バイテンポラリティ、金融サービスのコスト削減に貢献するユースケース

先週、私は「データと分析のベンチマークに関するすべて」のイベントに参加しました。 それは素晴らしく、ほとんどの大手銀行が代表を務め、注目を集めているヘッジファンド、多数の取引所、そしていくつかの珍しいベンダーも参加していました。

具体的な分析が議論されるほとんどのイベントと同様に、私はそれが新鮮だと感じました。 私の初期のキャリアはクオンツ / データ サイエンス / 分析に焦点を当てていましたが、今では、まあ、
「データ」専門職は、「データ ウェアハウス」、「データ レイク」、「データ メッシュ」、「データ ファブリック」、「データ スワンプ」インフラストラクチャを支える、（ほとんどが）複雑な商用製品で構成されており、その額は XNUMX ドルに達します。数兆ドルの支出といくつかの非常に大規模な組織の維持。 私個人としては、この業界の言語、専門用語、エコシステムは現実から抽象化されていると感じていますが、それが美しい名前の製品やカテゴリを提供する商用プロバイダーを維持するのに役立っています。 彼らが言うように、「複雑な」データ プラットフォームには、MSC の学生なら誰でも使用できるモデリング ツールよりもはるかに高い値段がつきます。

データ業界は非常に実用的なイベントの背景でしたが、いわゆる「」に関するパネルで楽しくかつ明確に議論されました。データ系統」 データ リネージは、取り込みから利用までのデータ変換をキャプチャする主に逐次的な線形プロセスであり、膨大なコストのかかるウェアハウス ツールを推進するいわゆるデータ ガバナンスの基盤を支援します。 クラウド時代では、特にクラウド データ ウェアハウスが大流行しています。 しかし、ここからが問題です。 データ変換は、実際には、特に有用な場合には線形ではありません。 それはドクター・フーやターディのように複雑で周期的で変形し、時間を超えて銀河を旅します。 疑似哲学や一般的な物理学はさておき、金融の分野では、同じデータを微調整、変換、分析すると、時間や場所を超えて、さまざまなユースケースに使用できます。 さらに、規制当局は私たちに、いつ何をしたか、なぜ、何が変わったのかを透明性を持って文書化し、変更を文書化するよう求めています。 「それが彼らが求めているデータガバナンスだ」と言う人もいるかもしれません。 種の。 しかし、規制当局は実際には、モデルや関与を必要とし、影響力のある行動につながる実用的な決定の報告を求めています。 これには、データだけでなく、人、意思決定、具体的な使用事例が関係します。

パネルディスカッションでは、 バイテンポラリティー、金融のユースケースと規制プロセスに適切に対応する実用的なデータ管理戦術です。 （非常に）規制の厳しいティア 1 銀行のパネリストの XNUMX 人は、バイテンポラリティを熱烈に賞賛しました。 彼のアーキテクチャはバイテンポラリティを使用して、時間の経過とともに調整し、データの変更を再生しました。 たとえば、コンプライアンスレポートなどで、古い財務レポートまたはデリバティブ取引を、作成時の状態で再作成し、その後の修正/追加/利益を考慮した状態で再作成したいとします。 彼の場合、バイテンポラリティにより、単一のデータ ソースがデータの複数の (検証済み) ビューに、データの発生時とその後の「知恵」を提供します。 実装は簡単でコストもかかりません。これについて知っておくべきことは次のとおりです。

• データ モデルは、時間の XNUMX つの次元にわたってデータを保存し、分析を容易にする必要があります。つまり、バイテンポラル データ モデル、つまり、開始時と、状態の変更が発生し、「次のように表現できる将来の任意の時点のデータに対応するモデル」です。 -of」特定の時間。 
• このモデルは、各プロパティ、オブジェクト、および値に対して複数のタイムスタンプを保存します。
• データポイントは結合して接続できます - 「時点」結合 

従来のデータ ウェアハウス タイプのアーキテクチャでは、このような系統により、データのコピーにコストがかかり、取得が時機を逸して非効率になり、複雑になる可能性があります。 これはクラウド データ ウェアハウス プロバイダーが収益を上げる方法の XNUMX つであり、データの複数のコピーを管理する、率直なアプローチです。

単純な代替案は、ストレージ/メモリ内プロセスをサポートする単純なデータ パターンだけです。 それは Python 中心の安価なものでありえますし、そうすべきです。 タイムスタンプ (データとともに) と時点結合 (コード内) を使用するだけでプロセスが簡単になり、必要に応じて個々のレコードを深く掘り下げることができます。

データ ウェアハウスのコストを節約するには、メモリ内のパフォーマンスに注意しながら、単純な Python を使用して設計します。 高価なデータ ウェアハウス プロセス内でエンジニアリングを行う必要性が少なくなります。

バイテンポラリティを金融のどこに使用しますか? まあ、コンプライアンスは明らかなケースです。 たとえば

なりすまし。 さて、なりすましは、特定の種類の取引が行われるが実行されない詐欺的なものではありますが、本質的には取引目的のパターンです。 ディープダイビングスプーフィングの理由は主にコンプライアンスですが、成功、失敗、詐欺、または単に素晴らしいというディープダイビング取引のパターンは、フロントオフィスにも利益をもたらします。 これは、バックテストや戦略開発にも影響を与えますが、これには時間の概念も含まれる場合があります。 これは、戦略が本番取引、リスク、またはポートフォリオ管理システムに導入される場合、目の前にあるものしか知りませんが、バックテストではリスクを軽減するために既知の前提を組み込むことができるためです。 例には、短期取引コストと推定コストの比較、実際の短期ペア相関と予想される短期ペア相関の比較、デリバティブや債券などの中期ペイオフ、株式配当、ポートフォリオ管理における株式/セクター相関などが含まれます。経済学者に愛される長期的な「マクロ」市場/リスク体制。 時間とバイテンポラリティが重要です。 影響を受けるユースケースにより、この技術は単なるデータ エンジニアリングの作業よりもはるかに価値のあるものになります。

資本市場以外にも、支払いについても考えてみましょう。 たとえば、支払いデバイス上のアクションはトランザクションを一元的に報告します。 トランザクションの時点でわかっていることは、顧客の情報などの情報によって更新されます。 不正行為の検出はこの明らかな使用例であり、タイムリーである必要があります。 スマートペイメントデータはポイントインタイムで処理されますが、データ品質を向上させ、下流イベントに通知するように調整されます。 マスター データと時系列データでバイテンポラル データ モデルを使用すると、ポイント イン タイムのアクティビティを管理するのに役立ちます。

結論として、潜在的にコストがかかり、「高度に管理された」線形ウェアハウス リネージ変換は、常識的な分析と現実世界のユースケースへの共感によって簡素化することができます。 バイテンポラリティーは一見の価値があります。

• SEO を活用したコンテンツと PR 配信。 今日増幅されます。
• PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
• プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
• プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
• プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
• 情報源： https://www.finextra.com/blogposting/25203/bitemporality-helping-lower-costs-for-financial-services-use-cases?utm_medium=rssfinextra&utm_source=finextrablogs