Συνδυάστε δεδομένα συναλλαγών, ροής και τρίτων στο Amazon Redshift για χρηματοοικονομικές υπηρεσίες | Υπηρεσίες Ιστού της Amazon

Συνδυάστε δεδομένα συναλλαγών, ροής και τρίτων στο Amazon Redshift για χρηματοοικονομικές υπηρεσίες | Υπηρεσίες Ιστού της Amazon

Χρονική σήμανση: 1 Φεβρουαρίου 2024 1:07 μ.μ.
Κόμβος πηγής: 3093106

Οι πελάτες χρηματοοικονομικών υπηρεσιών χρησιμοποιούν δεδομένα από διαφορετικές πηγές που προέρχονται από διαφορετικές συχνότητες, οι οποίες περιλαμβάνουν σε πραγματικό χρόνο, παρτίδες και αρχειοθετημένα σύνολα δεδομένων. Επιπλέον, χρειάζονται αρχιτεκτονικές ροής για να χειριστούν τους αυξανόμενους όγκους συναλλαγών, την αστάθεια της αγοράς και τις ρυθμιστικές απαιτήσεις. Ακολουθούν ορισμένες από τις βασικές περιπτώσεις επιχειρηματικής χρήσης που τονίζουν αυτήν την ανάγκη:

  • Εμπορική αναφορά – Από την παγκόσμια χρηματοπιστωτική κρίση του 2007–2008, οι ρυθμιστικές αρχές έχουν αυξήσει τις απαιτήσεις και τον έλεγχο τους σχετικά με τις ρυθμιστικές αναφορές. Οι ρυθμιστικές αρχές έχουν δώσει μεγαλύτερη έμφαση τόσο στην προστασία του καταναλωτή μέσω της αναφοράς συναλλαγών (συνήθως T+1, που σημαίνει 1 εργάσιμη ημέρα μετά την ημερομηνία συναλλαγής) όσο και στην αύξηση της διαφάνειας στις αγορές μέσω των απαιτήσεων αναφοράς συναλλαγών σε σχεδόν πραγματικό χρόνο.
  • Διαχείριση κινδύνου – Καθώς οι κεφαλαιαγορές γίνονται πιο περίπλοκες και οι ρυθμιστικές αρχές ξεκινούν νέα πλαίσια κινδύνου, όπως π.χ Θεμελιώδης Ανασκόπηση του Βιβλίου Συναλλαγών (FRTB) και Βασιλεία III, τα χρηματοπιστωτικά ιδρύματα επιδιώκουν να αυξήσουν τη συχνότητα των υπολογισμών για τον συνολικό κίνδυνο αγοράς, τον κίνδυνο ρευστότητας, τον κίνδυνο αντισυμβαλλομένου και άλλες μετρήσεις κινδύνου και θέλουν να πλησιάσουν όσο το δυνατόν περισσότερο τους υπολογισμούς σε πραγματικό χρόνο.
  • Ποιότητα εμπορίου και βελτιστοποίηση – Για να παρακολουθείτε και να βελτιστοποιείτε την ποιότητα των συναλλαγών, πρέπει να αξιολογείτε συνεχώς τα χαρακτηριστικά της αγοράς, όπως ο όγκος, η κατεύθυνση, το βάθος της αγοράς, το ποσοστό πλήρωσης και άλλα σημεία αναφοράς που σχετίζονται με την ολοκλήρωση των συναλλαγών. Η ποιότητα των συναλλαγών δεν σχετίζεται μόνο με την απόδοση του μεσίτη, αλλά αποτελεί επίσης απαίτηση από τις ρυθμιστικές αρχές, ξεκινώντας από αυτό MiFID II.

Η πρόκληση είναι να βρεθεί μια λύση που να μπορεί να χειριστεί αυτές τις διαφορετικές πηγές, τις ποικίλες συχνότητες και τις απαιτήσεις κατανάλωσης χαμηλής καθυστέρησης. Η λύση θα πρέπει να είναι επεκτάσιμη, οικονομικά αποδοτική και απλή στην υιοθέτηση και τη λειτουργία της. Amazon RedShift λειτουργίες όπως η απορρόφηση ροής, Amazon-Aurora ενσωμάτωση μηδενικού ETLκαι κοινή χρήση δεδομένων με Ανταλλαγή δεδομένων AWS ενεργοποιήστε την επεξεργασία σχεδόν σε πραγματικό χρόνο για την αναφορά συναλλαγών, τη διαχείριση κινδύνου και τη βελτιστοποίηση του εμπορίου.

Σε αυτήν την ανάρτηση, παρέχουμε μια αρχιτεκτονική λύσης που περιγράφει πώς μπορείτε να επεξεργάζεστε δεδομένα από τρεις διαφορετικούς τύπους πηγών—δεδομένα αναφοράς ροής, συναλλαγών και τρίτων—και να τα συγκεντρώνετε στο Amazon Redshift για αναφορές επιχειρηματικής ευφυΐας (BI).

Επισκόπηση λύσεων

Αυτή η αρχιτεκτονική λύσης δημιουργείται δίνοντας προτεραιότητα σε μια προσέγγιση χαμηλού κώδικα/χωρίς κώδικα με τις ακόλουθες κατευθυντήριες αρχές:

  • Ευκολία στη χρήση – Θα πρέπει να είναι λιγότερο περίπλοκη η εφαρμογή και η λειτουργία με εύχρηστες διεπαφές χρήστη
  • Επεκτάσιμα – Θα πρέπει να μπορείτε να αυξάνετε και να μειώνετε απρόσκοπτα τη χωρητικότητα κατά παραγγελία
  • Εγγενής ένταξη – Τα εξαρτήματα θα πρέπει να ενσωματώνονται χωρίς πρόσθετες υποδοχές ή λογισμικό
  • Οικονομικά αποδοτικό – Θα πρέπει να προσφέρει ισορροπημένη τιμή/απόδοση
  • χαμηλή συντήρηση – Θα πρέπει να απαιτεί λιγότερα διοικητικά και λειτουργικά έξοδα

Το παρακάτω διάγραμμα απεικονίζει την αρχιτεκτονική λύσης και τον τρόπο με τον οποίο εφαρμόστηκαν αυτές οι κατευθυντήριες αρχές στα στοιχεία απορρόφησης, συγκέντρωσης και αναφοράς.

Αναπτύξτε τη λύση

Μπορείτε να χρησιμοποιήσετε τα παρακάτω AWS CloudFormation πρότυπο για την ανάπτυξη της λύσης.

Εκκινήστε το Cloudformation Stack

Αυτή η στοίβα δημιουργεί τους ακόλουθους πόρους και τα απαραίτητα δικαιώματα για την ενοποίηση των υπηρεσιών:

Εγχυση εις τον στόμαχο

Για να απορροφήσετε δεδομένα, χρησιμοποιείτε Κατάποση ροής Amazon Redshift για να φορτώσετε δεδομένα ροής από τη ροή δεδομένων Kinesis. Για δεδομένα συναλλαγών, χρησιμοποιείτε το Ενσωμάτωση Redshift zero-ETL με το Amazon Aurora MySQL. Για δεδομένα αναφοράς τρίτων, επωφεληθείτε από Κοινή χρήση δεδομένων AWS Data Exchange. Αυτές οι δυνατότητες σάς επιτρέπουν να δημιουργήσετε γρήγορα επεκτάσιμες αγωγούς δεδομένων, επειδή μπορείτε να αυξήσετε τη χωρητικότητα των θραυσμάτων του Kinesis Data Streams, να υπολογίσετε πηγές και στόχους μηδενικού ETL και να υπολογίσετε το Redshift για κοινόχρηστα δεδομένα όταν αυξάνονται τα δεδομένα σας. Η απορρόφηση ροής Redshift και η ενσωμάτωση μηδενικού ETL είναι λύσεις χαμηλού κώδικα/χωρίς κώδικα που μπορείτε να δημιουργήσετε με απλές SQL χωρίς να επενδύσετε σημαντικό χρόνο και χρήμα για την ανάπτυξη πολύπλοκου προσαρμοσμένου κώδικα.

Για τα δεδομένα που χρησιμοποιήθηκαν για τη δημιουργία αυτής της λύσης, συνεργαστήκαμε Σύνολο στοιχείων, κορυφαίος πάροχος οικονομικών δεδομένων, αναλυτικών στοιχείων και ανοιχτής τεχνολογίας. Το FactSet έχει πολλά σύνολα δεδομένων διατίθεται στην αγορά AWS Data Exchange, την οποία χρησιμοποιήσαμε για δεδομένα αναφοράς. Χρησιμοποιήσαμε επίσης το FactSet λύσεις δεδομένων αγοράς για ιστορικές και συνεχείς τιμές αγοράς και συναλλαγές.

Επεξεργασία

Τα δεδομένα υποβάλλονται σε επεξεργασία στο Amazon Redshift σύμφωνα με μια μεθοδολογία εξαγωγής, φόρτωσης και μετασχηματισμού (ELT). Με σχεδόν απεριόριστη κλίμακα και απομόνωση φόρτου εργασίας, το ELT είναι πιο κατάλληλο για λύσεις αποθήκης δεδομένων cloud.

Χρησιμοποιείτε την απορρόφηση ροής Redshift για την απορρόφηση εισαγωγικών ροής σε πραγματικό χρόνο (προσφορά/ζήτηση) από τη ροή δεδομένων Kinesis απευθείας σε μια υλοποιημένη προβολή ροής και επεξεργάζεστε τα δεδομένα στο επόμενο βήμα χρησιμοποιώντας το PartiQL για την ανάλυση των εισόδων ροής δεδομένων. Σημειώστε ότι η ροή υλοποιημένων προβολών διαφέρει από τις κανονικές υλοποιημένες προβολές όσον αφορά τον τρόπο λειτουργίας της αυτόματης ανανέωσης και τις εντολές SQL διαχείρισης δεδομένων που χρησιμοποιούνται. Αναφέρομαι σε Θέματα κατάποσης ροής για λεπτομέρειες.

Χρησιμοποιείτε την ενσωμάτωση zero-ETL Aurora για την απορρόφηση δεδομένων συναλλαγών (συναλλαγών) από πηγές OLTP. Αναφέρομαι σε Εργασία με ενσωματώσεις μηδενικού ETL για πηγές που υποστηρίζονται αυτήν τη στιγμή. Μπορείτε να συνδυάσετε δεδομένα από όλες αυτές τις πηγές χρησιμοποιώντας προβολές και να χρησιμοποιήσετε αποθηκευμένες διαδικασίες για την εφαρμογή κανόνων επιχειρηματικού μετασχηματισμού, όπως τον υπολογισμό των σταθμισμένων μέσων όρων μεταξύ τομέων και ανταλλαγών.

Οι ιστορικοί όγκοι δεδομένων συναλλαγών και τιμών είναι τεράστιοι και συχνά δεν τίθενται συχνά ερωτήματα. Μπορείς να χρησιμοποιήσεις Φάσμα Amazon Redshift για να έχετε πρόσβαση σε αυτά τα δεδομένα στη θέση τους χωρίς να τα φορτώσετε στο Amazon Redshift. Δημιουργείτε εξωτερικούς πίνακες που δείχνουν σε δεδομένα Απλή υπηρεσία αποθήκευσης Amazon (Amazon S3) και ρωτήστε παρόμοιο με τον τρόπο που ρωτάτε οποιοδήποτε άλλο τοπικό τραπέζι στο Amazon Redshift. Πολλαπλές αποθήκες δεδομένων Redshift μπορούν να υποβάλουν ερωτήματα για τα ίδια σύνολα δεδομένων στο Amazon S3 χωρίς να χρειάζεται να δημιουργούνται αντίγραφα των δεδομένων για κάθε αποθήκη δεδομένων. Αυτή η δυνατότητα απλοποιεί την πρόσβαση σε εξωτερικά δεδομένα χωρίς τη σύνταξη περίπλοκων διαδικασιών ETL και ενισχύει την ευκολία χρήσης της συνολικής λύσης.

Ας εξετάσουμε μερικά δείγματα ερωτημάτων που χρησιμοποιούνται για την ανάλυση τιμών και συναλλαγών. Χρησιμοποιούμε τους παρακάτω πίνακες στα δείγματα ερωτημάτων:

  • dt_hist_quote – Ιστορικά δεδομένα προσφορών που περιέχουν τιμή και όγκο προσφοράς, τιμή και όγκο ζήτησης και ανταλλαγές και τομείς. Θα πρέπει να χρησιμοποιείτε σχετικά σύνολα δεδομένων στον οργανισμό σας που περιέχουν αυτά τα χαρακτηριστικά δεδομένων.
  • dt_hist_trades – Ιστορικά δεδομένα συναλλαγών που περιέχουν λεπτομέρειες τιμών συναλλαγών, όγκου, τομέα και ανταλλαγής. Θα πρέπει να χρησιμοποιείτε σχετικά σύνολα δεδομένων στον οργανισμό σας που περιέχουν αυτά τα χαρακτηριστικά δεδομένων.
  • factset_sector_map – Χαρτογράφηση μεταξύ τομέων και ανταλλαγών. Μπορείτε να το αποκτήσετε από το Δεδομένα δεδομένων ADX FactSet Fundamentals.

Δείγμα ερωτήματος για την ανάλυση ιστορικών αποσπασμάτων

Μπορείτε να χρησιμοποιήσετε το ακόλουθο ερώτημα για να βρείτε τις μέσες σταθμισμένες διαφορές σε τιμές:

select
date_dt :: date,
case
when exchange_name like 'Cboe%' then 'CBOE'
when (exchange_name) like 'NYSE%' then 'NYSE'
when (exchange_name) like 'New York Stock Exchange' then 'NYSE'
when (exchange_name) like 'Nasdaq%' then 'NASDAQ'
end as parent_exchange_name,
sector_name,
sum(spread * weight)/sum(weight) :: decimal (30,5) as weighted_average_spread
from
(
select date_dt,exchange_name,
factset_sector_desc sector_name,
((bid_price*bid_volume) + (ask_price*ask_volume))as weight,
((ask_price - bid_price)/ask_price) as spread
from
dt_hist_quotes a
join
fds_adx_fundamentals_db.ref_v2.factset_sector_map b
on(a.sector_code = b.factset_sector_code)
where ask_price <> 0 and bid_price <> 0
)
group by 1,2,3

Δείγμα ερωτήματος για την ανάλυση ιστορικών συναλλαγών

Μπορείτε να χρησιμοποιήσετε το ακόλουθο ερώτημα για να βρείτε $-volume στις συναλλαγές ανά λεπτομερή ανταλλαγή, ανά τομέα και κατά κύριο χρηματιστήριο (NYSE και Nasdaq):

select
cast(date_dt as date) as date_dt,
case
when exchange_name like 'Cboe%' then 'CBOE'
when (exchange_name) like 'NYSE%' then 'NYSE'
when (exchange_name) like 'New York Stock Exchange' then 'NYSE'
when (exchange_name) like 'Nasdaq%' then 'NASDAQ'
end as parent_exchange_name,
factset_sector_desc sector_name,
sum((price * volume):: decimal(30,4)) total_transaction_amt
from
dt_hist_trades a
join
fds_adx_fundamentals_db.ref_v2.factset_sector_map b
on(a.sector_code = b.factset_sector_code)
group by 1,2,3

Αναφορά

Μπορείς να χρησιμοποιήσεις Amazon QuickSight και Η Amazon διαχειρίστηκε τη Grafana για BI και αναφορές σε πραγματικό χρόνο, αντίστοιχα. Αυτές οι υπηρεσίες ενσωματώνονται εγγενώς με το Amazon Redshift χωρίς την ανάγκη χρήσης πρόσθετων συνδέσεων ή λογισμικού ενδιάμεσα.

Μπορείτε να εκτελέσετε ένα άμεσο ερώτημα από το QuickSight για αναφορές BI και πίνακες εργαλείων. Με το QuickSight, μπορείτε επίσης να αποθηκεύσετε τοπικά δεδομένα στην κρυφή μνήμη SPICE με αυτόματη ανανέωση για χαμηλή καθυστέρηση. Αναφέρομαι σε Εξουσιοδότηση συνδέσεων από το Amazon QuickSight σε συμπλέγματα Amazon Redshift για αναλυτικές λεπτομέρειες σχετικά με τον τρόπο ενσωμάτωσης του QuickSight με το Amazon Redshift.

Μπορείτε να χρησιμοποιήσετε το Amazon Managed Grafana για πίνακες ελέγχου συναλλαγών σχεδόν σε πραγματικό χρόνο που ανανεώνονται κάθε λίγα δευτερόλεπτα. Οι πίνακες εργαλείων σε πραγματικό χρόνο για την παρακολούθηση των καθυστερήσεων απορρόφησης συναλλαγών δημιουργούνται χρησιμοποιώντας το Grafana και τα δεδομένα προέρχονται από προβολές συστήματος στο Amazon Redshift. Αναφέρομαι σε Χρήση της πηγής δεδομένων Amazon Redshift για να μάθετε πώς μπορείτε να διαμορφώσετε το Amazon Redshift ως πηγή δεδομένων για το Grafana.

Οι χρήστες που αλληλεπιδρούν με τα ρυθμιστικά συστήματα αναφοράς περιλαμβάνουν αναλυτές, διαχειριστές κινδύνου, χειριστές και άλλα πρόσωπα που υποστηρίζουν επιχειρηματικές και τεχνολογικές λειτουργίες. Εκτός από τη δημιουργία ρυθμιστικών αναφορών, αυτές οι ομάδες απαιτούν ορατότητα στην υγεία των συστημάτων αναφοράς.

Ανάλυση ιστορικών αποσπασμάτων

Σε αυτήν την ενότητα, διερευνούμε μερικά παραδείγματα ανάλυσης ιστορικών αποσπασμάτων από το Amazon QuickSight ταμπλό.

Σταθμισμένη μέση διαφορά ανά κλάδους

Το παρακάτω διάγραμμα δείχνει την ημερήσια συγκέντρωση ανά τομέα των μεσοσταθμικών περιθωρίων προσφοράς-ζήτησης όλων των επιμέρους συναλλαγών σε NASDAQ και NYSE για 3 μήνες. Για τον υπολογισμό της μέσης ημερήσιας διαφοράς, κάθε διαφορά σταθμίζεται με το άθροισμα της προσφοράς και του όγκου του δολαρίου ζήτησης. Το ερώτημα για τη δημιουργία αυτού του γραφήματος επεξεργάζεται 103 δισεκατομμύρια σημεία δεδομένων συνολικά, ενώνει κάθε συναλλαγή με τον πίνακα αναφοράς του τομέα και εκτελείται σε λιγότερο από 10 δευτερόλεπτα.

Σταθμισμένη μέση διαφορά ανά χρηματιστήρια

Το παρακάτω διάγραμμα δείχνει την ημερήσια συγκέντρωση των μέσων σταθμισμένων περιθωρίων προσφοράς-ζήτησης όλων των επιμέρους συναλλαγών σε NASDAQ και NYSE για 3 μήνες. Η μεθοδολογία υπολογισμού και οι μετρήσεις απόδοσης ερωτήματος είναι παρόμοιες με αυτές του προηγούμενου γραφήματος.

Ιστορική ανάλυση συναλλαγών

Σε αυτήν την ενότητα, διερευνούμε ορισμένα παραδείγματα ανάλυσης ιστορικών συναλλαγών από το Amazon QuickSight ταμπλό.

Όγκοι συναλλαγών ανά κλάδο

Το παρακάτω γράφημα δείχνει την ημερήσια συγκέντρωση ανά τομέα όλων των μεμονωμένων συναλλαγών σε NASDAQ και NYSE για 3 μήνες. Το ερώτημα για τη δημιουργία αυτού του γραφήματος επεξεργάζεται 3.6 δισεκατομμύρια συναλλαγές συνολικά, ενώνει κάθε συναλλαγή με τον πίνακα αναφοράς τομέα και εκτελείται σε λιγότερο από 5 δευτερόλεπτα.

Όγκοι συναλλαγών για μεγάλα χρηματιστήρια

Το παρακάτω διάγραμμα δείχνει την ημερήσια συγκέντρωση όλων των μεμονωμένων συναλλαγών ανά ομάδα ανταλλαγής για 3 μήνες. Το ερώτημα για τη δημιουργία αυτού του γραφήματος έχει παρόμοιες μετρήσεις απόδοσης με το προηγούμενο γράφημα.

Πίνακες εργαλείων σε πραγματικό χρόνο

Η παρακολούθηση και η παρατηρησιμότητα είναι μια σημαντική απαίτηση για κάθε κρίσιμη επιχειρηματική εφαρμογή, όπως η αναφορά εμπορίου, η διαχείριση κινδύνων και τα συστήματα διαχείρισης εμπορίου. Εκτός από τις μετρήσεις σε επίπεδο συστήματος, είναι επίσης σημαντικό να παρακολουθούνται οι βασικοί δείκτες απόδοσης σε πραγματικό χρόνο, ώστε οι φορείς εκμετάλλευσης να μπορούν να ειδοποιούνται και να ανταποκρίνονται το συντομότερο δυνατό σε γεγονότα που έχουν αντίκτυπο στις επιχειρήσεις. Για αυτήν την επίδειξη, έχουμε δημιουργήσει πίνακες εργαλείων στη Γραφάνα που παρακολουθούν την καθυστέρηση των δεδομένων προσφοράς και συναλλαγών από τη ροή δεδομένων Kinesis και το Aurora, αντίστοιχα.

Ο πίνακας εργαλείων καθυστέρησης απορρόφησης προσφοράς δείχνει τον χρόνο που χρειάζεται για να απορροφηθεί κάθε εγγραφή προσφοράς από τη ροή δεδομένων και να είναι διαθέσιμη για ερωτήματα στο Amazon Redshift.

Ο πίνακας ελέγχου καθυστέρησης απορρόφησης συναλλαγών δείχνει τον χρόνο που χρειάζεται για να γίνει διαθέσιμη μια συναλλαγή στο Aurora στο Amazon Redshift για ερωτήματα.

εκκαθάριση

Για να καθαρίσετε τους πόρους σας, διαγράψτε τη στοίβα που αναπτύξατε χρησιμοποιώντας το AWS CloudFormation. Για οδηγίες, ανατρέξτε στο Διαγραφή στοίβας στην κονσόλα AWS CloudFormation.

Συμπέρασμα

Ο αυξανόμενος όγκος συναλλαγών, η πιο περίπλοκη διαχείριση κινδύνου και οι βελτιωμένες ρυθμιστικές απαιτήσεις οδηγούν τις εταιρείες κεφαλαιαγορών να υιοθετήσουν την επεξεργασία δεδομένων σε πραγματικό χρόνο και σχεδόν σε πραγματικό χρόνο, ακόμη και σε πλατφόρμες μεσαίας και υποστήριξης όπου η επεξεργασία στο τέλος της ημέρας και η ολονύκτια επεξεργασία ήταν το πρότυπο. Σε αυτήν την ανάρτηση, δείξαμε πώς μπορείτε να χρησιμοποιήσετε τις δυνατότητες του Amazon Redshift για ευκολία στη χρήση, χαμηλή συντήρηση και οικονομική απόδοση. Συζητήσαμε επίσης ενσωματώσεις πολλαπλών υπηρεσιών για την απορρόφηση δεδομένων της αγοράς ροής, την επεξεργασία ενημερώσεων από βάσεις δεδομένων OLTP και τη χρήση δεδομένων αναφοράς τρίτων χωρίς να χρειάζεται να εκτελέσουμε περίπλοκη και δαπανηρή επεξεργασία ETL ή ELT πριν καταστήσουμε τα δεδομένα διαθέσιμα για ανάλυση και αναφορά.

Επικοινωνήστε μαζί μας εάν χρειάζεστε οποιαδήποτε καθοδήγηση για την εφαρμογή αυτής της λύσης. Αναφέρομαι σε Αναλυτικά στοιχεία σε πραγματικό χρόνο με απορρόφηση ροής Amazon Redshift, Οδηγός έναρξης για λειτουργικές αναλύσεις σχεδόν σε πραγματικό χρόνο χρησιμοποιώντας την ενσωμάτωση Amazon Aurora zero-ETL με το Amazon Redshift, να Συνεργασία με μερίδια δεδομένων AWS Data Exchange ως παραγωγός Για περισσότερες πληροφορίες.

Σχετικά με τους Συγγραφείς

Satesh Sonti είναι Sr. Analytics Specialist Solutions Architect με έδρα την Ατλάντα, ειδικευμένος στη δημιουργία εταιρικών πλατφορμών δεδομένων, αποθήκευσης δεδομένων και λύσεων ανάλυσης. Έχει πάνω από 18 χρόνια εμπειρίας στη δημιουργία στοιχείων ενεργητικού και ηγετικά σύνθετα προγράμματα πλατφόρμας δεδομένων για τραπεζικούς και ασφαλιστικούς πελάτες σε όλο τον κόσμο.

Alket Memushaj εργάζεται ως Κύριος Αρχιτέκτονας στην ομάδα Ανάπτυξης Αγοράς Χρηματοοικονομικών Υπηρεσιών στο AWS. Η Alket είναι υπεύθυνη για την τεχνική στρατηγική για τις κεφαλαιαγορές, συνεργαζόμενη με συνεργάτες και πελάτες για την ανάπτυξη εφαρμογών σε όλο τον κύκλο ζωής του εμπορίου στο AWS Cloud, συμπεριλαμβανομένης της συνδεσιμότητας της αγοράς, των συστημάτων συναλλαγών και των πλατφορμών ανάλυσης και έρευνας πριν και μετά τη συναλλαγή.

Ρούμπεν Φολκ είναι Ειδικός Κεφαλαιαγοράς με επίκεντρο την τεχνητή νοημοσύνη και τα δεδομένα και την ανάλυση. Ο Ruben διαβουλεύεται με συμμετέχοντες στις κεφαλαιαγορές σχετικά με τη σύγχρονη αρχιτεκτονική δεδομένων και τις συστηματικές επενδυτικές διαδικασίες. Εντάχθηκε στην AWS από την S&P Global Market Intelligence όπου ήταν Παγκόσμιος Επικεφαλής Λύσεων Διαχείρισης Επενδύσεων.

Τζεφ Γουίλσον είναι Παγκοσμίως Ειδικός Go-to-Market με 15 χρόνια εμπειρίας σε αναλυτικές πλατφόρμες. Η τρέχουσα εστίασή του είναι να μοιράζεται τα οφέλη από τη χρήση του Amazon Redshift, της εγγενούς αποθήκης δεδομένων cloud της Amazon. Ο Jeff εδρεύει στη Φλόριντα και είναι στην AWS από το 2019.

Σφραγίδα ώρας:

Περισσότερα από Μεγάλα δεδομένα AWS