Data & Analytics
Be part of something bigger
Als coöperatie met miljoenen klanten over de hele wereld beschikt Rabobank over enorme hoeveelheden data. Maar data heeft de juiste mensen nodig om het te bewerken, verwerken en er waardevolle inzichten uit te halen. Dat is wat we doen binnen Data & Analytics. Er is geen vakgebied dat zo nauw verweven is met elk onderdeel van de bank. Werken bij Data & Analytics betekent dan ook bijdragen aan grote maatschappelijke thema’s.
Je ontwikkelt innovaties die het financieel welzijn van onze klanten verbeteren. Je draagt bij aan de dataficatie van de voedselketen. Of je zorgt ervoor dat Rabobank een datagedreven, toekomstbestendige bank is én blijft. En dat alles met een hecht team van zeer gedreven dataprofessionals die elkaar helpen en uitdagen. Samen ben je onderdeel van een stevige Data & Analytics community binnen Rabobank.
Be part of something bigger. Be part of Data & Analytics.
Collega's aan het woord
Van complexe regelgeving naar begrijpelijke modellen
Lees het verhaal van MarleenMet data bijdragen aan de maatschappij
Lees het verhaal van MichelComplexe problemen vertalen naar begrijpelijke antwoorden
Lees het verhaal van EdgarVan kredietverstrekker naar sparringpartner dankzij data
Lees het verhaal van HosangModelvalidatie: essentieel voor de bank én de maatschappij
Lees het verhaal van FrancescoGeschiedenis schrijven als credit risk modeller; het gebeurt nu
Lees het verhaal van MartinModellen bouwen met de klant aan de balie op je vizier
Lees het verhaal van NatachaBusiness Intelligence oplossingen bouwen voor een betere wereld: uitdagend én leuk
Lees het verhaal van OlenaWereldwijd eenduidige en kwalitatieve data, dat is het werk van een data steward
Lees het verhaal van LaraData-analyse om te voorkomen dat klanten financiële problemen krijgen
Lees het verhaal van JurjenCollega’s inspireren om méér te doen met data
Lees het verhaal van JadeFAQ
-
Bij Rabobank gebruiken we verschillende analytics technieken, afhankelijk van de use case en de beschikbare data. Voorbeelden zijn logistische regressie, Monte Carlo simulaties, autoregressieve econometrische modellen en machine learning technieken. Echter, dit is nog maar het topje van de ijsberg.
-
Machine learning wordt vaak toegepast in het bankwezen. Een goed voorbeeld van een probleem waarbij supervised learning wordt toegepast, is het vroegtijdig opsporen van financiële problemen bij klanten. Bij Rabobank hanteren we zowel supervised als unsupervised technieken om onze klanten te leren kennen, bijvoorbeeld om witwasconstructies of risicovolle transacties te detecteren. Maar machine learning wordt ook gebruikt om transacties in de bankieren-app te categoriseren.
-
De Rabobank en andere grote banken hebben miljoenen klanten met veel producten en miljoenen transacties per jaar. Dit resulteert uiteraard in big data. Binnen Data & Analytics maken we gebruik van klantgegevens, historische gegevens van hypotheken, spaartegoeden, betalingsverkeer en talloze andere (externe) databronnen.