2017年，《經濟學人》發表了一篇文章，標題為世界上最有價值的資源不再是石油，而是數據。事實上，金融服務部門的企業，尤其是資本市場的企業早就清楚這一點了。

可以說，金融服務的數字化始于1986年的金融大爆炸，當時倫敦證券交易所等主要交易所改用自動報價系統，取代了交易大廳。從那一刻起，技術繼續顛覆和改變著這個行業，高頻交易和加密貨幣的引入是兩個明顯的例子，但還有更多。

數據，更具體地說是對數據的分析，是這一轉變的基礎。金融服務公司是最早意識到，更快地獲取更深入、更豐富的見解，可以使其比同行具有顯著競爭優勢的企業之一，尤其是在高頻交易等領域。

然而，不可避免的是，將重點放在分析上，并開發更加復雜和自動化的算法，使用機器學習來生成最大的阿爾法算法和最小化風險，這在該行業創造了一場可以最好描述為“軍備競賽”的局面。銀行要想保持敏捷和競爭力，就必須不斷更新向客戶提供的服務，制定新的戰略來提高地位和保護客戶。為了實現這一點，他們需要重新思考他們的數據分析方法。

時間序列連續體

銀行無法憑借陳舊的數據戰勝競爭對手。然而，當涉及到開發、驗證和發布新的算法和模型時，許多企業仍然按照數天和數周的時間表工作，而他們需要在數秒和數分鐘內進行思考。但事實是，許多現有的數據管理和分析平臺根本無法對正在創建的海量數據提供所需的洞察速度。

這是為什么呢?可以說，這是一種傳統系統的組合，也就是prem模型數據中心和應用的結合，這些應用無法輕松擴展，以提供處理所創建的海量數據所需的存儲和計算，以及一種過于關注歷史數據或大數據的分析方法。

關鍵是要將所有數據，尤其是金融數據，視為時間序列，即在固定的時間點上具有特定的值盡管這適用于許多其他行業。這里的實時環境非常重要，因為數據的商業價值從創建之日起就開始消失。

通過采用將數據分析視為連續洞察引擎而不是批處理過程的方法，即使批處理是每小時或每天進行的，企業對業務運營方式的理解永遠不會有任何“差距”。所提供的分析和見解是一個持續的、記錄在案的事實流，它提供了有助于產品和服務快速創新和發展的見解。

云中的持續分析

所有金融機構都有云戰略。規模、靈活性和節省成本的好處是眾所周知的。戰略重點現在應該轉移到確保云架構得到優化，以提供持續分析，這對于持續運營效率和商業成功至關重要。

有三個關鍵的考慮因素：

數據源訪問：能夠輸入分析平臺的市場、貿易、訂單和參考數據越多，可以提取的洞悉質量就越好。然而，金融機構一直難以管理數據的龐大數量、格式和位置。持續分析依賴于即時連接數據源，無論其位置如何，并構建運行分析的數據源。

優化編碼：量化分析師、數據分析師和數據科學家從數據中提取價值的速度有多快，而不是花時間管理和處理數據。他們能否使用首選的語言，如SQL和Python，在時間尺度上開發和驗證新的算法，以提供競爭優勢，是否有內置的機器學習界面或容易訪問相關微服務，能否快速生成報告，并以一種能提供即時價值的方式可視化。

升級路徑：作為其云戰略的一部分，大多數銀行將考慮如何使用云來重新架構并最終重建其數據管理和分析系統。需要考慮這個過程是怎樣的、移動數據和優化成本會有多容易、重新架構和在某些情況下重寫應用的路徑是什么、它將如何與云供應商更廣泛的服務和支持生態系統集成……

最終，我們會看到大多數銀行將大量數據管理和分析需求轉移到云上。仍然會有一些需要超低延遲的流程只能在預先交付，但除此之外，云提供了無數的好處。然而，所有的云，就像所有的實時分析平臺一樣，都是不一樣的，銀行需要仔細考慮如何遷移他們現有的數據源、應用和流程，同時始終優先考慮對連續的分析和洞察流的需求。