京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代:“数据”如何转化成“财富”
“这是一场革命,庞大的数据资源使得各个领域开始了量化进程,无论学术界、商界还是政府,所有领域都将开始这种进程。”
———哈佛大学社会学教授加里·金
一分钟内,微博推特(Twitter)上新发的数据数超过10万;社交网络“脸谱”(Facebook)的浏览量超过600万……
这些庞大数字,意味着什么?
它意味着,一种全新的致富手段也许就摆在面前,它的价值堪比石油和黄金。
事实上,当你仍然在把微博客等社交平台当作抒情或者发议论的工具时,华尔街的敛财高手们却正在挖掘这些互联网的“数据财富”,先人一步用其预判市场走势,而且取得了不俗收益。
现在就让我们一起来看看——他们是怎么做的。
这些数据,都能干啥
●华尔街根据民众情绪抛售股票;
●对冲基金依据购物网站的顾客评论,分析企业产品销售状况;
●银行根据求职网站的岗位数量,推断就业率;
●投资机构搜集并分析上市企业声明,从中寻找破产的蛛丝马迹;
●美国疾病控制和预防中心依据网民搜索,分析全球范围内流感等病疫的传播状况;
●美国总统奥巴马的竞选团队依据选民的微博,实时分析选民对总统竞选人的喜好。
个案
你开心他就买你焦虑他就抛
华尔街“德温特资本市潮公司首席执行官保罗·霍廷每天的工作之一,就是利用电脑程序分析全球3.4亿微博账户的留言,进而判断民众情绪,再以“1”到“50”进行打分。根据打分结果,霍廷再决定如何处理手中数以百万美元计的股票。
霍廷的判断原则很简单:如果所有人似乎都高兴,那就买入;如果大家的焦虑情绪上升,那就抛售。
这一招收效显着——今年第一季度,霍廷的公司获得了7%的收益率。
“数据”如何转化成“财富”
国际商用机器公司(IBM)估测,这些“数据”值钱的地方主要在于时效。对于片刻便能定输赢的华尔街,这一时效至关重要。5年前,华尔街2%的企业搜集微博等平台的“非正式”数据;如今,接近半数企业采用了这种手段。
●“社会流动”创业公司在“大数据”行业生机勃勃,和微博推特是合作伙伴。它分析数据,告诉广告商什么是正确的时间,谁是正确的用户,什么是应该发的正确内容,备受广告商热爱。
●通过乔希·詹姆斯的Omniture(着名的网页流量分析工具)公司,你可以知道有多少人访问你的网站,以及他们待了多长时间——这些数据对于任何企业来说都至关重要。詹姆斯去年把公司卖掉,进账18亿美元。
●微软专家吉拉德喜欢把这些“大数据”结果可视化:他把客户请到办公室,将包含这些公司的数据图谱展现出来——有些是普通的时间轴,有些像蒲公英,有些则是铺满整个画面的泡泡,泡泡中显示这些客户的粉丝正在谈论什么话题。
●“脸谱”数据分析师杰弗逊的工作就是搭建数据分析模型,弄清楚用户点击广告的动机和方式。
既能创造财富,就催生出新职业
周默(音译)是耶鲁大学的一名MBA毕业生,踏出校门便被IBM公司“抢走”,加入该公司正迅速扩展的数据咨询部门——这个部门专门负责对眼下社交网络上爆炸式的数据提供分析,对公司决策、削减开支、提升销售提供参考。
目前,美国需要更多像周默一样的数据分析人才。根据研究机构数据,美国需要14万至19万数据专家以及150万的数据分析师。
这些“数据财富”还能服务个人
财富并非只由大公司主宰。一名硅谷风险投资机构的专家说,“大数据”不仅仅是一个时髦词汇,“我相信它有真正的未来,这些数据将分散在各个领域,你的行车路线、你经常出现的地点、你喜欢的颜色、经常买的东西,社交网站上的观点和言论,这些都会成为个人数据的一部分,它们可以用来服务每个人”。
位于美国加州的帕洛阿尔托创业公司开发了一款产品:它看上去是一款普通的地理位置应用,而事实上,它能自动记录你经常出现的地理位置,并自动生成为数据图表——这些数据会帮助分析每日的行程路线、生活必去场所,甚至驾驶里程与汽油存量的关系,形成一款“个人生活助理工具”。
风险隐私的末日?
然而,新忧虑也随之而生。一些民间机构担心,企业和机构对这些数据无以复加的利用,可能违背了微博博主等发布数据者的初衷,从而构成隐私侵犯。法律框架的搭建远远赶不上新技术的发展,同时,各国对个人隐私的界定不一。另一潜在风险是,一些人可能利用微博等平台发布虚假数据,营造某一企业经营现状的假象,以期抬高或压低这家企业的股价。
科学扫盲
“大数据”有多大?
它是对科技发展趋势的一种“素描”,这种科技为人类打开了一扇门,可以更懂得这个世界并作出自己的决定。目前,全球的数据量正以每年50%的速度增长,而且,这种数据并不单纯是数量上的增加,而是全领域全方位的数据变化。当人们将这些数据通过电脑进行分析,就变成对某种发展趋势的判断。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13