Bitemporalitate, contribuind la reducerea costurilor pentru cazurile de utilizare a serviciilor financiare

Am participat săptămâna trecută la un eveniment „toate lucrurile de analiză comparativă a datelor și analizei”. A fost fabulos, majoritatea băncilor importante au fost reprezentate, de asemenea cele mai tari fonduri speculative fierbinți, o bucată de burse și unii dintre furnizorii care nu sunt obișnuiți.

Mi s-a părut revigorant, la fel ca majoritatea evenimentelor în care sunt discutate analize tangibile. Cariera mea timpurie a fost axată pe quant/știința datelor/analitică, dar acum sunt în, ehm,
Profesia „date”, care este alcătuită dintr-o gamă confuză de (mai ales) produse comerciale care stau la baza „depozite de date”, „lacuri de date” și „plasă de date”, „țesătură de date”, infrastructuri „mlaștină de date”, în valoare de USD trilioane în cheltuieli și susținerea unor organizații foarte mari. Eu personal găsesc că limbajul, jargonul și ecosistemul din această industrie sunt abstrase de realitate, dar ajută la susținerea furnizorilor comerciali cu produse și categorii frumos denumite. Urmăriți banii, așa cum se spune: o platformă de date „complexă” are un preț mult mai mare decât un instrument de modelare pe care orice student MSC îl poate folosi.

Industria datelor a fost fundalul evenimentului foarte pragmatic, dar a fost discutată, plăcut și explicit, într-un panel despre așa-numitul „linia de date.” Linia de date este un proces predominant liniar secvenţial care surprinde transformarea datelor de la asimilare la utilizare şi ajută la susţinerea aşa-numitei guvernanţe a datelor, care conduce la o mulțime de instrumente costisitoare de depozit. În era cloud, depozitele de date din cloud sunt la modă, unul în special. Dar aici este chestia. Transformarea datelor nu este de fapt liniară, mai ales atunci când este utilă. Este complex, ciclic, se transformă ca Doctor Who și tardis, călătorește prin timp și prin galaxii. Pseudo-filozofie și fizica populară deoparte, în finanțe aceleași date, atunci când sunt modificate, transformate și analizate, pot servi mai multor cazuri de utilizare diferite, de asemenea, în timp și în loc. Mai mult, autoritățile de reglementare ne cer să documentăm schimbările, fiind transparenți cu privire la ceea ce am făcut când, de ce și ce sa schimbat. Ați putea spune „aceasta este guvernarea datelor pe care o cer”. Cam. Însă autoritățile de reglementare cer de fapt raportarea deciziilor acționabile care necesită modele, implicare și care au ca rezultat acțiuni care au impact. Implica oameni, decizii și cazuri de utilizare tangibile, nu doar date.

Discuția în grup a introdus și a discutat pe larg conceptul de bitemporalitate, o tactică practică de gestionare a datelor care deservește bine cazurile de utilizare financiară și procesele de reglementare. Un panelist de la o bancă de nivel 1 (foarte) reglementată a lăudat bitemporalitatea în mod efuziv. Arhitectura sa a folosit bitemporalitatea pentru a se ajusta în timp și a relua modificările datelor. Să presupunem că doriți să recreați un raport financiar vechi sau tranzacționare cu instrumente derivate așa cum arăta la momentul creării și apoi așa cum ar fi trebuit să arate, având în vedere corecțiile/adăugările/recompensele ulterioare, de exemplu într-un raport de conformitate. Cu bitemporalitate în cazul lui, o singură sursă de date informează mai multe vizualizări (validate) ale datelor, când s-a întâmplat și mai târziu, cu „înțelepciune”. Este simplu de implementat, nu costisitor și iată ce trebuie să știți despre el.

• Un model de date ar trebui să stocheze și să faciliteze analiza datelor pe două dimensiuni de timp – un model de date bitemporal, adică un model care găzduiește date la început și în orice moment în viitor când au loc revizuiri ale stării sale și poate fi reprezentat „ca -de” un timp dat. 
• Acest model stochează mai mult de un marcaj de timp pentru fiecare proprietate, obiect și valoare.
• Punctele de date pot fi unite și conectate - o îmbinare „ca de la”. 

Într-o arhitectură tradițională de tip depozit de date, o astfel de filiație poate însemna copii de date costisitoare și ineficiențe și complexități premature ale recuperării. Acesta este un mod în care furnizorii de depozite de date în cloud câștigă bani, mai multe copii ale datelor gestionate, o abordare directă.

O alternativă simplă este doar modele simple de date cu un proces de stocare/în memorie suport. Acest lucru poate și ar trebui să fie ieftin, centrat pe Python. Folosiți pur și simplu marcajele de timp (cu datele dvs.) și alăturari ca urmare a (în cod) pentru a simplifica procesul, cu posibilitatea de a explora în profunzime înregistrările individuale, după cum este necesar.

Pentru a economisi costurile pentru depozitul dvs. de date, atunci, proiectați cu niște Python simplu, acordând atenție performanței în memorie. Este mai puțină nevoie de proiectare în interiorul unui proces costisitor de depozit de date.

Unde folosești bitemporalitatea în finanțe? Ei bine, conformitatea este un caz evident. Luați de exemplu

falsificare. Acum, falsificarea este în esență un model de intenție comercială, deși unul fraudulos în care anumite tipuri de tranzacții sunt plasate, dar nu sunt urmate. Motivul pentru falsificarea deep-diving este în primul rând conformitatea, dar modelul tranzacțiilor deep diving, de succes, nereușit, fraudulos sau pur și simplu grozav, beneficiază și de biroul de față. Acest lucru, la rândul său, informează back-testing și dezvoltarea strategiei, care poate include și noțiuni de timp. Acest lucru se datorează faptului că strategiile, atunci când intră în sistemele de tranzacționare de producție, de risc sau de management al portofoliului, știu doar ce se află în fața lor, dar testul back-test poate încerca să încorporeze ipoteze cunoscute pentru a atenua riscurile. Exemplele includ compararea costurilor tranzacției pe termen scurt, spre deosebire de cele estimate, compararea corelațiilor reale și anticipate de perechi pe termen scurt, profituri pe termen mediu pentru, de exemplu, instrumente derivate și instrumente cu venit fix, dividende în acțiuni, corelații stoc/sector în gestionarea portofoliului și pe termen lung „macro” piață/regimuri de risc îndrăgite de economiști. Timpul – și bitemporalitatea – contează. Cazurile de utilizare afectate fac ca tehnica să fie mult mai valoroasă decât o simplă manevră de inginerie a datelor.

Dincolo de piețele de capital, luați în considerare plățile. De exemplu, acțiunile pe un dispozitiv de plată vor raporta tranzacțiile la nivel central. Ceea ce este cunoscut în momentul tranzacției este apoi actualizat prin informații, de exemplu cele ale clientului. Detectarea fraudei este un caz de utilizare evident pentru acest lucru și trebuie să fie în timp util. Datele de plată inteligente sunt procesate la un moment dat, dar ajustate pentru a îmbunătăți calitatea datelor și pentru a informa evenimentele din aval. Utilizarea unui model de date bitemporal pe datele principale și seriale de timp ajută la gestionarea activităților punctuale.

În concluzie, ceea ce poate fi o transformare liniară costisitoare, „înalt guvernată” poate fi simplificată cu niște analize de bun simț și o empatie cu cazurile de utilizare din lumea reală. Bitemporalitatea merită o privire.

• Distribuție de conținut bazat pe SEO și PR. Amplifică-te astăzi.
• PlatoData.Network Vertical Generative Ai. Împuterniciți-vă. Accesați Aici.
• PlatoAiStream. Web3 Intelligence. Cunoștințe amplificate. Accesați Aici.
• PlatoESG. carbon, CleanTech, Energie, Mediu inconjurator, Solar, Managementul deșeurilor. Accesați Aici.
• PlatoHealth. Biotehnologie și Inteligență pentru studii clinice. Accesați Aici.
• Sursa: https://www.finextra.com/blogposting/25203/bitemporality-helping-lower-costs-for-financial-services-use-cases?utm_medium=rssfinextra&utm_source=finextrablogs