രാജ്യത്തെ ഓഹരി നിക്ഷേപകരുടെ എണ്ണം 18.5 കോടിയെന്ന സർവകാല റെക്കോഡിലെത്തിയിരിക്കുന്നു. കുതിക്കുന്ന ഓഹരി സൂചികകളും നിക്ഷേപക മനോഭാവത്തിലെ വ്യതിയാനങ്ങളുമാണ് ഓഹരിയിലെ ആഭിമുഖ്യം വർധിപ്പിച്ചത്.
എൻഎസ്‌ഇയുടെ കണക്കുപ്രകാരം 4.88 കോടി പേരാണ് ഓഹരി വിപണിയില്‍ സജീവമായി ഇടപെടുന്നത്. 4,900 ഓഹരി ബ്രോക്കർമാരും രാജ്യത്തുണ്ട്. സ്വന്തമായി നിക്ഷേപം നടത്തുന്ന പുതിയ നിക്ഷേപകരില്‍ ഏറപ്പേരും ഡിസ്കൗണ്ട് ബ്രോക്കർമാർ വഴിയാണ് ഇടപാട് നടത്തുന്നത്.
പരിചയസമ്ബന്നരും വിപണിയില്‍ അവഗാഹമുള്ളവരുമായ നിക്ഷേപകർ പരമ്ബരാഗത ഫുള്‍ സർവീസ് ബ്രോക്കർമാരെയാണ് ആശ്രയിക്കുന്നത്. ബിഗ് ഡാറ്റ പ്രയോജനപ്പെടുത്തിയുള്ള നിക്ഷേപ തീരുമാനങ്ങളാകും വരുംവർഷങ്ങളില്‍ മികച്ച നേട്ടമുണ്ടാക്കാൻ അനുയോജ്യമെന്നാണ് ഏറെപ്പേരും കരുതുന്നത്.
ബിഗ് ഡാറ്റയുടെ സാധ്യതകള്‍
പരസ്പരബന്ധിതമായ ഒരു ലോകത്ത് എല്ലാവരും ഓണ്‍ലൈനില്‍ കണക്ടഡ് ആയിരിക്കുന്നു. ഓണ്‍ലൈനില്‍ ഇടപാട് നടത്താത്തവർ വളരെ ചുരുക്കമാണ്. സങ്കല്‍പിക്കാനാകാത്ത തോതിലുള്ള (ഘടനാപരമോ ഘടനയില്ലാത്തതോ ആയ)ഡാറ്റയാണ് ഈ ഇടപാടുകളില്‍നിന്ന് സൃഷ്ടിക്കപ്പെടുന്നത്.
മെഗാബൈറ്റ്(എംബി), ജിഗാബൈറ്റ് (ജിബി) എന്നിവയുമായി ദൈനംദിന ജീവിതം ബന്ധപ്പെട്ടിരിക്കുന്നു. എന്നാല്‍ ഇവിടെ വിശദീകരിക്കുന്നത് ടെറാബൈറ്റുകളേയും പെറ്റാബൈറ്റുകളെയും കുറിച്ചാണ്. അതാണ് ബിഗ് ഡാറ്റയുടെ ലോകം.
നിക്ഷേപ ലോകം ഉറ്റുനോക്കുന്നത്
തത്സമയാടിസ്ഥാനത്തില്‍ ഡാറ്റ ക്ലീൻ ചെയ്യുന്നതിനും ഫോർമാറ്റ് ചെയ്യുന്നതിനും വിശകലനം ചെയ്യുന്നതിനും മനുഷ്യർക്ക് കഴിയില്ല.
മെഷീൻ ലേണിങ്, ആർട്ടിഫിഷ്യല്‍ ഇന്റലിജൻസ് എന്നിങ്ങനെ വൈവിധ്യമാർന്ന ഡാറ്റ കൂട്ടങ്ങളുടെ പൊരുള്‍ മനസിലാക്കാൻ പ്രത്യേക ടൂളുകളുടെ സഹായം തേടേണ്ടതുണ്ട്. മികച്ചതും വേഗത്തിലുള്ളതുമായ തീരുമാനമെടുക്കുന്നതിനും ഡാറ്റ ഉപയോഗിക്കേണ്ടിവരും.
‘ബിഗ് ഡാറ്റ’ യെ ‘സ്മാർട്ട് ഡാറ്റ’യാക്കിയാലേ സാധാരണ നിക്ഷേപകർക്ക് അതില്‍നിന്ന് നേട്ടമുണ്ടാക്കാൻ കഴിയൂ.
ബിഗ്ഡാറ്റ അനലിറ്റിക്സ് ഉപയോഗിച്ച്‌ വൻകിട സ്ഥാപനങ്ങള്‍ നിലവില്‍ ചെറിയ രീതിയിലാണെങ്കിലും പുതിയ നിക്ഷേപ മാതൃകകള്‍ നിർമിക്കുന്നുണ്ട്. കാര്യക്ഷമമായ ഫണ്ട് മാനേജുമെന്റിനായി തത്സമയം ലഭ്യമാകുന്ന സാമ്ബത്തിക ഡാറ്റയുടെ വലിയ അളവ് ബ്രോക്കറേജുകളും നിക്ഷേപ മാനേജർമാരും പ്രയോജനപ്പെടുത്തുന്നു.
ഫിനാൻഷ്യല്‍ റിപ്പോർട്ടുകള്‍, വരുമാന കണക്കുകള്‍, മുൻകാല വരുമാന വിവരങ്ങള്‍, വിപണിയുടെ സ്വഭാവം തുടങ്ങിയവ ഘടനാപരമായി വിശകലനം ചെയ്യുന്നതിനും വേഗത്തില്‍ തീരുമാനമെടുക്കുന്നതിനും ഇതിലൂടെ കഴിയുന്നു.
തത്സമയ സംഭവവികാസങ്ങളെ അടിസ്ഥാനമാക്കി സ്ക്യൂരിറ്റികള്‍ വിശകലനം ചെയ്യുന്നതിന് പല സ്ഥാപനങ്ങളും ഡാറ്റാ അധിഷ്ഠിത മാതൃകകള്‍ ഉപയോഗിക്കാൻ തുടങ്ങി.
ഓഹരിയുടെ മുന്നേറ്റത്തില്‍ വിവിധ ഘടകങ്ങളുടെ സ്വാധീനം വിലയിരുത്തുന്നതിന് നിക്ഷേപ ഈ സാധ്യതകള്‍ ഉപകരിക്കും. അപകട സാധ്യത തത്സമയം വിലയിരുത്തുന്നതിന് പോർട്ഫോളിയോ മാനേജർമാർ നിക്ഷേപ മാതൃകകള്‍ നിർമിക്കുന്നു.
അവരുടെ നിക്ഷേപ സിദ്ധാന്തങ്ങള്‍ പരിശോധിക്കാൻ ഡാറ്റയും ഉപയോഗിക്കുന്നു. മ്യൂച്വല്‍ ഫണ്ടുകള്‍, പിഎംഎസ്, ബ്രോക്കിങ് ഹൗസുകള്‍ എന്നിവ ഡാറ്റാധിഷ്ഠിത ഫണ്ട് മാനേജുമെന്റ് സൊലൂഷനുകള്‍ ഉപയോഗിച്ചുതുടങ്ങിയിട്ടുണ്ട്. വ്യത്യസ്ത നിക്ഷേപ പരിഹാരങ്ങള്‍ വാഗ്ദാനം ചെയ്യാൻ ഫിൻടെക് സ്ഥാപനങ്ങളും ഇത് ഉപയോഗിക്കുന്നതായി കാണുന്നു.
നിക്ഷേപ തീരുമാനങ്ങളില്‍ വരുംവർഷങ്ങളില്‍ ബിഗ് ഡാറ്റ വിശകലനം വഹിക്കാൻ പോകുന്ന പങ്ക് അടിവരയിടുന്നതാണ് ഇതല്ലാം. പ്രവചന മാതൃകകള്‍, അപകടസാധ്യതാ വിലയിരുത്തല്‍ മാതൃകകള്‍, ബിഹേവിയറല്‍ ടൂളുകള്‍, തുടങ്ങിയവ നിക്ഷേപ മേഖലയില്‍ അനിവാര്യഘടകങ്ങളായി മാറും.
വൈകാരികതയ്ക്കപ്പുറമുള്ള നിക്ഷേപ തീരുമാനങ്ങളെടുക്കുന്നതില്‍ ധനകാര്യ മാനേജർമാർക്ക് ഇതിലൂടെ കഴിയുമോയെന്നതാണ് പ്രസക്തം. തീർച്ചയായും അത് സാധ്യമാകുമെന്നാണ് വിലയിരുത്തല്‍. ഡാറ്റ സെന്ററുകളുടെ വ്യാപനവും അവമനസിലാക്കുന്നതിനുള്ള അത്യാധുനിക ഉപകരണങ്ങളും തീരുമാനമെടുക്കല്‍ വേഗത്തിലാക്കും.
എന്നാല്‍ മനുഷ്യന്റെ ഇടപെടല്‍ പൂർണമായും ഇല്ലാതാക്കുമോ? ഒരിക്കലുമില്ല. പരിചയസമ്ബന്നനായ ഒരു വിദഗ്ധന്റെ മൂല്യംകൂടുകയേ ഉള്ളൂ. ശക്തമായ പ്രക്രിയകളുടെ സഹായത്തോടെ അവർ ആഴത്തിലുള്ള അറിവ് ഉപയോഗിച്ച്‌ മാറ്റമുണ്ടാക്കുകയും ചെയ്യും.
