Proliferarea vastă a datelor și creșterea complexității tehnologice continuă să transforme modul în care industriile operează și concurează. În ultimii doi ani, 90% din datele din lume au fost create ca urmare a creării a două cifre de câte 5 quinte de date pe bază zilnică. Denumite în mod obișnuit date mari, această creștere rapidă și stocare creează oportunități de colectare, prelucrare și analiză a datelor structurate și nestructurate.

În urma celor 3 V de date mari, organizațiile folosesc date și analize pentru a obține informații valoroase pentru a informa mai bine deciziile de afaceri. Industriile care au adoptat utilizarea datelor importante includ serviciile financiare, tehnologia, marketingul și îngrijirea sănătății, pentru a numi câteva. Adoptarea datelor importante continuă să redefinească peisajul competitiv al industriilor. Se estimează că 89% dintre întreprinderi consideră că cei fără o strategie de analiză riscă să piardă un avantaj competitiv pe piață.

Serviciile financiare, în special, au adoptat pe scară largă analize de date importante pentru a informa mai bune deciziile de investiții cu returnări consecvente. În combinație cu date mari, tranzacționarea algoritmică utilizează date istorice bogate cu modele matematice complexe pentru a maximiza randamentul portofoliului. Adoptarea continuă a datelor importante va transforma în mod inevitabil peisajul serviciilor financiare. Cu toate acestea, împreună cu avantajele sale evidente, persistă provocări semnificative în ceea ce privește capacitatea datelor mari de a capta volumul mondial de date. (Pentru mai multe, vezi: Jocul mare în date mari .)

3 V de date mari

Cele 3 V sunt fundamentale pentru date mari: volum, varietate si viteza. Confruntându-se cu creșterea concurenței, constrângerile de reglementare și nevoile clienților, instituțiile financiare caută noi modalități de a mobiliza tehnologia pentru a obține eficiență. În funcție de industrie, companiile pot folosi anumite aspecte ale datelor mari pentru a obține un avantaj competitiv.

Viteza este viteza la care datele trebuie stocate și analizate. Bursa de Valori din New York captează 1 terabyte de informații în fiecare zi. Până în 2016, până în 2016 vor exista aproximativ 18,9 miliarde de conexiuni de rețea, cu aproximativ 2,5 conectări pe persoană pe Pământ. Instituțiile financiare se pot diferenția de concurență concentrându-se pe prelucrarea eficientă și rapidă a tranzacțiilor.

Datele mari pot fi clasificate ca date nestructurate sau structurate. Datele nestructurate sunt informații care sunt neorganizate și nu intră într-un model prestabilit. Acestea includ date colectate din surse media sociale, care ajută instituțiile să adune informații despre nevoile clienților. Datele structurate constau în informații deja gestionate de organizație în baze de date și foi de calcul relaționale.Ca urmare, diversele forme de date trebuie gestionate în mod activ pentru a informa mai bine deciziile de afaceri.

Volumul tot mai mare al datelor de pe piață reprezintă o mare provocare pentru instituțiile financiare. Împreună cu datele istorice vaste, piețele bancare și de capital trebuie să gestioneze în mod activ datele de ticker. De asemenea, băncile de investiții și firmele de administrare a activelor folosesc date voluminoase pentru a lua decizii de investiții sănătoase. Firmele de asigurări și de pensii pot accesa informațiile din trecut și pot solicita informații pentru gestionarea activă a riscurilor. ( Quants: Oamenii de știință de pe Wall Street .)

Trading Algorithmic

Comerțul algoritmic a devenit sinonim cu datele mari datorită capacităților crescânde ale computerelor. Procesul automatizat permite programelor de calculator să execute tranzacții financiare la viteze și frecvențe pe care un comerciant nu le poate face. În cadrul modelelor matematice, tranzacționarea algoritmică oferă tranzacții executate la cele mai bune prețuri posibile și plasarea la timp a comerțului și reduce erorile manuale din cauza factorilor comportamentali.

Instituțiile pot reduce mai eficient algoritmii pentru a încorpora cantități masive de date, făcând posibilă utilizarea unor volume mari de date istorice pentru a crea strategii de siguranță, generând astfel investiții mai puțin riscante. Acest lucru ajută utilizatorii să identifice date utile pentru a păstra, precum și date cu valoare scăzută, pentru a fi eliminate. Având în vedere că algoritmii pot fi creați cu date structurate și nestructurate, încorporarea știrilor în timp real, a datelor sociale și a stocurilor într-un motor algoritmic pot genera decizii mai bune de tranzacționare. Spre deosebire de luarea deciziilor, care poate fi influențată de diverse surse de informație, de emoțiile umane și de părtinire, tranzacțiile algoritmice sunt executate exclusiv pe modele și date financiare.

Consilierii Robo folosesc algoritmi de investiții și cantități masive de date pe o platformă digitală. Investițiile sunt încadrate în teoria modernă a portofoliului, care acceptă de obicei investiții pe termen lung pentru a menține profituri coerente și necesită o interacțiune minimă cu consilierii financiari umani. (Mai mult, vezi: Elementele de bază ale tranzacționării algoritmice: Concepte și exemple .)

Provocări

În ciuda faptului că industria serviciilor financiare implică o creștere a numărului mare de date, există încă provocări semnificative în domeniu. Cel mai important, colectarea de diverse date nestructurate susține preocupările privitoare la intimitate. Informațiile personale pot fi adunate cu privire la luarea deciziilor de către un individ prin intermediul rețelelor sociale, al e-mailurilor și al dosarelor de sănătate.

În cadrul serviciilor financiare în mod special, majoritatea criticilor intră în analiza datelor. Volumul mare de date necesită o sofisticare mai mare a tehnicilor statistice pentru a obține rezultate precise. În special, criticii supraagriculează semnalul la zgomot ca modele de corelații false, reprezentând rezultate statistice robuste numai din întâmplare. De asemenea, algoritmii bazați pe teoria economică indică de obicei oportunități de investiții pe termen lung datorate tendințelor din datele istorice. Producerea eficientă a rezultatelor care susțin o strategie de investiții pe termen scurt reprezintă provocări inerente în modelele predictive.

Linia de fund

Datele mari continuă să transforme peisajul diferitelor industrii, în special al serviciilor financiare. Multe instituții financiare adoptă analize de date importante pentru a menține un avantaj competitiv. Prin structura și datele nestructurate, algoritmii complexi pot executa tranzacții utilizând mai multe surse de date. Umilința și părtinirea umană pot fi reduse la minimum prin automatizare; cu toate acestea, tranzacționarea cu analize de date mari are propriul set de provocări specifice. Rezultatele statistice produse până acum nu au fost pe deplin îmbrățișate din cauza noutății relative a domeniului. Cu toate acestea, tendința serviciilor financiare față de date și automatizări mari, sofisticarea tehnicilor statistice va crește precizia.