बिग डेटा ने वित्त को कैसे बदल दिया है

डेटा के विशाल प्रसार और बढ़ती तकनीकी जटिलताएं उद्योगों के संचालन और प्रतिस्पर्धा करने के तरीके को बदलना जारी रखती हैं। पिछले कुछ वर्षों में, दुनिया में 90 प्रतिशत डेटा दैनिक आधार पर 2.5 क्विंटल बाइट्स डेटा के निर्माण के परिणामस्वरूप बनाया गया है। आमतौर पर बड़े डेटा के रूप में संदर्भित, यह तेजी से विकास और भंडारण, संरचित और असंरचित डेटा के संग्रह, प्रसंस्करण और विश्लेषण के लिए अवसर पैदा करता है।

3 V के बड़े डेटा के बाद, संगठन बेहतर व्यावसायिक निर्णयों को सूचित करने के लिए मूल्यवान अंतर्दृष्टि प्राप्त करने के लिए डेटा और एनालिटिक्स का उपयोग करते हैं। जिन उद्योगों ने बड़े डेटा के उपयोग को अपनाया है उनमें वित्तीय सेवाओं, प्रौद्योगिकी, विपणन और स्वास्थ्य देखभाल शामिल हैं, कुछ का नाम। उद्योगों के प्रतिस्पर्धी परिदृश्य को फिर से परिभाषित करने के लिए बड़े डेटा को अपनाना जारी है। अनुमानित 89 प्रतिशत उद्यमों का मानना ​​है कि बिना एनालिटिक्स रणनीति के बाजार में प्रतिस्पर्धात्मक बढ़त खोने का जोखिम है।

विशेष रूप से वित्तीय सेवाओं ने लगातार रिटर्न के साथ बेहतर निवेश निर्णयों को सूचित करने के लिए बड़े डेटा एनालिटिक्स को व्यापक रूप से अपनाया है। बड़े डेटा के साथ संयोजन में, एल्गोरिथम ट्रेडिंग पोर्टफोलियो रिटर्न को अधिकतम करने के लिए जटिल गणितीय मॉडल के साथ विशाल ऐतिहासिक डेटा का उपयोग करता है। बड़े डेटा को जारी रखना अनिवार्य रूप से वित्तीय सेवाओं के परिदृश्य को बदल देगा। हालांकि, इसके स्पष्ट लाभों के साथ, डेटा की बढ़ती मात्रा को पकड़ने के लिए बड़े डेटा की क्षमता के संबंध में महत्वपूर्ण चुनौतियां बनी हुई हैं।

बिग डेटा के 3 वी

3 वी बड़े डेटा के लिए मौलिक हैं: मात्रा, विविधता और वेग। बढ़ती प्रतिस्पर्धा, नियामक बाधाओं और ग्राहकों की जरूरतों का सामना करते हुए, वित्तीय संस्थान दक्षता हासिल करने के लिए प्रौद्योगिकी का लाभ उठाने के नए तरीके तलाश रहे हैं। उद्योग के आधार पर, प्रतिस्पर्धी लाभ हासिल करने के लिए कंपनियां बड़े डेटा के कुछ पहलुओं का उपयोग कर सकती हैं।

वेग वह गति है जिस पर डेटा संग्रहीत और विश्लेषण किया जाना चाहिए। न्यूयॉर्क स्टॉक एक्सचेंज प्रत्येक दिन के दौरान 1 टेराबाइट की जानकारी हासिल करता है। 2016 तक, अनुमानित रूप से 18.9 बिलियन नेटवर्क कनेक्शन था, पृथ्वी पर प्रति व्यक्ति लगभग 2.5 जोड़ता है। वित्तीय संस्थान कुशलता से और जल्दी से प्रसंस्करण ट्रेडों पर ध्यान केंद्रित करके प्रतियोगिता से खुद को अलग कर सकते हैं।

बड़े डेटा को असंरचित या संरचित डेटा के रूप में वर्गीकृत किया जा सकता है। असंरचित डेटा ऐसी जानकारी है जो असंगठित है और पूर्व-निर्धारित मॉडल में नहीं आती है। इसमें सोशल मीडिया स्रोतों से एकत्र किए गए डेटा शामिल हैं, जो संस्थानों को ग्राहकों की ज़रूरतों के बारे में जानकारी इकट्ठा करने में मदद करते हैं। संरचित डेटा में पहले से ही संबंधपरक डेटाबेस और स्प्रेडशीट में संगठन द्वारा प्रबंधित जानकारी होती है। नतीजतन, बेहतर व्यापार निर्णयों को सूचित करने के लिए डेटा के विभिन्न रूपों को सक्रिय रूप से प्रबंधित किया जाना चाहिए।

बाजार के आंकड़ों की बढ़ती मात्रा वित्तीय संस्थानों के लिए एक बड़ी चुनौती है। विशाल ऐतिहासिक डेटा के साथ, बैंकिंग और पूंजी बाजार को टिकर डेटा को सक्रिय रूप से प्रबंधित करने की आवश्यकता है। इसी तरह, निवेश बैंक और परिसंपत्ति प्रबंधन फर्म ध्वनि निवेश निर्णय लेने के लिए स्वैच्छिक डेटा का उपयोग करते हैं। बीमा और रिटायरमेंट फर्म अतीत की पॉलिसी तक पहुंच सकते हैं और सक्रिय जोखिम प्रबंधन के लिए जानकारी का दावा कर सकते हैं। (अधिक जानकारी के लिए, देखें: Quants: द रॉकेट साइंटिस्ट्स ऑफ वॉल स्ट्रीट ।)

एल्गोरिथम ट्रेडिंग

एल्गोरिथम ट्रेडिंग कंप्यूटर की बढ़ती क्षमताओं के कारण बड़े डेटा का पर्याय बन गई है। स्वचालित प्रक्रिया कंप्यूटर प्रोग्राम को वित्तीय ट्रेडों को गति और आवृत्तियों पर निष्पादित करने में सक्षम बनाती है जो एक मानव व्यापारी नहीं कर सकता है। गणितीय मॉडल के भीतर, एल्गोरिथम ट्रेडिंग सर्वोत्तम संभव कीमतों और समय पर व्यापार प्लेसमेंट पर निष्पादित ट्रेडों को प्रदान करता है, और व्यवहार कारकों के कारण मैनुअल त्रुटियों को कम करता है।

संस्थान अधिक मात्रा में डेटा को सम्मिलित करने के लिए एल्गोरिदम को अधिक प्रभावी ढंग से कर्ल कर सकते हैं, ऐतिहासिक डेटा के बड़े संस्करणों को बैकटेस्ट रणनीतियों में शामिल कर सकते हैं, इस प्रकार कम जोखिम भरा निवेश बना सकते हैं। यह उपयोगकर्ताओं को उपयोगी डेटा को पहचानने में मदद करता है और साथ ही कम मूल्य वाले डेटा को छोड़ने के लिए भी। यह देखते हुए कि एल्गोरिदम को संरचित और असंरचित डेटा के साथ बनाया जा सकता है, जिसमें एक एल्गोरिथम इंजन में वास्तविक समय समाचार, सोशल मीडिया और स्टॉक डेटा शामिल करना बेहतर व्यापारिक निर्णय उत्पन्न कर सकता है। निर्णय लेने के विपरीत, जो सूचना के विभिन्न स्रोतों, मानवीय भावनाओं और पूर्वाग्रह से प्रभावित हो सकता है, एल्गोरिथम ट्रेडों को वित्तीय मॉडल और डेटा पर पूरी तरह से निष्पादित किया जाता है।

रोबो सलाहकार एक डिजिटल प्लेटफॉर्म पर निवेश एल्गोरिदम और बड़े पैमाने पर डेटा का उपयोग करते हैं। निवेश को आधुनिक पोर्टफोलियो सिद्धांत के माध्यम से तैयार किया गया है, जो आम तौर पर लगातार रिटर्न बनाए रखने के लिए दीर्घकालिक निवेश का समर्थन करता है, और मानव वित्तीय सलाहकारों के साथ न्यूनतम बातचीत की आवश्यकता होती है। (और अधिक के लिए, देखें: एल्गोरिथम ट्रेडिंग की मूल बातें: अवधारणाओं और उदाहरण ।)

चुनौतियां

वित्तीय सेवाओं के उद्योग में बड़े आंकड़ों के बढ़ने के बावजूद, महत्वपूर्ण चुनौतियां अभी भी क्षेत्र में मौजूद हैं। सबसे महत्वपूर्ण बात, विभिन्न असंरचित डेटा का संग्रह गोपनीयता पर चिंताओं का समर्थन करता है। व्यक्तिगत जानकारी सोशल मीडिया, ईमेल और स्वास्थ्य रिकॉर्ड के माध्यम से किसी व्यक्ति के निर्णय लेने के बारे में एकत्र की जा सकती है।

विशेष रूप से वित्तीय सेवाओं के भीतर, आलोचना का अधिकांश हिस्सा डेटा विश्लेषण पर पड़ता है। सटीक परिणाम प्राप्त करने के लिए डेटा की सरासर मात्रा में सांख्यिकीय तकनीकों के अधिक परिष्कार की आवश्यकता होती है। विशेष रूप से, आलोचकों ने गंभीर सहसंबंधों के पैटर्न के रूप में शोर पर संकेत को पार कर लिया है, संयोग से सांख्यिकीय रूप से मजबूत परिणामों का प्रतिनिधित्व करते हैं। इसी तरह, आर्थिक सिद्धांत के आधार पर एल्गोरिदम आम तौर पर ऐतिहासिक डेटा के रुझानों के कारण दीर्घकालिक निवेश के अवसरों की ओर इशारा करते हैं। एक अल्पकालिक निवेश रणनीति का समर्थन करने वाले कुशल उत्पादन परिणाम भविष्यवाणियों के मॉडल में अंतर्निहित चुनौतियां हैं।

तल - रेखा

बिग डेटा विभिन्न उद्योगों, विशेष रूप से वित्तीय सेवाओं के परिदृश्य को बदलना जारी रखता है। कई वित्तीय संस्थान प्रतिस्पर्धात्मक बढ़त बनाए रखने के लिए बड़े डेटा एनालिटिक्स को अपना रहे हैं। संरचना और असंरचित डेटा के माध्यम से, जटिल एल्गोरिदम कई डेटा स्रोतों का उपयोग करके ट्रेडों को निष्पादित कर सकते हैं। स्वचालन के माध्यम से मानवीय भावनाओं और पूर्वाग्रह को कम से कम किया जा सकता है; हालांकि, बड़े डेटा विश्लेषण के साथ व्यापार करने के लिए चुनौतियों का अपना विशिष्ट सेट है। क्षेत्र के सापेक्ष नवीनता के कारण अब तक उत्पादित सांख्यिकीय परिणाम पूरी तरह से गले नहीं उतरे हैं। हालांकि, वित्तीय सेवाओं के रूप में बड़े डेटा और स्वचालन की ओर रुझान, सांख्यिकीय तकनीकों का परिष्कार सटीकता बढ़ाएगा।