10 Tren Big Data di tahun 2017 untuk Jasa Keuangan

Pada tahun lalu, data besar untuk layanan keuangan secara resmi beralih dari eksperimen atau percobaan ke penyebaran besar. Itu menempatkan kemiringan yang agak berbeda pada tren data besar bila dibandingkan dengan 2016 tren. Pertanyaan tentang data hype besar versus kenyataan akhirnya telah diletakkan untuk beristirahat bagi bank. Hal ini selanjutnya didukung oleh belanja tren ke atas untuk solusi data besar di sektor keuangan. Ingatlah bahwa tren dan tema yang dibahas di sini berlaku untuk solusi infrastruktur generasi mendatang dan pendekatan kuantitatif yang telah dipasarkan selama tujuh sampai sepuluh tahun terakhir. Tahun lalu benar-benar menempatkan ROI dan nilai yang dihasilkan dari usaha-usaha ini dipertanyakan. Hal ini tidak hanya dibuktikan dengan diskusi dari laporan konsultasi manajemen dan memakai Paques Software Big data analytics tools, namun juga oleh perubahan posisi CIO dan CDO di banyak bank, karena eksekutif keuangan ini telah semakin banyak diteliti setelah beberapa tahun membelanjakannya. Sementara hype telah mereda, bank menghargai bahwa data besar solusi untuk semua kesengsaraan. Tentu saja, data besar tetap penting untuk mengurangi keseluruhan biaya operasional TI dan memberikan kemampuan data lanjutan. Seperti yang kita antisipasi tahun lalu, risiko, kepatuhan, dan pemasaran menjadi fokus utama bank-bank besar di seluruh dunia. Risiko dan kepatuhan secara alami terus menjadi sangat mendesak untuk SIFI atau G-SIB, karena mandat utama terkait dengan kontrol modal yang meningkat, pengawasan risiko, dan pengelolaan data mulai berlaku. Contohnya termasuk Basel III, FRTB (Fundamental Review of the Trading Book), dan MiFID II (Markets in Financial Instruments Directive). Satu tema yang tetap konsisten adalah bahwa bank meremas biaya dari pelaporan dan penyimpanan warisan, dan membongkar beban kerja analitik dan memanfaatkan solusi data besar "generasi berikutnya". Dengan melihat keseluruhan pasar, kami telah mengidentifikasi apa yang kami yakini sebagai tren utama yang diharapkan dapat bergema hingga 2017 di industri jasa keuangan:

1. Bank berbaris menuju awan publik

Apa yang dulu dianggap tidak realistis bagi bank sekarang menjadi kenyataan. Bank adopsi solusi awan tetap kuat, dan terjadi di bank-bank dengan berbagai cara. Meskipun awan privat telah mendominasi beberapa tahun terakhir, di tahun yang akan datang, kita akan melihat peningkatan yang nyata dalam proyek besar untuk diuji, dan pengerasan lingkungan awan hibrida. Tujuannya adalah untuk mendapatkan pandangan yang lebih jelas tentang jalan yang dapat dikelola untuk adopsi awan publik besar seperti untuk layanan keuangan. Ini tidak hanya berlaku untuk penyimpanan dan perhitungan, tapi juga untuk pengembangan aplikasi tangkas. Bank perlu memecahkan kode untuk pengelolaan data yang besar dan untuk menguasai nuansa memperbarui, menyinkronkan, dan mengatur aset data untuk menyelesaikannya secara efektif.

2. Penipuan dan kejahatan finansial

Skandal Penipuan dan kejahatan Finansial 2016 hanya menyoroti bagaimana taruhan diajukan untuk penipuan setiap tahun, dengan 2017 tidak terkecuali. Denda merosot, dan sanksi tuntutan kepatuhan telah memaksa bank untuk meningkatkan pemantauan transaksinya, kepatuhan KYC (Know Your Customer), dan deteksi pencaharian dan upaya pencegahan pencucian uang. Badan regulator juga akan meningkatkan pengawasan praktik bisnis dan investigasi kejahatan finansial potensial. Kami juga mengharapkan pengumuman dibuat mengenai penilaian risiko yang lebih formal untuk perusahaan jasa keuangan, terutama dengan pemerintah Indonesia yang masuk. Manajemen data dan analisis generasi baru adalah alat kunci untuk meningkatkan deteksi kecurangan dan aktivitas kriminal. Oleh karena itu, diharapkan agregasi data risiko, model risiko, dan analisis data menjadi fokus bank.

3. Tata kelola data keuangan

solusi untuk Financial data yang besar telah membaik. Namun, percakapan untuk bank mengenai data besar masih banyak difokuskan pada upaya pemusatan dan data danau. CDO Bank - yang pentingnya berkembang dan yang merupakan ujung tombak inisiatif tata kelola data - akan lebih fokus untuk memperoleh peningkatan operasional dan bisnis dari proyek "danau". CDO menjadi lebih kecil kemungkinannya untuk menerapkan proses tata kelola data yang besar di keranjang mereka sendiri, namun menggabungkan tata kelola datanya ke dalam rencana bank secara keseluruhan. Ada cukup banyak konsensus di antara CDO perbankan bahwa tidak ada solusi atau alat tunggal yang memungkinkan pengelolaan data di dalam data danau. Fokusnya adalah pada mengadopsi solusi yang akan mengelola aspek kritis (garis keturunan, pertengkaran, persiapan, kualitas) dari keseluruhan praktik tata pemerintahan untuk mewujudkan penggunaan lingkungan data danau yang lebih besar.

4. Debat risiko dan kepatuhan bergeser untuk membuka teknologi komersial

Seiring bank melihat untuk memanfaatkan solusi data yang besar sebagai sistem catatan untuk risiko dan kepatuhan selama tahun depan, debat open source dan proprietary akan berubah. Bank menyadari bahwa pendekatan open source hanya terbukti secara teknis lebih sulit daripada yang diperkirakan karena aktivitas bank dan persyaratan tumbuh. Selanjutnya, model bisnis open source murni dari vendor yang mengandalkan mereka hanya di bawah pengawasan karena kurangnya pemahaman tentang biaya sebenarnya dari solusi yang mereka berikan, terutama pada skala.

Ini bukan hanya pertanyaan vendor. Bisnis bank dan pekerjaan TI ada di telepon. Beberapa layanan keuangan besar Keputusan inisiatif TI akan mulai mengubah sifat bagaimana lingkungan ini dikerahkan. Kami akan melihat penerapan risiko dan kepatuhan bank yang besar yang terdiri dari kombinasi solusi open source dan proprietary.

5. Mengkonfigurasi aplikasi untuk mengintegrasikan data keuangan historis dan real-time.

Perusahaan keuangan, seperti pedagang institusi, pembayaran, dan penyedia kartu kredit selalu menyimpan data historis dan semakin mereka menganalisis dan membuat keputusan berdasarkan data store ini. Perusahaan-perusahaan ini juga telah melakukan perbaikan substansial selama dekade terakhir terhadap lingkungan real-time. Integrasi data historis dan real time, yang memanfaatkan volume data yang lebih besar, adalah di mana bank lebih fokus. Selanjutnya, integrasi sistem operasional dan analisis juga terjadi, menempatkan data transaksional sesuai dengan data analitis atau pemodelan untuk efisiensi yang jauh lebih baik dan waktu yang lebih cepat ke pasar.

Sebagai contoh, algoritma perdagangan mengelola volume data real-time dengan sangat baik, meski terlalu sering sistem ini tidak berjalan cukup jauh. Mereka sering tidak mengikat sumber data historis dan berjangka waktu lainnya untuk memberi tahu pedagang pola perilaku dan perdagangan terdahulu. Namun, ini biasa terjadi pada e-commerce dengan mesin rekomendasi sistem yang mengintegrasikan aktivitas belanja dan riwayat pelanggan real-time.Dalam hal kartu atau pembayaran, ada dorongan kuat untuk mempercepat pembayaran digital real-time. Di sini juga, memanfaatkan data historis - yang dapat diukur dalam hitungan detik, jam atau hari - dapat menambahkan konteks yang dibutuhkan untuk meningkatkan keterlibatan pelanggan, atau untuk memberikan data yang lebih terperinci kepada pihak pembayaran lainnya, sehingga meningkatkan upaya keamanan dan kecurangan. Kemampuan untuk menggabungkan data operasional real-time dan analisis data historis menjadi model aplikasi terkonvergensi baru dengan menggunakan pendekatan pengembangan mikroservik akan menjadi lebih umum selama tahun depan.

6. Jasa keuangan beralih ke IoT dan streaming.

IoT adalah tema besar di kalangan data besar tahun lalu, dan sementara jelas bagi beberapa industri (misalnya, P & C dan pembawa atau pabrikan multi-line asuransi), itu bukan pilihan yang jelas untuk keuangan. Aplikasi dasar untuk sektor keuangan berkisar seputar mobile atau ATM, dan yang tetap penting untuk tahun ini. Tambahan, kami mengharapkan diskusi untuk memperluas bagaimana "hal-hal" akan melibatkan kegiatan pengeluaran atau pembayaran yang bisa menjadi nilai tambah bagi konsumen. Namun, fiksasi aset fisik (mobil, lemari es, dsb.) Menyebabkan banyak orang tersandung pada aplikasinya di pasar perbankan atau pasar modal. Mengkaji kembali aspek mendasar dari IoT, yaitu 'sesuatu' yang mengirim dan menerima data atau menyampaikan informasi dari 'tepi' dengan cara bi-directional memunculkan sejumlah kasus penggunaan saat definisi tersebut berkembang.

Di sektor keuangan, data streaming dapat memperluas kecepatan, akses, dan ketersediaan data pasar selama siklus hidup perdagangan dan biaya penggunaan, terutama di kantor tengah dan belakang. Harapkan diskusi untuk berkembang pada bagaimana bank menentukan "tepi" apa adanya saat mereka mengeksplorasi bagaimana memanfaatkan data acara streaming secara besar-besaran. Selain itu, diharapkan dapat melihat serapan yang lebih cepat dari bank yang akan menerapkan solusi streaming yang memungkinkan komputasi berkelanjutan dalam risiko, pemantauan, atau transaksi keuangan.

7. Data besar dan blockchain bergerak maju dalam layanan keuangan

Jasa keuangan melihat beberapa minat terbesar dalam teknologi blockchain selama tahun lalu. Teknologi ini masih dalam tahap awal, dan masih banyak kebingungan tentang penggunaannya dan masa depan di bidang jasa keuangan. Apa legalitas kontrak dalam blokir pribadi vs publik? Bagaimana cara yang berbeda atau lebih menguntungkan bila dibandingkan dengan penyelesaian saat ini atau kegiatan kliring? Apa manfaatnya, jika ada, dalam bekerja dengan platform data besar? Banyak teknologi yang muncul menimbulkan masalah yang sama, namun keuangan akan terus berlanjut di tahun 2017.

Buku besar umum menawarkan cara yang menarik untuk mengelola transaksi, terutama bila alur kerja berulang. Area yang matang untuk dijelajahi adalah bagaimana blokir dapat meningkatkan keamanan data yang besar, analisis blokir, atau arsip kepatuhan yang tidak berubah untuk area transaksional. State Street adalah salah satu pembangkit tenaga keuangan yang telah menunjukkan komitmennya untuk terus hidup dengan PF blokir pada tahun 2017 di bidang pinjaman sindikasi, pinjaman efek, dan manajemen agunan. Berharap untuk melihat eksplorasi dan dialog yang lebih besar selama tahun depan mengenai bagaimana hambatan akan berkumpul dengan platform data yang besar bersamaan dengan pengujian teknologi blockchain itu sendiri. Ini masih pertandingan awal.

8. Otomatisasi operasional menjadi sumber gangguan

Selama beberapa tahun terakhir, sektor jasa keuangan telah memahami bagaimana otomasi dapat mengganggu layanan di bidang-bidang seperti manajemen portofolio. Elemen dasar otomatisasi menggunakan pembelajaran mesin, yang melatih data untuk memperbaiki algoritma yang membuat keputusan otomatis tentang bagaimana menangani data dan kueri yang masuk. Tugas-tugas ini jauh lebih baik dengan memanfaatkan sejumlah besar data. Banyak perusahaan jasa keuangan mulai beroperasi dengan penggunaan pembelajaran mesin yang lebih luas. Sampai saat ini, terutama aktivitas niche di bidang-bidang seperti sistem perdagangan otomatis dan perdagangan frekuensi tinggi.

Tugas otomatis sederhana yang dapat membantu operasi perkantoran menengah dan belakang seperti underwriting pinjaman, rekonsiliasi, dan pengembangan model risiko memiliki nilai yang sangat besar di seluruh segmen. Meskipun mungkin tidak dilihat sebagai contoh AI pendarahan, itu mewakili peluang kuat bagi perusahaan keuangan. Harapkan adopsi yang lebih luas dari bank-bank yang mendorong ke arah ini selama tahun depan seiring adopsi platform data yang besar tumbuh.

9. Prediktor analisis dan kekurangan ilmu data keterampilan

Mesin belajar juga memfasilitasi analisis prediktif, yang akan terus mendapat perhatian besar karena bank dengan kelompok sains data yang lebih matang akan mendorong batas analitis. Tidak hanya kumpulan data yang besar dan beragam yang digunakan untuk mengembangkan dan memperbaiki model prediktif, namun juga data real-time dan historis digunakan juga, seperti yang dijelaskan di atas. Ketrampilan internal yang lebih dalam akan dibutuhkan untuk membantu menerapkan teknik prediktif yang meningkatkan upaya analisis manusia dan deskriptif yang ada.

Manajemen risiko (yaitu, underwriting dan pemodelan kredit), telah dan akan terus menjadi salah satu area prediktif yang paling kuat. Perhatian dan adopsi selama tahun depan akan berada dalam cybersecurity dan inisiatif keamanan lainnya serta aktivitas pelanggan. Kami berharap para ilmuwan data dan insinyur data akan menjadi anggota penting tim penilai kuantitatif dan risiko dan bahwa perusahaan kelas bawah mungkin berjuang untuk mengisi jumlah pegawai yang terbuka.

10. Pergeseran utilitas berjalan dengan baik

Model layanan bersama berbasis utilitas telah mengalami pertumbuhan yang substansial selama beberapa tahun terakhir di pasar keuangan, namun berharap untuk melihat lebih banyak peluang strategis berkembang melampaui sisi jual. Teknologi seperti blockchain, data besar, analisis lanjutan, pembelajaran mesin, dan aktivitas streaming akan semakin mendukung generasi berikutnya dari proses berbasis data. Ini akan menciptakan peluang untuk memajukan struktur pasar, ketahanan, dan tujuan efisiensi, yang menjadi area utama untuk utilitas keuangan.

Simfoni adalah contoh awal yang bagus di sisi teknis komunikasi, dan R3CEV / blockchain mewakili kelompok baru untuk memfasilitasi pengelolaan data. Penyedia sisi beli, pengelolaan kekayaan, dan pembayaran dapat melihat ke sisi sell untuk contoh bagaimana cara mengeluarkan biaya dengan model utilitas yang dipimpin konsorsium.

Kesimpulan

2017 akan menandai tahun yang sangat kritis bagi vendor dan perusahaan keuangan untuk bermitra bersama dan memastikan bahwa penerapan besar berhasil dilakukan. Ini akan mengantarkan lebih banyak kesempatan untuk mempengaruhi produktivitas bisnis, dan meningkatkan pervasiveness dan nilai data yang besar.

Tahun yang akan datang akan terus melihat pengambilan yang kuat dalam kasus penggunaan inti untuk sektor keuangan. Ini termasuk tidak hanya kasus penggunaan yang berfokus pada IT seperti penyimpanan, penyimpanan, dan pelaporan gudang, namun juga serangkaian aplikasi bisnis seperti risiko dan pemasaran. Software Paques Big data analitik adalah solusinya untuk mengambil keputusan dalam dunia bisnis finance.

Dasar-dasar adalah fokus proyek data besar untuk tahun yang akan datang karena beberapa alasan. Pertama, bank, perusahaan manajemen kekayaan, manajer aset, dan perusahaan asuransi adalah penduduk asli non-digital, jadi proses konversi lebih lama. Platform data yang besar memerlukan cukup banyak perubahan perilaku - alat, fungsi, kualitas, dan penggunaan memerlukan kesepakatan di seluruh kelompok bisnis dan teknologi. Tanpa konsensus, kemajuan terhambat.

Selanjutnya, keamanan untuk keuangan dan harus berada di garis depan upaya data besar untuk memungkinkan perluasan proyek baru. Jika data adalah mata uang bank yang baru, mereka harus memperlakukannya sebagai aset moneter.

Akhirnya, sementara kumpulan data generasi sains dan pengembang berkembang, bank masih perlu bersaing secara agresif untuk mendapatkan talenta. Pasokan jenis bakat ini semakin menipis saat Anda turun pasar.

Sementara adopsi data yang besar dalam keuangan masih dalam tahap yang relatif dini, penting untuk dicatat bahwa bank, perusahaan asuransi, dan perusahaan manajemen aset mewakili beberapa pengguna data besar yang paling maju di dunia. Namun, situasi kaya dan tidak-akan cenderung menutup dari waktu ke waktu.

Tahun ini menandai kesempatan besar bagi kumpulan perusahaan yang lebih luas untuk mengasah buah gantung rendah dari data use case. Oleh karena itu, 2017 akan melihat fokus yang lebih besar pada kasus penggunaan dasar ini dan serapan yang meluas mengenai penerapan teknologi data besar dalam layanan keuangan dan menggunakan Paques Big data analytics tools.

Investasi dan dasar yang dimiliki oleh banyak perusahaan keuangan besar selama beberapa tahun terakhir telah memberikan pasar keuangan yang lebih besar dengan bukti kuat bahwa solusi data besar bersifat nyata dan bermanfaat. Nasihat keuangan bank sering memberikan klien mereka adalah sesuatu yang mereka harus merangkul tahun ini untuk data besar juga-ini tentang waktu di pasar, bukan waktu pasar.