数据管理挑战导致79%的金融公司增加预算

长期以来，金融公司一直依赖过时的数据系统，这些系统降低了效率并增加了成本。尽管努力利用更先进的技术，比如人工智能（AI），但许多机构仍在应对碎片化的基础设施困境。

最近Gresham的研究结果显示，这些系统导致了低效和增加了监管风险。许多金融公司据报道依赖电子表格和过时的工具。根据研究，这造成了复杂的数据孤立生态系统和质量不一致，使整合变得复杂并拖慢了决策过程。

数据管理失控的成本

例如，英国公司比美国同行更快地接受新数据，只需几周而非几个月。这突显了迫切需要简化基础设施。

然而，44%的公司在管理分布在多个地点的数据方面遇到困难，导致了冗余和高额成本。数据量的不断增加伴随着激增的费用，但大多数公司缺乏实时成本跟踪系统。

只有21%的公司实时监控数据消耗和成本，其他公司则容易受到意外账单的影响。特别是较小的公司据称遭遇手动跟踪方法，这推迟了报告并对预算造成压力。

不透明的定价模型和碎片化预算加剧了这些问题。报告显示，由于数据管理相关的隐藏成本惊喜，这仍然是一个主要关注点，34%的公司将其视为重要挑战。

实时数据管理

实时数据管理对于金融公司保持竞争优势至关重要，然而许多公司迟迟未能彻底改造其系统。虽然79%的公司计划增加实时数据的预算，但基础实践往往滞后。

此外，报告指出，过度依赖人工智能而不注重数据效率将加剧这些挑战。错误的数据导致AI系统出现错误，产生误导性见解和更高的成本。报告警告称，缺乏适当的数据管理，AI项目可能无法取得有意义的结果。

该研究现在提出了更好数据系统的建议。其中包括集中预算并实施可扩展和实时的数据系统，以减少冗余并改进决策。报告还建议采用数据即服务解决方案，以削减成本同时提高运营效率。

一份专注于支付数据的最新报告展示了人工智能等技术如何将原始数据转化为基于统一数据集或高级分析的战略见解。这是因为AI能够发现传统方法无法看到的隐藏模式和趋势。