金融業界のデータ管理はどこへ向かうのでしょうか?

金融業界のデータ管理はどこへ向かうのでしょうか?

近年、インターネット金融の波は伝統的な金融業界に課題をもたらしています。同時に、伝統的な金融企業の情報化プロセスも、ITインフラストラクチャのクラウドコンピューティング、ビッグデータプラットフォームの広範な使用、ソフトウェア定義データセンターの概念の普及、ITのサービス化への変革など、大きな発展のトレンドに直面しています。

金融業界では、ビジネスモデルの継続的な革新に伴い、分散、マイクロサービス、クラウドネイティブ、ビッグデータなどの革新的なテクノロジーに基づいた新しい金融インフラプロジェクトが積極的に開発されています。このような状況において、データの急速な増加によりストレージコストが高騰し、ビジネス開発とイノベーションによりデータ管理に対する要求が高まり、複数のインフラストラクチャの共存によりデータ管理と運用の複雑さが増し、規制コンプライアンスがますます厳格化するなど、金融業界の情報化への道のりには多くの課題が生じています。

金融業界における新しいビジネスモデルと新しいテクノロジーアプリケーションの開発ニーズに応えて、データ管理テクノロジーの分野では、次のような多くの新しい開発トレンドが見られてきました。

トレンド1: 統合データ管理

データ センター アーキテクチャが成熟するにつれて、基盤となるリソース構造は、情報サイロを排除し、急速に発展するビジネス システムのさまざまなニーズを満たすことができる、互換性のある大規模なプラットフォームに徐々に統合されます。この変化に対応するために、データ管理ソフトウェア ベンダーは、アプリケーション負荷の統合管理、統合データ管理シナリオ、統合リソース管理を含む統合データ管理プラットフォームに目を向け始めています。これらの統合管理機能の統合により、データ管理プラットフォームは、マルチフォーム、マルチアーキテクチャ、合理化された管理、メンテナンスの容易さの方向に徐々に着実に発展してきました。

トレンド2: ストレージリソースのプーリング

分散型およびハイパーコンバージド型のテクノロジーが成熟するにつれて、データ ストレージは従来のスケールアップ アーキテクチャからオープン プラットフォームのスケールアウト アーキテクチャに移行しました。したがって、オープン ハードウェア プラットフォーム上に構築された分散ストレージ リソース プールが、データ管理の開発方向になります。IT 管理者は、分散ストレージ リソース プールを使用して、ハードウェア リソースを統合し、データ アイランドを接続し、データ サイロを排除することで、データ管理をより効率的、柔軟、シンプルにし、コストを削減できます。

トレンド3: データ管理からデータサービスへの変革

近年、大手金融機関はクラウド技術を活用して規模のメリットを獲得し、総コストを削減しています。従来のIT運用保守管理は、サービス指向の管理モデルへと進化し始めています。IT運用保守管理の重要な部分として、データ管理もサービスモデルの変革に直面しています。クラウド環境では、データ管理は受動的で集中化された運用・保守モードからユーザーセルフサービスモードに変わり、バックアップ、災害復旧、リカバリなどの日常的なデータ管理シナリオはユーザー自身で完了するようになります。これには、データ管理プラットフォームに、マルチテナント管理、統合認証、課金と計測、オンデマンド拡張などの機能が必要です。将来の理想的なデータ管理セルフサービス プラットフォーム アーキテクチャは次のようになります。

トレンド4: オープンインターフェースを使用してカスタマイズされたニーズを満たす

金融業界ではデータ管理に対する要件が非常に高いため、標準的な商用ソフトウェアでは企業のニーズを完全に満たすことはできません。同時に、従来のソフトウェア開発プロセスは時間がかかりすぎることが多く、変化するビジネスニーズに対応するのが困難です。急速に変化し、ますますパーソナライズ化が進むデータ管理のニーズに対応するために、データ管理プラットフォームの開発トレンドは、オープン API インターフェースを提供することになります。データ管理者は、オープンインターフェースを使用して、データ管理プラットフォーム上で迅速にカスタマイズされた開発を実行し、独自のニーズを満たすことができます。

<<:  運輸省:2025年までに自動運転技術の産業化を推進

>>:  2021年の人工知能と機械学習の5つのトレンド

ブログ    

推薦する

...

...

プロジェクトの失敗を促しますか? MITとスタンフォードでは、大きなモデルが積極的に質問し、あなたが何を望んでいるかを把握できるようにしています

予想通り、リマインダーエンジニアリングは消えつつあり、この新しい研究はその理由を説明しています。何百...

...

分析とAIがIoTの成長を牽引

「未来の工場には、男性と犬の2人の従業員しかいないでしょう。男性は犬に餌を与え、犬は男性を監視して機...

ニューラルネットワークにおけるBPアルゴリズムの原理とPython実装のソースコード解析

私は最近、BP アルゴリズムを体系的に研究し、この研究ノートを書きました。私の能力が限られているため...

ロボットの魚は本物の魚よりも速く泳ぎます!人間の心筋細胞から作られた紙の魚は108日間自律的に泳ぐことができる

米国のハーバード大学とエモリー大学の研究者らが協力し、ヒト幹細胞から抽出した心筋細胞を使った「人工魚...

...

...

...

AI画像合成技術の新たな波:Stable Diffusion 3とSoraアーキテクチャのブレークスルー

人工知能の黄金時代を迎え、画像合成技術はかつてない速さで発展しています。単純な画像編集から複雑なシー...

IoTと農業: コネクティビティが農業をどう変えるのか

インダストリー 4.0 はよく知られたアイデアですが、アグリカルチャー 4.0 はあまり知られていな...

Microsoft TaskWeaver オープンソース フレームワーク: データ分析と業界のカスタマイズを組み合わせてトップ エージェント ソリューションを作成

データ分析は現代社会において常に重要なツールであり、本質を理解し、パターンを発見し、意思決定を導くの...

...

DeepMind の新しい研究: ReST は大規模なモデルを人間の好みに合わせて調整し、オンライン RLHF よりも効果的です

過去数か月間、私たちは大規模言語モデル (LLM) が高品質のテキストを生成し、幅広い言語タスクを解...