
大数据时代,如何靠数据挣钱
大数据时代下,数据就如同矿石,如果能够充分挖掘并善加利用,大数据将会成为大财富。在很多情况下虽然大数据的价值还没得到充分证明,但分析人士指出这一市场正在扩大,越来越多的有经验的投资者希望能得到不为人知的独家数据。
目前已经有很多初创公司认识到了这一点,接下来本文将介绍三家利用大数据挣钱的初创公司:
Orbital Insight:分析卫星图像
Orbital Insight是一家通过分析卫星图像来获取和售卖数据的初创公司。其创始人James Crawford以前是谷歌的工程师,他可以在一些不可思议的地方看到商机,比如中国在建建筑的影子。通过卫星图观察中国地区在建建筑影子的变化,可以分析出中国建筑行业是在繁荣上升还是在萧条下降。投资商们渴望自己比竞争对手有哪怕那么一点点优势,能更多地掌握这些独家信息对他们非常重要。Orbital Insight目前正在分析中国30个城市的卫星图,为开发商们提供独家数据,从而使他们不再依靠政府提供的数据。
此外Orbital Insight还通过分析庄稼地的卫星图来预测庄稼的长势;分析停车场的数据来初步预测沃尔玛和家得宝等零售商的季度销售情况。
在本周二,Orbital公司对其预测系统做了首次测试。基于对罗斯百货停车场的历史数据分析,Orbital预测该公司在第三季度的销售额会好于预期。最终结果显示,罗斯百货的第三季度销售额为25.99亿美元,甚至高于Orbital预测的25.6亿美元以及分析家普遍预测的25.5亿美元。
James Crawford称其公司的首批用户包括几家价值几十亿美元的对冲基金公司,但谢绝透露他们的名字,以及他的收费标准。Orbital的早期投资商包括硅谷的风投公司Sequoia Capital,在接下来几周的下一轮融资中,Orbital希望能获得800万美元的资金。
波士顿大学卡罗尔管理学院经济学教授Ronnie Sadka认为,新类型数据固然会变得重要,但投资商们应该慎重选择。此外,调研企业TABB Group的资深分析师Paul Rowady说:“我将这归为实验目录,这些产品在表面上很让人震惊,但是要把他们转换成交易指标却是一个巨大的挑战”。比如前面提到的停车场数据分析,Orbital公司需要先从卫星公司购买一百万张卫星图像,然后建设计算机系统来从分析这些数据,从中得到可能的交易指标。
Dataminr:挖掘社交网络数据
Dataminr的三位创始人此前是耶鲁大学的室友,该公司依靠推特上每天的消息来获取数据来源。Dataminr每天要梳理5亿条推特信息,以求在正式媒体报道前得到市场变化的消息。
Dataminr提供的系统能将每条实时推特消息分类并去除垃圾消息,然后将其与最新的新闻消息、市场价格、天气情况以及其他的一些数据来对比分析这些消息的重要性。此外,该系统还能检测某个特定的用户过去在某个话题上是否可靠。
在今年的9月2日,独立记者Brian Krebs在推特上发消息称家得宝“可能会是信用卡违约的最新受害者”,Dataminr的系统立刻识别出这是一个对客户有价值的消息。随后,这一预警消息被传达给客户,包括60家银行和对冲基金公司。结果显示,其速度比财经新闻快了15分钟,而且该消息是在家得宝股票价格下降2%前被送达。
Premise:提供宏观经济数据
Premise旨在为世界各地的人们提供小量交易额信息,帮助他们观测产品价格,让公司提前了解通货膨胀率的变化和其他的一些经济指标。
很多时候真实的经济情况与官方的描述并不一样,Premise的宏观经济数据正是为了解决这一问题。“在世界的有些地方,人们没有关于经济情况的可靠信息来源,我们的目标是提高透明性”,Premise的首席执行官 David Soloff这样说道。
该公司的的数据大多是免费的,其用户包括一些金融公司。Premise目前在18个国家的68个城市有人来贡献数据。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04