数据是投资决策的基石,如今,在管理海量数据方面,各个投资管理公司都取得了不同程度的成功。尽管增强的分析已经帮助资产管理公司产生了新的见解和投资想法,但数据竖井、有限的可发现性和现有系统的刚性等挑战使其变得困难。
数据管理的最终目标——也是纽约梅隆银行最为关注的目标——是让整个组织的个人能够更快地掌握高质量的数据,从而揭示以前无法获得的见解,从而推动业务增长。然而,有效地从数据中提取价值远不是一种通用的能力——特别是在数据需求不断增强的同时,消费数据的速度也在加快。
据史蒂芬·泰勒所说,他是纽约梅隆银行数据管理公司“大规模解决数据管理是一个复杂的供应链问题。您需要将来自多个来源的数据集中在一起,并确保其质量,然后识别、管理、管理和编目。这需要以一种优雅的方式完成,这样终端用户就不需要浪费时间跨越多个平台和技术来查找和使用数据。如果设计得当,云技术将使这一切成为可能。”
速度是关键
公有云平台可以加速和扩展企业的能力,以跟上不断增长的供应和对新数据和不同类型数据的贪婪需求。当所有规模的公司都能够灵活地适应工作负载的需求,能够灵活地吸收任何格式的数据,当组织中的数据消费者能够轻松地按需访问数据并与之交互时,他们就能更快地创新。这反过来又加快了更好地满足客户期望的差异化结果的交付。
正如Taylor所解释的那样,“本地云平台允许每个人更多地思考艺术的可能性。例如,我们如何解决以前无法解决的问题?或者,就像我们的一个客户正在做的那样,我们如何从运营和交易功能转向特殊和分析功能?”
在2018年,可能的艺术正是在这样的背景下,纽约梅隆银行开始开发一个现代的、综合的数据管理平台。该行预见到需要支持更大的分析和更广泛的机器学习能力的战略,并在其25年来屡获殊荣的Eagle数据解决方案的基础上,与早期用户客户合作,并与微软和雪花联合创建了data Vault和data Studio。
在消除传统数据管理系统的复杂性和僵化格式的过程中,data Vault迅速建立了一个由数据供应商和消费者组成的生态系统。虽然BNY Mellon的数据很容易通过平台访问,但客户和第三方也可以快速装载其他数据,以减少传统的集成挑战。使用Data Vault,客户可以在整个组织内快速连接、存储、分发和试验高质量的数据。
速度加上灵活性等于授权
借助原生云计算,像Data Vault和Data Studio这样的现代解决方案,速度和灵活性的结合赋予了整个企业的人员权力。正如Taylor所说,“今天的技术娴熟、数据饥渴的企业用户希望访问更大的数据生态系统,他们希望利用更多的数据来解决业务问题,他们希望在消费数据时能够灵活地使用自己选择的工具。”这正是我们正在帮助客户实现的目标。”
通过使整个业务的终端用户更快地掌握数据,data Vault为丰富的数据实验工具铺平了道路。从前台到后台,金融组织可以使用自己选择的工具或data Studio(专门为业务用户开发的无代码环境)来研究来自单个企业源的数据。使用Data Studio,客户可以试验和可视化不同的数据集,以激发创造力,产生见解和改进决策。以前,复杂的数据和分析只有数据科学家和编码专家才能掌握,但现在业务用户自己可以探索模式和关系,从而提取跨业务学科的见解。
应对持续的挑战
即使使用最好的工具,大规模管理数据也是困难的。据Taylor说,与他交谈过的大多数金融机构都处于向公共云转型的某个阶段,以帮助克服数据管理问题。Taylor经常听说客户希望从更大的历史数据集(如会计数据或参考数据)中挖掘出新的潜力。在某些情况下,对于这些客户端来说,仅仅访问数据是不可能的,更不用说聚合数据并从中获得见解了,因为数据被困在遗留仓库中,或者只能在事务系统上使用。
此外,这个过程通常不能单独进行,因此组织必须确定他们可以信任的合作公司。“谁有经验和远见帮助加快和降低你们转型议程的风险?””泰勒说。“这真的不应该是一个购买还是建造的决定,而是关于公司如何在这个过程中相互补充,特别是现在投资机构希望他们的能力有更多的选择和模块化。”
最后,设定递增目标是关键。根据泰勒的观点,在实现未来目标的过程中展示真实的价值是很重要的。现在的数据管理不再是三年或五年的大修,而是以一种快速、敏捷和持久的方式为业务展示增值。例如,BNY Mellon的一个客户能够将访问新数据集的平均时间从数周缩短到数小时,从而为洞察发现腾出时间。
未来
毫无疑问,未来的数据管理将基于云计算。COVID-19大流行表明,云具有弹性、可伸缩和灵活性。从这个角度来看,更多地采用云服务是不可避免的。最近的研究表明,到2025年,“云原生平台将成为超过95%的新数字计划的基础,而2021年这一比例还不到40%。”1
事实上,正如泰勒所解释的那样,“我们的客户告诉我们在云端与他们见面。他们希望在不扩展足迹或重建数据管道的情况下访问数据,他们希望工具能够与他们的数据集交互,比如我们的数据结构和数据质量引擎。”纽约梅隆银行的数据结构集成在数据仓库中,连接整个组织的数据,使其可以在任何他们需要的地方提供给用户。
随着数据之间的联系越来越紧密,泰勒认为,“我们提问的方式和我们试图衡量洞察力的方式将会改变。”实际上,未来的一切都将是一组交互式的数据服务。我们将从BI(商业智能)仪表盘到基于文本的交互,再到基于语音的交互,转变为一种视觉体验。”
然而,无论客户如何提问和寻找洞察力,快速访问高质量的数据和分析对于增强业务用户的能力是必要的,并将继续是释放数据价值和实现最佳业务结果的关键。
1高德纳(2021)“塑造数字商业未来的12个趋势”2022年最重要的战略技术趋势
纽约梅隆银行是纽约梅隆银行公司的企业品牌,通常可用于指代该公司作为一个整体和/或其各子公司。此材料不构成纽约梅隆银行任何形式的推荐。本网站所提供的信息并非旨在就任何事项提供税务、法律、投资、会计、财务或其他专业建议,因此不应被使用或依赖。本材料中所表达的观点是作者的观点,不一定是纽约银行梅隆银行的观点。纽约银行梅隆银行未独立核实本材料中包含的信息,也未就本材料中提供的信息的准确性、完整性、及时性、适销性或对特定目的的适用性作出任何声明。纽约银行不对本材料中的任何错误或依据本材料而产生的任何后果承担直接或间接责任。
纽约银行梅隆银行将不负责更新本资料中所包含的任何信息,本资料中所包含的意见和信息可能会在不另行通知的情况下更改。
纽约银行不对本材料中的任何错误或依据本材料而产生的任何后果承担直接或间接责任。未经纽约梅隆银行事先书面许可,本资料不得以任何形式复制或传播。商标、标识和其他知识产权标记属于各自的所有者。
©2022纽约梅隆银行公司。保留所有权利。