对于银行和金融市场公司来说,2015年是开创性的一年,因为他们继续学习大数据如何帮助他们改变流程和组织。 现在,着眼于2016年的未来,我们看到金融服务组织仍在活动的各个阶段,拥有大数据,即他们如何改变环境以利用其可提供的好处。 银行在起草大数据战略,启用提供商以及针对初始和后续用例执行方面继续取得进展。
对于银行而言,大数据计划仍主要围绕改善客户情报 ,降低风险和达到监管目标而进行。 这些都是大型一级金融公司将继续开展的活动,并将在可预见的将来进行。 在低端市场,我们看到中小型公司(经纪,资产管理,区域性银行,顾问等)能够更快地采用新的数据平台(云和本地),从而帮助他们超越架构他们的大弟兄必须克服的复杂性。 因此,该市场细分市场可以更快速地进行增长,盈利能力和战略(概念/实验)项目,这些项目旨在更直接的收入贡献,而不是大型银行专注于长期,合规和成本主导的优先事项。
数据软件和服务提供商的市场正在接近一个突破点,银行将需要以更大的规模和更大的信心采用解决方案来管理内部运营和面向客户的活动。 这与我们所看到的云技术所走的道路没有什么不同。
以下是有关大数据技术如何发展以及这些变化将如何影响金融服务行业的一些预测:
- 机器学习将加速发展,并将越来越多地应用于欺诈和风险领域。 数据科学家的供求关系继续朝着平衡的方向努力。 先进的技术将开始在欺诈和风险内应用,从而改善模型并允许加速进行更实时的分析和警报。 这种加速将来自市场领导者的教育和实际应用。
- 领导人和落后者之间的差距将更加明显。 每年,我们看到银行踩油门并准备采用新技术,而那些银行在经营/变更组织方面仍保持保守态度。 这些案例和用例将在2016年激增并变得更加多样化,并将导致在更广阔的市场中有更多有力的,可观察的和基准化的业务回报(不仅仅是成本支出)的证据。
- 数据治理,沿袭和其他合规性方面将与大数据平台更深入地集成。 为了找到更完整,更全面的数据解决方案来管理合规性要求,许多银行开发或购买了点解决方案,或者他们尝试使用无法应对数据激增的现有旧平台。 幸运的是,有越来越多的改进的Hadoop 数据治理 ,沿袭和质量解决方案。 更重要的是,这些新平台可以扩展到Hadoop以外的范围,并进入传统/旧式数据存储区,以完成法规监管,并且它们以实现合规性所需的数量,速度和细节来实现。 此外,2016年将继续推动可作为监管和风险融合(RDARR)集线器的 “数据湖”的发展。
- 金融服务组织正在努力了解如何利用物联网数据。 这是下一波大肆宣传,引起了大数据的关注,并且在金融服务应用方面存在很多问题。 对于某些行业(电信,零售和制造业),这已经成为现实,而这些细分市场推动了对物联网数据的需求,并迫使当前的对话。 对于银行,物联网数据将更多地用于ATM或移动银行吗? 来年值得探索的领域涉及多个实时活动。 例如,实时,多渠道活动可以使用IoT数据在正确的时间向零售银行客户提供正确的报价和建议。 或者,也许我们应该反过来考虑,金融公司可以将其服务嵌入到实际的“事物”或设备或其他客户接触点中,这与随后向家中汇报的交易搭配设施不同。
- 对于软件提供商而言,与贸易,投资组合管理和顾问程序应用程序的集成成为更加突出的功能。 与“从大数据中获得收益”相关的头条新闻鼓舞人心。 最终,这将由金融部门的最终用户以及所观察到的(或未观察到但尚未衡量的)收益和易用性来判断。 在大数据平台的核心基础上构建的应用程序将提供桥梁,并增强大数据的矛头。 我们已经在市场数据提供商等公司看到了这种推动,但在CRM,OMS / EMS等其他业务用户应用程序中却没有看到。
- 风险和监管数据管理仍然是大数据平台的首要任务。 增长和以客户为中心的活动是公司战略的重中之重,并且将会有一些公司将这些战略与大数据联系起来。 无论您的银行是否是一家先进的数据驱动公司,法规的不断发展以及聚合风险并转向预测分析的巨大挑战仍然遥遥无期,但C-C仍然是一项要求和公认的优势套房级别。 除非天堂开放并且监管机构放宽要求,否则风险和监管数据管理仍将是2016年金融机构面临的主要挑战。
- Hadoop在R:BASE存储和访问中的采用将在金融服务中激增。 每个人在不同的时间参加聚会,采用技术也不例外。 “长尾巴”的采用远非此处,但基于以下方面,中端市场甚至小型银行将开始看到Hadoop的好处:
- 捆绑/集成并提供更完整的解决方案,服务和平台的提供商
- 不断增长的用户社区,为跳入泳池提供参考基础
数据卸载现在(相对而言)是Hadoop的“经典”用法,而聪明的孩子们则转移到更大的大数据游乐场,而大众将为这种大数据应用而努力。
- 金融服务“大数据杀手级应用”在市场上获得了广泛认可。 在过去的两到三年中,这些一直是金融科技的孵化器,它们正在帮助形成最终用户与数据平台之间所需的前端链接。 期望看到更多的银行在这些应用程序上运行概念验证,这将验证软件并为“完整解决方案”提供基础。 前端和后端都应同时进行优化,而不是作为单独的项目进行优化。 我们还看到服务集成商这一市场也在Swift扩张。 这将引发关于银行将如何采用“ 大数据软件 ”与“传统软件”的讨论。
- 运营一直以来一直是吸引人们关注的最后一个领域。 随着更可靠的“大数据”平台的出现,安全大师,更深的元数据丰富化,本体,集成LEI和其他标准的想法已成为现实。 传统的数据方法是有效的,但是需要充分思考以充分利用新解决方案,例如处理方案和数据建模。 此外,随着大数据工作在前台,市场和风险方面的大量形成,中,后办公室业务中存在明显且巨大的数据重叠,可以更轻松地利用它们来利用现有的数据湖工作。 我们预计中层办公室的风险评估和与绩效相关的大数据活动将Swift增加。 此外,我们还将看到关于如何真正发挥后台职能(和解,公司行动等)的更深入的对话。
- 银行的机构方面将开始采用零售业务,并从中汲取教训,以提高客户的了解,营销和目标客户。 当然,有一些纯粹的B2B公司正在利用大数据来改善客户情报,但是在很大程度上,它们在零售B2C业务领域(包括信用卡,零售银行,财富管理或贷款)中处于退位。 基金综合体(大型共同基金经理)可以轻松地进行交叉交易,以改善从财富顾问网络和经纪人互动中收集的数据,并提高产品利用率。 这一点尤其重要,因为共同基金通常会从零售客户群中撤出,因此了解其机构客户(顾问)至关重要。
对于许多大型银行和其他金融服务公司而言,采用新的提供商“大数据”解决方案仍然充满信心。 就是说,展望2016年,管理层将有更大的推动力将“大数据”项目移出IT部门,并移交给业务用户。 为此,将要考虑许多体系结构,功能,速度,可用性和安全性问题。 与往常一样,将传统的严格性应用于新的体系结构布局不会改变,因为传统体系结构中看到的成本和蔓延将开始在新的Hadoop和融合的大数据构建中浮出水面。
此外,将并且应该充分利用和利用现有人员/流程进行诸如数据治理,质量,参考数据管理和标准之类的活动。 这将需要对所有各方(即IT部门以外的人员)进行持续教育,以了解市场的快速发展。
最后,关于开放源代码和提供程序解决方案之间的平衡有意义的话题将越来越多。 并非所有开放源代码项目都旨在完全满足机构用户的需求,但是开放源代码可以提供未来所需的敏捷性-每个银行的要求都会有所不同,并且找到合适的组合对于加快大数据的工作速度至关重要。真的所有数据。 总而言之,2016年的市场将向前发展并不断发展,以减少混乱,这将平息这个动荡的“大数据”海洋中的潮流。
翻译自: https://www.javacodegeeks.com/2015/12/top-10-big-data-trends-2016-financial-services.html