Det store marked for datateknologi og services forventes at nå op til 48 dollar. 6 milliarder i 2019, ifølge forskningsfirmaet IDC. Ved intelligent aggregering af forskellige datasæt giver virksomheder inden for denne sektor værdifulde data for at hjælpe kunder med at forbedre marketingindsatsen og give kunderne større værdi. Envestnet's erhvervelse af Yodlee på 590 millioner dollars - den næststørste finansielle teknologiaftale sidste år - understreger store data fortsatte infiltration i finansielle tjenesteydelser.

Her er, hvor store data spiller en afgørende rolle i de finansielle rådgiveres arbejdsliv og nogle strategier for, hvordan man kan udnytte det. (For relateret læsning, se: Tekniske trenderådgivere skal forblive foran .)

Big Data 101

Store data er et udtryk, der sandsynligvis er udarbejdet af en forsker og nu kastet rundt af journalister og analytikere. Selvom store mængder data er blevet opbevaret i årtier, henviser dagens brug af konceptet til den nye minedriftsteknologi, der ekstraherer håndgribelig værdi fra store datasæt. Det statistiske koncept for loven om store tal tyder på, at data er i stand til at trække stadig mere præcise konklusioner over tid, når det kommer til at måle ting som kundeadfærd.

For eksempel aggregerer Yodlee klientdata fra tusindvis af finansielle institutioner for at give et komplet billede til virksomheder, der ønsker at udnytte det. En finansiel rådgiver kan bruge teknologien til at bestemme en kundes risikoprofil ved at se på, om han eller hun øgede eller nedsatte hans eller hendes markedseksponering under en nedtur. På den anden side kan en budgettering ansøgning se på kreditkort saldi og renter til at bestemme en optimal gæld tilbagebetalingsplan.

Ifølge IDC repræsenterer banken den største store datatilgang efter diskret produktion på $ 1. 8 mia. I 2014, mens investeringstjenester var det hurtigst voksende segment med en årlig vækst på 26%. Disse dynamikker tyder på, at store data kan spille en stadig større rolle i de finansielle rådgiveres liv, med dem, der ikke omfavner sådanne teknologier, der risikerer at miste en konkurrencefordel.

Leveraging Big Data

Finansielle rådgivere kan begynde at udnytte store data ved at kigge på deres egne data, før de køber tredjepartsdata. Rådgivere kan for eksempel kontrollere, hvilke kunder der har konti, der falder i værdi og når ud til dem, og de kan belønne kunder, der regelmæssigt bidrager til pensionskonti og overholder budgetter. Disse indsigter er gratis og kan have en enorm indvirkning på kunderelationer, hvis de regelmæssigt håndhæves. (For relateret læsning, se: Hvordan mennesker og robotter forbedrer finansielt råd. )

Når det kommer til at udvide stor datatilgang, kan finansielle rådgivere se på både kontoaggregeringsværktøjer som Yodlee og marketingværktøjer som f.eks. InsideSales.Yodlee giver indsigt i en kundes økonomiske situation på tværs af flere finansielle institutioner, mens InsideSales kan fortælle rådgivere, at den optimale tid på dagen for at ringe eller e-mail potentielle fører til, at deres marketingmaterialer læses. Begge værktøjer kan hjælpe med at opbygge en finansiel rådgiver praksis over tid.

Data-Driven Konkurrence

Finansielle rådgivere kan også få øget konkurrence fra store dataleverandører, der automatiserer indsigt for både individuelle og erhvervskunder.

Stigningen af ​​robo-rådgivere har skabt en meget reel trussel for individuelle finansielle rådgivere, især dem, der er rettet mod yngre generationer. Ved at forbinde med tredjeparts finansielle konti giver robo-rådgiveren Betterment's RetireGuide et statistisk roteret overblik over, hvor meget en person kan forvente at tjene, når de går på pension og giver et skøn over, hvor meget der skal spares. De lavere omkostninger ved automatisering kan gøre disse tjenester vanskelige at konkurrere med over tid.

I virksomhedssektoren, HelloWallet, som blev erhvervet af Morningstar Inc. (MORN MORNMorningstar Inc87. 23 + 0,14% Lavet med Highstock 4. 2. 6 ) - hjælper arbejdsgiverne med at rådgive deres medarbejdere på måder at maksimere deres lønninger, fordele og andre ressourcer ved at analysere store datasæt af lignende kunder. Den igangværende dataindsamling hjælper med at finjustere prædiktive modeller for at give bedre råd og mere brugbar kommunikation til sine kunder over tid, hvilket kan gøre det til en stadig mere formidabel modstander for rådgivere i rummet. (For relateret læsning, se: Rådgivere: Vær mere teknisk savvy med online læringsværktøjer. )

Potentielle headwinds

Store datas mosaikeffekter har rejst spørgsmål om potentielle risici for forbrugernes privatliv, da kombinationer af data kan generere overfølsomme indsigter. For eksempel kan kombinationen af ​​to datasæt gøre det klart, hvem en person er, når data er designet til at blive anonymiseret. Datapunkterne kan også være ukorrekte i nogle tilfælde, hvilket kan blive et problem, når virksomheder antager, at det maler et præcist billede.

Når det kommer til prædiktive algoritmer, er der også en tendens til at være en forstærkning af forstyrrelser, som iboende eksisterer inden for dataene. Analytics brugt til at tage en kreditbeslutning, for eksempel, skal ikke diskriminere baseret på race, men race kunne udledes ud fra data indsamlet fra forskellige kilder; Den undersøgte person kunne da blive nedjusteret til et lån. Disse dynamikker kan i nogle tilfælde sætte virksomheder i en juridisk risiko, hvis de ikke anvendes korrekt.

Bottom Line

Store data har domineret den finansielle servicesektor de seneste par år med stigningen i automatiserede tjenester som Mint og SigFig. Finansielle rådgivere kan forblive foran kurven ved at omfavne teknologien tidligt og inkorporere den i deres daglige arbejdsgang for at forbedre deres indtægter og kunderelationer. (For relateret læsning, se: Populær teknologi til RIA'er. )