Data usage at a new level: why the financial industry needs to engage with prescriptive analytics and digital twins.
Calculating forecasts based on averages are so last year: these days, companies can perform complex live simulations for every one of their clients – using live data.
Deriving insights for the business from large volumes of data is nothing new in the financial sector. Model calculations and simulations have also been around even longer than the overused term “big data”. What is new, however, is a development that is expressed with the terms “prescriptive analytics” and “digital twins” – and it has the potential to change entire industries. Data analysis and decision-making are converging to an extent that would not have been possible before.
This is most evident with “digital twins”, a concept that comes from the manufacturing industry. In that sector, a digital twin is the computer simulation of either a single component or an entire machine. This is nothing new – engineers have long been designing components on the computer and using material properties to calculate whether the components will do what is required of them. This design data is then converted into any number of physical versions of the components.
Each physical version gets its own live simulation
In the case of the "digital twin", on the other hand, a copy of the blueprint is created for each physical version and continuously fed with data: where is the component used, what environmental conditions prevail, to what degree is it contaminated? This means that engineers can for each individual component predict how long it will last, how it behaves and how much it can withstand – no averages, but precise information for this specific component with its individual, constantly updated history.
The data for this real-time monitoring is provided by the networked sensors in machines and components, which are becoming more and more widespread in industry – the much-cited Internet of things. According to a study by the market research firm Gartner, half of the large industrial companies will be using twin technology by 2021.
Even customers can be depicted as digital twins
People are also increasingly allowing themselves to be recorded by sensors and are producing behavioral and consumer data in unprecedented numbers. This means that the financial sector can also make use of digital twins. Thus, for example decisions made by real bank customers can be simulated – and much more accurately than through calculation of averages. In this case, the digital twin is derived from socio-demographic, financial and health data as well as insights from behavioral science. This is supplemented by the company’s own data. By continuously incorporating new insights into the customer's spending and savings habits, for example, his virtual counterpart is constantly learning. The latter could then work out the optimal savings and investment strategy for the customer – provided that he agrees to the appropriate and legally compliant processing of his data.
Using data to predict the consequences of your own actions
Pronouncing recommendations for action on the basis of data analysis is an idea that is also born of the concept of prescriptive analytics. This does sound similar to predictive analytics, which Amazon in particular has promulgated – using its data, the retail giant continuously calculates who will order which products, with which probability, when and where – and directs its flow of goods accordingly. Prescriptive analytics goes one step further: computers calculate different options for action on the basis of current data, play them through in the simulation, check the consequences of different scenarios and then give a recommendation for action.
The parcel service UPS, for example, uses sensors on its trucks to track their whereabouts and traffic conditions. With these findings, they optimize the routes of the delivery vehicles. Juan Perez, Chief Information Officer at UPS, explains: “If we reduce the distance for each driver in the US alone by one mile per day, we will within one year save $ 50 million per year.”
Copyrights: Getty Images
Annak érdekében, hogy a honlapon nyújtott szolgáltatások használatát komfortosabbá tegyük Önnek, a honlapunkon cookie-kat (sütiket) használunk. -Ezek közé tartoznak a honlap működéséhez nélkülözhetetlen cookie-k, melyeket anonimizáltan, statisztikai célokra használunk, a kényelmi beállításokat szolgáló cookie-k, valamint az érdeklődési körének megfelelő, személyre szabott tartalmak biztosítására szolgáló cookie-k (marketing célú cookie). Ön döntheti el, hogy engedélyezi-e a statisztikai, a kényelmi, valamint a marketing célokból használt cookie-kat. Továbbá bármikor módosíthatja vagy visszavonhatja hozzájárulását azáltal, ha a honlap alján található Cookie-beállítások megváltoztatására kattint. További információkat az Adatvédelmi szabályzatunkban és impresszum találhat.
Nélkülözhetetlen
Nélkülözhetetlen cookie-kat használunk. Ezek a cookie-k a honlap működéséhez és az alapvető funkcióinak ellátásához szükségesek. Különösen a honlapunk biztonsággal kapcsolatos funkcióit teszik lehetővé.
Az általunk használt cookie-król itt olvashat.
Eszköz neve
Cookieconsent_status
Eszközszolgáltató
EOS Holding GmbH
Eszközszolgáltató
Steindamm 71, 20099 Hamburg, Németország
Eszköz leírása
Szükséges cookie a hozzájárulási banner bejegyzéseinek mentéséhez.
Feldolgozott adatok
Nincs
Adatfeldolgozás célja
Hozzájárulás tárolása
A weboldal kifogástalan működése
60 nap
Eszköz neve
Java Session Cookie
Eszközszolgáltató
EOS Holding GmbH
Eszközszolgáltató
Steindamm 71, 20099 Hamburg, Németország
Eszköz leírása
Véletlenszerűen generált munkamenetszám, amely elengedhetetlen az alkalmazásszoftver megfelelő működéséhez.
Feldolgozott adatok
Nincs
Adatfeldolgozás célja
A weboldal kifogástalan működése
A weboldal kifogástalan működése
Munkamenet cookie – a böngésző bezárása után törlődik.
Kényelmi
Ha engedélyezi a kényelmi cookie-kat, könnyebbé tehetjük az Ön számára a honlapunk használatát. Ha később újra ellátogat a honlapunkra vagy használja a szolgáltatásainkat, a honlap automatikusan felismeri, hogy Ön korábban már felkereste azt, és az Ön által létrehozott beállításokat is automatikusan azonosítja, így Önnek nem kell újra kiválasztania azokat.
Az általunk használt cookie-król itt olvashat.
Eszköz neve
Visitor
Eszközszolgáltató
EOS Holding GmbH
Eszközszolgáltató
Steindamm 71, 20099 Hamburg, Németország
Eszköz leírása
Ezt a cookie-t arra használjuk, hogy megkönnyítsük Önnek a weboldal használatát.
Feldolgozott adatok
Nincs
Adatfeldolgozás célja
Szolgáltatás optimalizálása, javítása
A weboldal kifogástalan működése
Munkamenet cookie – a böngésző bezárása után törlődik.
Eszköz neve
NEW_Visitor
Eszközszolgáltató
EOS Holding GmbH
Eszközszolgáltató
Steindamm 71, 20099 Hamburg, Németország
Eszköz leírása
Ezt a cookie-t arra használjuk, hogy megkönnyítsük Önnek a weboldal használatát.
Feldolgozott adatok
Nincs
Adatfeldolgozás célja
Szolgáltatás optimalizálása, javítása
A weboldal kifogástalan működése
1 nap
Statisztikai
Statisztikai cookie-kat használunk, hogy a szolgáltatásainkat javítsuk, valamint biztosítsuk az igényeken alapuló dizájnt és a holnap folyamatos optimalizáltságát.Ennek érdekében anonimizált adatokat gyűjtünk statisztikai és analitikai célokra, például a honlap látogatottságának és a felhasználók viselkedésének meghatározására, valamint a tartalmaink és a honlapélmény alakítására és fejlesztésére.
Az általunk használt cookie-król itt olvashat.
Eszköz neve
nmstat
Eszközszolgáltató
Siteimprove GmbH
Eszközszolgáltató
Rosenheimer Str. 143 C, 81671 München, Németország
Eszköz leírása
Ez a cookie az aktuális munkamenet azonosító karakterláncát tartalmazza. Ez nem személyes információkat tartalmaz arról, hogy melyik aloldalakra lép be a látogató – ezt az információt a látogatói élmény optimalizálására használjuk.
Feldolgozott adatok
Nincs
Adatfeldolgozás célja
Elemzés, statisztikák
A weboldal kifogástalan működése
399 nap
Eszköz neve
AWSELB
Eszközszolgáltató
Siteimprove GmbH
Eszközszolgáltató
Rosenheimer Str. 143 C, 81671 München, Németország
Eszköz leírása
A cookie biztosítja, hogy az ugyanazon munkamenetből származó összes statisztika egybefüggően kerüljön összegyűjtésre.
Feldolgozott adatok
Nincs
Adatfeldolgozás célja
Elemzés, statisztikák
A weboldal kifogástalan működése
Munkamenet vége
Eszköz neve
siteimproveses
Eszközszolgáltató
Siteimprove GmbH
Eszközszolgáltató
Rosenheimer Str. 143 C, 81671 München, Németország
Eszköz leírása
Ez a cookie a látogató weboldalon tett látogatása során megtekintett oldalak sorrendjének nyomon követésére szolgál.
Feldolgozott adatok
Nincs
Adatfeldolgozás célja
Elemzés, weboldal statisztikák
A weboldal kifogástalan működése
MMunkamenet cookie – a böngésző bezárása után törlődik.
Marketing
Annak érdekében, hogy az Ön számára lényeges és az érdeklődési körének megfelelő tartalmakat nyújthassunk, marketing cookie-kat használunk.
Az általunk használt cookie-król itt olvashat.
Eszköz neve
Facebook Pixel
Eszközszolgáltató
Meta Platforms Ireland Limited
Eszközszolgáltató
4 Grand Canal Square, Grand Canal Harbour, Dublin, D02, Ireland
Eszköz leírása
Ez a cookie arra szolgál, hogy a Meta reklámokat jelenítsen meg, mérje és javítsa a reklámok relevanciáját, valamint reklámtermékeket kínáljon a Meta felületén.
Feldolgozott adatok
Megtekintett hirdetések | Meglátogatott oldalak | Böngészőinformációk | Facebook cookie-információk | Facebook felhasználói azonosító | Földrajzi hely | Eszközinformációk | HTTP fejlécek | Interakciók hirdetésekkel, szolgáltatásokkal és termékekkel | IP-cím | Marketinginformációk | Felhasználási adatok és felhasználói viselkedés | Pixel azonosító | Hivatkozó URL | Felhasználói ügynök
Adatfeldolgozás célja
Elemzés | Konverziókövetés | Marketing | Közösségi média | Reklám
Ez a cookie arra szolgál, hogy névtelen jelentéseket készítsen a weboldal közönségéről és a célzott reklámozás lehetőségéről, beleértve a retargetinget is.
Feldolgozott adatok
Eszközinformációk, böngészőinformációk, IP-cím, hivatkozó URL és időbélyeg.