वित्तीय सेवाओं के लिए Amazon Redshift पर लेन-देन, स्ट्रीमिंग और तृतीय-पक्ष डेटा को संयोजित करें | अमेज़न वेब सेवाएँ

वित्तीय सेवा ग्राहक विभिन्न स्रोतों से डेटा का उपयोग कर रहे हैं जो विभिन्न आवृत्तियों पर उत्पन्न होते हैं, जिसमें वास्तविक समय, बैच और संग्रहीत डेटासेट शामिल हैं। इसके अतिरिक्त, उन्हें बढ़ती व्यापार मात्रा, बाजार की अस्थिरता और नियामक मांगों को संभालने के लिए स्ट्रीमिंग आर्किटेक्चर की आवश्यकता है। निम्नलिखित कुछ प्रमुख व्यावसायिक उपयोग के मामले हैं जो इस आवश्यकता को उजागर करते हैं:

• व्यापार रिपोर्टिंग - 2007-2008 के वैश्विक वित्तीय संकट के बाद से, नियामकों ने नियामक रिपोर्टिंग पर अपनी मांग और जांच बढ़ा दी है। नियामकों ने लेन-देन रिपोर्टिंग (आमतौर पर टी + 1, जिसका अर्थ व्यापार तिथि के बाद 1 व्यावसायिक दिन) के माध्यम से उपभोक्ता की सुरक्षा करना और लगभग वास्तविक समय व्यापार रिपोर्टिंग आवश्यकताओं के माध्यम से बाजारों में पारदर्शिता बढ़ाना दोनों पर अधिक ध्यान केंद्रित किया है।
• जोखिम प्रबंधन - जैसे-जैसे पूंजी बाजार अधिक जटिल होते जा रहे हैं और नियामक नए जोखिम ढाँचे लॉन्च कर रहे हैं, जैसे ट्रेडिंग बुक की मौलिक समीक्षा (एफआरटीबी) और बेसल III, वित्तीय संस्थान समग्र बाजार जोखिम, तरलता जोखिम, प्रतिपक्ष जोखिम और अन्य जोखिम मापों के लिए गणना की आवृत्ति बढ़ाना चाह रहे हैं, और जितना संभव हो सके वास्तविक समय की गणना के करीब पहुंचना चाहते हैं।
• व्यापार की गुणवत्ता और अनुकूलन - व्यापार की गुणवत्ता की निगरानी और अनुकूलन करने के लिए, आपको बाजार की विशेषताओं जैसे वॉल्यूम, दिशा, बाजार की गहराई, भरण दर और व्यापार के पूरा होने से संबंधित अन्य बेंचमार्क का लगातार मूल्यांकन करने की आवश्यकता है। व्यापार की गुणवत्ता न केवल ब्रोकर के प्रदर्शन से संबंधित है, बल्कि नियामकों की भी एक आवश्यकता है एमआईएफआईडी II.

चुनौती एक ऐसे समाधान के साथ आने की है जो इन असमान स्रोतों, विभिन्न आवृत्तियों और कम-विलंबता खपत आवश्यकताओं को संभाल सके। समाधान स्केलेबल, लागत-कुशल और अपनाने और संचालित करने में सीधा होना चाहिए। अमेज़न रेडशिफ्ट स्ट्रीमिंग अंतर्ग्रहण जैसी सुविधाएँ, अमेज़न अरोड़ा शून्य-ईटीएल एकीकरण, और डेटा साझाकरण के साथ AWS डेटा एक्सचेंज व्यापार रिपोर्टिंग, जोखिम प्रबंधन और व्यापार अनुकूलन के लिए लगभग वास्तविक समय प्रसंस्करण सक्षम करें।

इस पोस्ट में, हम एक समाधान आर्किटेक्चर प्रदान करते हैं जो बताता है कि आप तीन अलग-अलग प्रकार के स्रोतों-स्ट्रीमिंग, लेनदेन और तृतीय-पक्ष संदर्भ डेटा से डेटा कैसे संसाधित कर सकते हैं और उन्हें बिजनेस इंटेलिजेंस (बीआई) रिपोर्टिंग के लिए अमेज़ॅन रेडशिफ्ट में एकत्रित कर सकते हैं।

समाधान अवलोकन

यह समाधान आर्किटेक्चर निम्नलिखित मार्गदर्शक सिद्धांतों के साथ कम-कोड/नो-कोड दृष्टिकोण को प्राथमिकता देते हुए बनाया गया है:

• उपयोग की आसानी - सहज उपयोगकर्ता इंटरफ़ेस के साथ इसे लागू करना और संचालित करना कम जटिल होना चाहिए
• स्केलेबल - आपको मांग के अनुसार क्षमता को निर्बाध रूप से बढ़ाने और घटाने में सक्षम होना चाहिए
• मूल एकीकरण - घटकों को अतिरिक्त कनेक्टर या सॉफ़्टवेयर के बिना एकीकृत होना चाहिए
• लागत कुशल - इसे संतुलित मूल्य/प्रदर्शन प्रदान करना चाहिए
• कम रखरखाव – इसमें कम प्रबंधन और परिचालन ओवरहेड की आवश्यकता होनी चाहिए

निम्नलिखित आरेख समाधान वास्तुकला को दर्शाता है और इन मार्गदर्शक सिद्धांतों को अंतर्ग्रहण, एकत्रीकरण और रिपोर्टिंग घटकों पर कैसे लागू किया गया था।

समाधान तैनात करें

आप निम्नलिखित का उपयोग कर सकते हैं एडब्ल्यूएस CloudFormation समाधान तैनात करने के लिए टेम्पलेट.

यह स्टैक सेवाओं को एकीकृत करने के लिए निम्नलिखित संसाधन और आवश्यक अनुमतियाँ बनाता है:

घूस

डेटा ग्रहण करने के लिए, आप उपयोग करते हैं अमेज़ॅन रेडशिफ्ट स्ट्रीमिंग अंतर्ग्रहण काइनेसिस डेटा स्ट्रीम से स्ट्रीमिंग डेटा लोड करने के लिए। लेन-देन संबंधी डेटा के लिए, आप इसका उपयोग करते हैं रेडशिफ्ट शून्य-ईटीएल एकीकरण अमेज़ॅन अरोरा MySQL के साथ। तृतीय-पक्ष संदर्भ डेटा के लिए, आप इसका लाभ उठाते हैं AWS डेटा एक्सचेंज डेटा शेयर. ये क्षमताएं आपको जल्दी से स्केलेबल डेटा पाइपलाइन बनाने की अनुमति देती हैं क्योंकि आप काइनेसिस डेटा स्ट्रीम शार्ड की क्षमता बढ़ा सकते हैं, शून्य-ईटीएल स्रोतों और लक्ष्यों के लिए गणना कर सकते हैं, और जब आपका डेटा बढ़ता है तो डेटा शेयरों के लिए रेडशिफ्ट गणना कर सकते हैं। रेडशिफ्ट स्ट्रीमिंग अंतर्ग्रहण और शून्य-ईटीएल एकीकरण कम-कोड/नो-कोड समाधान हैं जिन्हें आप जटिल कस्टम कोड विकसित करने में महत्वपूर्ण समय और पैसा निवेश किए बिना सरल एसक्यूएल के साथ बना सकते हैं।

इस समाधान को बनाने में उपयोग किए गए डेटा के लिए, हमने साझेदारी की FactSet, एक अग्रणी वित्तीय डेटा, विश्लेषण और मुक्त प्रौद्योगिकी प्रदाता। फैक्टसेट में कई हैं डेटासेट AWS डेटा एक्सचेंज बाज़ार में उपलब्ध है, जिसका उपयोग हमने संदर्भ डेटा के लिए किया है। हमने फैक्टसेट का भी उपयोग किया बाज़ार डेटा समाधान ऐतिहासिक और स्ट्रीमिंग बाज़ार उद्धरण और ट्रेडों के लिए।

प्रसंस्करण

डेटा को एक्सट्रेक्ट, लोड और ट्रांसफॉर्म (ईएलटी) पद्धति का पालन करते हुए अमेज़ॅन रेडशिफ्ट में संसाधित किया जाता है। वस्तुतः असीमित पैमाने और कार्यभार अलगाव के साथ, ईएलटी क्लाउड डेटा वेयरहाउस समाधानों के लिए अधिक उपयुक्त है।

आप किनेसिस डेटा स्ट्रीम से सीधे स्ट्रीमिंग भौतिक दृश्य में स्ट्रीमिंग कोट्स (बोली/पूछ) के वास्तविक समय अंतर्ग्रहण के लिए रेडशिफ्ट स्ट्रीमिंग अंतर्ग्रहण का उपयोग करते हैं और डेटा स्ट्रीम इनपुट को पार्स करने के लिए पार्टिक्यूएल का उपयोग करके अगले चरण में डेटा को संसाधित करते हैं। ध्यान दें कि स्वचालित रीफ्रेश कैसे काम करता है और उपयोग किए जाने वाले डेटा प्रबंधन SQL कमांड के संदर्भ में भौतिक दृश्यों को स्ट्रीम करना नियमित भौतिक दृश्यों से भिन्न होता है। को देखें स्ट्रीमिंग अंतर्ग्रहण विचार ब्योरा हेतु।

आप ओएलटीपी स्रोतों से लेनदेन डेटा (ट्रेड) प्राप्त करने के लिए शून्य-ईटीएल अरोरा एकीकरण का उपयोग करते हैं। को देखें शून्य-ईटीएल एकीकरण के साथ कार्य करना वर्तमान में समर्थित स्रोतों के लिए। आप दृश्यों का उपयोग करके इन सभी स्रोतों से डेटा को जोड़ सकते हैं, और क्षेत्रों और एक्सचेंजों में भारित औसत की गणना जैसे व्यापार परिवर्तन नियमों को लागू करने के लिए संग्रहीत प्रक्रियाओं का उपयोग कर सकते हैं।

ऐतिहासिक व्यापार और उद्धरण डेटा की मात्रा बहुत बड़ी है और अक्सर बार-बार पूछताछ नहीं की जाती है। आप उपयोग कर सकते हैं अमेज़न रेडशिफ्ट स्पेक्ट्रम इस डेटा को Amazon Redshift में लोड किए बिना उसी स्थान पर एक्सेस करने के लिए। आप डेटा की ओर इशारा करने वाली बाहरी तालिकाएँ बनाते हैं अमेज़न सरल भंडारण सेवा (अमेज़ॅन एस3) और उसी प्रकार क्वेरी करें जैसे आप अमेज़ॅन रेडशिफ्ट में किसी अन्य स्थानीय तालिका से क्वेरी करते हैं। एकाधिक रेडशिफ्ट डेटा वेयरहाउस प्रत्येक डेटा वेयरहाउस के लिए डेटा की प्रतियां बनाने की आवश्यकता के बिना अमेज़ॅन एस 3 में समान डेटासेट को समवर्ती रूप से क्वेरी कर सकते हैं। यह सुविधा जटिल ईटीएल प्रक्रियाओं को लिखे बिना बाहरी डेटा तक पहुंच को सरल बनाती है और समग्र समाधान के उपयोग में आसानी को बढ़ाती है।

आइए कोटेशन और ट्रेडों का विश्लेषण करने के लिए उपयोग किए जाने वाले कुछ नमूना प्रश्नों की समीक्षा करें। हम नमूना प्रश्नों में निम्नलिखित तालिकाओं का उपयोग करते हैं:

• dt_hist_quote - ऐतिहासिक उद्धरण डेटा जिसमें बोली मूल्य और मात्रा, पूछी गई कीमत और मात्रा, और एक्सचेंज और सेक्टर शामिल हैं। आपको अपने संगठन में प्रासंगिक डेटासेट का उपयोग करना चाहिए जिसमें ये डेटा विशेषताएँ हों।
• dt_hist_trades - ऐतिहासिक व्यापार डेटा जिसमें व्यापार मूल्य, मात्रा, क्षेत्र और विनिमय विवरण शामिल हैं। आपको अपने संगठन में प्रासंगिक डेटासेट का उपयोग करना चाहिए जिसमें ये डेटा विशेषताएँ हों।
• Factset_sector_map - क्षेत्रों और एक्सचेंजों के बीच मानचित्रण। आप इसे यहां से प्राप्त कर सकते हैं फैक्टसेट फंडामेंटल ADX डेटासेट.

ऐतिहासिक उद्धरणों के विश्लेषण के लिए नमूना क्वेरी

आप कोटेशन पर भारित औसत स्प्रेड खोजने के लिए निम्नलिखित क्वेरी का उपयोग कर सकते हैं:

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

ऐतिहासिक व्यापारों के विश्लेषण के लिए नमूना क्वेरी

खोजने के लिए आप निम्न क्वेरी का उपयोग कर सकते हैं $-volume विस्तृत एक्सचेंज, सेक्टर और प्रमुख एक्सचेंज (एनवाईएसई और नैस्डैक) द्वारा ट्रेडों पर:

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

रिपोर्टिंग

आप का उपयोग कर सकते हैं अमेज़न क्विकसाइट और अमेज़न प्रबंधित ग्राफाना क्रमशः बीआई और वास्तविक समय रिपोर्टिंग के लिए। ये सेवाएँ बीच में अतिरिक्त कनेक्टर या सॉफ़्टवेयर का उपयोग किए बिना मूल रूप से अमेज़ॅन रेडशिफ्ट के साथ एकीकृत होती हैं।

आप बीआई रिपोर्टिंग और डैशबोर्ड के लिए क्विकसाइट से सीधी क्वेरी चला सकते हैं। क्विकसाइट के साथ, आप कम विलंबता के लिए ऑटो रिफ्रेश के साथ SPICE कैश में डेटा को स्थानीय रूप से संग्रहीत भी कर सकते हैं। को देखें अमेज़ॅन क्विकसाइट से अमेज़ॅन रेडशिफ्ट क्लस्टर के कनेक्शन को अधिकृत करना अमेज़ॅन रेडशिफ्ट के साथ क्विकसाइट को एकीकृत करने के तरीके के बारे में व्यापक विवरण के लिए।

आप लगभग वास्तविक समय के व्यापार डैशबोर्ड के लिए अमेज़ॅन प्रबंधित ग्राफाना का उपयोग कर सकते हैं जो हर कुछ सेकंड में ताज़ा हो जाते हैं। व्यापार अंतर्ग्रहण विलंबता की निगरानी के लिए वास्तविक समय के डैशबोर्ड ग्राफाना का उपयोग करके बनाए जाते हैं और डेटा अमेज़ॅन रेडशिफ्ट में सिस्टम दृश्यों से प्राप्त किया जाता है। को देखें Amazon Redshift डेटा स्रोत का उपयोग करना ग्राफाना के लिए डेटा स्रोत के रूप में Amazon Redshift को कॉन्फ़िगर करने के तरीके के बारे में जानने के लिए।

नियामक रिपोर्टिंग सिस्टम के साथ बातचीत करने वाले उपयोगकर्ताओं में विश्लेषक, जोखिम प्रबंधक, ऑपरेटर और अन्य व्यक्ति शामिल हैं जो व्यवसाय और प्रौद्योगिकी संचालन का समर्थन करते हैं। नियामक रिपोर्ट तैयार करने के अलावा, इन टीमों को रिपोर्टिंग सिस्टम के स्वास्थ्य की दृश्यता की भी आवश्यकता होती है।

ऐतिहासिक उद्धरण विश्लेषण

इस खंड में, हम ऐतिहासिक उद्धरण विश्लेषण के कुछ उदाहरण तलाशते हैं अमेज़न क्विकसाइट डैशबोर्ड।

क्षेत्रों द्वारा भारित औसत प्रसार

निम्नलिखित चार्ट 3 महीने के लिए NASDAQ और NYSE पर सभी व्यक्तिगत ट्रेडों के भारित औसत बोली-पूछ प्रसार के क्षेत्र द्वारा दैनिक एकत्रीकरण को दर्शाता है। औसत दैनिक प्रसार की गणना करने के लिए, प्रत्येक प्रसार को बोली के योग और पूछे गए डॉलर की मात्रा के आधार पर भारित किया जाता है। इस चार्ट को उत्पन्न करने वाली क्वेरी कुल मिलाकर 103 बिलियन डेटा बिंदुओं को संसाधित करती है, प्रत्येक व्यापार को सेक्टर संदर्भ तालिका के साथ जोड़ती है, और 10 सेकंड से भी कम समय में चलती है।

एक्सचेंजों द्वारा भारित औसत प्रसार

निम्नलिखित चार्ट 3 महीने के लिए NASDAQ और NYSE पर सभी व्यक्तिगत ट्रेडों के भारित औसत बोली-पूछ प्रसार के दैनिक एकत्रीकरण को दर्शाता है। गणना पद्धति और क्वेरी प्रदर्शन मेट्रिक्स पिछले चार्ट के समान हैं।

ऐतिहासिक व्यापार विश्लेषण

इस खंड में, हम ऐतिहासिक व्यापार विश्लेषण के कुछ उदाहरण तलाशते हैं अमेज़न क्विकसाइट डैशबोर्ड।

सेक्टर के अनुसार व्यापार की मात्रा

निम्नलिखित चार्ट 3 महीनों के लिए NASDAQ और NYSE पर सभी व्यक्तिगत ट्रेडों के सेक्टर द्वारा दैनिक एकत्रीकरण को दर्शाता है। इस चार्ट को तैयार करने वाली क्वेरी कुल मिलाकर 3.6 बिलियन ट्रेडों को संसाधित करती है, प्रत्येक ट्रेड को सेक्टर संदर्भ तालिका के साथ जोड़ती है, और 5 सेकंड से कम समय में चलती है।

प्रमुख एक्सचेंजों के लिए व्यापार की मात्रा

निम्नलिखित चार्ट 3 महीनों के लिए सभी व्यक्तिगत ट्रेडों के एक्सचेंज समूह द्वारा दैनिक एकत्रीकरण को दर्शाता है। इस चार्ट को जनरेट करने की क्वेरी में पिछले चार्ट के समान प्रदर्शन मेट्रिक्स हैं।

रीयल-टाइम डैशबोर्ड

व्यापार रिपोर्टिंग, जोखिम प्रबंधन और व्यापार प्रबंधन प्रणालियों जैसे किसी भी महत्वपूर्ण व्यावसायिक अनुप्रयोग के लिए निगरानी और अवलोकन एक महत्वपूर्ण आवश्यकता है। सिस्टम-स्तरीय मेट्रिक्स के अलावा, वास्तविक समय में प्रमुख प्रदर्शन संकेतकों की निगरानी करना भी महत्वपूर्ण है ताकि ऑपरेटरों को सतर्क किया जा सके और व्यवसाय को प्रभावित करने वाली घटनाओं पर जल्द से जल्द प्रतिक्रिया दी जा सके। इस प्रदर्शन के लिए, हमने ग्राफाना में डैशबोर्ड बनाए हैं जो क्रमशः किनेसिस डेटा स्ट्रीम और ऑरोरा से उद्धरण और व्यापार डेटा की देरी की निगरानी करते हैं।

उद्धरण अंतर्ग्रहण विलंब डैशबोर्ड प्रत्येक उद्धरण रिकॉर्ड को डेटा स्ट्रीम से अंतर्ग्रहण करने और अमेज़ॅन रेडशिफ्ट में क्वेरी के लिए उपलब्ध होने में लगने वाले समय को दर्शाता है।

व्यापार अंतर्ग्रहण विलंब डैशबोर्ड दिखाता है कि ऑरोरा में लेनदेन को क्वेरी के लिए अमेज़ॅन रेडशिफ्ट में उपलब्ध होने में कितना समय लगता है।

क्लीन अप

अपने संसाधनों को साफ़ करने के लिए, AWS CloudFormation का उपयोग करके आपके द्वारा तैनात किए गए स्टैक को हटा दें। निर्देशों के लिए, देखें AWS CloudFormation कंसोल पर एक स्टैक हटाना.

निष्कर्ष

ट्रेडिंग गतिविधि की बढ़ती मात्रा, अधिक जटिल जोखिम प्रबंधन और बढ़ी हुई विनियामक आवश्यकताएं पूंजी बाजार फर्मों को वास्तविक समय और लगभग वास्तविक समय डेटा प्रोसेसिंग को अपनाने के लिए प्रेरित कर रही हैं, यहां तक ​​कि मध्य और बैक-ऑफिस प्लेटफार्मों में भी जहां दिन के अंत और रात भर की प्रोसेसिंग होती है। मानक था. इस पोस्ट में, हमने प्रदर्शित किया कि आप उपयोग में आसानी, कम रखरखाव और लागत-दक्षता के लिए अमेज़ॅन रेडशिफ्ट क्षमताओं का उपयोग कैसे कर सकते हैं। हमने विश्लेषण और रिपोर्टिंग के लिए डेटा उपलब्ध कराने से पहले स्ट्रीमिंग मार्केट डेटा को ग्रहण करने, ओएलटीपी डेटाबेस से अपडेट प्रोसेस करने और जटिल और महंगी ईटीएल या ईएलटी प्रोसेसिंग किए बिना तीसरे पक्ष के संदर्भ डेटा का उपयोग करने के लिए क्रॉस-सर्विस एकीकरण पर भी चर्चा की।

यदि आपको इस समाधान को लागू करने में किसी मार्गदर्शन की आवश्यकता है तो कृपया हमसे संपर्क करें। को देखें Amazon Redshift स्ट्रीमिंग अंतर्ग्रहण के साथ रीयल-टाइम विश्लेषण, अमेज़ॅन रेडशिफ्ट के साथ अमेज़ॅन अरोरा शून्य-ईटीएल एकीकरण का उपयोग करके लगभग वास्तविक समय परिचालन विश्लेषण के लिए आरंभिक मार्गदर्शिका, तथा एक निर्माता के रूप में AWS डेटा एक्सचेंज डेटा शेयर के साथ काम करना देखें।

लेखक के बारे में

सतेश सोंटी अटलांटा में स्थित एक सीनियर एनालिटिक्स स्पेशलिस्ट सॉल्यूशंस आर्किटेक्ट है, जो एंटरप्राइज डेटा प्लेटफॉर्म, डेटा वेयरहाउसिंग और एनालिटिक्स सॉल्यूशंस के निर्माण में विशेषज्ञता रखता है। उन्हें दुनिया भर में बैंकिंग और बीमा ग्राहकों के लिए डेटा परिसंपत्तियों के निर्माण और जटिल डेटा प्लेटफॉर्म कार्यक्रमों का नेतृत्व करने का 18 से अधिक वर्षों का अनुभव है।

अल्केत मेमुशाज AWS में वित्तीय सेवा बाज़ार विकास टीम में प्रधान वास्तुकार के रूप में काम करता है। एल्केट पूंजी बाजारों के लिए तकनीकी रणनीति के लिए जिम्मेदार है, जो बाजार कनेक्टिविटी, ट्रेडिंग सिस्टम और प्री- और पोस्ट-ट्रेड एनालिटिक्स और रिसर्च प्लेटफॉर्म सहित एडब्ल्यूएस क्लाउड पर व्यापार जीवनचक्र में अनुप्रयोगों को तैनात करने के लिए भागीदारों और ग्राहकों के साथ काम करता है।

रूबेन फाल्क एआई और डेटा एवं एनालिटिक्स पर केंद्रित एक पूंजी बाजार विशेषज्ञ हैं। रुबेन आधुनिक डेटा वास्तुकला और व्यवस्थित निवेश प्रक्रियाओं पर पूंजी बाजार प्रतिभागियों के साथ परामर्श करते हैं। वह एसएंडपी ग्लोबल मार्केट इंटेलिजेंस से एडब्ल्यूएस में शामिल हुए जहां वह निवेश प्रबंधन समाधान के वैश्विक प्रमुख थे।

जेफ विल्सन विश्लेषणात्मक प्लेटफार्मों के साथ काम करने के 15 वर्षों के अनुभव के साथ एक विश्वव्यापी गो-टू-मार्केट विशेषज्ञ है। उनका वर्तमान फोकस अमेज़ॅन रेडशिफ्ट, अमेज़ॅन के मूल क्लाउड डेटा वेयरहाउस के उपयोग के लाभों को साझा करना है। जेफ फ्लोरिडा में स्थित है और 2019 से AWS के साथ है।

• एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
• प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
• प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
• प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
• प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
• स्रोत: https://aws.amazon.com/blogs/big-data/combine-transactional-streaming-and-third-party-data-on-amazon-redshift-for-financial-services/