ما هي البيانات الكبيرة؟
يستمر الانتشار الهائل للبيانات والتعقيدات التكنولوجية المتزايدة في تغيير الطريقة التي تعمل بها الصناعات وتتنافس فيها. خلال السنوات القليلة الماضية ، تم إنشاء 90 في المائة من البيانات في العالم كنتيجة لإنشاء 2.5 مليار بايت من البيانات على أساس يومي. يُشار إلى هذا النمو السريع والتخزين السريع ، المشار إليهما بالبيانات الضخمة ، بفرص لجمع ومعالجة وتحليل البيانات المنظمة وغير المنظمة.
كيف تعمل البيانات الكبيرة
بعد بيانات البيانات الكبيرة الأربعة ، تستخدم المنظمات البيانات والتحليلات لاكتساب رؤية قيمة لإثراء قرارات العمل الأفضل. تشمل الصناعات التي اعتمدت استخدام البيانات الضخمة الخدمات المالية والتكنولوجيا والتسويق والرعاية الصحية ، على سبيل المثال لا الحصر. يستمر اعتماد البيانات الضخمة في إعادة تحديد المشهد التنافسي للصناعات. يعتقد 84 في المائة من الشركات أن الشركات التي ليس لديها استراتيجية تحليلية معرضة لخطر فقدان ميزة تنافسية في السوق.
اعتمدت الخدمات المالية ، على وجه الخصوص ، تحليلات كبيرة للبيانات على نطاق واسع لإثراء قرارات استثمار أفضل ذات عوائد ثابتة. بالاقتران مع البيانات الضخمة ، يستخدم تداول الخوارزميات بيانات تاريخية واسعة مع نماذج رياضية معقدة لزيادة عائدات المحفظة إلى أقصى حد. إن استمرار اعتماد البيانات الضخمة سيؤدي حتما إلى تغيير المشهد العام للخدمات المالية. ومع ذلك ، إلى جانب فوائدها الواضحة ، تظل هناك تحديات كبيرة فيما يتعلق بقدرة البيانات الضخمة على التقاط حجم البيانات المتزايد.
4 الخامس من البيانات الكبيرة
تعد أنظمة 4 V أساسية للبيانات الكبيرة: الحجم والتنوع والصدق والسرعة. في مواجهة المنافسة المتزايدة والقيود التنظيمية واحتياجات العملاء ، تبحث المؤسسات المالية عن طرق جديدة للاستفادة من التكنولوجيا لاكتساب الكفاءة. اعتمادًا على الصناعة ، يمكن للشركات استخدام بعض جوانب البيانات الضخمة للحصول على ميزة تنافسية.
السرعة هي السرعة التي يجب أن يتم تخزين البيانات وتحليلها. تلتقط بورصة نيويورك 1 تيرابايت من المعلومات كل يوم. بحلول عام 2016 ، كان هناك ما يقدر ب 18.9 مليار شبكة اتصالات ، مع ما يقرب من 2.5 يربط لكل شخص على الأرض. يمكن للمؤسسات المالية تمييز نفسها عن المنافسة من خلال التركيز على معالجة المعاملات التجارية بسرعة وكفاءة.
يمكن تصنيف البيانات الكبيرة على أنها بيانات غير منظمة أو منظمة. البيانات غير المنظمة هي معلومات غير منظمة ولا تدخل في نموذج محدد مسبقًا. ويشمل ذلك البيانات التي تم جمعها من مصادر وسائل التواصل الاجتماعي ، والتي تساعد المؤسسات على جمع المعلومات حول احتياجات العملاء. تتكون البيانات المهيكلة من المعلومات التي تديرها بالفعل المؤسسة في قواعد البيانات وجداول البيانات العلائقية. نتيجةً لذلك ، يجب إدارة مختلف أشكال البيانات بفاعلية من أجل تقديم قرارات أعمال أفضل.
يمثل الحجم المتزايد لبيانات السوق تحديًا كبيرًا للمؤسسات المالية. جنبا إلى جنب مع البيانات التاريخية الهائلة ، تحتاج البنوك وأسواق رأس المال إلى إدارة البيانات بشكل نشط. وبالمثل ، تستخدم البنوك الاستثمارية وشركات إدارة الأصول بيانات ضخمة لاتخاذ قرارات استثمارية سليمة. يمكن لشركات التأمين والتقاعد الوصول إلى معلومات السياسة والمطالبات السابقة لإدارة المخاطر النشطة.
حسابي للتجارة
أصبح تداول الخوارزميات مرادفًا للبيانات الضخمة نظرًا لتزايد قدرات أجهزة الكمبيوتر. تتيح العملية التلقائية لبرامج الكمبيوتر تنفيذ الصفقات المالية بالسرعات والترددات التي لا يستطيع التاجر البشري القيام بها. ضمن النماذج الرياضية ، يوفر التداول الخوارزمي الصفقات التي يتم تنفيذها بأفضل الأسعار الممكنة ووضع التداول في الوقت المناسب ويقلل من الأخطاء اليدوية بسبب العوامل السلوكية.
يمكن للمؤسسات تقليص الخوارزميات بشكل أكثر فعالية لدمج كميات هائلة من البيانات ، والاستفادة من كميات كبيرة من البيانات التاريخية لاستراتيجيات إعادة الاختبار ، وبالتالي خلق استثمارات أقل خطورة. هذا يساعد المستخدمين على تحديد البيانات المفيدة للحفاظ على وكذلك البيانات منخفضة القيمة لتجاهلها. بالنظر إلى أنه يمكن إنشاء الخوارزميات باستخدام بيانات منظمة وغير منظمة ، يمكن لدمج الأخبار في الوقت الفعلي ووسائل التواصل الاجتماعي وبيانات الأسهم في محرك حسابي واحد أن يولد قرارات تداول أفضل. على عكس اتخاذ القرارات ، والتي يمكن أن تتأثر بمصادر مختلفة من المعلومات ، والعاطفة البشرية والتحيز ، يتم تنفيذ المعاملات الحسابية فقط على النماذج والبيانات المالية.
يستخدم مستشارو Robo خوارزميات الاستثمار وكميات هائلة من البيانات على منصة رقمية. يتم تأطير الاستثمارات من خلال نظرية المحفظة الحديثة ، والتي تدعم عادة الاستثمارات طويلة الأجل للحفاظ على عوائد ثابتة ، وتتطلب الحد الأدنى من التفاعل مع المستشارين الماليين.
التحديات
على الرغم من زيادة احتضان صناعة الخدمات المالية للبيانات الضخمة ، لا تزال هناك تحديات كبيرة في هذا المجال. والأهم من ذلك ، أن جمع مختلف البيانات غير المنظمة يدعم المخاوف المتعلقة بالخصوصية. يمكن جمع المعلومات الشخصية حول اتخاذ القرار للفرد من خلال وسائل التواصل الاجتماعي ورسائل البريد الإلكتروني والسجلات الصحية.
ضمن الخدمات المالية على وجه التحديد ، فإن غالبية الانتقادات تقع على عاتق تحليل البيانات. يتطلب الحجم الهائل للبيانات تطوراً أكبر في التقنيات الإحصائية من أجل الحصول على نتائج دقيقة. على وجه الخصوص ، يبالغ النقاد في الإشارة إلى الضوضاء كنماذج من الارتباطات الزائفة ، والتي تمثل نتائج قوية من الناحية الإحصائية عن طريق الصدفة. وبالمثل ، عادةً ما تشير الخوارزميات المستندة إلى النظرية الاقتصادية إلى فرص استثمار طويلة الأجل بسبب اتجاهات البيانات التاريخية. النتائج الفعالة التي تدعم استراتيجية استثمار قصيرة الأجل تشكل تحديات متأصلة في النماذج التنبؤية.
الخط السفلي
تستمر البيانات الضخمة في تحويل المشهد الخاص بالصناعات المختلفة ، وخاصة الخدمات المالية. تعتمد العديد من المؤسسات المالية تحليلات البيانات الكبيرة من أجل الحفاظ على ميزة تنافسية. من خلال البيانات المنظمة وغير المنظمة ، يمكن للخوارزميات المعقدة تنفيذ عمليات التداول باستخدام عدد من مصادر البيانات. يمكن التقليل من المشاعر الإنسانية والتحيز من خلال الأتمتة ؛ ومع ذلك ، فإن التداول باستخدام تحليل البيانات الضخمة له مجموعة محددة من التحديات. لم يتم تبني النتائج الإحصائية الناتجة حتى الآن بشكل كامل بسبب الحداثة النسبية لهذا المجال. ومع ذلك ، مع اتجاه الخدمات المالية نحو البيانات الضخمة والأتمتة ، فإن تطور التقنيات الإحصائية سيزيد من الدقة.
