’affidabilità delle informazioni utilizzate.
Democratizzazione delle informazioni, con governance
“Oltre 3.100 tabelle sono state democratizzate, rappresentando circa il 40% dei dati più rilevanti per il business”, spiega Ellen de Vasconcelos. Tutte queste informazioni sono disponibili con gli adeguati layer di governance, privacy e sicurezza.
Impatto diretto sull’esperienza del cliente
Una migliore architettura, un migliore accesso ai dati e la maggiore efficienza operativa si traducono direttamente in una customer experience superiore. L’accuratezza e tempestività delle informazioni permettono alla banca di offrire soluzioni più personalizzate e flessibili, in linea con le esigenze degli investitori.
Con processi automatizzati e dati accessibili in quasi real time, Itaú ha rafforzato la sua posizione di leadership offrendo servizi più intelligenti, efficienti e focalizzati sul cliente.