Les données alternatives pourraient préserver votre entreprise du prochain désastre
Au début de 2021, le babillard Reddit WallStreetBets a bouleversé Wall Street. Dans le processus, il a mis en évidence la puissance des applications commerciales démocratiques comme Robinhood, et ses investisseurs inspirés de Reddit ont montré comment ils pouvaient se mesurer aux acteurs puissants de Wall Street pour influencer le marché.
Aujourd’hui, de plus en plus d’Américains se tournent vers des sites comme Reddit pour obtenir des conseils de trading plutôt que d’écouter des sources plus conventionnelles comme des experts de la télévision, des conseillers financiers ou des analystes de recherche sur les actions.
WallStreetBets n’est qu’un exemple de la façon dont les élites de Wall Street ont été prises au dépourvu par des événements imprévus, des changements de comportement des consommateurs et des signaux changeants du marché.
Les institutions de services financiers (ISF) doivent de plus en plus se tourner vers de nouvelles formes de données pour se préparer et répondre efficacement à l’évolution rapide de la dynamique du marché. Les données sont le carburant qui alimente le dynamisme des principaux ISF d’aujourd’hui. Alors que la course aux armements pour les données s’intensifie dans l’ensemble du secteur (en particulier du côté des acheteurs), de nombreuses institutions financières historiques ont pris du retard.
Le paysage actuel des données dans le secteur financier
Le secteur des services financiers est l’un des secteurs les plus gourmands en données de l’économie mondiale. Rien qu’en 2020, 44 zettaoctets de données ont été créés dans l’industrie. Cependant, alors que le volume et la vitesse des nouvelles données augmentent continuellement, certaines estimations suggèrent que les entreprises n’utilisent que 0,5 % des données disponibles.
Voici une vidéo relatant ces faits :
Adopter une approche systématique de la production de données au sein des services financiers et des produits fintech est extrêmement difficile car cela implique une intégration transparente des processus, de la technologie, des personnes et des modèles. En outre, les grands opérateurs historiques s’appuient sur des systèmes informatiques et d’infrastructure existants qui sont rarement optimisés pour les modèles d’intelligence artificielle et d’apprentissage automatique, et n’offrent pas l’agilité et la flexibilité nécessaires à l’analyse des données.
Les avantages d’utiliser des sources de données différentes et uniques
Alors que l’analyse de données avancée peut aider les organisations de services financiers à offrir une meilleure expérience client, l’analyse et les modèles avancés ne sont rien sans les données qui les informent. Les organisations doivent trouver de nouvelles sources de données pour aider à prévoir et à réagir aux événements afin de se préparer à tout impact potentiel sur l’entreprise.
En gros, il existe deux catégories de données que les institutions de services financiers peuvent exploiter : les données traditionnelles et les données alternatives. Les données traditionnelles impliquent des ensembles de données internes tels que les transactions, les journaux et le CRM, que les institutions de services financiers utilisent depuis des décennies. Généralement, ils impliquent des données structurées/historiques.
Les données alternatives impliquent des ensembles de données externes généralement générés en dehors des murs de l’entreprise, tels que les données satellites, les données des médias sociaux et le grattage des données Web. Contrairement aux ensembles de données traditionnels, ces ensembles de données sont souvent des ensembles de données non structurés/en temps réel.
Ping : Comment rester en sécurité lors des achats en ligne ?
Ping : Les défis auxquels le fintech fait face