Bagaimana WealthAPI membangun jalur intelijen keuangan Siap untuk AI dengan IBM® watsonx.data dan Google Cloud BigQuery

WealthAPI adalah layanan backend fintech yang berbasis di Jerman untuk analisis keuangan berbasis AI real-time, termasuk analisis portofolio, insight arus kas, dividen, dan pelacakan kepatuhan. Solusi ini disampaikan kepada mitra lembaga keuangan melalui model B2B2C. Platform ini mendukung perjalanan keuangan yang cepat dan dipersonalisasi yang dimulai dengan akun mentah dan data transaksi dan meluas hingga memahami kepemilikan, membandingkan kinerja, dan menghasilkan rekomendasi.

Skalabilitas dan stabilitas adalah kunci dalam contoh penggunaan ini: infrastruktur harus siap untuk menangani beban kerja kondisi mapan dan lonjakan permintaan mendadak. WealthAPI beralih ke IBM® watsonx.data® untuk menangani beban kerja besar dataterstruktur—termasuk penyimpanan vektor dan pencarian—yang membutuhkan kinerja baca dan tulis yang tinggi dalam skala besar. Hasil adalah pengurangan waktu respons hingga 80%.

Dalam aliran penasihat tradisional, data dikumpulkan secara perlahan, direkonsiliasi secara manual dan ditinjau dalam pertemuan berkala. WealthAPI menargetkan pengalaman yang berbeda: menghasilkan pandangan yang koheren tentang kekayaan bersih, posisi, dan kinerja dalam hitungan detik, dengan perbandingan yang lebih kaya di seluruh kelas aset dan produk.

Pergeseran tersebut menciptakan tiga kendala teknik praktis:

• Penyerapan dalam skala besar dari sumber yang tidak konsisten: Data perbankan dan broker tiba dengan standardisasi terbatas dan variabilitas tinggi, dengan campuran umpan real-time, transaksi historis, dan data referensi seperti Product Master dan kutipan.
• Kualitas data yang harus bertahan tanpa kurasi manusia: Pembersihan gaya “kantor keluarga” sentuhan tinggi tidak selaras dengan margin skala konsumen. Namun pengguna masih mengharapkan tingkat akurasi dalam posisi, riwayat, dan analitik yang akan mereka terima dari pendekatan manual.
• Kapasitas elastis untuk gelombang pertumbuhan: Permintaan dapat tiba dalam semburan, sehingga sistem harus melayani puluhan ribu pengguna dan berskala hingga jutaan tanpa perubahan arsitektur.

Nilai yang dapat diukur terlihat pada pengalaman pengguna akhir: waktu mendapatkan insight lebih cepat, lebih sedikit kesalahan yang membingungkan pada kepemilikan atau transaksi, serta ketersediaan yang andal saat lonjakan beban yang biasanya dapat menurunkan kepercayaan terhadap produk keuangan.

Inilah cara WealthAPI mengatasi kendala teknik ini.

Arsitektur WealthAPI memisahkan beban kerja berdasarkan pola akses, latensi, dan struktur:

Data yang masuk mengalir melalui lapisan antrian pesan untuk memisahkan produsen dari layanan hilir. Google publish/subscribe menyediakan buffering elastis dan mekanisme fan-out yang memungkinkan beberapa layanan mengonsumsi event streams yang sama tanpa keterikatan yang ketat.

BigQuery adalah toko utama WealthAPI untuk data operasional volume tinggi, seringkali tidak terstruktur termasuk log penggunaan, pelacakan kesalahan, pelacakan kualitas, dan pelacakan respons bank. Pengaturan ini mendukung kueri dan analitik ad hoc di seluruh kumpulan log yang besar, di mana kekakuan skema lebih merupakan kendala daripada aset.

Untuk data terstruktur yang menuntut throughput baca dan tulis yang sangat baik, WealthAPI menggunakan watsonx.data. Kriteria keputusan dibingkai sebagai aturan routing pragmatis:

• Jika data cocok dengan SQL, simpan di SQL untuk kueri fleksibel (WealthAPI biasanya bergantung pada MySQL dan Postgres).
• Jika tidak terstruktur, multi-terabyte dan tidak memerlukan kinerja baca tinggi, BigQuery berfungsi dengan baik.
• Jika terstruktur dan membutuhkan kinerja baca dan tulis yang sangat baik dalam skala besar, watsonx.data adalah pilihan WealthAPI.

Pembeda inti dalam arsitektur adalah menanamkan pembuatan dan pengambilan:

• Data tiba melalui event streams
• Model menghasilkan menanamkan berdasarkan contoh penggunaan
• Menanamkan disimpan di watsonx.data bersama data domain
• Platform ini melakukan pencarian kesamaan untuk membandingkan produk, mengidentifikasi alternatif dekat, dan mendukung pengayaan dan kurasi yang dibantu AI

Ukuran dan biaya penyematan adalah realitas operasional: vektor menghabiskan penyimpanan dengan cepat, mendorong efisiensi dan kinerja pencarian untuk menjadi masalah tingkat pertama yang ditangani watsonx.data secara efektif. Contoh penggunaan AI utama untuk WealthAPI adalah kemampuan untuk membuat berbagai aset investasi sebanding di seluruh sumber—kutipan saham, data referensi, dan dana yang diperdagangkan di bursa. Penanaman sangat kuat dalam pengaturan ini, memungkinkan pencarian vektor dengan kinerja tinggi.

Untuk beban kerja keuangan, keandalan dan keamanan adalah fitur pengalaman pengguna: pengguna tidak peduli dengan pilihan basis data sampai ketersediaan turun atau kebocoran data sensitif. 

Beberapa hal penting perlu diperhatikan untuk menjaga keandalan dan keamanan:

• Kepatuhan terhadap Undang-Undang Ketahanan Operasional Digital (DORA). Diberlakukan oleh BaFin, DORA menangani risiko teknologi informasi dan komunikasi (TIK), mulai dari persyaratan pelaporan insiden hingga prosedur pengujian ketahanan operasional. Residensi data regional adalah persyaratan praktis, terutama bagi mitra yang mengharapkan data tetap berada di UE dan seringkali dalam yurisdiksi tertentu.
• Mencegah paparan data sensitif dalam log, sehingga tim rekayasa dan dukungan dapat mendiagnosis masalah tanpa melihat data perbankan yang seharusnya tetap dibatasi.
• Menanamkan dan batas-batas model yang aman, memastikan bahwa sinyal yang berasal dari transaksi tidak menjadi data pelatihan dan alur kerja pengambilan tidak melewati Boundary penyewa.

Kontrol ini terhubung langsung ke total biaya kepemilikan (TCO): lebih sedikit insiden, lebih sedikit ulasan manual dan pemisahan tugas yang lebih jelas mengurangi beban operasional yang tumbuh lebih cepat daripada pendapatan di fintech skala konsumen.

Modularitas adalah tema berulang untuk WealthAPI. Siklus inovasi semakin pendek dan kemampuan AI berkembang dengan cepat. Sistem harus dapat mencolokkan layanan baru tanpa mengerjakan ulang fondasi.

Keuntungan IBM® dalam pola ini berpusat pada infrastruktur data Siap untuk AI yang mendukung pengambilan produksi dan tata kelola saat arsitektur berkembang. WatsonX.data membawa kemampuan vektor ke dalam ekosistem watsonx untuk membantu tim mengoperasionalkan data tidak terstruktur dan multimodal untuk beban kerja AI.

Realitas ini penting karena biaya “memulai kembali” meningkat dengan cepat di lingkungan yang diatur. Tim yang membangun platform keuangan membutuhkan cara yang tahan lama untuk menyimpan, mengambil, dan mengatur data operasional dan representasi yang siap untuk AI sambil menjaga kinerja dapat diprediksi di bawah lonjakan permintaan yang tiba-tiba.

Kecepatan juga penting. WealthAPI menemukan bahwa watsonx.data menyebabkan peningkatan 80% dalam waktu respons, bersama dengan penurunan waktu tulis dan peningkatan penanganan tabrakan. Semua kemajuan ini memungkinkan insight keuangan yang hampir instan bagi pengguna.

Arsitektur WealthAPI dirancang untuk menepati janji sederhana dengan pengguna akhir: insight keuangan yang cepat dan koheren yang tetap dapat diandalkan bahkan selama lonjakan pertumbuhan mendadak. Platform ini memisahkan penyerapan berbasis peristiwa dari analitik tidak terstruktur dan pengambilan vektor kinerja tinggi, sambil memperlakukan kualitas dan keamanan data sebagai kendala desain berkelanjutan daripada pemikiran setelahnya.

Dengan membangun infrastruktur data yang siap untuk AI IBM®—termasuk kemampuan yang mendukung beban kerja operasional throughput tinggi dan pencarian vektor yang efisien—tim dapat menjaga inti tetap stabil. Mereka kemudian dapat memperluas ke model baru, integrasi mitra baru, dan fitur baru yang menghadap pengguna tanpa membangun kembali lapisan data setiap saat.

Baca selengkapnya tentang IBM® watsonx.data