Big Data Analytics Investimento Bancário
As empresas de serviços financeiros, incluindo os bancos de investimento, geram e armazenam mais dados do que qualquer outra empresa em qualquer outro setor – em geral porque é uma indústria tão pesada de transações, muitas vezes impulsionada por modelos e algoritmos.
Apesar de acumular uma riqueza de informações sobre transações de mercado de capital, comércios, mercados financeiros e outros dados de clientes e de mercado, os bancos de investimento têm sido mais lentos para abraçar a definição de grandes dados de análise do que muitos negócios de varejo de consumo, empresas de tecnologia e até mesmo bancos de varejo.
Organizações como Amazon, Google, eBay e os grandes quatro supermercados do Reino Unido têm usado grandes análises de dados por muitos anos, acompanhando o comportamento do consumidor para sugerir novos produtos potenciais aos consumidores e desenvolver esquemas de fidelidade ao cliente. Quando os bancos de investimento usaram grandes dados, muitas vezes foi restrito ao rastreamento de subcategorias individuais de classes de ativos.
Os bancos de alta rua do Reino Unido também têm sido cada vez mais ativos nesta área, usando análises de dados para estudar padrões de compra, mídia social e dados de localização, a fim de adaptar produtos e material de marketing associado às necessidades dos clientes individuais.
Usando grandes análises de dados para aumentar a rentabilidade
Os bancos de investimento estão agora olhando para como eles podem usar grandes dados para fazer o que eles fazem melhor, mais rápido e mais eficiente.
Executivos seniores nos bancos querem melhorar como eles usam dados para aumentar a rentabilidade, mapear mercados e exposições em toda a empresa, e, em última análise, ganhar mais negócios.
Enquanto os bancos têm, por muitos anos, dados usados e valor em modelagem de risco para medir e quantificar o nível de risco financeiro em um portfólio de ativos, a diferença fundamental com grandes dados é que se tornou um departamento funcional autônomo estabelecido em vez de uma série de pequenos subconjuntos de unidades de negócios internas.
As equipes de Big-data estão agora assumindo o papel de uma consultoria interna influente, comunicando aos executivos seniores insights importantes sobre como melhorar a rentabilidade.
Outra diferença fundamental é que os bancos estão agora não só analisando dados estruturados, como dados de mercado ou negociação, mas também dados não estruturados, que podem incluir fontes como tweets, blogs, posts do Facebook e material de marketing. Isso agora é coletado e registrado de clientes ou clientes de um banco – uma mudança significativa de como os dados costumavam ser capturados.
Usando grandes quantidades de dados estruturados e não estruturados e dados de mercado, os bancos de investimento agora estão modelando com precisão o resultado das decisões de investimento, e obtendo insights em tempo real sobre a demanda do cliente.
Grandes dados também são um elemento fundamental do perfil de risco para os bancos, permitindo que os analistas de dados avaliem imediatamente o impacto da escalada em risco geopolítico em carteiras e sua exposição a mercados específicos e classes de ativos. Especificamente, os bancos agora construíram sistemas que mapearão eventos passados de forma de mercado para identificar padrões futuros.
Também estamos vendo os bancos usando dados grandes para analisar a eficácia de seus negócios, procurando insights sobre quais comércios eles fizeram ou não ganharam em uma base cliente-a-cliente.
Mas apesar do recente crescimento no uso de grandes dados pelos bancos, os principais desafios permanecem.
Ao contrário de gigantes de varejo e tecnologia, como Google, Facebook e Amazon, ou qualquer nova empresa de startup ou fintech, os sistemas de TI e dados na maioria dos bancos não foram originalmente construídos para analisar dados estruturados e não estruturados. Atualizar e remodelar sistemas de TI e dados inteiros para acomodar os sistemas necessários para gerar uma análise profunda dos dados de um banco é demorado e caro.
Os bancos que fundiram ou adquiriram outros bancos ou empresas de serviços financeiros provavelmente enfrentam problemas ainda mais complexos ao incorporar e atualizar sistemas de TI legados.
Surge na contratação de grandes especialistas em análise de dados
A competição entre bancos e gestores de fundos para contratar grandes especialistas de dados está aquecendo.
Os bancos estão recrutando ativamente grandes especialistas em dados e análise para preencher dois papéis principais, mas significativamente diferentes: grandes engenheiros de dados e cientistas de dados / análise / visão.
Os grandes engenheiros de dados normalmente virão de um forte desenvolvimento de TI ou fundo de codificação e são responsáveis pela concepção de plataformas de dados e aplicações. Um grande engenheiro de dados normalmente pode comandar £ 55, 000 por ano e também pode ser conhecido como um engenheiro de software – big data, grande arquiteto de software de dados ou desenvolvedor Hadoop.
Os cientistas de dados, em contraste, são responsáveis por vincular a lacuna entre análise de dados e tomada de decisões empresariais, capazes de traduzir dados complexos em insights de estratégia chave.
Os cientistas de dados – também conhecidos como gerente de análise e insights ou diretor de ciência de dados – devem ter habilidades técnicas e quantitativas afiadas. Os cientistas de dados estão em maior demanda e é aqui que existe a maior escassez de habilidades.
Os cientistas de dados são responsáveis por examinar os dados, identificar tendências-chave e escrever os algoritmos complexos que verão os dados brutos transformados em um pedaço de análise ou percepção que o negócio pode usar para obter uma vantagem competitiva.
Equipes de dados grandes muitas vezes estarão competindo para contratar a partir da mesma piscina de matemática e física PhDs de que outras áreas do banco de investimento serão contratadas.
