Big Data คืออะไร
การแพร่กระจายของข้อมูลจำนวนมหาศาลและความซับซ้อนทางเทคโนโลยีที่เพิ่มขึ้นยังคงเปลี่ยนวิธีการดำเนินงานและการแข่งขันของอุตสาหกรรม ในช่วงไม่กี่ปีที่ผ่านมา 90% ของข้อมูลในโลกถูกสร้างขึ้นจากการสร้างข้อมูล 2.5 ล้านล้านไบต์ทุกวัน โดยทั่วไปเรียกว่าข้อมูลขนาดใหญ่การเติบโตและการเก็บรักษาที่รวดเร็วนี้สร้างโอกาสในการรวบรวมประมวลผลและวิเคราะห์ข้อมูลที่มีโครงสร้างและไม่มีโครงสร้าง
Big Data ทำงานอย่างไร
ตามข้อมูลขนาดใหญ่ 4 V องค์กรใช้ข้อมูลและการวิเคราะห์เพื่อให้ได้ข้อมูลเชิงลึกที่มีค่าเพื่อแจ้งการตัดสินใจทางธุรกิจที่ดีขึ้น อุตสาหกรรมที่นำการใช้ข้อมูลขนาดใหญ่มาใช้รวมถึงบริการด้านการเงินเทคโนโลยีการตลาดและการดูแลสุขภาพ การนำข้อมูลขนาดใหญ่ไปใช้ยังคงกำหนดแนวการแข่งขันของอุตสาหกรรม ผู้ประกอบการประมาณร้อยละ 84 เชื่อว่าองค์กรที่ไม่มีกลยุทธ์การวิเคราะห์นั้นเสี่ยงต่อการสูญเสียความได้เปรียบในการแข่งขันในตลาด
โดยเฉพาะอย่างยิ่งบริการด้านการเงินได้นำการวิเคราะห์ข้อมูลขนาดใหญ่มาใช้อย่างกว้างขวางเพื่อแจ้งการตัดสินใจลงทุนที่ดีขึ้นพร้อมกับผลตอบแทนที่สม่ำเสมอ ร่วมกับข้อมูลขนาดใหญ่การซื้อขายอัลกอริทึมใช้ข้อมูลย้อนหลังที่มีอยู่มากมายพร้อมแบบจำลองทางคณิตศาสตร์ที่ซับซ้อนเพื่อเพิ่มผลตอบแทนให้กับพอร์ตสูงสุด การนำข้อมูลขนาดใหญ่มาใช้อย่างต่อเนื่องย่อมจะเปลี่ยนภูมิทัศน์ของบริการทางการเงิน อย่างไรก็ตามพร้อมกับประโยชน์ที่ชัดเจนความท้าทายที่สำคัญยังคงอยู่ในความสามารถของข้อมูลขนาดใหญ่ในการจับภาพปริมาณการติดตั้งของข้อมูล
ข้อมูลขนาดใหญ่ 4 V
4 V เป็นข้อมูลพื้นฐานสำหรับข้อมูลขนาดใหญ่: ปริมาณความหลากหลายความจริงและความเร็ว เผชิญกับการแข่งขันที่เพิ่มขึ้นข้อ จำกัด ด้านกฎระเบียบและความต้องการของลูกค้าสถาบันการเงินกำลังมองหาวิธีใหม่ ๆ ในการยกระดับเทคโนโลยีเพื่อเพิ่มประสิทธิภาพ บริษัท สามารถใช้ข้อมูลขนาดใหญ่ในด้านอุตสาหกรรมเพื่อสร้างความได้เปรียบในการแข่งขันทั้งนี้ขึ้นอยู่กับอุตสาหกรรม
Velocity คือความเร็วในการเก็บและวิเคราะห์ข้อมูล ตลาดหลักทรัพย์นิวยอร์กรวบรวมข้อมูล 1 เทราไบต์ในแต่ละวัน ภายในปี 2559 มีการเชื่อมต่อเครือข่ายประมาณ 18.9 พันล้านการเชื่อมต่อประมาณ 2.5 คนต่อโลก สถาบันการเงินสามารถสร้างความแตกต่างจากการแข่งขันโดยมุ่งเน้นการดำเนินการซื้อขายอย่างมีประสิทธิภาพและรวดเร็ว
ข้อมูลขนาดใหญ่สามารถแบ่งได้เป็นข้อมูลที่ไม่มีโครงสร้างหรือมีโครงสร้าง ข้อมูลที่ไม่มีโครงสร้างคือข้อมูลที่ไม่มีการจัดระเบียบและไม่ตกอยู่ในโมเดลที่กำหนดไว้ล่วงหน้า ซึ่งรวมถึงข้อมูลที่รวบรวมจากแหล่งโซเชียลมีเดียซึ่งช่วยให้สถาบันต่างๆรวบรวมข้อมูลตามความต้องการของลูกค้า ข้อมูลที่มีโครงสร้างประกอบด้วยข้อมูลที่องค์กรจัดการอยู่แล้วในฐานข้อมูลเชิงสัมพันธ์และสเปรดชีต ดังนั้นข้อมูลในรูปแบบต่างๆจะต้องได้รับการจัดการอย่างแข็งขันเพื่อแจ้งการตัดสินใจทางธุรกิจที่ดีขึ้น
ปริมาณข้อมูลที่เพิ่มขึ้นของตลาดเป็นความท้าทายที่ยิ่งใหญ่สำหรับสถาบันการเงิน นอกเหนือจากข้อมูลในอดีตที่มีมากมายแล้วการธนาคารและตลาดทุนจำเป็นต้องจัดการข้อมูลสัญลักษณ์ ธนาคารเพื่อการลงทุนและ บริษัท บริหารสินทรัพย์ก็ใช้ข้อมูลจำนวนมากในการตัดสินใจลงทุน บริษัท ประกันภัยและการเกษียณอายุสามารถเข้าถึงนโยบายที่ผ่านมาและเรียกร้องข้อมูลสำหรับการจัดการความเสี่ยงที่ใช้งานอยู่
ซื้อขายอัลกอริทึม
การค้าแบบอัลกอริทึมกลายเป็นคำพ้องความหมายกับข้อมูลขนาดใหญ่เนื่องจากความสามารถที่เพิ่มขึ้นของคอมพิวเตอร์ กระบวนการอัตโนมัติช่วยให้โปรแกรมคอมพิวเตอร์ทำการซื้อขายทางการเงินด้วยความเร็วและความถี่ที่ผู้ค้ามนุษย์ไม่สามารถทำได้ ภายในโมเดลทางคณิตศาสตร์การซื้อขายอัลกอริทึมให้การซื้อขายดำเนินการในราคาที่ดีที่สุดและการจัดวางการค้าที่เหมาะสมและลดข้อผิดพลาดด้วยตนเองเนื่องจากปัจจัยด้านพฤติกรรม
สถาบันสามารถลดอัลกอริธึมได้อย่างมีประสิทธิภาพยิ่งขึ้นเพื่อรวมข้อมูลจำนวนมหาศาลเข้าไว้ด้วยกันโดยใช้ประโยชน์จากข้อมูลในอดีตจำนวนมากไปจนถึงกลยุทธ์ย้อนหลังซึ่งทำให้การลงทุนมีความเสี่ยงน้อยลง ซึ่งจะช่วยให้ผู้ใช้สามารถระบุข้อมูลที่เป็นประโยชน์ในการเก็บรวมถึงข้อมูลที่มีค่าต่ำเพื่อทิ้ง เนื่องจากอัลกอริธึมสามารถสร้างขึ้นได้ด้วยข้อมูลที่มีโครงสร้างและไม่มีโครงสร้างรวมข่าวเรียลไทม์สื่อโซเชียลและข้อมูลหุ้นในเอนจิ้นอัลกอริธึมเดียวสามารถสร้างการตัดสินใจการซื้อขายที่ดีขึ้น ซึ่งแตกต่างจากการตัดสินใจซึ่งสามารถได้รับอิทธิพลจากแหล่งข้อมูลที่แตกต่างกันอารมณ์ของมนุษย์และอคติการซื้อขายอัลกอริทึมจะดำเนินการเฉพาะในรูปแบบทางการเงินและข้อมูล
ที่ปรึกษา Robo ใช้อัลกอริธึมการลงทุนและข้อมูลจำนวนมหาศาลบนแพลตฟอร์มดิจิตอล การลงทุนมีกรอบด้วยทฤษฎีพอร์ตโฟลิโอสมัยใหม่ซึ่งโดยทั่วไปจะสนับสนุนการลงทุนระยะยาวเพื่อรักษาผลตอบแทนที่สอดคล้องกันและต้องการการมีปฏิสัมพันธ์น้อยที่สุดกับที่ปรึกษาทางการเงินของมนุษย์
ความท้าทาย
แม้จะมีอุตสาหกรรมบริการทางการเงินเพิ่มขึ้นจากข้อมูลขนาดใหญ่ แต่ก็ยังมีความท้าทายที่สำคัญในด้านนี้ สิ่งสำคัญที่สุดคือการรวบรวมข้อมูลที่ไม่มีโครงสร้างที่หลากหลายสนับสนุนข้อกังวลเกี่ยวกับความเป็นส่วนตัว ข้อมูลส่วนบุคคลสามารถรวบรวมได้เกี่ยวกับการตัดสินใจของแต่ละบุคคลผ่านสื่อสังคมอีเมลและบันทึกสุขภาพ
โดยเฉพาะบริการทางการเงินคำวิจารณ์ส่วนใหญ่ตกอยู่กับการวิเคราะห์ข้อมูล ปริมาณของข้อมูลที่ต้องการความซับซ้อนมากขึ้นของเทคนิคทางสถิติเพื่อให้ได้ผลลัพธ์ที่ถูกต้อง โดยเฉพาะอย่างยิ่งนักวิจารณ์ให้สัญญาณมากกว่าสัญญาณรบกวนเป็นรูปแบบของสหสัมพันธ์ปลอมซึ่งแสดงถึงผลลัพธ์ที่แข็งแกร่งทางสถิติโดยบังเอิญ ในทำนองเดียวกันอัลกอริทึมที่ยึดตามทฤษฎีเศรษฐศาสตร์มักจะชี้ไปที่โอกาสการลงทุนระยะยาวเนื่องจากแนวโน้มของข้อมูลในอดีต ผลการผลิตที่มีประสิทธิภาพซึ่งสนับสนุนกลยุทธ์การลงทุนระยะสั้นนั้นเป็นความท้าทายที่มีอยู่ในตัวแบบทำนายผล
บรรทัดล่าง
ข้อมูลขนาดใหญ่ยังคงเปลี่ยนภูมิทัศน์ของอุตสาหกรรมต่าง ๆ โดยเฉพาะบริการทางการเงิน สถาบันการเงินหลายแห่งใช้การวิเคราะห์ข้อมูลขนาดใหญ่เพื่อรักษาความได้เปรียบในการแข่งขัน ด้วยข้อมูลที่มีโครงสร้างและไม่มีโครงสร้างอัลกอริธึมที่ซับซ้อนสามารถดำเนินการซื้อขายโดยใช้แหล่งข้อมูลจำนวนมาก อารมณ์และอคติของมนุษย์สามารถลดลงได้โดยอัตโนมัติ อย่างไรก็ตามการซื้อขายด้วยการวิเคราะห์ข้อมูลขนาดใหญ่มีความท้าทายเฉพาะของตัวเองผลลัพธ์ทางสถิติที่ผลิตจนถึงตอนนี้ยังไม่ได้รับการยอมรับอย่างเต็มที่เนื่องจากความแปลกใหม่ของสนาม อย่างไรก็ตามเมื่อบริการทางการเงินมีแนวโน้มไปสู่ข้อมูลขนาดใหญ่และระบบอัตโนมัติความซับซ้อนของเทคนิคทางสถิติจะเพิ่มความแม่นยำ
