各データセットは、レポートに到達するまでに 3 つの段階を経ます。パイプラインは、手動で再構成しなくても、継続的に実行され、提供されるデータ量に応じて拡張できるように構築されています。
構造化データと非構造化データは、市場フィード、運用システム、内部レポートからパイプラインに入ります。各レコードはモデル層に到達する前に検証され、不完全なエントリは破棄されずにフラグが立てられます。
予測モデルは、受信データを履歴ベンチマークとライブベンチマークに対してスコア付けします。処理はリアルタイムで実行され、別のビルドを行わずに同じアーキテクチャで単一のポートフォリオまたは複数エンティティのデータ セットを処理します。
新しいデータが到着すると、推奨事項が更新されます。出力は構造化レポートとして配信され、お客様側で追加のデータ クリーニングを行わなくてもレビューできるようにフォーマットされています。
各レポートには、使用された入力、適用されたランキング ロジック、およびその結果の推奨事項が表示されます。出力には、それを生成したデータ証跡がなければ何も表示されません。
Regal Kapitvale は、決定サイクルに応じて異なる構成になります。基礎となる取り込みレイヤーと分析レイヤーは同じままです。
マルチアセットのポートフォリオを管理している投資家は、継続的なデータ取り込みを使用して、異常が発生してから数分以内にフラグを立てます。ポジションレベルのレポートは取引日を通して更新されるため、レビューは投資家の物理的な場所に依存しません。
新しい市場を評価するビジネス オーナーは、需要シグナル、コスト構造、競争活動をカバーする四半期データ セットに依存します。このモデルは、資本がコミットされる前に、リスク調整されたシナリオを返します。
このモデルは、異常なデータ ポイントを平均化するのではなく、表面化するように構築されています。これにより、意思決定者は通常の範囲外の状況を認識し続けることができます。
確立されたパターンから逸脱したデータ ポイントは、集計スコアに組み込まれるのではなく、レポート内で分離されてマークされます。
各データ シリーズは、構成可能なしきい値に対して監視されます。違反があると、次にスケジュールされたレポートにメモが表示されます。
受信データは、分析前に欠落フィールドがないかチェックされます。ギャップは推定ではなく開示されます。
モデルの動作は以前の出力期間と比較され、スコアリング ロジックの段階的な変化が検出されます。
モデルの精度は、提供されるデータの完全性と品質によって決まります。 Regal Kapitvale は、データのギャップを仮定で埋めるのではなく、各レポートに直接文書化します。
データは転送中も保存中も暗号化されます。アクセスは認証されたアカウントに制限されており、マーケティング目的でデータが第三者と共有されることはありません。
Regal Kapitvale は、CSV や JSON などの構造化エクスポートを受け入れ、一般的な会計 API や市場データ API に接続します。カスタム統合の範囲はケースバイケースで決まります。
日報は毎日決まった時間に自動生成されます。タイムゾーンをまたいで作業しているユーザーは、オンボーディング中に優先配信ウィンドウを設定できます。