Anvendelser af Big Data i Finance

Store data er en populær ny catchphrase inden for informationsteknologi og kvantitative metoder, der refererer til indsamling og analyse af massive mængder information. Forbedringer i datakraft sammen med faldende priser deraf gør store dataprojekter mere og mere teknisk gennemførlige og økonomiske. Især fremkomsten af ​​cloud computing sætter omkostningerne ved stor dataanalyse inden for rækkevidde af mange mindre virksomheder, som nu ikke behøver at foretage betydelige kapitalinvesteringer i deres egen computerinfrastruktur.

En ny karriere kategori, datalogi, er vokset op som følge af væksten i store data.

Ansøgninger inden for finansiering

Inden for finansiering, især inden for finanssektoren, anvendes store data i et stigende antal applikationer, såsom:

1. Medarbejderovervågning og overvågning
2. Prediktive modeller, som dem, der kan bruges af forsikringsgarantier til at fastsætte præmier og lånemyndigheder til at træffe udlånsbeslutninger
3. Udvikle algoritmer til at forudsige retningen på de finansielle markeder
4. Prissætning illikvide aktiver som fast ejendom

Bilforsikring

Så langt tilbage som 1980'erne så grundlæggeren af ​​Progressive Insurance frem til den dag, hvor hårde data om individuelle forsikringstageres kørevaner kunne indsamles og analyseres. Dette ville føre til mere præcis risikomåling og risikovurdering og dermed mere præcis præmieindstilling. I 2010 blev den nødvendige dataindsamlingsteknik blevet tilgængelig, og nu har over en million kunder aftalt at have sorte kasser installeret i deres biler, der sporer for eksempel, hvor hurtigt de typisk kører og hvor pludselig de typisk bremser.

Forbrugerkredit

LendUp supplerer traditionelle FICO kreditvurderinger med social netværksanalyse trukket fra forskellige andre kilder for at kunne træffe udlånsbeslutninger. For eksempel er LendUp interesseret i at vide, om en potentiel låntager ofte har ændret mobiltelefonnumre, hvilket kan indikere en dårlig risiko. Virksomheden mener også, at hvordan folk interagerer med deres venner online tilbyder stærke spor om deres risiko som låntagere. Dem, der viser de stærkeste og mest aktive sociale forbindelser og fællesskabsbånd synes at være de bedste risici.

Således bliver potentielle låntagere bedt om at gøre deres Facebook-konti tilgængelige for virksomheden til analyse.

Kreditkortgigant CapitalOne blev i mellemtiden en stor aktør i 1990'erne primært ved at bruge avancerede dataindsamlings- og analyseteknikker til at identificere udsigterne for sine kort og stjæle en march på mange af sine mere etablerede rivaler.

Small Business Lending

Nyskabende Kabbage er et tyndt bemandet, teknologidrevet selskab, hvis prædiktive modeller trækker på så forskellige kilder som sociale medier, eBay og UPS for at vurdere kvaliteten af ​​forholdet mellem potentielle låntagere og deres egne kunder.

Beskær forsikring

Climate Corporation indrømmer afgrødeforsikring for landmænd. Firmaet driver enorme simuleringer for at forudsige langsigtede vejrmønstre og sætte præmier.

Realkreditudlån

JPMorgan Chase bruger stor data analyse til at fastslå acceptable salgspriser for boliger og erhvervsejendomme, der er blevet repossessed som følge af misligholdte realkreditlån. Ideen er ifølge fortrolige kilder at evaluere lokale økonomiske forhold og ejendomsmarkeder for at foreslå rimelige salgspriser, før realkreditlån rent faktisk går i misligholdelse. Hvis disse foreslåede salgspriser fastlægges nøjagtigt, bør forstyrrelsen af ​​det lokale ejendomsmarked fra en standard, repossession og salg af banken teoretisk minimeres.

Derudover skal den periode, over hvilken banken er tvunget til at holde fast ejendom forud for salg, minimeres.

I mellemtiden har Quantfind, et firma, der har leveret CIA med teknisk ekspertise til at afdække falske identiteter udnyttet af mistænkte terrorister, anerkendt at diskutere med JPMorgan Chase over, hvordan dens teknologi kan anvendes til kreditvirksomheden på områder som kreditvurdering og markedsføring.