{"id":54074,"date":"2025-06-16T09:30:23","date_gmt":"2025-06-16T07:30:23","guid":{"rendered":"https:\/\/www.hiberus.com\/crecemos-contigo\/?p=54074"},"modified":"2025-06-17T12:28:34","modified_gmt":"2025-06-17T10:28:34","slug":"arquitectura-data-fabric-en-banca","status":"publish","type":"post","link":"https:\/\/www.hiberus.com\/crecemos-contigo\/arquitectura-data-fabric-en-banca\/","title":{"rendered":"Arquitectura data fabric en banca: fundamentos, comparativa y casos de uso"},"content":{"rendered":"

La arquitectura de <\/span>data fabric<\/b><\/em> se ha convertido en un enfoque innovador para la gesti\u00f3n de datos empresariales<\/strong>. Consiste en un \u201ctejido\u201d unificado que conecta de forma inteligente todas las fuentes de datos dispersas de una organizaci\u00f3n, permitiendo acceder y compartir la informaci\u00f3n en tiempo real sin importar d\u00f3nde resida. <\/span><\/p>\n

Para los bancos y entidades financieras, <\/span>data fabric<\/em> ofrece una v\u00eda para superar los silos de informaci\u00f3n y aprovechar al m\u00e1ximo sus datos de manera \u00e1gil y segura. <\/span><\/p>\n

En este art\u00edculo presentamos los fundamentos de la arquitectura data fabric<\/em>, sus componentes tecnol\u00f3gicos clave, y su comparaci\u00f3n con otras arquitecturas de datos como <\/span>data warehouse<\/span><\/i>, <\/span>data lake<\/span><\/i>, <\/span>data lakehouse<\/span><\/i> y <\/span>data mesh<\/span><\/i>. Adem\u00e1s, exploraremos escenarios de uso espec\u00edficos en el sector bancario, ilustrando c\u00f3mo un enfoque de data fabric<\/em> puede generar valor tangible en entornos bancarios.\u00a0<\/span><\/p>\n

 <\/p>\n

Fundamentos de la arquitectura data fabric<\/em><\/span><\/b>\u00a0<\/em><\/h2>\n

\u00bfQu\u00e9 es data fabric<\/em>?<\/span><\/b> En esencia, <\/span>data fabric<\/span><\/i> (o \u201ctejido de datos\u201d) es una arquitectura de datos unificada que integra de forma segura y automatizada m\u00faltiples fuentes de datos dispares, sin requerir que todos los datos se muevan a un repositorio central. Es decir, proporciona una <\/span>capa conectada<\/span><\/b> que permite acceso y compartici\u00f3n de datos sin importar d\u00f3nde o c\u00f3mo est\u00e9n almacenados, ya sea en bases de datos locales, <\/span>data warehouses<\/span><\/i>, <\/span>data lakes<\/span><\/i> o sistemas en la nube. <\/span><\/p>\n

Los usuarios finales pueden ver y usar datos unificados en un entorno de <\/span>autoservicio<\/span><\/b>, mientras los datos debajo permanecen distribuidos en distintos sistemas. Esto hace la gesti\u00f3n de datos m\u00e1s eficiente y mejora la toma de decisiones al ofrecer una vista completa y confiable de la informaci\u00f3n.<\/span>\u00a0<\/span><\/p>\n

 <\/p>\n

Componentes y capacidades clave de una arquitectura data fabric<\/em><\/span><\/b><\/h2>\n
    \n
  • Integraci\u00f3n y virtualizaci\u00f3n de datos:<\/span><\/b> conecta diversas fuentes de datos (estructurados o no, locales o en la nube) mediante integraci\u00f3n l\u00f3gica o virtualizaci\u00f3n, evitando duplicaciones y permitiendo acceso en tiempo real. Su meta es entregar el dato correcto, en el formato y momento adecuados<\/strong>, simplificando el acceso a datos dispersos.<\/span><\/li>\n<\/ul>\n
      \n
    • Metadatos activos y cat\u00e1logo de datos:<\/span><\/b> utiliza metadatos din\u00e1micos para automatizar y optimizar la gesti\u00f3n de datos. Con cat\u00e1logos de datos y metadata management<\/em>, identifica ubicaci\u00f3n, calidad, uso y relaciones entre datos. Gracias a IA y grafos de conocimiento, facilita el descubrimiento y entendimiento de datos empresariales.<\/span><\/li>\n<\/ul>\n
        \n
      • Automatizaci\u00f3n e inteligencia aumentada:<\/span><\/b> la IA permite automatizar tareas como integraci\u00f3n, calidad y preparaci\u00f3n de datos. La arquitectura data fabric<\/em> genera recomendaciones<\/strong> y alertas, reduciendo el esfuerzo manual y haciendo frente a la demanda creciente sin depender solo de expertos t\u00e9cnicos.<\/span><\/li>\n<\/ul>\n
          \n
        • Gobernanza y seguridad integradas:<\/span><\/b> incluye control de acceso, trazabilidad, calidad y cumplimiento normativo de forma nativa. Las pol\u00edticas de seguridad y privacidad se aplican de manera coherente en toda la arquitectura, integrando la gobernanza<\/strong> como parte esencial del sistema.<\/span><\/li>\n<\/ul>\n

          Gracias a estos componentes, una arquitectura data fabric<\/em> permite gestionar datos distribuidos a gran escala de manera <\/span>m\u00e1s \u00e1gil y escalable<\/span><\/b>. No reemplaza los sistemas existentes, sino que los conecta y potencia. De hecho, una ventaja pr\u00e1ctica es que <\/span>no requiere \u201carrancar y sustituir\u201d las inversiones previas<\/span><\/b> en data lakes<\/em> o warehouses<\/em>; m\u00e1s bien las aprovecha y las envuelve en una capa unificada y automatizada. <\/span><\/p>\n

          As\u00ed, organizaciones como los bancos pueden modernizar su infraestructura de datos de forma evolutiva, a\u00f1adiendo una data fabric<\/em> sobre sus sistemas actuales para ofrecer integraci\u00f3n en tiempo real, mejor calidad de datos y acceso m\u00e1s f\u00e1cil, sin perder las inversiones ni detener operaciones existentes.<\/span>\u00a0<\/span><\/p>\n

           <\/p>\n

          Comparaci\u00f3n de data fabric <\/em>con data warehouse, data lake, data lakehouse <\/em>y data mesh<\/em><\/span><\/b>\u00a0<\/em><\/h2>\n

          El panorama de arquitecturas de datos ha evolucionado con diversas aproximaciones, cada una abordando necesidades diferentes.<\/span>\u00a0La siguiente tabla resume, de forma simplificada, las diferencias clave, ventajas y limitaciones de cada arquitectura:<\/span>\u00a0<\/span><\/p>\n\n\n\n\n\n\n\n\n
          Arquitectura<\/span><\/b>\u00a0<\/span><\/td>\nDescripci\u00f3n \/ Enfoque<\/span><\/b>\u00a0<\/span><\/td>\nVentajas principales<\/span><\/b>\u00a0<\/span><\/td>\nLimitaciones<\/span><\/b>\u00a0<\/span><\/td>\n<\/tr>\n
          Data warehouse<\/b><\/em><\/a> (Almac\u00e9n de datos)<\/span>\u00a0<\/span><\/td>\nRepositorio central estructurado para an\u00e1lisis hist\u00f3rico.<\/td>\nAlta calidad y consistencia de datos; ideal para reporting<\/em> empresarial.<\/td>\nPoco flexible; no apto para datos no estructurados ni acceso en tiempo real.<\/td>\n<\/tr>\n
          Data lake<\/b><\/em> (Lago de datos)<\/span>\u00a0<\/span><\/td>\nAlmac\u00e9n de datos en bruto, sin estructura previa.<\/td>\nFlexible, econ\u00f3mico, escalable; ideal para ciencia de datos.<\/td>\nRiesgo de desorden (\u201cdata swamp<\/em>\u201d); dif\u00edcil de integrar para uso inmediato.<\/td>\n<\/tr>\n
          Data lakehouse <\/b><\/em>(Arquitectura h\u00edbrida de lago + almac\u00e9n)<\/td>\nFusi\u00f3n de data lake<\/em> y warehouse<\/em>.<\/td>\nCombina lo mejor de ambos mundos: an\u00e1lisis unificado y bajo costo.<\/td>\nA\u00fan en evoluci\u00f3n; mayor complejidad t\u00e9cnica y de gesti\u00f3n.<\/td>\n<\/tr>\n
          Data mesh<\/b><\/em><\/a> (Malla de datos)<\/span>\u00a0<\/span><\/td>\nModelo descentralizado donde cada dominio gestiona sus propios datos como productos.<\/td>\nEscala bien organizacionalmente; promueve agilidad e innovaci\u00f3n.<\/td>\nRequiere madurez cultural, buena gobernanza y alto esfuerzo t\u00e9cnico.<\/td>\n<\/tr>\n
          Data fabric<\/b><\/em> (Tejido de datos)<\/span>\u00a0<\/span><\/td>\nCapa unificada que conecta y gestiona todos los datos distribuidos de forma inteligente.<\/td>\nIntegra datos sin migrarlos; acceso en tiempo real; mejora el gobierno y la seguridad.<\/td>\nImplementaci\u00f3n compleja y costosa; no siempre justificada en entornos peque\u00f1os.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

          Las columnas anteriores presentan generalizaciones; en la pr\u00e1ctica, estas arquitecturas pueden complementarse. Por ejemplo, una organizaci\u00f3n bancaria podr\u00eda mantener un data warehouse<\/em> para informes regulatorios, un data lake<\/em> para grandes vol\u00famenes de datos crudos y, sobre ellos, implementar una data fabric<\/em> que conecte <\/span>todo<\/span><\/b> y proporcione una capa unificada. Asimismo, conceptos como data fabric<\/em> y data mesh<\/em> no son excluyentes \u2013 de hecho, comparten la idea de datos distribuidos \u2013 sino que data fabric<\/em> aporta la tecnolog\u00eda para integrar datos, mientras data mesh<\/em> aporta la estructura organizativa y cultural para gestionarlos. En muchos casos, las <\/span>soluciones modernas combinan elementos<\/span><\/b> de varias arquitecturas para lograr los objetivos de negocio.<\/span>\u00a0<\/span><\/p>\n

           <\/p>\n

          Escenarios de uso en banca para data fabric<\/em><\/span><\/b>\u00a0<\/span><\/h2>\n

          Existen <\/span>casos de uso relevantes en el sector bancario<\/span><\/b> donde una arquitectura data fabric<\/em> aporta beneficios significativos. El sector financiero maneja enormes vol\u00famenes de datos sensibles y opera bajo estrictas regulaciones, por lo que enfrenta constantes retos de integraci\u00f3n, calidad y control de la informaci\u00f3n.\u00a0<\/span><\/p>\n

           <\/p>\n

          Gobierno de datos empresarial<\/h3>\n

          En banca, un gobierno de datos robusto es indispensable para asegurar la confiabilidad de la informaci\u00f3n usada en decisiones cr\u00edticas (por ejemplo, c\u00e1lculo de capital, reportes a reguladores) y para mantener la confianza del cliente. <\/span><\/p>\n

          Una arquitectura data fabric<\/em> contribuye fuertemente al gobierno de datos al <\/span>centralizar pol\u00edticas y seguimiento<\/span><\/b> sobre datos que residen en m\u00faltiples sistemas. Gracias a su capa unificada de metadatos y catalogaci\u00f3n, permite saber <\/span>qu\u00e9 datos existen y d\u00f3nde<\/span><\/b>, qui\u00e9n los usa y con qu\u00e9 prop\u00f3sito, y establecer definiciones y reglas comunes en toda la organizaci\u00f3n. Por ejemplo, a trav\u00e9s del data fabric<\/em>, un banco puede trazar el <\/span>linaje<\/span><\/i> de un dato financiero espec\u00edfico desde su origen hasta un informe regulatorio. Esto facilita auditor\u00edas internas y externas, y ayuda a identificar r\u00e1pidamente cualquier inconsistencia. <\/span><\/p>\n

          Asimismo, las <\/span>reglas de calidad<\/span><\/b> (como formatos est\u00e1ndar, eliminaci\u00f3n de duplicados, validaci\u00f3n de rangos) se pueden implantar una vez en la capa fabric<\/em> para que autom\u00e1ticamente se apliquen a todos los datos integrados. Todo esto conduce a datos m\u00e1s confiables y consistentes para la toma de decisiones. Importante destacar que el data fabric<\/em> no solo documenta y monitorea, sino que <\/span>act\u00faa<\/span><\/i> \u2013 por ejemplo, impidiendo accesos no autorizados o disparando alertas cuando un dato cr\u00edtico est\u00e1 faltando \u2013, garantizando un gobierno proactivo.\u00a0<\/span><\/p>\n

           <\/p>\n

          Cumplimiento normativo y seguridad de datos<\/span><\/b><\/h3>\n

          Los bancos operan bajo numerosas regulaciones de datos: leyes de privacidad (como GDPR en Europa o la Ley de Protecci\u00f3n de Datos Personales), normas financieras (BCBS 239, Sarbanes-Oxley), est\u00e1ndares de seguridad (PCI DSS para datos de tarjetas, por ejemplo) y requisitos contra delitos financieros (KYC\/AML), entre otras. <\/span><\/p>\n

          Cumplir con estas normas exige saber <\/span>d\u00f3nde est\u00e1 cada dato sensible<\/span><\/b>, qui\u00e9n puede acceder a \u00e9l, c\u00f3mo se est\u00e1 usando y garantizar que solo se use con fines permitidos. Aqu\u00ed, la arquitectura data fabric<\/em> ofrece una gran ventaja: al unificar la gesti\u00f3n de metadatos y accesos, permite <\/span>aplicar las normas de cumplimiento de forma consistente en todos los sistemas<\/span><\/b>. Por ejemplo, si un cliente ejerce su derecho de eliminar sus datos, el data fabric<\/em> facilita localizar <\/span>todas<\/span><\/i> sus apariciones (en bases de datos, en el data lake<\/em>, en logs<\/em>) y asegurar su anonimizaci\u00f3n o borrado seg\u00fan corresponda. Del mismo modo, si se debe garantizar que datos de tarjetas de cr\u00e9dito est\u00e9n encriptados en cada entorno, la capa unificada puede aplicar esa pol\u00edtica transversalmente.<\/span>\u00a0<\/span><\/p>\n

          Un caso concreto es la consolidaci\u00f3n de datos para <\/span>reportes regulatorios<\/span><\/b>. Con data fabric<\/em>, se puede orquestar que la informaci\u00f3n requerida se recolecte virtualmente de cada fuente en tiempo casi real, con controles de calidad incorporados, reduciendo errores manuales y retrasos. Adicionalmente, los accesos a datos sensibles pueden centralizarse. <\/span><\/p>\n

          Un <\/span>data fabric<\/span><\/i> bien implementado sirve como guardi\u00e1n, <\/span>asegurando cumplimiento normativo \u201cde f\u00e1brica\u201d<\/span><\/b> en cada flujo de datos. De hecho, ya se observan bancos que usan data fabric para garantizar que los datos de clientes en todas sus sucursales y aplicaciones cumplen con GDPR y PCI DSS, permitiendo incluso que aplicaciones de IA analicen esos datos sin riesgo de violar privacidad. En resumen, en un entorno donde las multas por incumplimiento son cuantiosas, data fabric<\/em> ofrece la tranquilidad de un <\/span>control centralizado y en tiempo real<\/span><\/b> sobre las obligaciones regulatorias y de seguridad.<\/span>\u00a0<\/span><\/p>\n

           <\/p>\n

          Integraci\u00f3n de silos de d<\/span><\/b>atos y sistemas heredados<\/span><\/b><\/h3>\n

          Las instituciones financieras t\u00edpicamente operan una multitud de sistemas, muchas veces adquiridos en diferentes \u00e9pocas o tras fusiones. Esto deriva en <\/span>silos de datos<\/span><\/b> donde informaci\u00f3n valiosa queda aislada en cada plataforma. <\/span><\/p>\n

          Un gran beneficio de data fabric<\/em> es su capacidad de <\/span>trenzar esos silos en una malla conectada<\/span><\/b>, sin tener que reemplazar cada sistema antiguo. Por ejemplo, un banco puede tener datos de clientes repartidos entre la base de datos de cuentas corrientes, el CRM de ventas, el sistema de tarjeta de cr\u00e9dito y una aplicaci\u00f3n m\u00f3vil \u2013 todos con tecnolog\u00edas distintas. Con data fabric<\/em>, se configura una capa com\u00fan que <\/span>se conecta a cada fuente en su propio lenguaje<\/span><\/b>, expone sus datos de forma est\u00e1ndar y permite combinarlos bajo demanda. As\u00ed, se podr\u00eda obtener una vista \u00fanica del cliente o del negocio sin migrar los datos f\u00edsicamente de sus sistemas originales.<\/span>\u00a0<\/span><\/p>\n

          En la pr\u00e1ctica, esto acelera proyectos que antes eran tit\u00e1nicos. Adem\u00e1s, esta integraci\u00f3n en tiempo real habilita operaciones antes impracticables, como por ejemplo detectar un evento en un sistema (un cliente hace una transacci\u00f3n grande en su cuenta) y reaccionar con datos de otro (combinar con su historial de inversiones para alertar a su asesor).<\/span> En resumen, para la banca que arrastra una herencia tecnol\u00f3gica heterog\u00e9nea, la arquitectura data fabric<\/em> act\u00faa como un \u201ctraductor universal\u201d que integra los silos de informaci\u00f3n, reduciendo dr\u00e1sticamente la <\/span>fricci\u00f3n para compartir datos<\/span><\/b> a lo largo y ancho de la organizaci\u00f3n.<\/span>\u00a0<\/span><\/p>\n

           <\/p>\n

          Personalizaci\u00f3n del cliente y visi\u00f3n 360\u00b0<\/span><\/b><\/h3>\n

          En la era digital, los clientes bancarios esperan experiencias personalizadas y coherentes a trav\u00e9s de todos los canales (sucursal, web, app m\u00f3vil, etc.). Para lograr una <\/span>hiper-personalizaci\u00f3n<\/span><\/b>, las entidades necesitan una <\/span>visi\u00f3n 360\u00b0 del cliente<\/span><\/b>, es decir, consolidar en tiempo real todos los datos relevantes de cada persona. Data fabric <\/em><\/span>unifica esa visi\u00f3n del cliente en tiempo real<\/span><\/b>, conectando sistemas internos y fuentes externas relevantes y <\/span>proveyendo los datos integrados bajo demanda<\/span><\/b> para fines anal\u00edticos o operativos.<\/span>\u00a0<\/span><\/p>\n

          Con una arquitectura tradicional, los datos del cliente quedan aislados en distintos canales. En cambio, con data fabric<\/em>, es posible integrar en tiempo real toda la informaci\u00f3n relevante \u2014como interacciones en redes, movimientos bancarios o consultas en el call center\u2014 y generar un perfil unificado. Esto permite que un asesor o sistema digital ofrezca recomendaciones personalizadas en el momento oportuno. Tres de cada cuatro entidades financieras ya est\u00e9n considerando esta arquitectura para potenciar su inteligencia de cliente.
          \n<\/span><\/p>\n

          El resultado es una <\/span>mejora sustancial en la experiencia del cliente<\/span><\/b>: con todos los datos al alcance, se evitan respuestas incompletas o contradictorias, y se puede anticipar mejor las necesidades. Data fabric<\/em> potencia la personalizaci\u00f3n al derribar las barreras entre datos de cliente, proporcionando las bases para servicios bancarios m\u00e1s <\/span>relevantes, oportunos y contextuales<\/span><\/b> para cada persona.<\/span>\u00a0<\/span><\/p>\n

           <\/p>\n

          Detecci\u00f3n de fraude y an\u00e1lisis en tiempo real<\/span><\/b><\/h3>\n

          La prevenci\u00f3n del fraude es una prioridad absoluta en banca, y depende cada vez m\u00e1s de analizar grandes vol\u00famenes de datos en <\/span>tiempo real<\/span><\/b> para detectar patrones sospechosos. Sin embargo, los datos relevantes para identificar fraude a menudo residen en m\u00faltiples sistemas: sistemas de tarjetas de cr\u00e9dito, base de datos de transacciones bancarias, registros de canales electr\u00f3nicos, informaci\u00f3n de ubicaci\u00f3n, etc. La arquitectura data fabric<\/em> brinda una soluci\u00f3n eficaz para <\/span>aglutinar y analizar estos datos de forma instant\u00e1nea<\/span><\/b>, mejorando significativamente las capacidades antifraude.<\/span><\/p>\n

          Implementando data fabric<\/em>, el banco puede <\/span>transmitir las transacciones en streaming<\/em><\/span><\/b> desde todos sus sistemas a trav\u00e9s de la capa unificada, integr\u00e1ndolas en tiempo real con herramientas anal\u00edticas o modelos de <\/span>machine learning<\/span><\/i>. Esto permitir\u00eda, por ejemplo, que un algoritmo vea el panorama completo de la actividad de un cliente a trav\u00e9s de todos los canales a medida que ocurre, detectando enseguida si hay un patr\u00f3n an\u00f3malo (como un intento de retiro en un pa\u00eds diferente seguido de una compra en l\u00ednea inusual).<\/span>\u00a0<\/span><\/p>\n

          Otra ventaja es la trazabilidad y retroalimentaci\u00f3n: con data fabric<\/em>, una vez marcada una transacci\u00f3n como fraudulenta, esa informaci\u00f3n se propaga por el tejido para evitar, por ejemplo, que el mismo usuario intente otro ataque en otro producto. La gobernanza integrada garantiza que, incluso al compartir datos entre sistemas para detecci\u00f3n de fraude, se respeten las reglas de privacidad (solo se comparten atributos necesarios). En resumen, en el \u00e1mbito de <\/span>prevenci\u00f3n del fraude<\/span><\/b>, la capacidad de integrar fuentes de datos heterog\u00e9neas en milisegundos que ofrece data fabric<\/em> se traduce en respuestas m\u00e1s r\u00e1pidas y completas, fortaleciendo la seguridad tanto para el banco como para sus clientes.<\/span>\u00a0<\/span><\/p>\n

           <\/p>\n

          Cu\u00e1ndo optar por data fabric<\/em> en entornos bancarios<\/span><\/b><\/h2>\n

          En hiberus creemos firmemente que la arquitectura data fabric<\/em> en banca es un pilar estrat\u00e9gico para modernizar la gesti\u00f3n de datos en el sector. Su capacidad para integrar de forma \u00e1gil y segura datos dispersos en m\u00faltiples plataformas \u2014cores<\/em> bancarios, data lakes, warehouses<\/em> y nubes h\u00edbridas\u2014 permite a las entidades acelerar iniciativas clave como la anal\u00edtica avanzada, la inteligencia artificial, el cumplimiento normativo o la personalizaci\u00f3n de servicios. Nuestra propuesta se basa en un enfoque evolutivo que aprovecha las inversiones existentes, incorpora automatizaci\u00f3n e inteligencia aumentada, y garantiza una gobernanza s\u00f3lida, reduciendo tiempos y riesgos frente a enfoques disruptivos.<\/p>\n

          Aunque en entornos peque\u00f1os pueden existir alternativas m\u00e1s sencillas, para bancos medianos y grandes, especialmente aquellos con retos de integraci\u00f3n y silos de informaci\u00f3n, data fabric<\/em> se convierte en un aut\u00e9ntico sistema nervioso digital: mejora la calidad del dato, habilita decisiones en tiempo real, incrementa la eficiencia operativa y permite una respuesta r\u00e1pida ante demandas regulatorias o de negocio. Desde nuestra \u00e1rea de Data e IA, ayudamos a implantar esta arquitectura con rapidez, visi\u00f3n estrat\u00e9gica y foco en resultados tangibles. \u00a1Cont\u00e1ctanos con tu reto!<\/p>\n

           <\/p>\n

          \n
          \n
          \n
          \n

          \u00bfQuieres m\u00e1s informaci\u00f3n sobre nuestras soluciones para sector bancario?<\/p>\n

          Contacta con nuestro especializado en sector banca<\/p>\n <\/div>\n

          \n \n
          \n

          <\/p>

            <\/ul><\/div>\n
            \n
            \n<\/fieldset>\n
            \n\t
            \n\t\t
            \n\t\t\t

            <\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t\t

            \n\t\t\t

            <\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t<\/div>\n\t

            \n\t\t
            \n\t\t\t

            <\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t\t

            \n\t\t\t

            <\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t<\/div>\n\t

            \n\t\t
            \n\t\t\t

            <\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t<\/div>\n\t

            \n\t\t
            \n\t\t\t