Red de conocimiento del abogados - Cuestiones jurídicas del divorcio - Aplicaciones y desafíos del big data en la industria financiera

Aplicaciones y desafíos del big data en la industria financiera

La aplicación y los desafíos del big data en la industria financiera

a tiene cuatro características básicas.

La industria financiera es básicamente la que más depende de los datos de todas las industrias del mundo, y también es la más fácil de monetizar los datos. Bloomberg, la empresa de datos financieros más grande del mundo, se fundó en 1981, cuando aún no había aparecido el concepto de "big data". El producto inicial de Bloomberg es el Sistema de Mercado de Inversiones (IMS), que proporciona datos y análisis financieros en tiempo real a varios inversores.

Con la llegada de la era de la información, Bloomberg, que en 1983 estaba valorada en sólo 100 millones de dólares, intercambió el 30% de sus acciones por una inversión de 30 millones de dólares de Merrill Lynch, y lanzó sucesivamente terminales Bloomberg. noticias, radio, televisión y otros productos. En 1996, Bloomberg fue valorada en 2 mil millones de dólares y recompró el 10% de sus acciones a Merrill Lynch por 200 millones de dólares. En 2004, Bloomberg construyó un rascacielos de 246 metros de altura en el centro de Manhattan. En la crisis de las hipotecas de alto riesgo de 2008, Merrill Lynch se enfrentaba a la quiebra y su participación restante del 20% en Bloomberg se convirtió en un salvavidas. Bloomberg aprovechó la crisis de Merrill Lynch para rescatar todas sus acciones y su valoración saltó a 22.500 millones de dólares. En 2016, Bloomberg tenía 192 oficinas en todo el mundo, 15.000 empleados, unos ingresos anuales de aproximadamente 10.000 millones de dólares y una valoración de aproximadamente 10.000 millones de dólares, superando el índice de referencia de Wall Street, Goldman Sachs, que tenía una capitalización de mercado de 65.000 millones de dólares en el mismo año. año.

El concepto de big data se formó alrededor del año 2000 y se definió inicialmente como una colección de datos masivos. En 2011, la empresa estadounidense McKinsey & Company propuso por primera vez en el informe "La próxima frontera de Big Data: innovación, competencia y productividad" que big data se refiere a conjuntos de datos que exceden las capacidades de recopilación, almacenamiento, gestión y análisis de las herramientas de software de bases de datos típicas. .

Específicamente, el big data tiene cuatro características básicas:

1. Gran cantidad de datos, que se refiere a grandes conjuntos de datos, generalmente alrededor de 10 TB. Sin embargo, en aplicaciones prácticas, muchos usuarios empresariales reúnen múltiples conjuntos de datos, formando un volumen de datos a nivel de petabyte.

En segundo lugar, los tipos de datos son grandes y provienen de diversas fuentes de datos. Los tipos y formatos de datos son cada vez más ricos, rompiendo la categoría de datos estructurados previamente definida e incluyendo datos semiestructurados y no estructurados. Los tipos de datos actuales no son sólo texto, sino también varios tipos de datos como imágenes, vídeos, audios e información geográfica.

En tercer lugar, la velocidad de procesamiento es rápida y los datos se pueden procesar en tiempo real cuando la cantidad de datos es enorme. El procesamiento de datos sigue la "regla del segundo" y puede obtener rápidamente información de alto valor de todo tipo de datos.

En cuarto lugar, los datos son muy auténticos. Con el surgimiento de nuevas fuentes de datos, como datos sociales, contenido empresarial, datos de transacciones y aplicaciones, las limitaciones de las fuentes de datos tradicionales se rompen y la autenticidad y seguridad de la información son extremadamente importantes.

En comparación con otras industrias, los datos financieros tienen relaciones lógicas estrechas y mayores requisitos de seguridad, estabilidad y rendimiento en tiempo real. Por lo general, incluyen las siguientes tecnologías clave: análisis de datos, incluida la minería de datos, aprendizaje automático. Inteligencia artificial, etcétera. , Se utiliza principalmente para crédito al cliente, agrupación, características, marketing, análisis de correlación de productos, etc. Gestión de datos, incluidos datos relacionales y no relacionales, integración, extracción de datos, limpieza y transformación de datos, incluida la computación distribuida, la computación en memoria, la computación en la nube, el procesamiento de flujos, la configuración de tareas, etc. La visualización de datos, incluida la visualización, el flujo histórico y la visualización del flujo de información espacial, se utiliza principalmente para monitorear y alertar tempranamente sobre el estado de los productos financieros, las tendencias de desarrollo de productos, los cambios en el valor del cliente, la lucha contra el lavado de dinero y el fraude.

bRemodelar el nuevo panorama competitivo de la industria financiera

Después de "Internet +", con el rápido aumento de "Big Data +" en todo el mundo, la industria financiera ha experimentado silenciosamente la siguientes cambios:

Las características de big data han aumentado de los "3 V" de los datos tradicionales a los "5 V". Sobre la base del volumen, la velocidad y la variedad de las transacciones, mejorar aún más el valor y la autenticidad. La autenticidad incluye la credibilidad, fuente y reputación, validez y auditabilidad de los datos.

La industria financiera se divide en modelos de negocio basados ​​en productos de negocio. La industria financiera tradicional se divide en cinco categorías: banca, valores, futuros, seguros y fondos. Con el auge de la industria de big data y el desarrollo de operaciones mixtas, la industria financiera moderna se divide en tres categorías: depósitos y préstamos, inversiones y seguros basados ​​en métodos operativos.

El mercado de big data ha evolucionado desde un monopolio hasta una competencia total. El número de empresas en el mercado global de big data está aumentando rápidamente, la diferenciación de productos y servicios está aumentando, el umbral técnico se está reduciendo gradualmente y la competencia en el mercado es cada vez más feroz.

Las soluciones industriales, los servicios informáticos y de análisis, los servicios de almacenamiento, los servicios de bases de datos y las aplicaciones de big data se han convertido en los cinco principales segmentos del mercado.

El big data constituye un nuevo punto de crecimiento económico. Según datos de Wikibon, el mercado mundial de hardware, software y servicios de big data creció un 22% en 2016, alcanzando los 2,81 billones de dólares. Se espera que para 2027, el gasto global total en hardware, software y servicios de big data crezca a una tasa de crecimiento anual compuesta del 12%, alcanzando aproximadamente 97 mil millones de dólares.

Los datos y la tecnología informática han sustituido al trabajo empresarial "repetitivo". La firma de servicios de datos Eurekahedge rastreó 23 fondos de cobertura y descubrió que cinco administradores de fondos de cobertura tenían una compensación total de 654.380 millones de dólares o más. En los últimos 10 años, Kuan Ke, un físico y matemático que analiza los mercados financieros a través de modelos matemáticos, ha sido el favorito de los fondos de cobertura. De hecho, big data + inteligencia artificial son mejores en esto. La mesa de operaciones en efectivo de acciones de Goldman en Nueva York tenía 600 operadores en 2000; ahora tiene sólo dos, y sus tareas son manejadas exclusivamente por máquinas. Los expertos dicen que dentro de 10 años Goldman Sachs seguramente tendrá menos empleados que hoy.

Estados Unidos lidera el mundo en el desarrollo de big data. El gobierno de Estados Unidos declara: "Los datos son un capital nacional valioso y deben estar abiertos al público y no limitarse a los sistemas gubernamentales". Como fuente y líder en innovación de big data, Estados Unidos siempre ha estado a la vanguardia mundial en el ámbito. desarrollo de grandes datos. Desde el siglo XX, Estados Unidos ha promulgado una serie de leyes y regulaciones para proporcionar disposiciones específicas sobre la recopilación, divulgación, uso y gestión de datos. En 2009, el gobierno de EE. UU. lanzó la plataforma abierta de datos gubernamentales Data.gov para facilitar que los desarrolladores en el campo de aplicaciones utilicen la plataforma para desarrollar aplicaciones, satisfacer necesidades públicas o innovar e iniciar negocios. En 2010, el Congreso de los Estados Unidos aprobó un proyecto de ley de actualización para mejorar aún más la precisión de la recopilación de datos y la frecuencia de los informes. En marzo de 2012, la administración Obama lanzó un plan de investigación y desarrollo de big data, y el big data marcó el comienzo de una nueva ronda de rápido desarrollo.

El Reino Unido es el centro financiero de Europa y el big data se ha convertido en una de sus tecnologías líderes. En 2013, el Reino Unido invirtió 65.438+89 millones de libras para desarrollar big data. En 2015, se invirtieron £73 millones adicionales para establecer el sitio web data.gov.uk "UK Database". En 2016 se celebraron en Londres más de 22.000 eventos tecnológicos. Ese mismo año, el Reino Unido invirtió más de 6.800 millones de libras esterlinas en tecnologías digitales, mientras que los ingresos superaron los 17.000 millones de libras esterlinas. Además, la Oficina de Estadísticas utiliza recursos gubernamentales para realizar un "censo virtual", que por sí solo ahorra 500 millones de libras al año.

Establecer un sistema de supervisión financiera eficaz

Como núcleo de la tecnología digital moderna, el alma del big data es la predicción.

Descubrir y combatir la evasión fiscal, el lavado de dinero y el fraude financiero

La pérdida económica anual causada por el fraude en todo el mundo es de aproximadamente 3,7 billones de dólares estadounidenses, y la pérdida causada por el fraude a las empresas suele ser de 5 % de ingresos anuales. SAS es una de las empresas de software más grandes del mundo. Trabaja con departamentos gubernamentales como impuestos y aduanas, así como con bancos, seguros, atención médica y otras instituciones de todo el mundo, para abordar eficazmente delitos financieros cada vez más complejos. Por ejemplo, antes de emitir una licencia, es necesario comprobar si el cliente tiene antecedentes penales como soborno y fraude. Mediante un análisis de datos preliminar, se determina si se debe emitir un préstamo o realizar un despacho de aduana. El sistema desarrollado por SAS ha sido reconocido internacionalmente como el software estándar para análisis estadístico y es ampliamente utilizado en diversos campos. El gobierno británico utilizó big data para detectar modelos de comportamiento y recuperó 20 mil millones de libras de evasión y fraude fiscal, ahorrando miles de millones de dólares en pérdidas. Texas Capital Bank (TCBank), nombrado mejor banco de Estados Unidos por Forbes, continúa invirtiendo en tecnología de big data y su sistema contra el crimen financiero sigue el ritmo del desarrollo del banco. Sus activos han crecido de 9.000 millones de dólares a 2.100 millones de dólares en los últimos tres años. CZ, la tercera compañía de seguros de vida más grande de los Países Bajos, se basa en big data para detectar fraudes de seguros y reclamaciones falsas, y las bloquea por adelantado antes de que se pague la compensación, reduciendo efectivamente la reparación judicial tras el fraude de seguros.

El control de riesgos de big data establece un sistema de seguimiento y calificación crediticia de los clientes.

Según las estadísticas de la Asociación de Auditores Certificados contra el Fraude (ACFE), las empresas que carezcan de controles antifraude sufrirán grandes pérdidas. FICO, la principal herramienta de calificación crediticia personal de los Estados Unidos, puede comparar automáticamente los datos históricos del prestatario con los hábitos crediticios generales de todos los prestatarios en la base de datos, predecir las tendencias de comportamiento del prestatario y evaluar su similitud con varios tipos de malos prestatarios.

La empresa estadounidense SAS busca, analiza y evalúa de forma centralizada la información básica de las cuentas bancarias de los clientes, los patrones de comportamiento históricos y los patrones de comportamiento continuos (como las transferencias), combinados con motores de reglas inteligentes (como la búsqueda de clientes para transferir dinero para usuarios únicos en países emergentes, o en nuevos países). ubicaciones para transacciones en línea, etc.) para realizar análisis antifraude en tiempo real. ).

Una agencia estadounidense de calificación crediticia en Internet analiza la información dejada por los clientes en plataformas sociales como Facebook y Twitter, realiza evaluaciones de riesgo de los solicitantes de créditos bancarios y seguros, y vende los resultados a bancos y compañías de seguros. etc. , convirtiéndose así en socio de muchas instituciones financieras.

La integración de datos es difícil

Aplicación del sistema de pronóstico de índices económicos para analizar las tendencias del mercado

Utilizando tecnología de información de big data, IBM desarrolló con éxito el "Sistema de pronóstico de índices económicos ", este sistema refina e integra en base a un solo dato, predice tendencias buscando, contando y analizando palabras relacionadas con indicadores de precios de acciones como "nuevas órdenes" que aparecen en las noticias, y luego lo combina con otros datos económicos relevantes y datos históricos. analizar su correlación con La relación entre los precios de las acciones y, por tanto, los resultados de la predicción del mercado.

Rastree grandes cantidades de información en las redes sociales y evalúe los cambios del mercado.

Hoy en día, los motores de búsqueda, las redes sociales, Weibo, WeChat, los foros, las reseñas de noticias y las plataformas de comercio electrónico en los teléfonos inteligentes generan cientos o incluso cientos de miles de millones de texto, audio, vídeo y contenido cada día. Los datos cubren tendencias de los fabricantes, sentimientos personales, información de la industria, experiencia del producto, búsqueda de productos y registros de transacciones, tendencias de precios, etc. , que contiene un enorme valor patrimonial.

En mayo de 2011, el fondo de cobertura británico DC Market, de 40 millones de dólares, utilizó big data para analizar el contenido informativo de Twitter, detectar el sentimiento del mercado y orientar las inversiones. En el primer mes de ganancias, superó a otros fondos de cobertura con una tasa de retorno del 1,85%, y la tasa de retorno promedio fue de sólo el 0,76%.

Un doctorado de la Universidad Pace en Estados Unidos utilizó big data para rastrear a los espectadores de Starbucks, Coca-Cola y Nike en las redes sociales y comparó los precios de sus acciones, demostrando que Facebook, Twitter y Youtube El número de aficionados está estrechamente relacionado con el precio de las acciones.

Proporciona una amplia gama de opciones de inversión y cambios comerciales.

El producto japonés de gestión financiera e inversión personal Money Design utiliza algoritmo + inteligencia artificial en la aplicación Theo, con un umbral mínimo de 924 dólares estadounidenses. Los usuarios solo necesitan responder 9 preguntas, como el nivel de tolerancia al riesgo y el plan de jubilación, para negociar y cambiar 11.900 acciones en 35 monedas diferentes en 65 países, con una tarifa de gestión anual de solo el 1%. Currency Design también equilibra automáticamente los montos de las cuentas de los usuarios en función de sus objetivos de inversión. Se espera que en 2020 se inviertan más de 2 billones de dólares en dichos productos.

Uso de bases de datos en la nube para proporcionar servicios de contabilidad a los clientes

El proveedor japonés de herramientas de gestión patrimonial Money Forward ofrece servicios de contabilidad basados ​​en la nube que pueden gestionar salarios, cobrar y pagar, enviar facturas y facturas. e impulsar nuevos proyectos financieros de manera específica. Su sistema de software conecta e integra varias cuentas de 2.580 instituciones financieras, utiliza un panel inteligente analizado por big data para mostrar el estado de riqueza actual del usuario y también puede analizar los datos pasados ​​del usuario para predecir trayectorias financieras futuras. Actualmente cuenta con 500.000 comerciantes y 3,5 millones de usuarios individuales, y ha desarrollado conjuntamente una nueva aplicación con Yamaguchi Financial Group, con un valor de mercado de 2,5 billones de dólares.

Personaliza productos diferenciados y planes de marketing para los clientes.

Las instituciones financieras necesitan urgentemente dominar más información de los usuarios y luego crear retratos tridimensionales de 360 ​​grados de los usuarios, a fin de llevar a cabo marketing de precisión, marketing en tiempo real y marketing inteligente para clientes segmentados.

Algunos bancos extranjeros analizan y calculan nodos de vida generales en torno a los “eventos de vida” de los clientes, estimulando efectivamente la disposición de los clientes a comprar productos financieros de alto valor. Por ejemplo, un banco australiano descubrió a través de un análisis de big data que los clientes que están a punto de dar a luz a un bebé en casa tienen la mayor demanda potencial de productos de seguros de vida. Luego utilizó datos de tarjetas bancarias para monitorear el fenómeno de las mujeres embarazadas que comienzan a comprar. medicamentos antiaborto y productos relacionados con bebés para identificar a quienes están a punto de tener un bebé, lanzó con precisión paquetes de productos financieros personalizados y recibió respuestas positivas de los clientes. En comparación con el modelo tradicional de mensajes de texto masivos, la tasa de éxito ha sido. mejorado mucho.

Promover y apoyar el comercio de inteligencia artificial.

Simons, el "Rey de la Inversión Cuantitativa", es reconocido como el gestor de fondos más rentable.

Desde el establecimiento del producto estrella de Fuxing Technology Company, Medalien Fund, en 1988, ha creado una tasa de rendimiento neto anual promedio del 35% en los últimos 20 años, un 10% más que Soros y un 18% más que el dios de las acciones Buffett. En el ranking de gestores de fondos de cobertura que publica anualmente la revista estadounidense "Alpha", Simmons ocupó el primer lugar en el mundo con unos ingresos netos de 65.438+0,5 mil millones de dólares en 2005, el quinto con 65.438+0,7 mil millones de dólares en 2006 y 654,38+ 0,3 en 2007. Regresó a la cima de la lista con 2.500 millones de dólares en 2008.

Promover la innovación en productos y servicios financieros.

Nos enfrentamos a tres grandes desafíos.

Actualmente, la tasa de crecimiento de los datos en diversas industrias alrededor del mundo es asombrosa, especialmente en las industrias clave de China, como las finanzas, el transporte, las telecomunicaciones y la manufactura. La profundización de la informatización está generando aún más datos masivos nuevos.

Según las estadísticas, el volumen total de datos de China alcanzó más de 1.700 EB en 2015, un aumento interanual del 90 %. Se espera que este valor supere los 8.000 EB en 2020. Tomemos como ejemplo el sector bancario. Por cada 654,38+0 millones de yuanes de ingresos, el sector bancario genera un promedio de 654,38+0,30 GB de datos, ocupando el primer lugar entre todos los sectores en términos de intensidad de datos. Sin embargo, en las empresas financieras los datos están fragmentados. Las líneas de negocios, los departamentos funcionales, los departamentos de canales, los departamentos de riesgos y otras ramas son a menudo los verdaderos propietarios de los datos. No existe un mecanismo de intercambio fluido * * *, lo que da como resultado que los datos masivos se dispersen y estén "inactivos". Aunque la industria financiera tiene datos "ricos", está "apretada" para utilizarlos.

Peligros ocultos de la seguridad de los datos

La esencia del big data es la apertura y el disfrute, pero cómo definir y proteger la privacidad personal se ha convertido en una cuestión legal. También existen muchos riesgos en el almacenamiento, procesamiento, transmisión e intercambio de big data, que requieren no sólo soporte técnico, sino también leyes y reglamentos pertinentes y autodisciplina de las instituciones financieras. Múltiples casos reales muestran que incluso grandes cantidades de datos inofensivos pueden generar diversos peligros ocultos. Los objetos de protección de la seguridad incluyen no sólo los grandes datos en sí, sino también el conocimiento y las conclusiones obtenidos a través del análisis de grandes datos. Handshake.uk.com, un mercado en línea del Reino Unido, está intentando permitir a los usuarios negociar una compensación por compartir sus datos personales con las marcas.

Hay un largo camino por recorrer para construir el nivel de talento.

El talento es la base del big data. En comparación con los talentos de otras subindustrias de la tecnología de la información, el desarrollo de big data requiere talentos con mayores capacidades integrales. No solo deben dominar la tecnología de software informático, sino también tener conocimientos en campos como las matemáticas y la estadística, así como conocimientos profesionales. en los campos de aplicación.