डेटा का व्यापक प्रसार और तकनीकी जटिलताएं बढ़ रही हैं जिस तरह से उद्योग संचालित और प्रतिस्पर्धा करते हैं। पिछले दो वर्षों में, दुनिया में डेटा का 90 प्रतिशत डेटा रोजाना आधार पर 2. 5 क्विंटिल बाइट्स डेटा के निर्माण के परिणामस्वरूप बनाया गया है। आमतौर पर बड़े डेटा के रूप में संदर्भित किया जाता है, यह तीव्र विकास और भंडारण संरचित और असंरचित डेटा के संग्रह, प्रसंस्करण और विश्लेषण के लिए अवसर पैदा करता है।

बड़े डेटा के 3 वी के बाद, संगठन बेहतर व्यावसायिक निर्णयों को सूचित करने के लिए मूल्यवान अंतर्दृष्टि प्राप्त करने के लिए डेटा और विश्लेषिकी का उपयोग करते हैं। जिन उद्योगों ने बड़े डेटा के उपयोग को अपनाया है, उनमें कुछ नाम रखने के लिए वित्तीय सेवाओं, तकनीक, विपणन और स्वास्थ्य देखभाल शामिल हैं। बड़े आंकड़ों को अपनाने के लिए उद्योगों के प्रतिस्पर्धी परिदृश्य को फिर से परिभाषित करना जारी है। अनुमान के अनुसार 89 प्रतिशत उद्यमों का मानना ​​है कि बिना विश्लेषिकी रणनीति के बिना बाजार में प्रतिस्पर्धा में बढ़ोतरी का खतरा बढ़ जाता है।

वित्तीय सेवाओं, विशेष रूप से, लगातार रिटर्न के साथ बेहतर निवेश निर्णयों को सूचित करने के लिए व्यापक डेटा विश्लेषिकी का व्यापक रूप से अपनाया गया है। बड़े डेटा के साथ संयोजन में, पोर्टफोलियो रिटर्न के लिए अधिकतम गणितीय मॉडल के साथ एल्गोरिथम व्यापार का विशाल इतिहास का उपयोग करता है। बड़े डेटा को जारी रखने के लिए अनिवार्य रूप से वित्तीय सेवाओं के परिदृश्य को बदलना होगा। हालांकि, इसके स्पष्ट लाभ के साथ, डेटा की बढ़ती हुई मात्रा को प्राप्त करने के लिए बड़े डेटा की क्षमता के संबंध में महत्वपूर्ण चुनौतियां बनी हुई हैं। (और अधिक के लिए, देखें: बड़े डेटा में बिग प्ले ।)

3 वी का बड़ा डेटा 3 वी बड़ा डेटा के लिए मौलिक हैं: मात्रा, विविधता और वेग बढ़ती प्रतिस्पर्धा, नियामक बाधाएं और ग्राहक की जरूरतों का सामना करते हुए, वित्तीय संस्थान दक्षता हासिल करने के लिए तकनीक का लाभ उठाने के नए तरीकों की तलाश कर रहे हैं। प्रतिस्पर्धात्मक लाभ हासिल करने के लिए उद्योग पर निर्भर करते हुए, कंपनियां बड़े डेटा के कुछ पहलुओं का उपयोग कर सकती हैं

वेग एक गति है जिस पर डेटा को संग्रहीत और विश्लेषण किया जाना चाहिए। न्यूयॉर्क स्टॉक एक्सचेंज प्रत्येक दिन के दौरान 1 टेराबाइट की जानकारी का कब्जा करता है 2016 तक, 2016 तक अनुमानित 18. 9 बिलियन नेटवर्क कनेक्शन होंगे, जिसमें पृथ्वी पर लगभग 2. 5 लोग जुड़ेंगे। वित्तीय संस्थान कुशलता से और तेजी से प्रसंस्करण कारोबार पर ध्यान केंद्रित करके प्रतिस्पर्धा 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 सूचना है जो असंघटित है और पूर्व-निर्धारित मॉडल में नहीं आती है। इसमें सोशल मीडिया स्रोतों से एकत्र आंकड़े शामिल हैं, जो ग्राहकों की जरूरतों 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 शामिल होती है।नतीजतन, बेहतर व्यावसायिक निर्णयों को सूचित करने के लिए विभिन्न प्रकार के डेटा को सक्रिय रूप से प्रबंधित किया जाना चाहिए।

बाजार के आंकड़ों की बढ़ती मात्रा में वित्तीय संस्थानों के लिए एक बड़ी चुनौती है। विशाल ऐतिहासिक डेटा के साथ, बैंकिंग और पूंजी बाजारों को सक्रिय रूप से टिकर डेटा प्रबंधित करने की आवश्यकता है। इसी तरह, निवेश बैंकों और परिसंपत्ति प्रबंधन फर्म ध्वनि निवेश निर्णय लेने के लिए बहुत अधिक डेटा का उपयोग करते हैं। बीमा और सेवानिवृत्ति फर्म सक्रिय जोखिम प्रबंधन के लिए पिछले नीति और दावा जानकारी का उपयोग कर सकते हैं। (अधिक के लिए, देखें:

Quants: वॉल स्ट्रीट के रॉकेट वैज्ञानिकों ।) एल्गोरिथम ट्रेडिंग

कंप्यूटर की बढ़ती क्षमताओं के कारण एल्गोरिथम व्यापार बड़े डेटा का पर्याय बन गया है स्वचालित प्रक्रिया गति और आवृत्तियों पर वित्तीय ट्रेडों को निष्पादित करने के लिए कंप्यूटर प्रोग्राम को सक्षम करती है जो मानव व्यापारी नहीं कर सकता। गणितीय मॉडल के भीतर, एल्गोरिथम व्यापार सर्वोत्तम संभव कीमतों और समय पर व्यापार स्थान पर निष्पादित ट्रेडों प्रदान करता है, और व्यवहारिक कारकों के कारण मैन्युअल त्रुटियों को कम करता है।

संस्थाएं बड़े पैमाने पर आंकड़ों को शामिल करने के लिए एल्गोरिदम को प्रभावी ढंग से कम कर सकती हैं, रणनीति को पीछे छोड़ने के लिए ऐतिहासिक डेटा की बड़ी मात्रा का लाभ ले सकती है, इस प्रकार कम जोखिम भरा निवेश बना सकता है। यह उपयोगकर्ताओं को त्यागने के लिए उपयोगी आंकड़ों को पहचानने में मदद करता है, साथ ही कम मूल्य डेटा को त्यागने में मदद करता है। यह देखते हुए कि एल्गोरिदम को संरचित और असंरचित डेटा के साथ बनाया जा सकता है, एक एल्गोरिथम इंजन में वास्तविक समय की खबर, सोशल मीडिया और स्टॉक डेटा को शामिल करना बेहतर ट्रेडिंग निर्णय ले सकता है। निर्णय लेने के विपरीत, जो जानकारी के विभिन्न स्रोतों, मानव भावनाओं और पूर्वाग्रहों से प्रभावित हो सकते हैं, एल्गोरिथम ट्रेडों को पूरी तरह से वित्तीय मॉडल और डेटा पर निष्पादित किया जाता है।

रोबो सलाहकार एक डिजिटल मंच पर निवेश एल्गोरिदम और भारी मात्रा में डेटा का उपयोग करते हैं। निवेश को आधुनिक पोर्टफोलियो सिद्धांत के आधार पर तैयार किया जाता है, जो आम तौर पर दीर्घकालिक निवेश को लगातार रिटर्न बनाए रखने के लिए समर्थन देता है, और मानव वित्तीय सलाहकारों के साथ न्यूनतम बातचीत की आवश्यकता होती है। (अधिक के लिए, देखें:

एल्गोरिथम ट्रेडिंग की मूल बातें: अवधारणाओं और उदाहरणों ।) चुनौतियां वित्तीय सेवाओं के उद्योग के बावजूद बड़ी संख्या में गले लगाने के बावजूद, क्षेत्र में महत्वपूर्ण चुनौतियां अभी भी मौजूद हैं। सबसे महत्वपूर्ण बात, विभिन्न अनस्ट्रक्टेड डेटा का संग्रह गोपनीयता पर चिंता का समर्थन करता है। सोशल मीडिया, ईमेल और स्वास्थ्य रिकॉर्ड के माध्यम से व्यक्तिगत निर्णय लेने के बारे में व्यक्तिगत जानकारी एकत्र की जा सकती है।

विशेष रूप से वित्तीय सेवाओं के भीतर, आलोचना के बहुमत डेटा विश्लेषण पर आते हैं डेटा के विशाल मात्रा में सटीक परिणाम प्राप्त करने के लिए सांख्यिकीय तकनीकों के अधिक से अधिक परिष्कार की आवश्यकता होती है। विशेष रूप से, आलोचकों ने शोर से संकेत दिया है कि नकली संबंधों के पैटर्न के रूप में, मौके से सांख्यिकीय रूप से मजबूत परिणाम का प्रतिनिधित्व किया जाता है। इसी तरह, आर्थिक सिद्धांतों के आधार पर एल्गोरिदम आमतौर पर ऐतिहासिक डेटा के रुझान के कारण दीर्घकालिक निवेश के अवसरों को इंगित करता है। अल्पकालीन निवेश की रणनीति का समर्थन करने वाले कुशलतापूर्वक उत्पादक परिणाम भविष्य कहने वाले मॉडल में निहित चुनौतियां हैं।

नीचे की रेखा

बड़े डेटा विभिन्न उद्योगों, विशेषकर वित्तीय सेवाओं के परिदृश्य को बदलना जारी है। प्रतिस्पर्धात्मक बढ़त बनाए रखने के लिए कई वित्तीय संस्थान बड़ी डेटा विश्लेषिकी अपना रहे हैं संरचना और असंरचित डेटा के माध्यम से, जटिल एल्गोरिदम कई डेटा स्रोतों का उपयोग कर ट्रेडों को अंजाम कर सकते हैं। मानव भावना और पूर्वाग्रह स्वचालन के माध्यम से कम किया जा सकता है; हालांकि, बड़े डेटा विश्लेषण के साथ व्यापार की चुनौतियों का अपना विशिष्ट सेट है अब तक तैयार किए गए सांख्यिकीय परिणाम क्षेत्र की सापेक्ष नवीनता के कारण पूरी तरह से गले नहीं गए हैं। हालांकि, बड़े डेटा और स्वचालन के लिए वित्तीय सेवाओं की प्रवृत्ति के रूप में, सांख्यिकीय तकनीकों की परिष्कार सटीकता में वृद्धि होगी।