3 minutters lesing 4 sep 2018
big data wealth management

Hvordan investeringsselskaper kan optimalisere sin stordata-strategi

3 minutters lesing 4 sep 2018

Med økningen i bransjesammenslåinger kan bedrifter som utforsker strategier utenfor det tradisjonelle økosystemet være i en posisjon til å få mer verdi av stordata.

Data er et emne som sitter langt fremme i tankerekken hos de fleste organisasjoner akkurat nå. Det kommer ikke bare opp i de fleste av mine kundemøter, men også i samtaler om sport, reiser, helse og en rekke andre uventede områder.

Informasjon har alltid vært kjernen i investeringer, og den eksplosjonsartede økningen av datamengde og behandlingskraft gjør at alle selskaper forbedrer sin datastrategi. Mange selskaper ser til pionerer innen investeringsbransjen for inspirasjon. Men burde de se videre for ideer?

Jeg har stor tro på verdien av en allsidig tankegang. Investeringsselskaper bør undersøke hvordan andre sektorer utnytter stordata for å forbedre kundeopplevelsen og identifisere investeringsmuligheter, spesielt for områder som kanskje ikke en gang eksisterer i dag. Dette er spesielt fornuftig i en tid der selskaper over hele økonomien – fra sykehus til offentlige etater – omorganiserer seg rundt data.

AI-muligheten

Investeringsselskaper bør utnytte nye datavurderingsverktøy drevet av kunstig intelligens (AI), som ikke er en enkelt teknologi, men et sett med verktøy. Det betyr at AI kan jobbe med tradisjonelle kundedata; med det økende volumet av data som stammer fra digitale, verbale eller ansikt til ansikt-interaksjoner; og med eksternt innhentede kundedata – den "digitale eksosen" vi produserer fra smarttelefonene våre.

Når det gjelder å forbedre kundeopplevelsen, kan investeringsselskaper lære av måten advokatfirmaer og forsikringsselskaper bruker naturlig språkbehandling (NLP). NLP kan trekke ut nøkkeldata fra lange dokumenter i løpet av sekunder, og gi muligheter for investeringsselskaper til å effektivisere kunders ombordprosesser i alle kundesegmenter.

Når det gjelder å forbedre kundeopplevelsen, kan investeringsselskaper lære av måten advokatfirmaer og forsikringsselskaper bruker naturlig språkbehandling. NLP (Natural Language Processing) kan trekke ut nøkkeldata fra lange dokumenter i løpet av sekunder, og gi muligheter for investeringsselskaper til å effektivisere kunders ombordprosesser i alle kundesegmenter.

Potensialet til alternative data

Sideeffekten av å bruke bedre dataverktøy er muligheten til å innhente flere kildedata. Maskinlæring, en form for AI som lærer seg å oppdage mønstre, brukes i mange sektorer for å hente ut verdier fra ustrukturerte datakilder som internettsøk, sosiale medier-chat, satellittbilder, transportdata, nettsalg og kredittgodkjenninger.

Strømleverandører illustrerer en nyttig måte å kombinere alternative data med kundeinformasjon. De bruker denne innsikten til å forutsi når kunder skal til å bytte, og for å henvende seg til dem med rettidige, målrettede tilbud. Investeringsselskaper kan gjøre det samme og tilby alternative gebyrordninger eller andre insentiver for å unngå å miste kunder.

Smarte dataanalyser vokser også i helsevesenet, med noen leverandører som kombinerer pasientdata fra bærbare enheter med geografiske data for å forutsi lokal etterspørsel etter medisiner. På en lignende måte kan formuesforvaltere bruke nettprat og lokaliseringsdata til å identifisere viktige hendelser – som for eksempel fullførelse av en universitetsutdannelse – som gir en mulighet til å tilby kunder en skreddersydd, verdifull støtte.

Investeringsselskaper kan også lære av forbrukerproduktindustrien, som er svært erfaren innen uthenting og analyse av kundedata. EYs FutureConsumer.Now.-forskning spår at personopplysninger og preferanser, tolket av AI, i økende grad vil tillate forbrukere å forme alle aspekter av deres liv, og skape bedre versjoner av seg selv. AI vil hjelpe forbrukerne med å optimalisere alt fra hva de spiser og andre livsstilsvalg til hvordan de bruker sin sosiale tid og fremmer sine karrierer. Det vil til og med hjelpe dem med å administrere sine personlige forhold. Investeringsselskaper kan kapitalisere på dette ved å bruke AI til å la kundedata spille en større rolle i innsikten rundt hva, hvordan og når deres kunder investerer.

Identifisere fremtidige muligheter

En tredje mulighet som kan komme fra nye dataverktøy og -sett har med et annet viktig aspekt av kundeopplevelsen — investeringens avkastning.

Ledende selskaper utnytter allerede AI og alternative data til investeringsundersøkelser, og spesialistselskaper sies til og med å bruke nevrale nettverk til beslutninger om ressursallokering.

Men nok en gang kan det være verdt å se til andre sektorer for å tenke nytt. Et eksempel kan komme fra farmasøytiske selskaper, som studerer store mengder pasient- og forskningsdata for å prøve å identifisere fremtidige muligheter for medikamentutvikling, eller til å omdisponere eksisterende medisiner. Olje- og gasselskaper bruker også AI til å forutsi potensielle problemer, og noen håper AI kan hjelpe dem med å finne og utnytte nye ressurser.

Når tilgjengeligheten av data, behandling og analyse øker, kan selskaper på samme måte identifisere langsiktige investeringsmuligheter og ideer. Denne innsikten kan hjelpe selskaper med å gjøre slike investeringer i en tidlig fase som en gang var forbeholdt risikokapitalister — en overbevisende attraksjon for institusjonelle kunder og kunder med høy nettoformue.

Mitt forslag for investeringsselskaper er å begynne å tenke annerledes om data og se utover sine likesinnede for inspirasjon. Med økningen i bransjesammenslåinger kan bedrifter som utforsker strategier utenfor det tradisjonelle økosystemet være i en posisjon til å få mer verdi av data.

.

Sammendrag

Investeringsselskaper bør utforske hvordan andre sektorer utnytter stordata til å forbedre kundeopplevelsen og identifisere investeringsmuligheter.

Om denne artikkelen