Den stora datatekniken och tjänsterna förväntas nå 48 dollar. 6 miljarder år 2019, enligt forskningsföretaget IDC. Genom att intelligent aggregera olika dataset tillhandahåller företag inom denna sektor värdefulla uppgifter för att hjälpa kunderna att förbättra sina marknadsföringsinsatser och ge kunderna större värde. Envestnets förvärv av Yodlee på 590 miljoner dollar - den näst största finansiella tekniken förra året - understryker stora data fortsatta infiltration i finansiella tjänster.

Här är hur stora data spelar en avgörande roll i finansiell rådgivares arbetsliv och några strategier om hur man kan dra nytta av det. (För relaterad läsning, se: Tekniska trenderådgivare måste hålla sig fram till .)

Stora data 101

Stora data är en term som sannolikt skapas av en forskare och nu kastas av journalister och analytiker. Medan stora mängder data har lagrats under årtionden, hänvisar dagens användning av konceptet till den nya gruvtekniken som extraherar det materiella värdet från stora datamängder. Det statistiska konceptet i lagen om stora siffror tyder på att data kan dra mer och mer exakta slutsatser över tid när det gäller att mäta saker som kundbeteende.

Yodlee sammanställer exempelvis klientdata från tusentals finansiella institutioner för att ge en komplett bild till företag som vill utnyttja det. En finansiell rådgivare kan använda tekniken för att bestämma kundens riskprofil genom att se om han eller hon ökade eller minskade hans eller hennes marknadsexponering under en nedgång. Å andra sidan kan en budgetansökan titta på kreditkortsaldor och räntor för att bestämma en optimal skuldåterbetalningsplan.

Enligt IDC representerar banken den största stora datakansen efter diskret tillverkning på $ 1. 8 miljarder 2014, medan investeringstjänster var det snabbast växande segmentet med en årlig tillväxt på 26%. Dessa dynamik tyder på att stora data kan spela en allt större roll i finansiella rådgivares liv, med de som inte omfamnar sådan teknik som riskerar att förlora en konkurrensfördel.

Leverans av stora data

Finansiella rådgivare kan börja utnyttja stora data genom att ta en titt på egna uppgifter innan de köper tredjepartsdata. Rådgivare kan till exempel kontrollera att kunderna har konton som sänks i värde och når ut till dem, och de kan belöna kunder som regelbundet bidrar till pensionskonton och följer budgetar. Dessa insikter är fria och kan få en enorm inverkan på kundrelationer om de genomförs regelbundet. (För närliggande läsning, se: Hur människor och robotar kommer att förbättra finansiell rådgivning. )

När det gäller att utöka stor dataåtkomst kan finansiella rådgivare se till både kontoaggregeringsverktyg som Yodlee och marknadsföringsverktyg som Insides.Yodlee ger insikter om kundens ekonomiska situation i flera finansiella institut, medan InsideSales kan berätta för rådgivare att den optimala tiden på dagen för att ringa eller e-posta potential leder till att deras marknadsföringsmaterial läses. Båda verktygen kan hjälpa till att bygga en finansiell rådgivare övning över tiden.

Datatriven konkurrens

Finansiella rådgivare kan också möta ökad konkurrens från stora datalager som automatiserar insikter för både enskilda och företagskunder.

Uppkomsten av robo-rådgivare har skapat ett mycket verkligt hot för enskilda finansiella rådgivare, särskilt de som riktar sig till yngre generationer. Genom att länka med tredjeparts finansiella konton ger robo-advisor Betterment's RetireGuide en statistiskt roterad översikt över hur mycket man kan förvänta sig att tjäna när de går i pension och ger en uppskattning av hur mycket du ska spara. Den lägre kostnaden genom automatisering kan göra dessa tjänster svåra att konkurrera med över tiden.

I företagsektorn HelloWallet, som förvärvades av Morningstar Inc. (MORN MORNMorningstar Inc87. 23 + 0. 14% Skapat med Highstock 4. 2. 6 ) - hjälper arbetsgivare att ge råd deras arbetstagare på sätt att maximera sina löner, förmåner och andra resurser genom att analysera stora dataset av liknande kunder. Den pågående datainsamlingen hjälper till att finjustera prediktiva modeller för att ge bättre råd och mer användbar kommunikation till sina kunder över tiden, vilket kan göra det till en alltmer formidabel motståndare för rådgivare i rymden. ) Potentiella headwinds

Stora data mosaikeffekter har tagit upp problem om potentiella risker för konsumenternas integritet, eftersom kombinationer av data kan generera överkänsliga insikter. Till exempel kan kombinationen av två dataset göra det uppenbart vem en person är när data är utformad för att bli anonymiserad. Datapunkterna kan också vara felaktiga i vissa fall, vilket kan bli ett problem när företag antar att det målar en korrekt bild.

När det gäller prediktiva algoritmer tenderar det också att vara en förstärkning av biaser som i sig existerar inom data. Analytics som används för att göra ett kreditbeslut, t ex, ska inte diskrimineras baserat på tävling, men ras kan härledas utifrån de uppgifter som samlats in från olika källor. Den undersökta personen kan då sättas ner för ett lån. Dessa dynamik kan i vissa fall ge företagen juridisk risk om de inte används korrekt.

Bottom Line

Stora data har dominerat finansbranschen under de senaste åren, med ökningen av automatiserade tjänster som Mint och SigFig. Finansiella rådgivare kan hålla sig före kurvan genom att omfamna tekniken tidigt och integrera den i deras dagliga arbetsflöde för att förbättra sina intäkter och kundrelationer. (För relaterad läsning, se:

Populär teknik för RIA. )