活跃在多个交易平台上的自由职业者通常管理多个单独的帐户，每个帐户都有自己的报告格式。这种分散需要在做出任何分配决策之前手动重建概览。
花在这种整合上的时间降低了对市场波动做出反应的能力，特别是对于那些每周只花一部分时间来管理资本的专业人士来说。
将数据流集中到单个仪表板之前和之后的估计手动处理时间。
Dogiri Nipure 引擎连接到多个交易平台的编程接口，并将异构数据格式（订单、余额、交易历史）标准化为单一模式。这种标准化使得可以将相同的分析模型应用于整个投资组合，无论其来源如何。
通过只读访问密钥安全连接现有帐户。
将原始数据标准化为通用的结构化格式。
根据历史和市场背景分析每个头寸。
在单个仪表板中报告结果，并不断更新。
兼容的源类别
聚合架构支持的连接器类别的指示性列表。
每个头寸均根据历史波动性、流动性以及与投资组合其他部分的相关性进行评级。该分数会根据每个新的市场数据进行更新，无需用户手动干预。
与定期报告不同，分析是连续进行的。重大偏差一出现就会被报告，这减少了市场变化和将其纳入决策之间的时间。
预测模型依靠长时间序列来估计可能的情况，而不是确定性。除了用户的判断之外，它们还充当决策支持，而不是替代。
该框架结合了风险分类模型和趋势预测回归模型。每个模型都有文档记录和版本控制，这使得追踪推荐的来源成为可能。
平台访问密钥严格限于读取和静态加密。不会出于商业目的与第三方共享钱包数据。
处理过程分为四个阶段：收集、标准化、建模、恢复。每个步骤都会被记录下来，从而可以对分析结果进行事后审核。
活跃在多个平台上的自由职业者无需手动重新构建表格即可可视化其实际资产分布，并根据综合风险评分调整其分配。
风险信号使我们能够在高波动阶段之前预测过度暴露，而不是在下跌之后做出反应。
在两次任务之间，可用于监测市场的时间仍然有限。综合警报减少了持续手动监控的需要。