बिटटेम्पोरैलिटी, वित्तीय सेवाओं के उपयोग के मामलों के लिए कम लागत में मदद करती है

मैं पिछले सप्ताह "सभी चीजें डेटा और एनालिटिक्स बेंचमार्किंग" कार्यक्रम में था। यह शानदार था, अधिकांश प्रमुख बैंकों का प्रतिनिधित्व किया गया था, साथ ही सबसे हॉट हेज फंड, एक्सचेंजों का एक हिस्सा और कुछ गैर-सामान्य विक्रेताओं का भी प्रतिनिधित्व किया गया था।

मुझे यह ताज़ा लगा, अधिकांश आयोजनों की तरह जहां मूर्त विश्लेषण पर चर्चा होती है। मेरा शुरुआती करियर क्वांट/डेटा साइंस/एनालिटिक्स-केंद्रित था, लेकिन अब मैं, अहम,
"डेटा" पेशा, जो "डेटा वेयरहाउस," "डेटा लेक," और "डेटा जाल," "डेटा फैब्रिक," "डेटा स्वैम्प" बुनियादी ढांचे को रेखांकित करने वाले (ज्यादातर) वाणिज्यिक उत्पादों की एक भ्रमित श्रृंखला से बना है, जिसकी राशि $ है ख़र्च में खरबों और कुछ बहुत बड़े संगठनों को बनाए रखना। मैं व्यक्तिगत रूप से इस उद्योग में भाषा, शब्दजाल और पारिस्थितिकी तंत्र को वास्तविकता से अलग पाता हूं, लेकिन यह खूबसूरती से नामित उत्पादों और श्रेणियों के साथ वाणिज्यिक प्रदाताओं को बनाए रखने में मदद करता है। पैसे का पालन करें, जैसा कि वे कहते हैं: एक "जटिल" डेटा प्लेटफ़ॉर्म एक मॉडलिंग टूल की तुलना में बहुत अधिक कीमत वाला टिकट प्रदान करता है जिसे कोई भी एमएससी छात्र उपयोग कर सकता है।

डेटा उद्योग बहुत ही व्यावहारिक घटना की पृष्ठभूमि थी, लेकिन तथाकथित "" पर एक पैनल पर, आनंददायक और स्पष्ट रूप से चर्चा की गई।डेटा वंश।” डेटा वंशावली मुख्य रूप से एक अनुक्रमिक रैखिक प्रक्रिया है जो अंतर्ग्रहण से उपयोग तक डेटा परिवर्तन को पकड़ती है और तथाकथित डेटा गवर्नेंस को रेखांकित करने में मदद करती है जो बहुत सारे महंगे वेयरहाउस टूलींग को संचालित करती है। क्लाउड युग में, विशेष रूप से क्लाउड डेटा वेयरहाउस बहुत लोकप्रिय हैं। लेकिन बात ये है. डेटा परिवर्तन वास्तव में रैखिक नहीं है, खासकर जब उपयोगी हो। यह जटिल, चक्रीय, डॉक्टर हू और टार्डिस की तरह रूपांतरित है, समय के माध्यम से और आकाशगंगाओं के पार यात्रा करता है। छद्म दर्शन और लोकप्रिय भौतिकी को छोड़कर, वित्त में एक ही डेटा, जब संशोधित, परिवर्तित और विश्लेषण किया जाता है, तो समय और स्थान पर भी कई अलग-अलग उपयोग के मामलों में काम आ सकता है। इसके अलावा, नियामक हमसे परिवर्तन का दस्तावेजीकरण करने के लिए कहते हैं, इस बारे में पारदर्शी रहते हुए कि हमने कब, क्यों और क्या परिवर्तन किया। आप कह सकते हैं, "वह डेटा गवर्नेंस है जिसकी वे मांग कर रहे हैं"। एक प्रकार का। लेकिन नियामक वास्तव में उन कार्रवाई योग्य निर्णयों की रिपोर्टिंग मांग रहे हैं जिनके लिए मॉडल, सहभागिता की आवश्यकता होती है और जिसके परिणामस्वरूप प्रभाव डालने वाली कार्रवाइयां होती हैं। इसमें केवल डेटा ही नहीं, बल्कि लोग, निर्णय और ठोस उपयोग के मामले भी शामिल हैं।

पैनल चर्चा में इसकी अवधारणा का परिचय दिया गया और विस्तार से चर्चा की गई बिटटेम्पोरैलिटी, एक व्यावहारिक डेटा प्रबंधन रणनीति जो वित्तीय उपयोग के मामलों और नियामक प्रक्रियाओं को अच्छी तरह से सेवा प्रदान करती है। (बहुत) विनियमित टियर 1 बैंक के एक पैनलिस्ट ने बिटेम्पोरैलिटी की ज़ोरदार प्रशंसा की। उनकी वास्तुकला ने समय के माध्यम से समायोजित करने और डेटा परिवर्तनों को दोबारा चलाने के लिए बिटटेम्पोरैलिटी का उपयोग किया। मान लीजिए कि आप एक पुरानी वित्तीय रिपोर्ट या डेरिवेटिव व्यापार को फिर से बनाना चाहते हैं जैसा कि यह निर्माण के समय दिखता था, और फिर बाद में सुधार/परिवर्धन/भुगतान के बाद जैसा दिखना चाहिए था, उदाहरण के लिए एक अनुपालन रिपोर्ट में। उनके मामले में बिटटाइम्पोरैलिटी के साथ, एक एकल डेटा स्रोत डेटा के कई (मान्य) दृश्यों को सूचित करता है, जब यह हुआ और बाद में, "ज्ञान" के साथ। इसे लागू करना आसान है, महंगा नहीं है, और यहां आपको इसके बारे में जानने की आवश्यकता है।

• एक डेटा मॉडल को समय के दो आयामों में डेटा का भंडारण और विश्लेषण करना चाहिए - एक बिटेम्पोरल डेटा मॉडल, यानी, शुरुआत में और भविष्य में किसी भी समय डेटा की पूर्ति करने वाला मॉडल जब इसकी स्थिति में संशोधन होता है और इसे "के रूप में दर्शाया जा सकता है" -का” एक निश्चित समय। 
• यह मॉडल प्रत्येक संपत्ति, वस्तु और मूल्य के लिए एक से अधिक टाइमस्टैम्प संग्रहीत करता है।
• डेटा बिंदुओं को जोड़ा और जोड़ा जा सकता है - एक "जैसा" जुड़ाव 

पारंपरिक डेटा वेयरहाउस प्रकार की वास्तुकला में, इस तरह की वंशावली का मतलब महंगी डेटा प्रतियां, और पुनर्प्राप्ति की असामयिक अक्षमताएं और जटिलताएं हो सकता है। यह क्लाउड डेटा वेयरहाउस प्रदाताओं द्वारा पैसा कमाने का एक तरीका है, डेटा की कई प्रतियाँ प्रबंधित की जाती हैं, एक स्पष्ट दृष्टिकोण।

एक सरल विकल्प सहायक स्टोरेज/इन-मेमोरी प्रक्रिया के साथ सरल डेटा पैटर्न है। वह सस्ता, पायथन-केंद्रित हो सकता है और होना भी चाहिए। प्रक्रिया को सरल बनाने के लिए बस टाइमस्टैम्प (अपने डेटा के साथ) और जॉइन के रूप में (कोड में) का उपयोग करें, आवश्यकतानुसार व्यक्तिगत रिकॉर्ड में गहराई से गोता लगाने की क्षमता के साथ।

अपने डेटा वेयरहाउस पर लागत बचाने के लिए, इन-मेमोरी प्रदर्शन पर ध्यान देते हुए, कुछ सरल पायथन के साथ इंजीनियर बनें। महंगी डेटा वेयरहाउस प्रक्रिया के अंदर इंजीनियर की कम आवश्यकता होती है।

आप वित्त में बिटटेम्पोरैलिटी का उपयोग कहां करते हैं? खैर, अनुपालन एक स्पष्ट मामला है। उदाहरण के लिए

स्पूफिंग. अब, स्पूफिंग मूल रूप से एक व्यापार इरादे का पैटर्न है, हालांकि यह धोखाधड़ी वाला पैटर्न है जहां विशेष प्रकार के व्यापार किए जाते हैं लेकिन उनका पालन नहीं किया जाता है। डीप-डाइविंग स्पूफ का कारण मुख्य रूप से अनुपालन है, लेकिन डीप डाइविंग ट्रेडों का पैटर्न, सफल, असफल, धोखाधड़ी या बस महान, फ्रंट ऑफिस को भी लाभ पहुंचाता है। यह बदले में बैक-टेस्टिंग और रणनीति विकास को सूचित करता है, जिसमें समय की धारणाएं भी शामिल हो सकती हैं। ऐसा इसलिए है क्योंकि रणनीतियाँ, जब वे उत्पादन व्यापार, जोखिम या पोर्टफोलियो प्रबंधन प्रणालियों में जाती हैं, तो केवल यह जानती हैं कि उनके सामने क्या है, लेकिन बैक-टेस्ट जोखिमों को कम करने के लिए ज्ञात धारणाओं को शामिल करने का प्रयास कर सकता है। उदाहरणों में अनुमानित लागतों के विपरीत अल्पकालिक लेनदेन लागतों की तुलना करना, वास्तविक और प्रत्याशित अल्पकालिक जोड़े सहसंबंधों की तुलना करना, डेरिवेटिव और निश्चित आय उपकरणों के लिए मध्यम अवधि के भुगतान, इक्विटी में लाभांश, पोर्टफोलियो प्रबंधन में स्टॉक/सेक्टर सहसंबंध, और शामिल हैं। अर्थशास्त्रियों द्वारा प्रिय दीर्घकालिक "मैक्रो" बाज़ार/जोखिम व्यवस्थाएँ। समय - और अस्थायीता - मायने रखती है। प्रभावित उपयोग के मामले तकनीक को केवल एक साधारण डेटा इंजीनियरिंग पैंतरेबाज़ी की तुलना में कहीं अधिक मूल्यवान बनाते हैं।

पूंजी बाज़ार से परे, भुगतान पर विचार करें। उदाहरण के लिए, भुगतान डिवाइस पर कार्रवाई लेनदेन की केंद्रीय रूप से रिपोर्ट करेगी। लेन-देन के समय जो ज्ञात होता है वह जानकारी द्वारा अद्यतन हो जाता है, उदाहरण के लिए ग्राहक की जानकारी। धोखाधड़ी का पता लगाना इसके लिए एक स्पष्ट उपयोग का मामला है, और इसे समय पर करने की आवश्यकता है। स्मार्ट भुगतान डेटा समय पर संसाधित हो जाता है, लेकिन डेटा गुणवत्ता में सुधार और डाउनस्ट्रीम घटनाओं को सूचित करने के लिए समायोजित किया जाता है। मास्टर और समय-श्रृंखला डेटा पर बिटेम्पोरल डेटा मॉडल का उपयोग समय गतिविधियों में बिंदु को प्रबंधित करने में मदद करता है।

निष्कर्ष में, जो संभावित रूप से महंगा हो सकता है, "अत्यधिक शासित" रैखिक गोदाम-वंश परिवर्तन को कुछ सामान्य ज्ञान विश्लेषण और वास्तविक दुनिया के उपयोग-मामलों के साथ सहानुभूति के साथ सरल बनाया जा सकता है। Bittemporality देखने लायक है।

• एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
• प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
• प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
• प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
• प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
• स्रोत: https://www.finextra.com/blogposting/25203/bitemporality-helping-lower-costs-for-financial-services-use-cases?utm_medium=rssfinextra&utm_source=finextrablogs