Dokumen dalam Google Cloud Well-Architected Framework: Perspektif jasa keuangan (FS) ini memberikan ringkasan prinsip dan rekomendasi untuk mengoptimalkan performa workload FS Anda di Google Cloud. Rekomendasi dalam dokumen ini selaras dengan pilar pengoptimalan performa Well-Architected Framework.
Pengoptimalan performa memiliki sejarah panjang dalam layanan keuangan. Teknologi ini telah membantu organisasi FS mengatasi tantangan teknis dan hampir selalu menjadi pendukung atau akselerator untuk pembuatan model bisnis baru. Misalnya, ATM (diperkenalkan pada tahun 1967) mengotomatiskan proses pengeluaran uang tunai dan membantu bank mengurangi biaya bisnis inti mereka. Teknik seperti mengabaikan kernel OS dan menyematkan thread aplikasi ke core komputasi membantu mencapai latensi yang deterministik dan rendah untuk aplikasi perdagangan. Pengurangan latensi memfasilitasi likuiditas yang lebih tinggi dan lebih kuat dengan spread yang lebih ketat di pasar keuangan.
Cloud menciptakan peluang baru untuk pengoptimalan performa. Hal ini juga menantang beberapa pola pengoptimalan yang diterima secara historis. Secara khusus, kompromi berikut lebih transparan dan dapat dikontrol di cloud:
- Waktu penyiapan produk versus biaya.
- Performa end-to-end di tingkat sistem versus performa di tingkat node.
- Ketersediaan talenta versus ketangkasan pengambilan keputusan terkait teknologi.
Misalnya, menyesuaikan hardware dan resource IT dengan persyaratan keterampilan tertentu adalah tugas yang mudah di cloud. Untuk mendukung pemrograman GPU, Anda dapat membuat VM berbasis GPU. Anda dapat menskalakan kapasitas di cloud untuk mengakomodasi lonjakan permintaan tanpa menyediakan resource secara berlebihan. Kemampuan ini membantu memastikan bahwa workload Anda dapat menangani beban puncak, seperti pada hari nonfarm payroll dan saat volume perdagangan jauh lebih besar daripada tingkat historis. Daripada menghabiskan biaya untuk menulis kode yang sangat dioptimalkan di tingkat server individual (seperti kode yang sangat disesuaikan dalam bahasa C) atau menulis kode untuk lingkungan komputasi berperforma tinggi (HPC) konvensional, Anda dapat melakukan penyebaran skala secara optimal menggunakan sistem terdistribusi berbasis Kubernetes yang dirancang dengan baik.
Rekomendasi pengoptimalan performa dalam dokumen ini dipetakan ke prinsip-prinsip inti berikut:
- Menyelaraskan metrik performa teknologi dengan indikator bisnis utama
- Memprioritaskan keamanan tanpa mengorbankan performa untuk risiko yang belum terbukti
- Pikirkan kembali arsitektur Anda untuk beradaptasi dengan peluang dan persyaratan baru
- Mempersiapkan teknologi Anda untuk menghadapi masa depan guna memenuhi kebutuhan bisnis saat ini dan mendatang
Menyelaraskan metrik performa teknologi dengan indikator bisnis utama
Anda dapat memetakan pengoptimalan performa ke hasil nilai bisnis dengan beberapa cara. Misalnya, di buy-side research desk, tujuan bisnisnya bisa berupa mengoptimalkan output per jam riset atau memprioritaskan eksperimen dari tim yang memiliki rekam jejak yang terbukti, seperti Sharpe ratio yang lebih tinggi. Di sisi penjualan, Anda dapat menggunakan analisis untuk melacak minat klien dan memprioritaskan throughput ke model AI yang mendukung riset paling menarik.
Menghubungkan sasaran performa dengan indikator performa utama (KPI) bisnis juga penting untuk mendanai peningkatan performa. Inisiatif inovasi dan transformasi bisnis (terkadang disebut upaya change-the-bank) memiliki anggaran yang berbeda dan berpotensi memiliki tingkat akses yang berbeda ke resource jika dibandingkan dengan operasi bisnis seperti biasa (BAU) atau run-the-bank. Misalnya, Google Cloud membantu tim teknologi dan manajemen risiko dari G-SIFI untuk berkolaborasi dengan analis kuantitatif front-office dalam solusi untuk melakukan penghitungan analisis risiko (seperti XVA) dalam hitungan menit, bukan jam atau hari. Solusi ini membantu organisasi memenuhi persyaratan kepatuhan yang relevan. Hal ini juga memungkinkan trader melakukan percakapan berkualitas lebih tinggi dengan klien mereka, yang berpotensi menawarkan spread yang lebih ketat, likuiditas yang lebih kuat, dan lindung nilai yang lebih hemat biaya.
Saat menyelaraskan metrik performa dengan indikator bisnis, pertimbangkan rekomendasi berikut:
- Hubungkan setiap inisiatif teknologi dengan tujuan dan hasil utama (OKR) bisnis yang relevan, seperti meningkatkan pendapatan atau laba, mengurangi biaya, dan memitigasi risiko dengan lebih efisien atau holistik.
- Fokus pada pengoptimalan performa di tingkat sistem. Lihat lebih jauh dari pemisahan konvensional antara change-the-bank dan run-the-bank, serta silo antara front-office dan back-office.
Memprioritaskan keamanan tanpa mengorbankan performa untuk risiko yang belum terbukti
Kepatuhan terhadap peraturan dan keamanan di organisasi FS harus memiliki standar yang tinggi. Mempertahankan standar yang tinggi sangat penting untuk menghindari kehilangan klien dan mencegah kerusakan yang tidak dapat diperbaiki pada merek organisasi. Sering kali, nilai tertinggi diperoleh melalui inovasi teknologi seperti AI generatif dan layanan terkelola unik seperti Spanner. Jangan otomatis mengabaikan opsi teknologi tersebut karena kesalahpahaman umum tentang risiko operasional yang tinggi atau postur kepatuhan terhadap peraturan yang tidak memadai.
Google Cloud telah bekerja sama dengan G-SIFI untuk memastikan bahwa pendekatan berbasis AI untuk Anti-Pencucian Uang (AML) dapat digunakan di seluruh wilayah hukum tempat institusi melayani pelanggan. Misalnya, HSBC secara signifikan meningkatkan performa unit kejahatan keuangannya (Fincrime) dengan hasil berikut:
- Hampir dua hingga empat kali lebih banyak aktivitas mencurigakan yang terkonfirmasi.
- Biaya operasional yang lebih rendah karena penghapusan lebih dari 60% positif palsu dan waktu investigasi yang difokuskan hanya pada peringatan berisiko tinggi yang dapat ditindaklanjuti.
- Output yang dapat diaudit dan dapat dijelaskan untuk mendukung kepatuhan terhadap peraturan.
Pertimbangkan rekomendasi berikut:
- Pastikan produk yang ingin Anda gunakan dapat membantu memenuhi persyaratan keamanan, ketahanan, dan kepatuhan untuk wilayah hukum tempat Anda beroperasi. Untuk mencapai tujuan ini, bekerja samalah dengan tim akun, tim risiko, dan tim produk Google Cloud.
- Buat model yang lebih canggih dan berikan transparansi kepada pelanggan dengan memanfaatkan kemampuan explainable AI.
Mencapai transparansi untuk workload AI generatif dengan menggunakan teknik seperti kutipan ke sumber, grounding, dan RAG.
Jika keterjelasan tidak cukup, pisahkan langkah-langkah pengambilan keputusan dalam aliran nilai Anda dan gunakan AI untuk mengotomatiskan langkah-langkah yang tidak terkait dengan pengambilan keputusan. Dalam beberapa kasus, AI yang dapat dijelaskan mungkin tidak memadai atau suatu proses mungkin memerlukan intervensi manusia karena masalah peraturan (misalnya, GDPR, Pasal 22). Dalam kasus tersebut, tampilkan semua informasi yang diperlukan agen manusia untuk pengambilan keputusan di satu panel kontrol, tetapi otomatiskan tugas pengumpulan, penyerapan, manipulasi, dan ringkasan data.
Memikirkan kembali arsitektur Anda untuk beradaptasi dengan peluang dan persyaratan baru
Menambah arsitektur Anda saat ini dengan kemampuan berbasis cloud dapat memberikan nilai yang signifikan. Untuk mencapai hasil yang lebih transformatif, Anda perlu memikirkan ulang arsitektur secara berkala menggunakan pendekatan cloud-first.
Pertimbangkan rekomendasi berikut untuk memikirkan kembali arsitektur workload Anda secara berkala guna mengoptimalkan performa lebih lanjut.
Menggunakan alternatif berbasis cloud untuk sistem dan penjadwal HPC lokal
Untuk memanfaatkan elastisitas yang lebih tinggi, postur keamanan yang lebih baik, serta kemampuan pemantauan dan tata kelola yang ekstensif, Anda dapat menjalankan workload HPC di cloud atau burst workload lokal ke cloud. Namun, untuk kasus penggunaan pemodelan numerik tertentu seperti simulasi strategi investasi atau pemodelan XVA, menggabungkan Kubernetes dengan Kueue mungkin menawarkan solusi yang lebih efektif.
Beralih ke pemrograman berbasis grafik untuk simulasi
Simulasi Monte Carlo mungkin jauh lebih berperforma dalam sistem eksekusi berbasis grafik seperti Dataflow. Misalnya, HSBC menggunakan Dataflow untuk menjalankan penghitungan risiko 16 kali lebih cepat dibandingkan dengan pendekatan sebelumnya.
Menjalankan platform perdagangan dan bursa berbasis cloud
Percakapan dengan pelanggan Google Cloud mengungkapkan bahwa prinsip Pareto 80/20 berlaku untuk persyaratan performa pasar dan aplikasi perdagangan.
- Lebih dari 80% aplikasi trading tidak memerlukan latensi yang sangat rendah. Namun, mereka mendapatkan manfaat signifikan dari kemampuan ketahanan, keamanan, dan elastisitas cloud. Misalnya, BidFX, platform multi-dealer valuta asing menggunakan cloud untuk meluncurkan produk baru dengan cepat dan meningkatkan ketersediaan serta jejaknya secara signifikan tanpa meningkatkan resource.
- Aplikasi yang tersisa (kurang dari 20%) memerlukan latensi rendah (kurang dari satu milidetik), determinisme, dan keadilan dalam pengiriman pesan. Secara konvensional, sistem ini berjalan di fasilitas kolokasi yang kaku dan mahal. Bahkan, kategori aplikasi ini semakin banyak yang di-replatform di cloud, baik di edge maupun sebagai aplikasi cloud-first.
Persiapkan teknologi Anda untuk masa depan guna memenuhi kebutuhan bisnis saat ini dan mendatang
Secara historis, banyak organisasi FS membangun teknologi eksklusif untuk mendapatkan keunggulan kompetitif. Misalnya, pada awal tahun 2000-an, bank investasi dan perusahaan perdagangan yang sukses memiliki implementasi teknologi dasar mereka sendiri, seperti sistem pub-sub dan broker pesan. Dengan evolusi teknologi open source dan cloud, teknologi tersebut telah menjadi komoditas dan tidak menawarkan nilai bisnis inkremental.
Pertimbangkan rekomendasi berikut untuk memastikan teknologi Anda siap menghadapi masa depan.
Mengadopsi pendekatan data-as-a-service (DaaS) untuk waktu penyiapan produk yang lebih cepat dan transparansi biaya
Organisasi FS sering kali berkembang melalui kombinasi pertumbuhan organik serta merger dan akuisisi (M&A). Akibatnya, organisasi perlu mengintegrasikan teknologi yang berbeda. Mereka juga perlu mengelola resource duplikat, seperti vendor data, lisensi data, dan titik integrasi. Google Cloud memberikan peluang untuk menciptakan nilai yang berbeda dalam integrasi pasca-merger.
Misalnya, Anda dapat menggunakan layanan seperti BigQuery sharing untuk membangun platform data-as-a-service (DaaS) yang siap dianalisis. Platform ini dapat memberikan data pasar dan input dari sumber alternatif. Pendekatan ini menghilangkan kebutuhan untuk membangun pipeline data redundan dan memungkinkan Anda berfokus pada inisiatif yang lebih berharga. Selain itu, perusahaan yang digabungkan atau diakuisisi dapat dengan cepat dan efisien merasionalisasi kebutuhan lisensi data dan infrastruktur pasca-penggabungan. Alih-alih menghabiskan upaya untuk menyesuaikan dan menggabungkan aset dan operasi data lama, bisnis gabungan dapat berfokus pada peluang bisnis baru.
Membangun lapisan abstraksi untuk mengisolasi sistem yang ada dan menangani model bisnis yang baru muncul
Keunggulan kompetitif bagi bank kini bukan lagi sistem perbankan inti, melainkan lapisan pengalaman pelanggan. Namun, sistem perbankan lama sering kali menggunakan aplikasi monolitik yang dikembangkan dalam bahasa seperti Cobol dan terintegrasi di seluruh rantai nilai perbankan. Integrasi ini menyulitkan pemisahan lapisan rantai nilai, sehingga hampir mustahil untuk mengupgrade dan memodernisasi sistem tersebut.
Salah satu solusi untuk mengatasi tantangan ini adalah dengan menggunakan lapisan isolasi seperti sistem pengelolaan API atau lapisan staging seperti Spanner yang menduplikasi buku catatan dan memfasilitasi modernisasi layanan dengan analisis lanjutan dan AI. Misalnya, Deutsche Bank menggunakan Spanner untuk mengisolasi aset perbankan inti lama mereka dan memulai perjalanan inovasi mereka.