지난 2 년 동안 전세계 데이터의 90 %가 2.5 조 바이트의 데이터를 매일 생성 한 결과로 생성되었습니다. 일반적으로 빅 데이터라고하는이 빠른 성장과 저장은 구조화 된 데이터와 구조화되지 않은 데이터의 수집, 처리 및 분석의 기회를 창출합니다.

3 V의 대용량 데이터를 따르는 기업은 데이터와 분석을 사용하여 더 나은 비즈니스 의사 결정에 도움이되는 가치있는 통찰력을 얻습니다. 빅 데이터 사용을 채택한 산업에는 금융 서비스, 기술, 마케팅 및 건강 관리가 포함됩니다. 큰 데이터의 채택은 계속해서 산업의 경쟁 구도를 재정의합니다. 기업의 89 %는 분석 전략이없는 사람들이 시장에서 경쟁 우위를 잃을 위험이 있다고 생각합니다.

특히 금융 서비스는 대용량 데이터 분석을 광범위하게 채택하여 일관된 수익률로 더 나은 투자 결정을 내리게되었습니다. 큰 데이터와 함께 알고리즘 트레이딩은 복잡한 수학적 모델을 가진 방대한 과거 데이터를 사용하여 포트폴리오 수익을 극대화합니다. 큰 데이터가 계속 채택되면 필연적으로 금융 서비스의 경관이 바뀔 것입니다. 그러나 명백한 이점과 함께 대용량 데이터의 탑재량을 캡처하는 능력과 관련하여 중요한 과제가 남아 있습니다. (자세한 내용은

빅 데이터의 빅 플레이

참조) 빅 데이터의 3V 값 빅 데이터의 기본 요소 인 3V는 볼륨, 다양성 및 속도입니다. 경쟁이 치열 해지면서 규제의 제약과 고객 요구에 직면 해있는 금융 기관은 효율성을 높이기 위해 기술을 활용하는 새로운 방법을 모색하고 있습니다. 업계에 따라 기업은 경쟁 우위를 확보하기 위해 큰 데이터의 특정 측면을 사용할 수 있습니다.

벨로 시티는 데이터를 저장하고 분석해야하는 속도입니다. 뉴욕 증권 거래소는 매일 1 테라 바이트의 정보를 수집합니다. 2016 년에는 2016 년까지 18 억 9 천만 개의 네트워크 연결이 예상되며 지구상의 1 인당 연결량은 약 2.5입니다. 금융 기관은 거래를 효율적이고 신속하게 처리하는 데 집중함으로써 경쟁 업체와 차별화 할 수 있습니다.

빅 데이터는 비 구조적 또는 구조화 된 데이터로 분류 할 수 있습니다. 비정형 데이터는 조직화되어 있지 않으며 사전 결정된 모델에 속하지 않는 정보입니다. 여기에는 소셜 미디어 소스에서 수집 한 데이터가 포함되어있어 기관에서 고객의 요구 사항에 대한 정보를 수집하는 데 도움이됩니다. 구조화 된 데이터는 이미 관계형 데이터베이스 및 스프레드 시트에서 조직이 관리하는 정보로 구성됩니다.결과적으로 더 나은 비즈니스 의사 결정을 위해 다양한 형태의 데이터를 적극적으로 관리해야합니다.

시장 데이터의 증가는 금융 기관에게 커다란 도전 과제입니다. 막대한 과거 데이터와 함께 은행 및 자본 시장은 증권 거래 데이터를 적극적으로 관리해야합니다. 마찬가지로, 투자 은행 및 자산 관리 회사는 막대한 양의 데이터를 사용하여 건전한 투자 결정을 내립니다. 보험 및 퇴직 회사는 적극적인 위험 관리를 위해 과거 정책 및 청구 정보에 액세스 할 수 있습니다. 알고리즘 거래는 컴퓨터 능력의 증가로 큰 데이터의 대명사가되었습니다. ( 알고리즘 : 자동화 된 프로세스를 통해 컴퓨터 프로그램은 인간 거래자가 할 수없는 속도와 빈도로 금융 거래를 실행할 수 있습니다. 수학적 모델 내에서 알고리즘 트레이딩은 가능한 최상의 가격과 적기의 거래 배치로 실행되는 거래를 제공하고 행동 요인으로 인한 수동 오류를 줄입니다.

기관은 대용량의 데이터를 통합하기 위해 알고리즘을보다 효과적으로 축소 할 수 있으며 대용량의 과거 데이터를 활용하여 전략을 백 테스팅함으로써 위험이 적은 투자를 창출합니다. 이를 통해 사용자는 보존 할 유용한 데이터와 폐기 할 낮은 가치의 데이터를 식별 할 수 있습니다. 구조화 된 데이터와 구조화되지 않은 데이터로 알고리즘을 만들 수 있으므로 실시간 뉴스, 소셜 미디어 및 주식 데이터를 하나의 알고리즘 엔진에 통합하면보다 나은 거래 의사 결정을 내릴 수 있습니다. 다양한 정보 소스, 인간의 감정 및 편견에 영향을받을 수있는 의사 결정과 달리 알고리즘 트레이드는 재무 모델 및 데이터에서만 실행됩니다.

로보 어드바이저는 디지털 플랫폼에서 투자 알고리즘과 방대한 양의 데이터를 사용합니다. 투자는 Modern Portfolio 이론을 통해 이루어지며, 일반적으로 일관된 수익을 유지하기 위해 장기 투자를지지하며, 재무 전문가와의 상호 작용을 최소화해야합니다. (

알고리즘 무역의 기초 : 개념과 예제 참조) 과제

금융 서비스 산업이 거대한 데이터의 채택을 증가시키고 있음에도 불구하고이 분야에 여전히 중요한 도전이 존재한다. 무엇보다도 중요한 것은 다양한 구조화되지 않은 데이터를 수집하면 개인 정보 보호에 대한 우려를지지한다는 것입니다. 소셜 미디어, 이메일 및 건강 기록을 통해 개인의 의사 결정에 관한 개인 정보를 수집 할 수 있습니다.

금융 서비스 분야에서 특히 비판의 대부분은 데이터 분석에 해당합니다. 엄청난 양의 데이터는 정확한 결과를 얻기 위해 통계 기술을보다 정교하게해야합니다. 특히 비평가들은 신호 대 잡음을 스퓨리어스 상관 관계의 패턴으로 과장하여 우연히 통계적으로 강력한 결과를 나타냅니다. 마찬가지로 경제 이론에 근거한 알고리즘은 일반적으로 과거 데이터의 추세로 인해 장기 투자 기회를 가리 킵니다. 단기 투자 전략을 지원하는 결과를 효율적으로 생산하는 것은 예측 모델에 내재 된 도전 과제입니다.

결론

빅 데이터는 금융 서비스와 같은 다양한 산업의 모습을 변화시키고 있습니다. 많은 금융 기관은 경쟁력을 유지하기 위해 대용량 데이터 분석을 채택하고 있습니다. 구조 및 구조화되지 않은 데이터를 통해 복잡한 알고리즘은 여러 데이터 소스를 사용하여 거래를 실행할 수 있습니다. 자동화를 통해 인간의 감정과 편견을 최소화 할 수 있습니다. 그러나 큰 데이터 분석을 통한 거래에는 고유 한 일련의 문제점이 있습니다. 지금까지 생성 된 통계 결과는 해당 분야의 상대적 신규성으로 인해 완전히 포용되지 않았습니다. 그러나 금융 서비스가 거대한 데이터 및 자동화를 지향함에 따라 통계 기법의 정교성은 정확성을 높일 것입니다.