-
高盛（Goldman Sachs）的高管玛蒂•查维斯（Marty Chavez），概述了一个激进的华尔街银行的未来。
-
他曾表示，希望高盛之于风险，像谷歌之于搜索。
-
“我们正在包装我们所做的一切，实际上，我们正在围绕API重新设计整个公司。”
在几年前，高盛的首席执行官劳埃德·布兰克费恩（Lloyd Blankfein）就确定，他的明星高管需要一名导师。
稍后，即将成为银行首席财务官的马蒂·查韦斯（Marty Chavez）收到一封意外的电子邮件。
“嗨，马蒂，我想来到你的办公室做下自我介绍，” 来自Google母公司Alphabet的主席埃里克·施密特（Eric Schmidt）说。
“我们一直在谈论企业的相似之处。”今年早些时候查韦斯跟一群计算机科学家说： “我必须强调，有些相似之处是梦寐以求的，并且现在确实发现了一些。”
这些评论揭示了高盛的领导层如何看待其未来。 这可能是所有华尔街的未来 - 因为高盛所去之处，潮流会随之而行。
它超越了自动化，多年来一直在交易大厅中徘徊，现在被应用于投资银行业务--一个被认为不那么容易受到自动化的影响的业务。
相反，查韦斯的评论为高盛制定了更加激进的愿景，并阐述了硅谷巨头如何鼓舞人心的变化。的确，如果照这样发展，人们将会失去工作。
“高盛的根本理念”
查韦斯在一月份在哈佛应用计算科学研究所发言。 大约一个月前，这个演讲的视频在YouTube上公开发布，之后仅被观看了约200次。 查韦斯说：“高盛之于风险，像谷歌之于搜索”。
Chavez在他的演讲中这样描述Google：
“Google生产软件服务，这些软件服务引起了数十亿人的关注，然后Google将数十亿人的关注引向广告商。”
他是这样描述高盛的：
“客户承受着他们不想要的风险或者想要接受一个所没有的风险，我们会帮他们实现，这是高盛的根本理念，如果客户停止谈论对那些风险的想法险，，那么我们将没有业务可做。”
考虑到这一点，高盛已经建立了所谓的数据池，提供有关交易、市场和投资研究的信息，以及对电子邮件、语音电话和即时消息分析后得到的见解。银行将所有数据放在同一个地方，并应用机器学习去分析。
这么做的目的是为了是引导员工给谁打电话、该什么时候打电话。
Goldman Sachs
查韦斯说：“真正使我们有价值的是我们拥有的海量数据。 在这项工作中，我们鼓励我们的客户打电话给我们谈论关于对风险的需求，这对话里面有惊人的信息量，使用它帮助客户取得更好的结果，正是我们所追求的。”
他说：查韦斯提出的愿景已经比仅满足于利用数据去解决内部需求走得更远了。
“想像一下，如果谷歌用了一条略微不同的路线，他们说：”每次有人想要搜索，他们都会拿起电话，打电话给他们的Google销售人员，向Google销售人员查询搜索条件，将它们输入内部 Google搜索引擎，获取结果，然后通过手机反馈给他们。
“这不是Google采取的路线，不幸的是，这个很好地描述了华尔街运作的模式。”
换句话说，第一步是收集和分析数据，下一步是将数据放回客户手中。
查韦斯还在演示文稿中介绍了高盛当前的方法，多个数据所有者向多个客户发送数据：
Goldman Sachs
相比之下，新计划有一个数据服务中心，它将所有者（交易所、供应商和高盛的交易）的原始数据集中收集到一个地方，然后再分配给客户。
它是基于API的模型，它们是计算机程序在没有人为干预的情况下彼此“交流”的标准方式。当您使用您的Facebook帐户登录Spotify时，这是Spotify与Facebook通过登录API对话。
众所周知，很多年前Jeff Bezos强调，亚马逊团队唯一能够整合产品的方式是通过API，用来提高程序员建立新服务的效率和速度。 Chavez在演讲中强调了在Salesforce、eBay和Expedia的API收入。
该模型基于采用数据，通过分析引擎推动，然后通过Chavez所倡导的高盛数字平台向内部和外部客户提供服务。
“从历史上看，API一直是人通过电话与其他人交谈，所有的工具、内容、分析仅在内部平台上，”查韦斯说。 “我们正在彻底地、快速地改变这一切，并且我们正在包装我们所做的一切，实际上，我们正在围绕API重新设计整个公司。”
Goldman Sachs
这种模式可能会有一些后果。
首先，如果你或你的朋友在华尔街工作，你可能会认识有些人，他们的工作实质，就像在查韦斯的例子中，相当于Google的销售人员。这个API驱动的方法对于那些人来说，并不是什么好兆头。
第二，它将高盛定位为一种信息技术公司。
查韦斯说：“我们正在将所有的动作，高盛的所有活动都转化为API。” “我们坚持的其中一件事是高标准，可靠而无可挑剔的API文档，因为我们正在开放平台，以前这个庞大的平台只有一个API接入口，，就是大家手里的手机。”
原文发布时间为：2017-5-09
本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号
