分析：大數(shù)據(jù)是如何賺錢和虧錢的

分析：大數(shù)據(jù)是如何賺錢和虧錢的？

多年來，在經(jīng)歷了幾個通信和投行的大數(shù)據(jù)相關(guān)早期實施項目后，我認為這個新興技術(shù)的收益主要在于：實現(xiàn)對復(fù)雜系統(tǒng)更為精準的剖析，例如股票市場或供應(yīng)鏈。(投行成為最早一批應(yīng)用大數(shù)據(jù)分析的行業(yè)之一，可謂毫不意外。對利用技術(shù)提升效率，創(chuàng)造效益更為敏銳的商業(yè)模式，往往也是更賺錢的。)在投行的日常工作中，為了精準地選擇投資機會、選購股票，有大量對文檔處理的需求，例如新聞簡報，財務(wù)報表。如果人工進行，工作量過于龐大。因此助理分析師們往往簡化他們的預(yù)測分析過程，并使用電子表格來完成絕大部分工作。通過大數(shù)據(jù)技術(shù)，投行可以整合各種信息，減少可能的(簡化分析帶來的)風(fēng)險，從整體上帶來更優(yōu)越的分析和預(yù)測能力。公司如何通過大數(shù)據(jù)賺錢通過大數(shù)據(jù)平臺，股票經(jīng)紀和投資經(jīng)理們可以聚合各種來源的非格式化數(shù)據(jù)，輔助判斷哪些公司值得投資。所謂‘非格式化數(shù)據(jù)’包括如公司新聞，產(chǎn)品評論，供應(yīng)商數(shù)據(jù)，價格變化，將這些信息以所謂“大數(shù)據(jù)”形式整合，通過建模，幫助股票經(jīng)紀決策買入或售出股票。有些采用如上方式進行投資預(yù)測的公司，很注重節(jié)約實施成本，例如使用云平臺(如AWS)，先從很小數(shù)量的服務(wù)器開始，隨著獲益增長，逐步提高投入。一位我認識的分析師，從一家大投行離職創(chuàng)業(yè)后，在不到六個月的時間內(nèi)，僅僅使用非常有限的投入，創(chuàng)立了一個盈利良好的大數(shù)據(jù)交易系統(tǒng)。即便在傳統(tǒng)制造領(lǐng)域，大數(shù)據(jù)仍然可以提升預(yù)測能力。我曾經(jīng)擔(dān)任過顧問的某歐洲一線汽車制造廠商，通過建立一個鋼材交易成本的分析系統(tǒng)，選擇更好的時機，以更優(yōu)價格買入原材料。這個系統(tǒng)由開源Java框架Hadoop創(chuàng)建，整合了多個供應(yīng)商的共計15Tb的數(shù)據(jù)，在兩年內(nèi)為該公司節(jié)省了1600萬美元。這個項目的成功主要有兩個原因：首先，公司有足夠的信息為所有的供應(yīng)商建模；其次，該項目節(jié)省的原材料成本超過了實施這個項目的費用。公司為何因為大數(shù)據(jù)虧錢然而，并非每個大數(shù)據(jù)項目都會這樣成功。公司在大數(shù)據(jù)項目上以虧損告終的概率，有時和成功的概率相差無幾。大數(shù)據(jù)項目失敗的早期癥狀有很多種，最常見的問題如：步子邁太大：大數(shù)據(jù)并不需要一筆巨大的預(yù)算，如果懷著巨大的投入將帶來巨大回報的預(yù)期開始一個大數(shù)據(jù)項目，往往會產(chǎn)生問題。在正式開始前，明智的做法是，嘗試用有限的投入，在小范圍內(nèi)測試這個技術(shù)是否確實能帶來預(yù)期的收益。按這樣的節(jié)奏，一個項目可以按部就班地隨著收益逐步提高，而逐步擴大投入規(guī)模，確保收益始終大于投入。低估人力投入：在開始實施一個大數(shù)據(jù)系統(tǒng)前，問自己一個簡單的問題：這個項目是否可以不需要持續(xù)的人工支持來運作？如果答案是，需要人工支持，那么建議停止項目。建立這樣一個項目往往意味著百萬級的損失，無法在有利潤情況下保持維護和運行。迷信自然語言處理：大數(shù)據(jù)有個經(jīng)常聽到的功能是，通過自然語言處理，將各種領(lǐng)域的各種數(shù)據(jù)處理成直接可讀可理解的形式。這聽起來確實很贊，但是在實際應(yīng)用中，往往不盡如人意。自然語言處理仍然存在許多妨礙應(yīng)用的限制，主要由于人工智能的發(fā)展還不夠--而且在可見的10年內(nèi)，這個情況可能不會有很大改觀?，F(xiàn)代大數(shù)據(jù)項目具備巨大的節(jié)約成本的潛力，其效果對于過去的數(shù)據(jù)處理方式而言有如童話。但需要謹記的是，在投入時間和資源到大數(shù)據(jù)項目之前，首先要確認你的項目是收益大