אנו חיים בעידן בו תעבורת המידע היא אינסופית, כאשר אינספור נתונים מופצים מדי יום במגוון רחב של מקורות ובקצב מסחרר. כוחו של מדע הנתונים מוצג כמעט בכל מקום – ולא בכדי. כולם מודאגים מנתונים, מהמנהל שרוצה לדעת כיצד לקצץ בהוצאות ולשפר את ערכו של העסק, תעשיית הבריאות, שרוצה לחזות מראש מחלות כדי להעניק טיפול טוב יותר למטופלים, וכן קרנות גידור וחברות למסחר בבורסה, שמעוניינות להציג תחזיות מדויקות ולאתר מגמות מבעוד מועד.
מדע הנתונים מיוצג בדרך כלל על ידי מספרים, שהם מתמטיקה של תכונות וסטטיסטיקה על ערכים שונים כמו לקוחות, מלאי, מספר רכישות וכן הלאה. המספרים עשויים לייצג נתון כספי כמו אגרות חוב, מדדים, מחירי מניות וסחורות . באמצעות בניית אלגוריתם ובחינתו במערכת ה-BI, דאטה אנליסט מבצע ניתוחים פיננסיים ומקבל החלטות בנוגע להשקעה במניה כזו או אחרת. הנה כמה דרכים שייסעו לכם להבין כיצד דאטה אנליסט מגדיל הכנסות ממסחר בבורסה.
מסחר באמצעות אלגוריתם
דאטה אנליסט מבצע שימוש רחב באלגוריתמים, שהם שורה של כללים, המיועדים לביצוע משימה מסוימת. יש לציין, שאין זה חריג בשוק ההון להיעזר באלגוריתמים כדי לבצע פעולות של מכירה או קניה של מניות, ומסחר אלגוריתמי קובע את הכללים בנוגע למועד קניה או מכירה של מניות. כך למשל: מנתח הנתונים יכול להגדיר מכירה של מניה ברגע שהיא מאבדת עשרה אחוזים מערכה בהשוואה למועד הרכישה שלה ורכישה של מניה אם היא יורדת בשמונה אחוזים במהלך היום. באופן זה ניתן לסחור באמצעות בוטים, ללא כל התערבות אנושית ולקבל החלטות מחושבות על סמך דאטה בלבד – ללא עירוב רגשות.
מסחר באמצעות בינה מלאכותית (BI)
בשנים האחרונות יותר ויותר קרנות וחברות מסחר מבססות את פעילות המסחר שלהן על מערכות בינה מלאכותית (AI), שבבסיסן עומד מודל "המכונה הלומדת" . מודל זה אוסף נתונים באופן שיטתי על מניות, מדדים, סחורות, אגרות חוב וכל נתון אחר שהוגדר על ידי הפירמה ומבצע חיזויים מדויקים על סמך הנתונים שנצברו. כך למשל מנתח הנתונים יכול לבנות מודל סדרות זמן, המתייחס לערך המניה באינדקס על פני תקופת זמן של שעה, יום, חודש ואפילו דקה. המודל עצמו מבוסס על מחירי המניות של השנה הקודמת, ומהווה את הבסיס לחיזוי מחירי המניות של השנה הבאה. דאטה אנליסט עובד עם נתונים ומנתח אותם במספר כיוונים: ראשית – הוא מנסה לבחון אם הנתונים מתאימים למודל או אילו נתונים עונים על סיווג מסוים, ושנית הוא מנסה להבין אילו אירועים עשויים להשפיע על מחירי המניות. באמצעות שאילת שאלות וביצוע חקירה "חופשית" הוא "מאתגר" את המודל ומגיע למידע רחב יותר, שלא בהכרח ניתן היה להגיע אליו "מתוך הנתונים היבשים".
ביצוע בדיקות
לאחר שדאטה אנליסט יצר מודל שאוסף את נתוני המניות, מנתח אותם ומציע את מחירי המניות העתידיים נדרש לבצע הערכה והשוואה בין מה שהציע המודל במערכת ה-BI לבין מה שהוא מעריך, שצריך היה להיות בפועל. לצורך כך, מנתח הנתונים בוחן את הדאטה בחודשים מסוימים ביחס למחירם האמיתי באותה השנה. שלב חקירה מהותי זה מהווה כר לחשיבה עבור כל דאטה אנליסט, שרוצה לבחון מדוע מניה התנהגה בצורה מסוימת, האם בשל אירועים נקודתיים? מחזוריים? אילו מניות אחרות השפיעו עליה וכן הלאה. כאן בא לידי ביטוי השילוב בין האדם החושב למכונה הלומדת, המאפשר להגיע לתובנות נסתרות בדאטה, לאתר מגמות על סמך הצלבת נתונים, לדייק את הניתוח ולשפר בכך את התחזיות העתידיות.