مالیاتی خدمات کے لیے Amazon Redshift پر ٹرانزیکشنل، سٹریمنگ، اور تھرڈ پارٹی ڈیٹا کو یکجا کریں۔ ایمیزون ویب سروسز

مالیاتی خدمات کے صارفین مختلف ذرائع سے ڈیٹا استعمال کر رہے ہیں جو مختلف تعدد سے شروع ہوتے ہیں، جس میں حقیقی وقت، بیچ، اور محفوظ شدہ ڈیٹا سیٹس شامل ہیں۔ مزید برآں، انہیں بڑھتے ہوئے تجارتی حجم، مارکیٹ کے اتار چڑھاؤ، اور ریگولیٹری مطالبات کو سنبھالنے کے لیے اسٹریمنگ آرکیٹیکچرز کی ضرورت ہے۔ کاروباری استعمال کے چند اہم معاملات درج ذیل ہیں جو اس ضرورت کو اجاگر کرتے ہیں:

• تجارتی رپورٹنگ - 2007-2008 کے عالمی مالیاتی بحران کے بعد سے، ریگولیٹرز نے ریگولیٹری رپورٹنگ پر اپنے مطالبات اور جانچ میں اضافہ کیا ہے۔ ریگولیٹرز نے ٹرانزیکشن رپورٹنگ (عام طور پر T+1، یعنی تجارتی تاریخ کے بعد 1 کاروباری دن) کے ذریعے صارفین کی حفاظت دونوں پر توجہ مرکوز کی ہے اور قریب قریب حقیقی وقت کی تجارتی رپورٹنگ کی ضروریات کے ذریعے مارکیٹوں میں شفافیت کو بڑھایا ہے۔
• رسک مینیجمنٹ – جیسے جیسے کیپٹل مارکیٹ زیادہ پیچیدہ ہوتی جاتی ہے اور ریگولیٹرز نئے رسک فریم ورک شروع کرتے ہیں، جیسے تجارتی کتاب کا بنیادی جائزہ (FRTB) اور باسل سوم، مالیاتی ادارے مجموعی مارکیٹ رسک، لیکویڈیٹی رسک، کاؤنٹر پارٹی رسک، اور دیگر خطرے کی پیمائش کے حسابات کی فریکوئنسی کو بڑھانے کے خواہاں ہیں، اور جتنا ممکن ہو سکے حقیقی وقت کے حسابات کے قریب جانا چاہتے ہیں۔
• تجارتی معیار اور اصلاح - تجارتی معیار کی نگرانی اور بہتر بنانے کے لیے، آپ کو مارکیٹ کی خصوصیات جیسے حجم، سمت، مارکیٹ کی گہرائی، بھرنے کی شرح، اور تجارت کی تکمیل سے متعلق دیگر بینچ مارکس کا مسلسل جائزہ لینے کی ضرورت ہے۔ تجارتی معیار کا تعلق نہ صرف بروکر کی کارکردگی سے ہے، بلکہ یہ ریگولیٹرز کی طرف سے بھی ایک تقاضا ہے، جس سے شروع ہوتا ہے۔ میک آئی ڈی II.

چیلنج ایک ایسے حل کے ساتھ آنا ہے جو ان مختلف ذرائع، مختلف تعددات، اور کم تاخیر کی کھپت کی ضروریات کو سنبھال سکے۔ حل قابل توسیع، لاگت کے قابل، اور اپنانے اور چلانے کے لیے سیدھا ہونا چاہیے۔ ایمیزون ریڈ شفٹ سٹریمنگ ادخال جیسی خصوصیات، ایمیزون ارورہ صفر-ETL انضمام، اور اس کے ساتھ ڈیٹا کا اشتراک AWS ڈیٹا ایکسچینج تجارتی رپورٹنگ، رسک مینجمنٹ، اور تجارت کی اصلاح کے لیے قریب قریب حقیقی وقت کی پروسیسنگ کو فعال کریں۔

اس پوسٹ میں، ہم ایک حل فن تعمیر فراہم کرتے ہیں جو یہ بتاتا ہے کہ آپ کس طرح تین مختلف قسم کے ذرائع سے ڈیٹا پر کارروائی کر سکتے ہیں—سٹریمنگ، لین دین، اور فریق ثالث کا حوالہ ڈیٹا — اور انہیں Amazon Redshift میں بزنس انٹیلی جنس (BI) رپورٹنگ کے لیے جمع کر سکتے ہیں۔

حل جائزہ

یہ حل فن تعمیر درج ذیل رہنما اصولوں کے ساتھ کم کوڈ/نو-کوڈ اپروچ کو ترجیح دیتے ہوئے بنایا گیا ہے۔

• استعمال میں آسانی - بدیہی یوزر انٹرفیس کے ساتھ لاگو کرنا اور کام کرنا کم پیچیدہ ہونا چاہیے۔
• سکلیبل - آپ کو بغیر کسی رکاوٹ کے طلب کے مطابق صلاحیت کو بڑھانے اور کم کرنے کے قابل ہونا چاہئے۔
• مقامی انضمام - اجزاء کو اضافی کنیکٹر یا سافٹ ویئر کے بغیر ضم ہونا چاہیے۔
• لاگت سے موثر - اسے متوازن قیمت/کارکردگی فراہم کرنی چاہیے۔
• کم کی بحالی - اسے کم انتظام اور آپریشنل اوور ہیڈ کی ضرورت ہوگی۔

مندرجہ ذیل خاکہ حل کے فن تعمیر کی وضاحت کرتا ہے اور یہ کہ ان رہنما اصولوں کو ادخال، جمع اور رپورٹنگ کے اجزاء پر کیسے لاگو کیا گیا تھا۔

حل تعینات کریں۔

آپ درج ذیل کو استعمال کر سکتے ہیں۔ AWS کلاؤڈ فارمیشن حل کو تعینات کرنے کے لیے ٹیمپلیٹ۔

یہ اسٹیک خدمات کو مربوط کرنے کے لیے درج ذیل وسائل اور ضروری اجازتیں تخلیق کرتا ہے۔

جلدی

ڈیٹا داخل کرنے کے لیے، آپ استعمال کرتے ہیں۔ ایمیزون ریڈ شفٹ اسٹریمنگ ادخال Kinesis ڈیٹا سٹریم سے سٹریمنگ ڈیٹا لوڈ کرنے کے لیے۔ لین دین کے ڈیٹا کے لیے، آپ استعمال کرتے ہیں۔ ریڈ شفٹ صفر-ETL انضمام Amazon Aurora MySQL کے ساتھ۔ فریق ثالث کے حوالہ کے ڈیٹا کے لیے، آپ فائدہ اٹھاتے ہیں۔ AWS ڈیٹا ایکسچینج ڈیٹا شیئرز. یہ صلاحیتیں آپ کو تیزی سے قابل توسیع ڈیٹا پائپ لائنز بنانے کی اجازت دیتی ہیں کیونکہ آپ Kinesis Data Streams Shards کی صلاحیت کو بڑھا سکتے ہیں، صفر-ETL ذرائع اور اہداف کے لیے کمپیوٹ کر سکتے ہیں، اور جب آپ کا ڈیٹا بڑھتا ہے تو ڈیٹا شیئرز کے لیے Redshift کمپیوٹ کر سکتے ہیں۔ Redshift سٹریمنگ ادخال اور صفر-ETL انٹیگریشن کم کوڈ/نو کوڈ حل ہیں جنہیں آپ پیچیدہ کسٹم کوڈ تیار کرنے میں اہم وقت اور رقم لگائے بغیر سادہ SQLs کے ساتھ بنا سکتے ہیں۔

اس حل کو بنانے کے لیے استعمال ہونے والے ڈیٹا کے لیے، ہم نے شراکت کی۔ فیکٹ سیٹ، ایک معروف مالیاتی ڈیٹا، تجزیات، اور اوپن ٹیکنالوجی فراہم کنندہ۔ فیکٹ سیٹ میں متعدد ہیں۔ ڈیٹاسیٹس AWS ڈیٹا ایکسچینج مارکیٹ پلیس میں دستیاب ہے، جسے ہم حوالہ ڈیٹا کے لیے استعمال کرتے ہیں۔ ہم نے فیکٹ سیٹ کا بھی استعمال کیا۔ مارکیٹ ڈیٹا کے حل تاریخی اور اسٹریمنگ مارکیٹ کوٹس اور تجارت کے لیے۔

پروسیسنگ

ڈیٹا کو ایمیزون ریڈ شفٹ میں ایکسٹریکٹ، لوڈ، اور ٹرانسفارم (ELT) طریقہ کار پر عمل کرتے ہوئے پروسیس کیا جاتا ہے۔ عملی طور پر لامحدود پیمانے اور کام کے بوجھ کی تنہائی کے ساتھ، ELT کلاؤڈ ڈیٹا گودام کے حل کے لیے زیادہ موزوں ہے۔

آپ Kinesis ڈیٹا سٹریم سے سٹریمنگ کوٹس (بولی/پوچھو) کے ریئل ٹائم ادخال کے لیے Redshift سٹریمنگ ادخال کا استعمال کرتے ہیں براہ راست سٹریمنگ میٹریلائزڈ ویو میں اور ڈیٹا سٹریم ان پٹس کو پارس کرنے کے لیے PartiQL کا استعمال کرتے ہوئے اگلے مرحلے میں ڈیٹا پر کارروائی کرتے ہیں۔ نوٹ کریں کہ سٹریمنگ کے مادّی بنائے گئے نظارے خود کار ریفریش کے کام کرنے کے طریقہ کار اور ڈیٹا مینجمنٹ SQL کمانڈز کے استعمال کے لحاظ سے باقاعدہ مادی نظریات سے مختلف ہیں۔ کا حوالہ دیتے ہیں سٹریمنگ ادخال کے تحفظات تفصیلات کے لئے.

آپ OLTP ذرائع سے لین دین کے ڈیٹا (تجارتوں) کو ہضم کرنے کے لیے صفر-ETL Aurora انضمام کا استعمال کرتے ہیں۔ کا حوالہ دیتے ہیں صفر-ETL انضمام کے ساتھ کام کرنا فی الحال تائید شدہ ذرائع کے لیے۔ آپ آراء کا استعمال کرتے ہوئے ان تمام ذرائع سے ڈیٹا کو یکجا کر سکتے ہیں، اور کاروباری تبدیلی کے قواعد کو لاگو کرنے کے لیے ذخیرہ شدہ طریقہ کار استعمال کر سکتے ہیں جیسے تمام شعبوں اور تبادلے میں وزنی اوسط کا حساب لگانا۔

تاریخی تجارت اور اقتباس کے اعداد و شمار کا حجم بہت بڑا ہے اور اکثر ان سے پوچھ گچھ نہیں کی جاتی ہے۔ آپ استعمال کر سکتے ہیں ایمیزون ریڈ شفٹ سپیکٹرم اس ڈیٹا کو Amazon Redshift میں لوڈ کیے بغیر اس تک رسائی حاصل کرنے کے لیے۔ آپ بیرونی میزیں بناتے ہیں جو ڈیٹا کی طرف اشارہ کرتے ہیں۔ ایمیزون سادہ اسٹوریج سروس (Amazon S3) اور اسی طرح استفسار کریں کہ آپ Amazon Redshift میں کسی دوسرے مقامی ٹیبل سے کس طرح استفسار کرتے ہیں۔ ایک سے زیادہ Redshift ڈیٹا گودام ہر ڈیٹا گودام کے لیے ڈیٹا کی کاپیاں بنانے کی ضرورت کے بغیر Amazon S3 میں ایک ہی ڈیٹا سیٹس سے بیک وقت استفسار کر سکتے ہیں۔ یہ خصوصیت پیچیدہ ETL عمل کو لکھے بغیر بیرونی ڈیٹا تک رسائی کو آسان بناتی ہے اور مجموعی حل کے استعمال میں آسانی کو بڑھاتی ہے۔

آئیے اقتباسات اور تجارت کے تجزیہ کے لیے استعمال ہونے والے چند نمونے کے سوالات کا جائزہ لیتے ہیں۔ ہم نمونے کے سوالات میں درج ذیل جدولوں کا استعمال کرتے ہیں:

• dt_hist_quote - تاریخی حوالہ جات کا ڈیٹا جس میں بولی کی قیمت اور حجم، قیمت اور حجم پوچھیں، اور تبادلے اور شعبے۔ آپ کو اپنی تنظیم میں متعلقہ ڈیٹا سیٹس کا استعمال کرنا چاہیے جس میں یہ ڈیٹا انتسابات ہوں۔
• dt_hist_trades - تاریخی تجارت کا ڈیٹا جس میں تجارت کی گئی قیمت، حجم، شعبہ، اور تبادلے کی تفصیلات شامل ہیں۔ آپ کو اپنی تنظیم میں متعلقہ ڈیٹا سیٹس کا استعمال کرنا چاہیے جس میں یہ ڈیٹا انتسابات ہوں۔
• factset_sector_map - شعبوں اور تبادلے کے درمیان نقشہ سازی۔ آپ اسے سے حاصل کر سکتے ہیں۔ فیکٹ سیٹ کے بنیادی اصول ADX ڈیٹا سیٹ.

تاریخی حوالوں کا تجزیہ کرنے کے لیے نمونہ استفسار

آپ اقتباسات پر وزنی اوسط اسپریڈز تلاش کرنے کے لیے درج ذیل استفسار کا استعمال کر سکتے ہیں:

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

تاریخی تجارت کا تجزیہ کرنے کے لیے نمونہ استفسار

آپ درج ذیل استفسار کو تلاش کرنے کے لیے استعمال کر سکتے ہیں۔ $-volume تجارت پر تفصیلی تبادلے، شعبے کے لحاظ سے، اور بڑے تبادلے کے ذریعے (NYSE اور 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

رپورٹ

آپ استعمال کر سکتے ہیں ایمیزون کوئیک سائٹ اور ایمیزون کے زیر انتظام گرافانا BI اور ریئل ٹائم رپورٹنگ کے لیے، بالترتیب۔ یہ خدمات مقامی طور پر Amazon Redshift کے ساتھ ضم ہو جاتی ہیں بغیر کسی اضافی کنیکٹر یا سافٹ ویئر کے درمیان۔

آپ BI رپورٹنگ اور ڈیش بورڈز کے لیے QuickSight سے براہ راست استفسار چلا سکتے ہیں۔ QuickSight کے ساتھ، آپ مقامی طور پر بھی ڈیٹا کو اسپائس کیش میں محفوظ کر سکتے ہیں اور کم تاخیر کے لیے آٹو ریفریش کے ساتھ۔ کا حوالہ دیتے ہیں Amazon QuickSight سے Amazon Redshift کلسٹرز تک کنکشنز کی اجازت دینا QuickSight کو Amazon Redshift کے ساتھ مربوط کرنے کے طریقے کے بارے میں جامع تفصیلات کے لیے۔

آپ Amazon Managed Grafana کو قریب قریب ریئل ٹائم ٹریڈ ڈیش بورڈز کے لیے استعمال کر سکتے ہیں جو ہر چند سیکنڈ میں تازہ ہو جاتے ہیں۔ تجارتی ادخال میں تاخیر کی نگرانی کے لیے ریئل ٹائم ڈیش بورڈز Grafana کا استعمال کرتے ہوئے بنائے گئے ہیں اور ڈیٹا کو Amazon Redshift میں سسٹم ویوز سے حاصل کیا جاتا ہے۔ کا حوالہ دیتے ہیں ایمیزون ریڈ شفٹ ڈیٹا سورس کا استعمال Grafana کے ڈیٹا سورس کے طور پر Amazon Redshift کو کنفیگر کرنے کا طریقہ جاننے کے لیے۔

وہ صارفین جو ریگولیٹری رپورٹنگ سسٹم کے ساتھ تعامل کرتے ہیں ان میں تجزیہ کار، رسک مینیجر، آپریٹرز اور دیگر شخصیات شامل ہیں جو کاروبار اور ٹیکنالوجی کے کاموں کو سپورٹ کرتے ہیں۔ ریگولیٹری رپورٹس تیار کرنے کے علاوہ، ان ٹیموں کو رپورٹنگ سسٹم کی صحت میں مرئیت کی ضرورت ہوتی ہے۔

تاریخی حوالوں کا تجزیہ

اس سیکشن میں، ہم سے تاریخی حوالوں کے تجزیہ کی کچھ مثالیں تلاش کرتے ہیں۔ ایمیزون کوئیک سائٹ ڈیش بورڈ.

سیکٹرز کے لحاظ سے وزنی اوسط

مندرجہ ذیل چارٹ NASDAQ اور NYSE پر 3 ماہ کے لیے تمام انفرادی تجارتوں کے وزنی اوسط بولی پوچھنے والے اسپریڈز کے سیکٹر کے لحاظ سے روزانہ کی جمع کو ظاہر کرتا ہے۔ اوسط یومیہ پھیلاؤ کا حساب لگانے کے لیے، ہر اسپریڈ کا وزن بولی کے مجموعے اور ڈالر کے حجم سے کیا جاتا ہے۔ اس چارٹ کو تیار کرنے کا سوال مجموعی طور پر 103 بلین ڈیٹا پوائنٹس پر کارروائی کرتا ہے، ہر تجارت کو سیکٹر ریفرنس ٹیبل کے ساتھ شامل کرتا ہے، اور 10 سیکنڈ سے بھی کم وقت میں چلتا ہے۔

تبادلے کے ذریعہ وزنی اوسط پھیلاؤ

مندرجہ ذیل چارٹ NASDAQ اور NYSE پر 3 مہینوں کے لیے تمام انفرادی تجارتوں کے وزنی اوسط بولی کے اسپریڈز کی روزانہ جمع کو ظاہر کرتا ہے۔ حساب کتاب کا طریقہ کار اور استفسار کی کارکردگی کے میٹرکس پچھلے چارٹ سے ملتے جلتے ہیں۔

تاریخی تجارت کا تجزیہ

اس سیکشن میں، ہم سے تاریخی تجارت کے تجزیہ کی کچھ مثالیں دریافت کرتے ہیں۔ ایمیزون کوئیک سائٹ ڈیش بورڈ.

سیکٹر کے لحاظ سے تجارتی حجم

مندرجہ ذیل چارٹ NASDAQ اور NYSE پر 3 ماہ کے لیے تمام انفرادی تجارت کے شعبے کے لحاظ سے روزانہ کی جمع کو ظاہر کرتا ہے۔ اس چارٹ کو تیار کرنے کا سوال مجموعی طور پر 3.6 بلین تجارتوں پر عمل کرتا ہے، ہر تجارت کو سیکٹر ریفرنس ٹیبل کے ساتھ جوڑتا ہے، اور 5 سیکنڈ سے کم میں چلتا ہے۔

بڑے تبادلے کے لیے تجارتی حجم

مندرجہ ذیل چارٹ 3 ماہ کے لیے تمام انفرادی تجارت کے تبادلے کے گروپ کے ذریعے روزانہ کی جمع کو ظاہر کرتا ہے۔ اس چارٹ کو تیار کرنے کے لیے استفسار میں پچھلے چارٹ کی طرح کارکردگی کے میٹرکس ہیں۔

ریئل ٹائم ڈیش بورڈز

نگرانی اور مشاہدہ کسی بھی اہم کاروباری ایپلیکیشن جیسے تجارتی رپورٹنگ، رسک مینجمنٹ، اور ٹریڈ مینجمنٹ سسٹم کے لیے ایک اہم ضرورت ہے۔ سسٹم لیول میٹرکس کے علاوہ، اہم کارکردگی کے اشاریوں کی حقیقی وقت میں نگرانی کرنا بھی ضروری ہے تاکہ آپریٹرز کو الرٹ کیا جا سکے اور کاروبار کو متاثر کرنے والے واقعات کا جلد از جلد جواب دیا جا سکے۔ اس مظاہرے کے لیے، ہم نے گرافانا میں ڈیش بورڈز بنائے ہیں جو بالترتیب Kinesis ڈیٹا اسٹریم اور Aurora سے اقتباس میں تاخیر اور تجارتی ڈیٹا کی نگرانی کرتے ہیں۔

اقتباس کے ادخال میں تاخیر کا ڈیش بورڈ اس وقت کی مقدار کو ظاہر کرتا ہے جو ہر اقتباس کے ریکارڈ کو ڈیٹا اسٹریم سے اندراج کرنے اور Amazon Redshift میں استفسار کے لیے دستیاب ہونے میں لگتا ہے۔

تجارتی ادخال میں تاخیر کا ڈیش بورڈ ارورہ میں ٹرانزیکشن کے لیے Amazon Redshift میں استفسار کے لیے دستیاب ہونے میں لگنے والے وقت کی مقدار کو ظاہر کرتا ہے۔

صاف کرو

اپنے وسائل کو صاف کرنے کے لیے، AWS CloudFormation کا استعمال کرتے ہوئے اس اسٹیک کو حذف کر دیں۔ ہدایات کے لیے، رجوع کریں۔ AWS CloudFormation کنسول پر ایک اسٹیک کو حذف کرنا.

نتیجہ

تجارتی سرگرمیوں کے بڑھتے ہوئے حجم، زیادہ پیچیدہ رسک مینجمنٹ، اور بہتر ریگولیٹری تقاضے کیپٹل مارکیٹوں کی فرموں کو ریئل ٹائم اور قریب قریب ریئل ٹائم ڈیٹا پروسیسنگ کو اپنانے کی طرف لے جا رہے ہیں، یہاں تک کہ وسط اور بیک آفس پلیٹ فارمز میں بھی جہاں دن کا اختتام اور رات بھر پروسیسنگ ہوتی ہے۔ معیار تھا. اس پوسٹ میں، ہم نے دکھایا ہے کہ آپ Amazon Redshift کی صلاحیتوں کو استعمال میں آسانی، کم دیکھ بھال، اور لاگت کی کارکردگی کے لیے کیسے استعمال کر سکتے ہیں۔ ہم نے سٹریمنگ مارکیٹ کے ڈیٹا کو اکٹھا کرنے، OLTP ڈیٹا بیس سے اپ ڈیٹس پر کارروائی کرنے، اور ڈیٹا کو تجزیہ اور رپورٹنگ کے لیے دستیاب کرنے سے پہلے پیچیدہ اور مہنگا ETL یا ELT پروسیسنگ کیے بغیر تھرڈ پارٹی ریفرنس ڈیٹا استعمال کرنے کے لیے کراس سروس انٹیگریشن پر بھی تبادلہ خیال کیا۔

اگر آپ کو اس حل کو نافذ کرنے میں کسی رہنمائی کی ضرورت ہو تو براہ کرم ہم سے رابطہ کریں۔ کا حوالہ دیتے ہیں Amazon Redshift سٹریمنگ ادخال کے ساتھ حقیقی وقت کے تجزیات, Amazon Redshift کے ساتھ Amazon Aurora صفر-ETL انضمام کا استعمال کرتے ہوئے قریب قریب حقیقی وقت کے آپریشنل تجزیات کے لیے گائیڈ شروع کرنا، اور AWS ڈیٹا ایکسچینج ڈیٹا شیئرز کے ساتھ بطور پروڈیوسر کام کرنا مزید معلومات کے لیے.

مصنفین کے بارے میں

ستیش سونتی اٹلانٹا سے تعلق رکھنے والا ایک سینئر اینالیٹکس اسپیشلسٹ سلوشنز آرکیٹیکٹ ہے، جو انٹرپرائز ڈیٹا پلیٹ فارمز، ڈیٹا ویئر ہاؤسنگ، اور اینالیٹکس سلوشنز بنانے میں مہارت رکھتا ہے۔ اس کے پاس ڈیٹا اثاثے بنانے اور دنیا بھر میں بینکنگ اور انشورنس کلائنٹس کے لیے پیچیدہ ڈیٹا پلیٹ فارم پروگراموں کی قیادت کرنے کا 18 سال سے زیادہ کا تجربہ ہے۔

الکیٹ میموشاج AWS میں فنانشل سروسز مارکیٹ ڈیولپمنٹ ٹیم میں بطور پرنسپل آرکیٹیکٹ کام کرتا ہے۔ Alket سرمائے کی منڈیوں کے لیے تکنیکی حکمت عملی کے لیے ذمہ دار ہے، شراکت داروں اور صارفین کے ساتھ مل کر AWS کلاؤڈ پر تجارتی لائف سائیکل میں ایپلی کیشنز کی تعیناتی کے لیے کام کرتا ہے، بشمول مارکیٹ کنیکٹیویٹی، تجارتی نظام، اور تجارت سے پہلے کے تجزیات اور تحقیقی پلیٹ فارم۔

روبن فالک کیپیٹل مارکیٹس کا ماہر ہے جو AI اور ڈیٹا اور تجزیات پر مرکوز ہے۔ روبن کیپٹل مارکیٹ کے شرکاء سے جدید ڈیٹا فن تعمیر اور منظم سرمایہ کاری کے عمل پر مشاورت کرتا ہے۔ انہوں نے S&P گلوبل مارکیٹ انٹیلی جنس سے AWS میں شمولیت اختیار کی جہاں وہ انوسٹمنٹ مینجمنٹ سلوشنز کے عالمی سربراہ تھے۔

جیف ولسن تجزیاتی پلیٹ فارمز کے ساتھ کام کرنے کا 15 سال کا تجربہ رکھنے والا عالمی سطح پر گو ٹو مارکیٹ ماہر ہے۔ اس کی موجودہ توجہ Amazon Redshift، Amazon کے آبائی کلاؤڈ ڈیٹا گودام کے استعمال کے فوائد کا اشتراک کر رہی ہے۔ جیف فلوریڈا میں مقیم ہیں اور 2019 سے AWS کے ساتھ ہیں۔

• SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
• پلیٹو ڈیٹا ڈاٹ نیٹ ورک ورٹیکل جنریٹو اے آئی۔ اپنے آپ کو بااختیار بنائیں۔ یہاں تک رسائی حاصل کریں۔
• پلیٹوآئ اسٹریم۔ ویب 3 انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
• پلیٹو ای ایس جی۔ کاربن، کلین ٹیک، توانائی ، ماحولیات، شمسی، ویسٹ مینجمنٹ یہاں تک رسائی حاصل کریں۔
• پلیٹو ہیلتھ۔ بائیوٹیک اینڈ کلینیکل ٹرائلز انٹیلی جنس۔ یہاں تک رسائی حاصل کریں۔
• ماخذ: https://aws.amazon.com/blogs/big-data/combine-transactional-streaming-and-third-party-data-on-amazon-redshift-for-financial-services/