京公网安备 11010802034615号
经营许可证编号:京B2-20210330
商业分析服务加速行业布局 与大数据结合紧密
传统的华尔街选股者试图关注影响其投资的一些关键因素,诸如债券收益率、日元汇率,又或是石油价格和月度消费支出数据。
但一些新型的对冲基金公司认为,通过收集全球尽可能多的数据——从沃尔玛停车场占位情况的卫星图像到炼油厂释放出的热量信号,并且快速的投注以利用隐藏在这些数据集之间的关系,他们能够打败这些传统基金经理。
该方法体现了近来的一种投资转变,更多的依靠大数据和算法在竞争对手间赢得比较优势。首尔一家名为Jumpgate科技的公司宣称,他们正试图消除人为参与,放手让机器学习技术自由探索和利用世界日益增长的数据宝库。
那么对冲基金的人类创始人又将是何种角色呢?设计一个好的系统,让它可以利用大量的数据点,并收集更多的数据流供给该项目。Jumpgate,诚然规模不大,却已跻身于所谓的金融科技公司行列,他们试图将硅谷的科技创新融合进深谙金融市场的华尔街。
Jumpgate公司的董事长兼首席执行官Kristof Olesch自述其自13岁起就开始编程,16岁便开始在证券市场投资。目前该公司已经招募了一些工程类的博士毕业生。
一家更具规模的公司,总部设在纽约的二西格玛投资有限责任公司(TwoSigma Investments LLC),荣获本周《华尔街日报》头版的主角,编译了一款程序,让机器获取收益报告、天气预告和Twitter上的海量信息。
为了分配其价值240亿美元的管理资产,two sigma公司的策略是在进行一项交易前,基于这些数据产生不同的投资模型,然后用一种算法让模型之间彼此对抗,最终择优选取出最佳投资策略。
这些投资者们说,这是第一次,全球的计算机能够存储和学习从世界各地收集到的信息,这些信息来源涵盖超级计算机、智能手机,以及嵌入日常家居用品的小型处理器。
大部分的数据点可能帮不上股票投资者什么忙。有时,一个神秘的数据点只是一个神秘的数据点而已。
但是Olesch先生确信它远不止表面看来那么简单。传统的投资者只能籍由与公司管理层的会议、细致阅读财务报表和渠道检查来获得信息。而他则希望通过利用电脑的力量,能获得大规模的信息化优势。
Olesch先生指出:“柯达的终结是由于技术革新,而现在资产管理者的工作方式也面临同样的境况。” 他现在已有大约3000个数据流,他希望很快能够增加到约10000个数据流。
举个例子:商店停车场的商业卫星图像不但可以提供诸如商场交通等信息,也可以透露包括驾驶习惯、天气类型及其它众多人类基金经理无法预测的指标。
同样的,观察一个炼油厂的热信号能够推导出该厂设备是否满负荷运转。
“现在人们仅仅处理使用了全球1%的数据,” Olesch先生说道:“我们希望得到这些数据,而不是等着别人告诉我们数据处理已饱和。”
正因如此,现在很多公司专注于Olesch先生所说的“技术侦察”——想方设法接入各种数据流,无论来自开放数据还是通过与那些可能坐拥大量潜在价值数据的公司或机构合作而获得的数据。
到目前为止,Jumpgate这家在首尔成立,却在新加坡注册的公司,认为该战略行之有效。尽管和Two Sigma这样的大公司相比,它的基金规模还很小,但是Olesch先生表示其基金在头三个月中均业绩良好,即使在其基准——标普500指数都不景气的情况下,它仍保持每个月都是正收益。
根据IDC最新发布的《中国商业分析服务市场2015-2019年预测与分析》,商业分析服务市场将持续稳定增长,并在多个行业中均有进一步深入的应用,其与大数据技术的结合也备受企业关注。而在不同行业中,市场对与商业分析相关的定制化服务的需求依然强烈。
IDC数据显示,中国商业分析服务2014年的市场空间达到13.98亿美元,较2013年增长了16.4%。IDC预计中国商业分析服务市场将在未来5年实现16.7%的复合增长率,到2019年市场规模有望达到30.27亿美元。
IDC中国企业级研究部高级分析师聂楠指出,随着企业管理要求的不断提高及行业内的激烈竞争,企业对商业分析的价值越来越认可,商业分析也从最初的信息查询与展现功能,更多的向精准营销、风险管控、集团决策分析等更加智慧的方向发展。而随着对非结构化数据的挖掘及处理能力的提高,商业分析与大数据的结合也进一步深入行业应用。目前中国商业分析服务市场呈现出如下特征及发展趋势:
智慧城市建设和产业转型促进商业分析在重点行业中的蓬勃发展。金融和电信行业作为商业分析应用的领军者,除了在数据仓库、决策分析、查询统计、客户分析等方面的需求外,对大数据技术以及数据治理等领域更为关注。而在政府决策、制造、交通、医疗、零售、电子商务等领域,商业分析已经有特定应用,在智慧城市建设及产业转型升级需求的推动下,这些领域未来还将蓬勃发展。同时,商业分析服务提供商也在加速行业布局,抢占以上新兴领域的市场份额。
商业分析与大数据的结合越来越紧密。大数据时代的到来,扩大了“数据”概念的外延。大数据技术帮助用户从海量的更加复杂的数据中挖掘信息。商业分析作为结构化数据时代蓬勃发展的产物,在未来与大数据技术的结合将越来越紧密。而随着云计算技术的兴起,与数据分析相关的云服务也初现雏形。可以预见,未来与大数据和云计算的结合将进一步促进商业分析服务市场的发展。
中国商业分析服务市场已经形成初步的竞争格局。 与全球市场相比,中国商业分析服务市场的发展尚处初期,未来市场潜力巨大。目前,中国商业分析服务市场也已经形成了初步的竞争格局,竞争者可以大致归纳为三大类:咨询服务提供商,外包服务提供商及行业解决方案提供商。咨询服务提供商多为跨国企业,具备较完备的跨领域咨询能力;外包服务提供商有着强大的服务资源团队及开发实施经验;行业解决方案提供商在特定行业的积累较深。未来,在国家“自主可控”的IT建设原则下,跨国企业将与国内的服务提供商有更多合作,尤其在政府相关领域。
未来几年,随着行业应用的进一步深入,商业分析服务市场在行业格局上会有持续变化。中国也会涌现出更多专注在商业分析领域的解决方案提供商及服务商。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27