Det store datateknologi- og tjenestemarkedet forventes å nå $ 48. 6 milliarder i 2019, ifølge forskningsfirma IDC. Gjennom intelligent aggregering av ulike datasett gir selskaper innen denne sektoren verdifulle data for å hjelpe kundene med å forbedre markedsinnsatsen og gi større verdi til sine kunder. Envestnets oppkjøp av Yodlee på 590 millioner dollar - den nest største finansteknologien i fjor - understreker stor datas fortsatte infiltrering i finansielle tjenester.

Her er hvor store data spiller en avgjørende rolle i arbeidslivet til finansielle rådgivere og noen strategier for hvordan man skal dra nytte av det. (For relatert lesing, se: Tekniske trenderadministratorer må holde seg foran .)

Big Data 101

Store data er et begrep som sannsynligvis er laget av en forsker og nå kastet rundt av journalister og analytikere. Mens store mengder data har blitt lagret i flere tiår, refererer dagens bruk av konseptet til den nye gruveteknologien som trekker ut håndgripelig verdi fra store datamengder. Det statistiske begrepet av loven om store tall tyder på at data er i stand til å tegne stadig mer nøyaktige konklusjoner over tid når det gjelder å måle ting som kundeadferd.

For eksempel samler Yodlee klientdata fra tusenvis av finansinstitusjoner for å gi et komplett bilde til firmaer som vil utnytte det. En finansiell rådgiver kan bruke teknologien til å bestemme kundens risikoprofil ved å se om han eller hun økte eller reduserte markedseksponeringen under en nedtur. På den annen side kan en budsjetteringsapplikasjon se på kredittkortbalanser og renter for å bestemme en optimal gjeldsplan.

Ifølge IDC representerer banken den største store datautgaven etter diskret produksjon på $ 1. 8 milliarder i 2014, mens investeringstjenestene var det raskest voksende segmentet med en sammensatt årlig vekst på 26%. Disse dynamikkene tyder på at store data kan spille en stadig større rolle i livet til finansielle rådgivere, med de som ikke omfavner slike teknologier som er i fare for å miste en konkurransefortrinn.

Leveraging Big Data

Finansielle rådgivere kan begynne å utnytte store data ved å ta en titt på egne data før de kjøper tredjepartsdata. Rådgivere kan for eksempel sjekke for å se hvilke kunder som har kontoer som faller i verdi og nå ut til dem, og de kan belønne kunder som regelmessig bidrar til pensjonskonto og overholder budsjetter. Disse innsiktene er gratis og kan ha stor innvirkning på klientrelasjoner hvis de regelmessig håndheves. ) Når det gjelder å utvide stor datatilgang, kan finansielle rådgivere se på både kontoaggregasjonsverktøy som Yodlee og markedsføringsverktøy som f.eks. Innsidesalg.Yodlee gir innsikt i kundens økonomiske situasjon på tvers av flere finansinstitusjoner, mens InsideSales kan fortelle rådgivere at den optimale tiden på dagen for å ringe eller e-post potensial fører til at deres markedsføringsmateriale blir lest. Begge verktøyene kan bidra til å bygge opp en økonomisk rådgiver praksis over tid.

Datadriven konkurranse

Finansrådgivere kan også møte økt konkurranse fra store dataleverandører som automatiserer innsikt for både individuelle og bedriftskunder.

Oppstarten av robo-rådgivere har skapt en veldig reell trussel for individuelle finansielle rådgivere, spesielt de som retter seg mot yngre generasjoner. Ved å knytte sammen med tredjeparts finansielle kontoer gir robo-rådgiveren Betterment's RetireGuide en statistisk rotfestet oversikt over hvor mye noen kan forvente å tjene når de går på pensjon og gir et anslag på hvor mye du skal spare. Den lavere kostnaden gjennom automatisering kan gjøre disse tjenestene vanskelig å konkurrere med over tid.

I virksomhetssektoren, HelloWallet-som ble kjøpt av Morningstar Inc. (MORN

MORNMorningstar Inc87. 23 + 0. 14% Laget med Highstock 4. 2. 6 ) - hjelper arbeidsgivere å gi råd deres arbeidere på måter å maksimere lønn, fordeler og andre ressurser gjennom å analysere store datasett av liknende kunder. Den pågående datainnsamlingen bidrar til å finjustere prediktive modeller for å gi bedre råd og mer nyttig kommunikasjon til sine kunder over tid, noe som kan gjøre det til en stadig mer formidabel motstander for rådgiverne i rommet. ) Potensielle headwinds Stor datas mosaikkeffekter har hevet problemer om potensielle farer for privatlivets fred, siden kombinasjoner av data kan generere overfølsom innsikt. For eksempel kan kombinasjonen av to datasettene tydeliggjøre hvem en person er når data er utformet for å bli anonymisert. Datapunktene kan også være unøyaktige i noen tilfeller, noe som kan bli et problem når selskapene antar at det maler et nøyaktig bilde.

Når det gjelder forutsigbare algoritmer, har det også en tendens til å være en forsterkning av forspill som iboende eksisterer innenfor dataene. Analytics som brukes til å ta en kredittbeslutning, for eksempel, skal ikke diskriminere basert på rase, men rase kan utledes basert på data samlet fra ulike kilder; Den enkelte forsket, da, kunne bli nedkalt for et lån. Disse dynamikkene kan sette selskaper i en juridisk risiko i noen tilfeller hvis de ikke brukes riktig.

Bunnlinjen

Store data har dominert finanssektoren i løpet av de siste par årene, med veksten av automatiserte tjenester som Mint og SigFig. Finansielle rådgivere kan holde seg foran kurven ved å omfavne teknologien tidlig og inkorporere den i sin daglige arbeidsflyt for å forbedre sine inntekter og kundeforhold. (For relatert lesing, se:

Populær teknologi for RIAs.

)