金融业要重视数据管理的速度和敏捷度

       据Oracle高管称，金融企业如不希望2008年的经济危机重演，则需要在数据管理分析的速度和敏捷度上多下功夫。
　　Oracle财务技术部门的高级主管Amir Halfon说道，金融企业在执行了实时分析和其他在敏捷度方面的数据管理技术以后，将能更好地规避交易风险和系统风险；后者为2008年经济危机的核心问题之一，更应受到重视。

　　Halfon这个月不久前在亚特兰大的企业数据世界大会上说过，能够更加快速地在不同资产类别中进行数据收集十分重要。只有这样，你才能够理解交易暴露的情况，并发现交易风险的所在之处。

　　目前，美国政府和私有金融企业在监管方面作出了很多努力，包括共同签订执行Dodd-Frank法案，希望可以更精准地识别各种资产类别与不同行业中存在的风险暴露，以便更好地对可能出现的风险和系统问题进行预测。然而，企业想要更好地预测系统风险，需要对结构化与非结构化信息进行有效管理，包括管理参考数据、场外交易合同信息和位置数据等。

　　金融企业长久以来都以紧缩数据的方式来规避风险，"但现在的问题是怎样更快速地处理数据、怎样处理更多的场景、怎样进行按需处理、怎样在交易前而不仅仅是交易后作出风险分析，"Halfon如是说："我们一定要摒弃这种'一夜成败'的观念。"

　　Halfon称，实时集成与数据仓库软件、内存计算工具、分布式数据网格、商务智能（BI）和数据分析工具是互补性质的技术；企业把它们结合起来使用可达到更快的速率和更高的敏捷度，从而实现风险的规避。

　　"谈到技术的发展，我们总能听到'敏捷度'这个词。"他说："但我认为，敏捷分析计算的概念只不过刚刚开始普及而已。"

　　重视数据质量

　　RHConsulting是一家服务于金融企业数据仓库管理的咨询公司。Andrey Pyshkin是该公司的合作管理人之一，也是企业数据世界大会的参会者之一。他补充道，对数据质量和治理的高度重视会加强所有方案的敏捷度，防止金融崩盘的出现。毕竟，在处理不可靠数据时，想要预测风险暴露和未来走向即便不是天方夜谭，也是相当困难的。

        "我们正在尝试让数据质量更加引起客户的重视，"Pyshkin说："今天的企业普遍都有很庞大的信息量，问题就在于怎样才能使这些信息保持一致。"

　　实现高速的技术

　　在大会上，Halfon就技术话题谈论了很长时间。在处理数据和潜在风险响应上，有哪些技术可以帮助金融企业变得更加高速和敏捷呢？

　　其中一类技术被称为"预置的工程系统":数据仓库一体机、数据网格、R（统计计算分析中的开源程序语言）、Hadoop分布式文件系统和相关开源工具等都属于这类技术。

　　Halfon说道，应对不断增长的数据量的关键在于并行化，其常用的方法是增建大型计算机网格。然而，编写并行代码对于大多数程序员来说都是一个不小的挑战。"目前最大的难点就是对数据管理进行并行化。计算机在正常运行时，一些网格对数据的存取会变得受阻，网络数据吞吐速度会跟不上计算机的处理速度。"

　　Oracle注意到，越来越多的客户都更关注"数据并行化",都想把计算引入数据，而不是把数据带向计算。数据网格技术就能帮助金融企业实现这一愿望。

　　Halfon指出，许多技术开发者发现，数据网格分布式计算的技术与Hadoop分布式文件系统及其相关技术十分相像，主要区别在于Hadoop通过一个文件系统进行运算，而数据网格则通过内存完成所有运算。

　　那么数据网格技术是怎样加强金融企业的敏捷度和响应能力的呢？举个例子，某个公司想要扩张业务范围，提升业内地位；在使用数据网格技术以后，公司的纽约分部和香港分部就可以获取最近更新的同样信息，遇到问题时就能相应地作出响应。

　　"通过使用数据网格，他们可以复制整套数据，同步到整个广域网。当然了，数据网格与工程系统是兼容的。"Halfon说道："我们有专门为数据网格预制的设备，也就是Exalogic.但我保证不会一直只谈论我们自己的技术。"

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处。