빅 데이터 란?
방대한 데이터 확산과 기술 복잡성 증가로 인해 산업 운영 및 경쟁 방식이 계속 변화하고 있습니다. 지난 몇 년 동안 전 세계의 데이터 중 90 %가 매일 2.5 쿼 틸리 온 바이트의 데이터를 생성 한 결과 생성되었습니다. 일반적으로 빅 데이터라고하는이 빠른 성장 및 스토리지는 정형 및 비정형 데이터를 수집, 처리 및 분석 할 수있는 기회를 제공합니다.
빅 데이터 작동 방식
4V의 빅 데이터에 이어 조직은 데이터 및 분석을 사용하여 더 나은 비즈니스 의사 결정에 유용한 통찰력을 얻습니다. 빅 데이터 사용을 채택한 산업에는 금융 서비스, 기술, 마케팅 및 건강 관리가 포함됩니다. 빅 데이터의 채택은 계속해서 산업의 경쟁 환경을 재정의합니다. 기업의 약 84 %가 분석 전략이없는 기업이 시장에서 경쟁 우위를 잃을 위험이 있다고 생각합니다.
특히 금융 서비스는 일관된 수익으로 더 나은 투자 결정을 내릴 수 있도록 빅 데이터 분석을 광범위하게 채택했습니다. 빅 데이터와 함께 알고리즘 거래는 복잡한 수학적 모델과 함께 방대한 과거 데이터를 사용하여 포트폴리오 수익을 극대화합니다. 빅 데이터의 지속적인 채택은 필연적으로 금융 서비스의 환경을 변화시킬 것입니다. 그러나 명백한 이점과 함께 대량의 데이터를 캡처하는 빅 데이터의 능력과 관련하여 중요한 과제가 남아 있습니다.
4V의 빅 데이터
4V는 볼륨, 다양성, 속도 및 속도와 같은 빅 데이터의 기본입니다. 경쟁이 치열 해지고 규제에 대한 제약과 고객 요구가 높아짐에 따라 금융 기관은 기술을 활용하여 효율성을 높일 수있는 새로운 방법을 찾고 있습니다. 산업에 따라 기업은 빅 데이터의 특정 측면을 사용하여 경쟁 우위를 확보 할 수 있습니다.
속도는 데이터를 저장하고 분석해야하는 속도입니다. 뉴욕 증권 거래소는 매일 1 테라 바이트의 정보를 캡처합니다. 2016 년까지 약 189 억 개의 네트워크 연결이 있었으며 지구상에서 1 인당 약 2.5 개의 연결이있었습니다. 금융 기관은 거래를 효율적이고 신속하게 처리하는 데 중점을 두어 경쟁 업체와 차별화 할 수 있습니다.
빅 데이터는 비정형 또는 구조적 데이터로 분류 할 수 있습니다. 비정형 데이터는 구성되지 않은 정보이며 사전 결정된 모델에 속하지 않습니다. 여기에는 소셜 미디어 소스에서 수집 한 데이터가 포함되어있어 기관에서 고객 요구에 대한 정보를 수집 할 수 있습니다. 구조화 된 데이터는 관계형 데이터베이스 및 스프레드 시트에서 조직에서 이미 관리하는 정보로 구성됩니다. 결과적으로 더 나은 비즈니스 결정을 내리기 위해 다양한 형태의 데이터를 적극적으로 관리해야합니다.
시장 데이터의 양이 증가함에 따라 금융 기관은 큰 어려움을 겪고 있습니다. 방대한 과거 데이터와 함께 은행 및 자본 시장은 시세 데이터를 적극적으로 관리해야합니다. 마찬가지로 투자 은행과 자산 관리 회사는 방대한 데이터를 사용하여 올바른 투자 결정을 내립니다. 보험 및 퇴직 회사는 능동적 인 위험 관리를 위해 과거 정책 및 클레임 정보에 액세스 할 수 있습니다.
알고리즘 트레이딩
알고리즘 거래는 컴퓨터의 기능이 커짐에 따라 빅 데이터와 동의어가되었습니다. 자동화 된 프로세스를 통해 컴퓨터 프로그램은 인간 거래자가 할 수없는 속도와 빈도로 금융 거래를 실행할 수 있습니다. 수학적 모델 내에서 알고리즘 거래는 가능한 최고의 가격과 적시에 거래 장소에 실행되는 거래를 제공하고 행동 요인으로 인한 수동 오류를 줄입니다.
기관은 방대한 양의 기록 데이터를 활용하여 전략을 백 테스트함으로써 알고리즘을보다 효과적으로 축소하여 대량의 데이터를 통합 할 수있어 덜 위험한 투자를 창출 할 수 있습니다. 이를 통해 사용자는 유용한 데이터를 식별하고 버릴 값이 낮은 데이터를 식별 할 수 있습니다. 알고리즘은 구조화되고 구조화되지 않은 데이터로 생성 될 수 있으므로 실시간 뉴스, 소셜 미디어 및 주식 데이터를 하나의 알고리즘 엔진에 통합하면 더 나은 거래 결정을 내릴 수 있습니다. 다양한 정보원, 인간의 감정 및 편견에 의해 영향을받을 수있는 의사 결정과는 달리 알고리즘 거래는 재무 모델 및 데이터에서만 실행됩니다.
Robo Advisor는 디지털 플랫폼에서 투자 알고리즘과 방대한 양의 데이터를 사용합니다. 투자는 현대 포트폴리오 이론을 통해 이루어지며, 일반적으로 일관된 수익을 유지하기 위해 장기적인 투자를지지하며 인적 재정 고문과 최소한의 상호 작용이 필요합니다.
도전 과제
금융 서비스 산업에서 빅 데이터의 수용이 증가하고 있음에도 불구하고 여전히 중요한 과제가 있습니다. 가장 중요한 것은 다양한 비정형 데이터 수집이 프라이버시 문제를 지원한다는 것입니다. 소셜 미디어, 이메일 및 건강 기록을 통해 개인의 의사 결정에 관한 개인 정보를 수집 할 수 있습니다.
금융 서비스 내에서 비판의 대부분은 데이터 분석에 속합니다. 정확한 양의 데이터는 정확한 결과를 얻기 위해보다 정교한 통계 기법을 요구합니다. 특히, 비평가들은 순전히 우연히 통계적으로 강력한 결과를 나타내는 가짜 상관의 패턴으로서 신호 대 잡음을 과대 평가합니다. 마찬가지로 경제 이론에 기반한 알고리즘은 일반적으로 과거 데이터의 추세로 인해 장기적인 투자 기회를 가리 킵니다. 단기 투자 전략을 지원하는 결과를 효율적으로 생성하는 것은 예측 모델의 고유 한 과제입니다.
결론
빅 데이터는 다양한 산업, 특히 금융 서비스의 환경을 지속적으로 변화시키고 있습니다. 많은 금융 기관이 경쟁력을 유지하기 위해 빅 데이터 분석을 채택하고 있습니다. 복잡한 알고리즘은 구조화 된 데이터와 구조화되지 않은 데이터를 통해 여러 데이터 소스를 사용하여 거래를 실행할 수 있습니다. 자동화를 통해 인간의 감정과 편견을 최소화 할 수 있습니다. 그러나 빅 데이터 분석 거래에는 고유 한 문제가 있습니다. 지금까지 생성 된 통계 결과는 해당 분야의 상대적인 참신함으로 인해 완전히 수용되지 않았습니다. 그러나 금융 서비스가 빅 데이터 및 자동화를 향한 추세에 따라 통계 기술의 정교함이 정확성을 향상시킵니다.
