Programmer av Big Data in Finance

Store data er en populær ny catchphrase innenfor informasjonsteknologi og kvantitative metoder som refererer til innsamling og analyse av massive mengder informasjon. Fremskritt i datakraft sammen med fallende priser derav gjør store dataprosjekter stadig mer teknisk mulig og økonomisk. Spesielt er adventen av cloud computing å sette kostnadene ved stor dataanalyse innen rekkevidde av mange mindre bedrifter, som nå ikke trenger å gjøre betydelige kapitalinvesteringer i sin egen databehandlingsinfrastruktur.

En ny karrierekategori, datavitenskap, har spratt opp som følge av veksten av store data.

Søknader innen økonomi

I økonomi, særlig innen finansnæringen, blir store data utnyttet i et økende antall applikasjoner, for eksempel:

1. Medarbeiderovervåking og overvåking
2. Prediktive modeller, som de som kan brukes av forsikringsgarantier til å sette premier og låneoffiserer til å foreta utlånsbeslutninger
3. Utvikle algoritmer for å prognose retningen på finansmarkedene
4. Prissetting illikvide eiendeler som fast eiendom

Bilforsikring

Så langt tilbake som på 1980-tallet så frem til grunnleggeren av Progressive Insurance den dagen da det var vanskelig å samle inn og analysere vanskelige data om individuelle forsikringstakers kjørevaner. Dette vil føre til mer nøyaktig risikomåling og risikovurdering, og dermed mer presis premieinnstilling. I 2010 ble den nødvendige datainnsamlings teknologien blitt tilgjengelig, og nå har over en million kunder blitt enige om å ha svarte bokser installert i sine biler som sporer for eksempel hvor fort de vanligvis kjører og hvor plutselig de vanligvis bremser.

Forbrukerkreditt

LendUp supplerer tradisjonelle FICO kredittvurderinger med sosial nettverksanalyse trukket fra forskjellige andre kilder for å kunne foreta utlånsbeslutninger. For eksempel er LendUp interessert i å vite om en potensiell låner har endret mobilnumre ofte, noe som kan indikere en dårlig risiko. Selskapet mener også at hvordan folk samhandler med sine venner på nettet, gir sterke ledetråder om risikoen som låntakere. De som viser de sterkeste og mest aktive sosiale sammenhenger og samfunnsmessige bånd ser ut til å være de beste risikoen.

Dermed blir potensielle låntakere bedt om å gjøre deres Facebook-kontoer tilgjengelige for firmaet for analyse.

Kredittkortgigant CapitalOne ble imidlertid en stor aktør på 1990-tallet, hovedsakelig ved å bruke avanserte datainnsamlings- og analyseteknikker for å identifisere prospekter for kortene sine, og stjele marsjer på mange av de mer etablerte rivaler.

Småbedrifter Utlån

Ny aktør Kabbage er et tynt bemannet, teknologi-drevet selskap hvis forutsigbare modeller trekker på så ulike kilder som sosiale medier, eBay og UPS for å vurdere kvaliteten på forholdet mellom potensielle låntakere og deres egne kunder.

Beskjære Forsikring

Climate Corporation overtar avlingskasseforsikring for bønder. Firmaet driver store simuleringer for å forutsi langsiktige værmønstre og sette premier.

Boliglån

JPMorgan Chase bruker stor dataanalyse for å fastslå akseptable salgspriser for boliger og næringseiendommer som er blitt repossessed som følge av misligholdte boliglån. Ideen er ifølge fortrolige kilder å vurdere lokale økonomiske forhold og eiendomsmarkeder for å foreslå rimelige salgspriser før boliglån faktisk går i mislighold. Hvis disse foreslåtte salgsprisene er satt nøyaktig, bør forstyrrelsen av det lokale eiendomsmarkedet fra en standard, repossession og salg av banken teoretisk sett minimeres.

I tillegg bør perioden som banken er tvunget til å holde en eiendom før et salg, minimeres.

Quantfind, et firma som har levert CIA med teknisk kompetanse for å avdekke falske identiteter utnyttet av mistenkte terrorister, har anerkjent å engasjere seg i diskusjoner med JPMorgan Chase over hvordan teknologien kan gjelde for kredittvirksomheten på områder som kredittvurdering og markedsføring.