ما هي البيانات الضخمة؟
يستمر الانتشار الواسع للبيانات والتعقيدات التكنولوجية المتزايدة في تغيير الطريقة التي تعمل بها الصناعات وتنافسها. على مدى السنوات القليلة الماضية ، تم إنشاء 90 في المائة من البيانات في العالم نتيجة لإنشاء 2.5 كوينتيليون بايت من البيانات على أساس يومي. يُشار عادةً إلى البيانات الضخمة ، وهذا النمو والتخزين السريع يخلقان فرصًا لجمع ومعالجة وتحليل البيانات المهيكلة وغير المهيكلة.
كيف تعمل البيانات الضخمة
بعد اتباع الخطوات الأربعة للبيانات الضخمة ، تستخدم المؤسسات البيانات والتحليلات لاكتساب رؤى قيمة لإبلاغ قرارات العمل بشكل أفضل. تشمل الصناعات التي اعتمدت استخدام البيانات الضخمة الخدمات المالية والتكنولوجيا والتسويق والرعاية الصحية ، على سبيل المثال لا الحصر. يستمر اعتماد البيانات الضخمة في إعادة تعريف المشهد التنافسي للصناعات. يعتقد ما يقدر بنحو 84 في المائة من الشركات أن أولئك الذين ليس لديهم استراتيجية تحليلات يتعرضون لخطر فقدان الميزة التنافسية في السوق
اعتمدت الخدمات المالية ، على وجه الخصوص ، على نطاق واسع تحليلات البيانات الضخمة لتوجيه قرارات استثمار أفضل مع عوائد ثابتة. بالاقتران مع البيانات الضخمة ، يستخدم التداول الخوارزمي بيانات تاريخية واسعة مع نماذج رياضية معقدة لتعظيم عوائد المحفظة. سيؤدي الاعتماد المستمر للبيانات الضخمة حتماً إلى تغيير مشهد الخدمات المالية. ومع ذلك ، إلى جانب مزاياها الواضحة ، لا تزال هناك تحديات كبيرة فيما يتعلق بقدرة البيانات الضخمة على التقاط الحجم المتزايد من البيانات.
![](https://forex.ae.org/wp-content/uploads/2020/08/What-Is-Big-Data-1.png)
4 فولت من البيانات الضخمة
تعد قيم 4 V أساسية للبيانات الضخمة: الحجم ، والتنوع ، والصدق ، والسرعة. في مواجهة المنافسة المتزايدة والقيود التنظيمية واحتياجات العملاء ، تبحث المؤسسات المالية عن طرق جديدة للاستفادة من التكنولوجيا لاكتساب الكفاءة. اعتمادًا على الصناعة ، يمكن للشركات استخدام جوانب معينة من البيانات الضخمة لاكتساب ميزة تنافسية.
السرعة هي السرعة التي يجب أن يتم بها تخزين البيانات وتحليلها. تلتقط بورصة نيويورك 1 تيرابايت من المعلومات كل يوم. بحلول عام 2016 ، كان هناك ما يقدر بنحو 18.9 مليار اتصال بالشبكة ، مع ما يقرب من 2.5 اتصال لكل شخص على الأرض .3 يمكن للمؤسسات المالية أن تميز نفسها عن المنافسة من خلال التركيز على معالجة الصفقات بكفاءة وسرعة.
يمكن تصنيف البيانات الضخمة على أنها بيانات غير منظمة أو منظمة. البيانات غير المهيكلة هي معلومات غير منظمة ولا تندرج في نموذج محدد مسبقًا. يتضمن ذلك البيانات التي تم جمعها من مصادر وسائل التواصل الاجتماعي ، والتي تساعد المؤسسات على جمع المعلومات حول احتياجات العملاء. تتكون البيانات المنظمة من المعلومات التي تديرها المنظمة بالفعل في قواعد البيانات وجداول البيانات العلائقية. نتيجة لذلك ، يجب أن تدار الأشكال المختلفة من البيانات بفعالية من أجل اتخاذ قرارات عمل أفضل.
يشكل الحجم المتزايد لبيانات السوق تحديًا كبيرًا للمؤسسات المالية. إلى جانب البيانات التاريخية الهائلة ، تحتاج البنوك وأسواق رأس المال إلى إدارة بيانات المؤشر بنشاط. وبالمثل ، تستخدم البنوك الاستثمارية وشركات إدارة الأصول بيانات ضخمة لاتخاذ قرارات استثمارية سليمة. يمكن لشركات التأمين والتقاعد الوصول إلى معلومات السياسة والمطالبات السابقة لإدارة المخاطر النشطة.
التداول الحسابي
أصبح التداول الخوارزمي مرادفًا للبيانات الضخمة نظرًا للقدرات المتزايدة لأجهزة الكمبيوتر. تمكن العملية الآلية برامج الكمبيوتر من تنفيذ الصفقات المالية بسرعات وترددات لا يستطيع المتداول البشري القيام بها. ضمن النماذج الرياضية ، يوفر التداول الخوارزمي الصفقات التي يتم تنفيذها بأفضل الأسعار الممكنة وإيداع الصفقات في الوقت المناسب ويقلل من الأخطاء اليدوية بسبب العوامل السلوكية.
يمكن للمؤسسات تقليص الخوارزميات بشكل أكثر فعالية لدمج كميات هائلة من البيانات ، والاستفادة من كميات كبيرة من البيانات التاريخية لاستراتيجيات الاختبار الرجعي ، وبالتالي إنشاء استثمارات أقل خطورة. يساعد هذا المستخدمين على تحديد البيانات المفيدة للاحتفاظ بالبيانات ذات القيمة المنخفضة للتجاهل. بالنظر إلى أنه يمكن إنشاء الخوارزميات باستخدام بيانات منظمة وغير منظمة ، فإن دمج الأخبار في الوقت الفعلي والوسائط الاجتماعية وبيانات الأسهم في محرك خوارزمي واحد يمكن أن يؤدي إلى قرارات تداول أفضل. على عكس عملية صنع القرار ، والتي يمكن أن تتأثر بمصادر مختلفة للمعلومات ، والعاطفة البشرية والتحيز ، يتم تنفيذ الصفقات الخوارزمية فقط على النماذج والبيانات المالية.
يستخدم مستشاري Robo خوارزميات استثمار وكميات هائلة من البيانات على منصة رقمية. يتم تأطير الاستثمارات من خلال نظرية المحفظة الحديثة ، والتي تدعم عادة الاستثمارات طويلة الأجل للحفاظ على عوائد ثابتة ، وتتطلب الحد الأدنى من التفاعل مع المستشارين الماليين البشريين.
التحديات
على الرغم من احتضان صناعة الخدمات المالية المتزايد للبيانات الضخمة ، لا تزال هناك تحديات كبيرة في هذا المجال. الأهم من ذلك ، أن جمع العديد من البيانات غير المهيكلة يدعم المخاوف بشأن الخصوصية. يمكن جمع المعلومات الشخصية حول اتخاذ القرار للفرد من خلال وسائل التواصل الاجتماعي ورسائل البريد الإلكتروني والسجلات الصحية.
ضمن الخدمات المالية على وجه التحديد ، تقع غالبية الانتقادات على تحليل البيانات. يتطلب الحجم الهائل للبيانات مزيدًا من التعقيد في التقنيات الإحصائية من أجل الحصول على نتائج دقيقة. على وجه الخصوص ، يبالغ النقاد في تقدير الإشارة إلى الضوضاء على أنها أنماط من الارتباطات الزائفة ، والتي تمثل نتائج قوية إحصائيًا عن طريق الصدفة البحتة. وبالمثل ، تشير الخوارزميات المستندة إلى النظرية الاقتصادية عادةً إلى فرص الاستثمار طويلة الأجل بسبب الاتجاهات في البيانات التاريخية. إن تحقيق نتائج فعالة تدعم استراتيجية استثمار قصيرة الأجل هي تحديات متأصلة في النماذج التنبؤية.
الملخص
تستمر البيانات الضخمة في تغيير المشهد في مختلف الصناعات ، وخاصة الخدمات المالية. تعتمد العديد من المؤسسات المالية تحليلات البيانات الضخمة من أجل الحفاظ على ميزة تنافسية. من خلال البيانات المنظمة وغير المهيكلة ، يمكن للخوارزميات المعقدة تنفيذ الصفقات باستخدام عدد من مصادر البيانات. يمكن التقليل من المشاعر الإنسانية والتحيز من خلال الأتمتة ؛ ومع ذلك ، فإن التداول باستخدام تحليل البيانات الضخمة له مجموعة محددة من التحديات. النتائج الإحصائية التي تم إنتاجها حتى الآن لم يتم تبنيها بالكامل بسبب الحداثة النسبية لهذا المجال. ومع ذلك ، مع توجه الخدمات المالية نحو البيانات الضخمة والأتمتة ، فإن تطور التقنيات الإحصائية سيزيد من الدقة.