برنامه های بزرگ اطلاعات در امور مالی

داده های بزرگ، فورمه ای جدید در قلمرو تکنولوژی اطلاعات و روش های کمی است که به جمع آوری و تجزیه و تحلیل مقادیر عظیم اطلاعات اشاره دارد. پیشرفت در قدرت محاسبات همراه با کاهش قیمت آن باعث می شود که پروژه های داده بزرگ به طور فزاینده ای از لحاظ فنی و عملی اقتصادی شوند. به طور خاص، ظهور محاسبات ابری هزینه تحلیل داده های بزرگ را در دسترس بسیاری از شرکت های کوچکتر قرار می دهد که اکنون نیازی به سرمایه گذاری قابل توجه سرمایه در زیرساخت های محاسباتی خود ندارند.

یک رده جدید حرفه ای، علم داده، در پاسخ به رشد داده های بزرگ، رشد کرده است.

برنامه های کاربردی در زمینه مالی:

در بخش مالی، به ویژه در صنعت خدمات مالی ، داده های بزرگی در تعداد زیادی از برنامه های کاربردی مانند:

  1. نظارت و نظارت کارکنان
  2. مدل های پیش بینی شده، از قبیل مواردی که ممکن است توسط بیمه نامه های بیمه برای تعیین حق بیمه و مامورین وام برای تصمیم گیری های وام استفاده شود
  3. الگوریتم های توسعه برای پیش بینی جهت بازارهای مالی
  4. قیمت دارایی های غیرقانونی مانند املاک و مستغلات

بیمه خودرو:

تا همین اواخر دهه 1980، بنیان گذار بیمه گذار در انتظار روزی بود که اطلاعات سخت افزاری در مورد عادت های رانندگی بیمه گران را می توان جمع آوری و تجزیه و تحلیل کرد. این امر منجر به اندازه گیری دقیق تر ریسک و ارزیابی ریسک و در نتیجه تعیین دقیق تر حق بیمه می شود. تا سال 2010، تکنولوژی جمع آوری اطلاعات مورد نیاز تبدیل شده است و در حال حاضر بیش از یک میلیون مشتری موافقت کرده اند جعبه های سیاه و سفید را در اتومبیل های خود نصب کنند که برای مثال، سرعت آنها به طور معمول رانندگی می کند و به طور ناگهانی آنها به طور معمول ترمز می کند.

اعتبار مصرف کننده:

LendUp با ارزیابی اعتباری سنتی FICO با تجزیه و تحلیل شبکه های اجتماعی از منابع مختلف دیگر، به منظور تصمیم گیری های وام های اضافی، می افزاید. به عنوان مثال، LendUp علاقه مند به دانستن اینکه یک وام گیرنده بالقوه تعداد زیادی از تلفن های همراه را تغییر داده است، که ممکن است خطر بدی را نشان دهد.

این شرکت همچنین معتقد است که چگونه افراد با دوستانشان ارتباط برقرار می کنند، سرنخ های قوی در مورد خطر آن ها به عنوان وام گیرندگان را نشان می دهد. کسانی که قویترین و فعال ترین ارتباطات اجتماعی و روابط اجتماعی را نشان می دهند، به نظر می رسد بهترین خطرات هستند. بنابراین، وام گیرندگان بالقوه خواسته می شود که حساب های فیس بوک خود را برای تجزیه و تحلیل در اختیار شرکت قرار دهند.

در عین حال CapitalOne، بزرگترین کارت اعتباری، در دهه 1990 به عنوان یک بازیکن بزرگ تبدیل شد و عمدتا از طریق استفاده از تکنیک های جمع آوری داده های پیشرفته و تکنیک های تجزیه و تحلیل برای شناسایی چشم انداز کارت های خود، سرقت راهپیمایی در بسیاری از رقبایتان شد.

وام های کوچک تجاری:

Kabbage New Entranger شرکتی با تکنولوژی کم و کارآمد است که مدل های پیش بینی شده آن بر منابع متنوع مانند رسانه های اجتماعی، eBay و UPS برای ارزیابی کیفیت روابط بین وام گیرندگان بالقوه و مشتریان خود استفاده می شود.

بیمه کشاورزی:

شرکت آب و هوا، بیمه محصولات کشاورزی را برای کشاورزان تأمین می کند. این شرکت شبیه سازی های زیادی را برای پیش بینی الگوهای آب و هوایی درازمدت انجام می دهد و حق بیمه را تعیین می کند.

وام وام وام:

JPMorgan Chase با استفاده از تجزیه و تحلیل داده های بزرگ برای تعیین قیمت های قابل قبول فروش برای خانه ها و املاک تجاری است که به عنوان نتیجه وام های نقدی را رد کرد.

ایده، با توجه به منابع محرمانه، این است که ارزیابی شرایط اقتصادی محلی و بازار املاک را برای نشان دادن قیمت های مناسب معامله قبل از وام های رهنی در واقع پیش فرض است. اگر این پیشنهادات قیمت فروش با دقت تنظیم شود، باید اختلافی در بازار املاک محلی از پیش فرض، بازپرداخت و فروش توسط بانک به صورت تئوری به حداقل برسد. علاوه بر این، مدت زمانی که بانک مجبور به نگه داشتن اموال قبل از فروش می شود، باید به حداقل برسد.

در همین حال، Quantfind، شرکتی که CIA را با تخصص فنی برای شناسایی هویت های دروغین مورد استفاده تروریست های مظنون قرار داده است، با شرکت JPMorgan Chase در ارتباط با چگونگی استفاده از تکنولوژی آن برای کسب و کار اعتباری، در زمینه هایی نظیر ارزیابی اعتباری و بازار یابی.

منابع: "درب ورودی به نوآوری مالی" و "JPMorgan با استفاده از ابزار مبارزه با تروریسم برای کشف تقلب در میان کارگران،" Financial Times ، 14 دسامبر 2012.