Panel de Análisis Financiero
FinTech · Análisis de Datos
2024
web
Lo que necesitaban
Los analistas de la firma estaban atrapados esperando informes que no podían seguir el ritmo del negocio. La plataforma tenía que ingerir y renderizar más de 10 millones de puntos de datos al día procedentes de feeds financieros en vivo, y luego permitir que los analistas profundizaran en segmentos y ventanas de tiempo específicos sin recargar la página. Los enfoques de graficación estándar colapsaban a ese volumen: un solo gráfico interactivo podía tardar segundos en dibujarse, y mantenerlo en vivo a medida que los datos subyacentes cambiaban empeoraba el retraso. Los ejecutivos necesitaban una vista a nivel de toda la firma que se mantuviera actualizada entre ciclos de informes, no una instantánea que quedara obsoleta para cuando terminara de cargar. El estándar era una respuesta de menos de un segundo en visualizaciones genuinamente interactivas, a una escala donde un renderizado ingenuo en el cliente o consultas sin optimizar habrían hecho el panel inutilizable.
Lo que construimos
Construimos el panel sobre React para la estructura de la interfaz, con gráficos personalizados en D3.js en lugar de una librería de graficación genérica, para poder controlar exactamente cómo se renderizaba cada visualización a escala. Un backend en Node.js expone una API GraphQL, que permite al frontend obtener solo los campos que necesita cada vista, en lugar de sobrecargar la carga de datos en pantallas densas en información. MongoDB almacena los datos financieros entrantes, modelados en función de los patrones de consulta que realmente ejecutan los paneles. Las actualizaciones en vivo se transmiten al navegador mediante conexiones WebSocket en lugar de polling, de modo que los gráficos se actualizan en el instante en que llegan nuevos datos, no en un ciclo de actualización. Perspectivas predictivas impulsadas por IA se ejecutan sobre ese mismo pipeline, mostrando señales prospectivas junto con la vista histórica. AWS aloja toda la pila, dando a las capas de ingesta y transmisión margen para escalar a medida que crece el volumen de datos.
Cómo lo abordamos
Construimos componentes de gráficos personalizados en D3.js en lugar de adoptar una librería de graficación de propósito general, invirtiendo tiempo de desarrollo a cambio del control de renderizado necesario con más de 10M de puntos de datos al día.
Usamos GraphQL en lugar de una API REST para que cada vista del panel obtenga solo los campos que necesita, manteniendo las cargas útiles pequeñas en las pantallas financieras densas en datos.
Pusimos las actualizaciones en vivo sobre transmisión WebSocket en lugar de polling, de modo que los nuevos datos llegan a los gráficos en el instante en que ocurren.
Incorporamos perspectivas predictivas impulsadas por IA sobre el mismo pipeline de datos en tiempo real que alimenta el panel en vivo, de modo que los pronósticos se mantienen al día con los datos entrantes.
El impacto
Puntos de Datos/Día
Velocidad de los Informes
Adopción de Usuarios
"El panel transformó nuestra forma de tomar decisiones. Vale cada centavo."
VP de Datos
FinTech / análisis de datos
Dinos qué
construir.
Tráenos la que todos dijeron que era demasiado difícil. Respuesta gratuita y sin compromiso en menos de 24 horas — NDA bajo solicitud.