การขยายฐานข้อมูลขนาดใหญ่และความซับซ้อนด้านเทคโนโลยีที่เพิ่มขึ้นยังคงเปลี่ยนวิธีที่อุตสาหกรรมดำเนินการและแข่งขัน ในช่วงสองปีที่ผ่านมา 90 เปอร์เซ็นต์ของข้อมูลในโลกถูกสร้างขึ้นเนื่องจากมีการสร้างข้อมูลจำนวน 2. 5 quintillion bytes ในชีวิตประจำวัน เรียกได้ว่าเป็นข้อมูลขนาดใหญ่การเติบโตและการจัดเก็บข้อมูลอย่างรวดเร็วนี้สร้างโอกาสในการรวบรวมประมวลผลและวิเคราะห์ข้อมูลที่มีโครงสร้างและไม่มีโครงสร้าง

หลังจากข้อมูลขนาดใหญ่ 3 V องค์กรต่างๆใช้ข้อมูลและการวิเคราะห์เพื่อให้ได้ข้อมูลเชิงลึกที่มีคุณค่าเพื่อแจ้งการตัดสินใจทางธุรกิจที่ดียิ่งขึ้น อุตสาหกรรมที่ใช้การใช้ข้อมูลขนาดใหญ่รวมถึงบริการทางการเงินเทคโนโลยีการตลาดและการดูแลสุขภาพเพื่อชื่อไม่กี่ การยอมรับข้อมูลขนาดใหญ่ยังคงกำหนดแนวการแข่งขันของอุตสาหกรรมต่อไป ประมาณ 89 เปอร์เซ็นต์ของวิสาหกิจเชื่อว่าผู้ที่ไม่มีกลยุทธ์การวิเคราะห์จะเสี่ยงต่อการสูญเสียความสามารถในการแข่งขันในตลาด

บริการทางการเงินโดยเฉพาะอย่างยิ่งได้ใช้การวิเคราะห์ข้อมูลขนาดใหญ่เพื่อแจ้งการตัดสินใจลงทุนที่ดีกว่าและให้ผลตอบแทนที่สม่ำเสมอ ร่วมกับข้อมูลขนาดใหญ่การซื้อขายแบบอัลกอริทึมจะใช้ข้อมูลทางประวัติศาสตร์ที่กว้างใหญ่พร้อมกับแบบจำลองทางคณิตศาสตร์ที่ซับซ้อนเพื่อเพิ่มผลตอบแทนจากพอร์ตโฟลิโอ การยอมรับอย่างต่อเนื่องของข้อมูลขนาดใหญ่ย่อมจะเปลี่ยนภูมิทัศน์ของบริการทางการเงิน อย่างไรก็ตามความเป็นไปได้ที่เกิดขึ้นพร้อมกับผลประโยชน์ที่ชัดเจนความท้าทายที่สำคัญยังคงอยู่ในเรื่องของความสามารถในการรับข้อมูลขนาดใหญ่ของข้อมูลขนาดใหญ่ (ดูข้อมูลเพิ่มเติมได้ที่

การเล่นข้อมูลขนาดใหญ่ .)

3 V ของ Big Data

3 V เป็นพื้นฐานของข้อมูลขนาดใหญ่: ปริมาตรความหลากหลายและความเร็ว เผชิญหน้ากับการแข่งขันที่เพิ่มขึ้นข้อ จำกัด ด้านกฎระเบียบและความต้องการของลูกค้าสถาบันการเงินกำลังแสวงหาหนทางใหม่ ๆ เพื่อยกระดับเทคโนโลยีเพื่อเพิ่มประสิทธิภาพ บริษัท สามารถใช้ข้อมูลขนาดใหญ่บางอย่างเพื่อให้ได้เปรียบในการแข่งขันทั้งนี้ขึ้นอยู่กับอุตสาหกรรม

ความเร็วคือความเร็วที่ต้องเก็บข้อมูลและวิเคราะห์ ตลาดหลักทรัพย์นิวยอร์กมีข้อมูล 1 เทราไบต์ในแต่ละวัน โดย 2016 จะมีประมาณ 18 พันล้านเชื่อมต่อเครือข่ายภายในปี 2016 โดยประมาณ 2. 5 เชื่อมต่อต่อคนบนโลก สถาบันการเงินสามารถแยกความแตกต่างของตัวเองออกจากการแข่งขันได้โดยเน้นการทำธุรกิจการค้าที่มีประสิทธิภาพและรวดเร็ว

ข้อมูลขนาดใหญ่สามารถจัดหมวดหมู่เป็นข้อมูลที่ไม่มีโครงสร้างหรือมีโครงสร้างได้ ข้อมูลที่ไม่มีโครงสร้างเป็นข้อมูลที่ไม่มีการรวบรวมและไม่ตกอยู่ในรูปแบบที่กำหนดไว้ล่วงหน้า ซึ่งรวมถึงข้อมูลที่รวบรวมจากแหล่งข้อมูลสื่อสังคมออนไลน์ซึ่งช่วยให้สถาบันรวบรวมข้อมูลเกี่ยวกับความต้องการของลูกค้า ข้อมูลที่มีโครงสร้างประกอบด้วยข้อมูลที่ได้รับการจัดการโดยองค์กรในฐานข้อมูลเชิงสัมพันธ์และสเปรดชีตดังนั้นรูปแบบต่างๆของข้อมูลต้องได้รับการจัดการอย่างกระตือรือร้นเพื่อให้สามารถตัดสินใจทางธุรกิจได้ดีขึ้น

ปริมาณข้อมูลตลาดที่เพิ่มขึ้นก่อให้เกิดความท้าทายอย่างมากสำหรับสถาบันการเงิน พร้อมด้วยข้อมูลทางประวัติศาสตร์ที่สำคัญในอดีตธนาคารและตลาดทุนจำเป็นต้องมีการจัดการข้อมูลหลักทรัพย์อย่างจริงจัง ในทำนองเดียวกันธนาคารเพื่อการลงทุนและ บริษัท บริหารสินทรัพย์ใช้ข้อมูลปริมาณมากในการตัดสินใจลงทุนอย่างถี่ถ้วน บริษัท ประกันภัยและเกษียณอายุสามารถเข้าถึงนโยบายที่ผ่านมาและเรียกร้องข้อมูลสำหรับการจัดการความเสี่ยงที่ใช้งานได้

การค้าอัลกอริทึม การค้าอัลกอริธึมได้กลายเป็นความหมายเหมือนกันกับข้อมูลขนาดใหญ่เนื่องจากความสามารถในการเติบโตของเครื่องคอมพิวเตอร์ กระบวนการอัตโนมัติช่วยให้โปรแกรมคอมพิวเตอร์ดำเนินธุรกิจการค้าทางการเงินด้วยความเร็วและความถี่ที่ผู้ค้ามนุษย์ไม่สามารถทำได้ ในรูปแบบทางคณิตศาสตร์การซื้อขายแบบอัลกอริทึมจะทำให้ธุรกิจการค้าดำเนินการในราคาที่ดีที่สุดและกำหนดตำแหน่งทางการค้าได้ทันท่วงทีและลดข้อผิดพลาดด้วยตนเองเนื่องจากปัจจัยด้านพฤติกรรม สถาบันสามารถลดขั้นตอนวิธีลงได้อย่างมีประสิทธิภาพมากขึ้นเพื่อรวมข้อมูลจำนวนมหาศาลเอาเปรียบข้อมูลในอดีตเป็นจำนวนมากเพื่อใช้กลยุทธ์ในการทำข้อสอบซึ่งทำให้เกิดการลงทุนที่มีความเสี่ยงน้อยลง ช่วยให้ผู้ใช้ระบุข้อมูลที่เป็นประโยชน์เพื่อเก็บข้อมูลข้อมูลที่มีมูลค่าต่ำเพื่อทิ้งข้อมูล ระบุว่าอัลกอริทึมสามารถสร้างขึ้นด้วยข้อมูลที่มีโครงสร้างและไม่มีโครงสร้างการรวมข้อมูลข่าวสารแบบเรียลไทม์ข้อมูลโซเชียลมีเดียและข้อมูลหุ้นเข้าไว้ในอัลกอริธึมอัลกอริทึมสามารถสร้างการตัดสินใจซื้อขายได้ดีขึ้น ซึ่งแตกต่างจากการตัดสินใจซึ่งอาจได้รับอิทธิพลจากแหล่งข้อมูลข้อมูลความรู้สึกและความลำเอียงของมนุษย์การค้าอัลกอริธึมจะดำเนินการกับรูปแบบและข้อมูลทางการเงินเท่านั้น

Robo advisors ใช้อัลกอริทึมการลงทุนและข้อมูลจำนวนมหาศาลบนแพลตฟอร์มดิจิทัล การลงทุนถูกจัดทำขึ้นโดยใช้ทฤษฎี Modern Portfolio ซึ่งรับรองการลงทุนในระยะยาวเพื่อรักษาผลตอบแทนที่สม่ำเสมอและต้องการการมีปฏิสัมพันธ์กับที่ปรึกษาทางการเงินของมนุษย์เพียงเล็กน้อย แม้ว่าความต้องการของอุตสาหกรรมบริการทางการเงินจะเพิ่มขึ้นอย่างมากก็ตาม แต่ความท้าทายที่สำคัญยังคงมีอยู่ในภาคสนาม ที่สำคัญที่สุดการรวบรวมข้อมูลที่ไม่มีโครงสร้างต่างๆสนับสนุนความกังวลเรื่องความเป็นส่วนตัว ข้อมูลส่วนบุคคลสามารถรวบรวมได้เกี่ยวกับการตัดสินใจของแต่ละบุคคลผ่านสื่อสังคมอีเมลและบันทึกสุขภาพ

ในการให้บริการทางการเงินโดยเฉพาะคำติชมส่วนใหญ่ตกอยู่ในการวิเคราะห์ข้อมูล ปริมาณข้อมูลที่ต้องการจะต้องมีความซับซ้อนมากขึ้นของเทคนิคทางสถิติเพื่อให้ได้ผลลัพธ์ที่ถูกต้อง โดยเฉพาะอย่างยิ่งนักวิจารณ์ overrate สัญญาณเสียงเป็นรูปแบบของความสัมพันธ์ correlations แทนประสิทธิภาพที่แข็งแกร่งทางสถิติอย่างหมดจดโดยบังเอิญ ในทำนองเดียวกันขั้นตอนวิธีตามทฤษฎีเศรษฐศาสตร์มักชี้ไปที่โอกาสในการลงทุนในระยะยาวอันเนื่องมาจากแนวโน้มในข้อมูลทางประวัติศาสตร์ ผลลัพธ์ที่มีประสิทธิภาพในการสนับสนุนกลยุทธ์การลงทุนในระยะสั้นเป็นความท้าทายโดยธรรมชาติในรูปแบบการคาดการณ์

บรรทัดด้านล่าง

ข้อมูลขนาดใหญ่ยังคงเปลี่ยนภูมิทัศน์ของอุตสาหกรรมต่างๆโดยเฉพาะบริการทางการเงิน สถาบันการเงินหลายแห่งกำลังใช้การวิเคราะห์ข้อมูลขนาดใหญ่เพื่อรักษาความสามารถในการแข่งขัน ผ่านโครงสร้างและข้อมูลที่ไม่มีโครงสร้างอัลกอริทึมที่ซับซ้อนสามารถประมวลผลการซื้อขายโดยใช้แหล่งข้อมูลจำนวนมาก ความรู้สึกและอคติของมนุษย์สามารถลดลงได้โดยอัตโนมัติ อย่างไรก็ตามการซื้อขายกับการวิเคราะห์ข้อมูลขนาดใหญ่มีความท้าทายที่เฉพาะเจาะจงของตัวเองผลลัพธ์ทางสถิติที่ได้รับจนถึงปัจจุบันไม่ได้รับการยอมรับอย่างเต็มที่เนื่องจากความแปลกใหม่ของฟิลด์ อย่างไรก็ตามแนวโน้มของบริการทางการเงินที่มีต่อข้อมูลขนาดใหญ่และระบบอัตโนมัติความซับซ้อนของเทคนิคทางสถิติจะเพิ่มความถูกต้อง