Какво са големи данни?
Голямото разпространение на данни и нарастващите технологични сложности продължават да трансформират начина, по който индустриите работят и се конкурират. През последните няколко години 90 процента от данните в света са създадени в резултат на създаването на 2, 5 квинтилионни байта данни ежедневно. Често наричан големи данни, този бърз растеж и съхранение създава възможности за събиране, обработка и анализ на структурирани и неструктурирани данни.
Как работят големите данни
Следвайки 4 V големи данни, организациите използват данни и анализи, за да получат ценна представа за информиране на по-добри бизнес решения. Индустриите, които са възприели използването на големи данни, включват финансови услуги, технологии, маркетинг и здравеопазване, за да посочим някои от тях. Приемането на големи данни продължава да предефинира конкурентния пейзаж на индустриите. Приблизително 84 процента от предприятията смятат, че тези, които нямат стратегия за анализ, рискуват да загубят конкурентно предимство на пазара.
По-специално, финансовите услуги широко възприеха анализа на големи данни, за да информират по-добри инвестиционни решения с постоянна възвръщаемост. Във връзка с големи данни, алгоритмичната търговия използва огромни исторически данни със сложни математически модели, за да увеличи максимално възвръщаемостта на портфейла. Продължаващото приемане на големи данни неизбежно ще преобрази пейзажа на финансовите услуги. Наред с очевидните ползи, обаче, остават значителни предизвикателства по отношение на способността на големите данни да улавят нарастващия обем от данни.
4 V на големи данни
Четирите V са основни за големите данни: обем, разнообразие, достоверност и скорост. Изправени пред нарастващата конкуренция, регулаторните ограничения и нуждите на клиентите, финансовите институции търсят нови начини да използват технологиите за постигане на ефективност. В зависимост от индустрията, компаниите могат да използват определени аспекти на големи данни, за да получат конкурентно предимство.
Скоростта е скоростта, с която данните трябва да се съхраняват и анализират. Нюйоркската фондова борса улавя 1 терабайт информация всеки ден. До 2016 г. е имало приблизително 18, 9 милиарда мрежови връзки с приблизително 2, 5 връзки на човек на Земята. Финансовите институции могат да се разграничат от конкуренцията, като се съсредоточат върху ефективно и бързо обработване на сделки.
Големите данни могат да бъдат категоризирани като неструктурирани или структурирани данни. Неструктурираните данни са информация, която е неорганизирана и не попада в предварително определен модел. Това включва данни, събрани от източници на социални медии, които помагат на институциите да събират информация за нуждите на клиентите. Структурираните данни се състоят от информация, която вече се управлява от организацията в релационни бази данни и електронни таблици. В резултат на това различните форми на данни трябва да бъдат активно управлявани, за да се информират по-добри бизнес решения.
Нарастващият обем на пазарните данни представлява голямо предизвикателство за финансовите институции. Наред с огромните исторически данни, банковите и капиталовите пазари трябва активно да управляват данните за отметки. По подобен начин инвестиционните банки и фирмите за управление на активи използват обемни данни за вземане на стабилни инвестиционни решения. Застрахователните и пенсионните фирми имат достъп до информация за предходни полици и претенции за активно управление на риска.
Алгоритмична търговия
Алгоритмичната търговия стана синоним на големи данни поради нарастващите възможности на компютрите. Автоматизираният процес позволява на компютърните програми да извършват финансови сделки със скорости и честоти, които човешкият търговец не може. В рамките на математическите модели алгоритмичната търговия предоставя сделки, изпълнявани на най-добрите възможни цени и навременно разположение на търговията и намалява ръчните грешки поради поведенчески фактори.
Институциите могат по-ефективно да ограничат алгоритмите за включване на огромни количества данни, използвайки големи обеми исторически данни, за да подкрепят стратегии, като по този начин създават по-малко рискови инвестиции. Това помага на потребителите да идентифицират полезни данни, които да запазят, както и данни с ниска стойност, които да бъдат изхвърлени. Като се има предвид, че алгоритмите могат да бъдат създадени със структурирани и неструктурирани данни, включването в реално време на новини, социални медии и данни за акции в един алгоритмичен двигател може да генерира по-добри търговски решения. За разлика от вземането на решения, които могат да бъдат повлияни от различни източници на информация, човешки емоции и пристрастия, алгоритмичните сделки се извършват единствено върху финансови модели и данни.
Съветниците на Robo използват алгоритми за инвестиции и огромни количества данни в цифрова платформа. Инвестициите са формулирани чрез съвременната теория за портфейла, която обикновено подкрепя дългосрочните инвестиции за поддържане на постоянна възвръщаемост и изисква минимално взаимодействие с човешки финансови съветници.
предизвикателства
Въпреки че индустрията на финансовите услуги все повече обхваща големи данни, все още съществуват значителни предизвикателства. Най-важното е, че събирането на различни неструктурирани данни подкрепя опасенията относно неприкосновеността на личния живот. Лична информация може да бъде събрана за вземане на решение на дадено лице чрез социални медии, имейли и здравни досиета.
По-специално в рамките на финансовите услуги по-голямата част от критиките попада върху анализа на данните. Чистият обем от данни изисква по-голяма сложност на статистическите техники, за да се получат точни резултати. По-специално, критиците надценяват сигнала към шума като модели на лъжливи корелации, представящи статистически стабилни резултати чисто случайно. По същия начин, алгоритмите, базирани на икономическата теория, обикновено сочат дългосрочни възможности за инвестиции поради тенденциите в историческите данни. Ефективното постигане на резултати в подкрепа на краткосрочната инвестиционна стратегия са присъщи предизвикателства в прогнозните модели.
Долния ред
Големите данни продължават да трансформират пейзажа на различни индустрии, особено на финансовите услуги. Много финансови институции прилагат анализи на големи данни, за да поддържат конкурентно предимство. Чрез структурирани и неструктурирани данни сложните алгоритми могат да изпълняват сделки, използвайки редица източници на данни. Човешките емоции и пристрастия могат да бъдат сведени до минимум чрез автоматизация; Въпреки това, търговията с анализ на големи данни има свой специфичен набор от предизвикателства. Досега произведените статистически резултати не са напълно обгърнати поради относителната новост на областта. Тъй като тенденцията на финансовите услуги към големи данни и автоматизация, усъвършенстването на статистическите техники ще увеличи точността.
