美媒解讀大數(shù)據(jù)：賺錢機(jī)會(huì)多虧錢風(fēng)險(xiǎn)大_數(shù)據(jù)分析師考試

誰將從大數(shù)據(jù)中獲益，以及如何利用大數(shù)據(jù)獲益等這些事關(guān)大數(shù)據(jù)未來發(fā)展的問題，很多人卻對(duì)此知之甚少。

7月31日電（劉世東）大數(shù)據(jù)是當(dāng)下最受關(guān)注的流行詞之一，有時(shí)甚至到了被濫用的地步。然而，誰將從大數(shù)據(jù)中獲益，以及如何利用大數(shù)據(jù)獲益等這些事關(guān)大數(shù)據(jù)未來發(fā)展的問題，很多人卻對(duì)此知之甚少。美國《連線》雜志網(wǎng)站日前刊文對(duì)這一問題進(jìn)行了探討，指出無論是投行還是傳統(tǒng)制造業(yè)都可以通過大數(shù)據(jù)賺錢，但在運(yùn)營大數(shù)據(jù)項(xiàng)目時(shí)無疑也面臨著諸多風(fēng)險(xiǎn)。

公司如何通過大數(shù)據(jù)賺錢

大數(shù)據(jù)這一新興的技術(shù)可以被用來更精準(zhǔn)的剖析股票市場和供應(yīng)鏈等復(fù)雜系統(tǒng)。投行成為最早一批應(yīng)用大數(shù)據(jù)分析的行業(yè)之一，這一點(diǎn)都不令人意外。畢竟，那些以賺錢為業(yè)務(wù)的管理者通常更樂于利用技術(shù)去節(jié)省和創(chuàng)造財(cái)富。

在投行的日常業(yè)務(wù)中，為了對(duì)投資機(jī)會(huì)或股票購買進(jìn)行精準(zhǔn)的推薦，有新聞簡報(bào)，財(cái)務(wù)報(bào)表等大量文檔需要處理。如果人工進(jìn)行處理，工作量過于龐大。因此投行分析師們往往會(huì)簡化他們的分析模型的假設(shè)前提，并使用電子表格來完成絕大部分工作。大數(shù)據(jù)技術(shù)可以處理巨量信息，這可以使投行減少（因簡化分析）所面臨的風(fēng)險(xiǎn)，并做出更佳的分析和預(yù)測。

通過大數(shù)據(jù)平臺(tái)，股票經(jīng)紀(jì)人和投資經(jīng)理們可以處理巨量非系統(tǒng)性的信息，以確定哪些公司最值得投資。非系統(tǒng)性公共信息，如公司新聞，產(chǎn)品評(píng)論，供應(yīng)商數(shù)據(jù)，價(jià)目單變化，可以整合為“大數(shù)據(jù)”統(tǒng)一來處理，建立起數(shù)學(xué)模型，幫助經(jīng)紀(jì)人決定買入或售出哪些股票。

有些利用大數(shù)據(jù)進(jìn)行投資預(yù)測的企業(yè)，往往通過云平臺(tái)來削減先期成本，先從少量的服務(wù)器開始，在獲益后，逐步提高投入。例如，一位數(shù)量分析師從一家大型投行辭職后，在不到半年的時(shí)間內(nèi)，使用非常有限的投入，便創(chuàng)立了一個(gè)已實(shí)現(xiàn)盈利的大數(shù)據(jù)交易系統(tǒng)。

即便在傳統(tǒng)制造業(yè)領(lǐng)域，大數(shù)據(jù)也可以提升預(yù)測能力。歐洲某大型汽車制造商，建立了一個(gè)分析鋼材交易成本的內(nèi)部系統(tǒng)，并借此確定最佳時(shí)機(jī)，以更優(yōu)價(jià)格買入原材料。這個(gè)系統(tǒng)是基于開源Java架構(gòu)Hadoop創(chuàng)建的，整合了多個(gè)供應(yīng)商的共計(jì)15Tb(Terabyte,萬億字節(jié)或太字節(jié))的數(shù)據(jù)，在兩年內(nèi)為該公司節(jié)省了1600萬美元。

這一項(xiàng)目之所以能成功主要有兩個(gè)原因：公司有足夠的信息為所有供應(yīng)商建模；該項(xiàng)目節(jié)省的成本超過了實(shí)施這個(gè)項(xiàng)目的費(fèi)用。

公司為何因?yàn)榇髷?shù)據(jù)虧錢

然而，并不是所有大數(shù)據(jù)項(xiàng)目都會(huì)這樣成功。有時(shí)公司在大數(shù)據(jù)項(xiàng)目上也會(huì)虧錢，失敗概率和成功的概率相差無幾。大數(shù)據(jù)項(xiàng)目失敗的早期征兆各不相同，最常見的問題有：

起步太高：大數(shù)據(jù)并不需要一筆巨大的預(yù)算，如果你懷著巨大的投入將帶來巨大回報(bào)的預(yù)期開啟一個(gè)大數(shù)據(jù)項(xiàng)目，那往往會(huì)產(chǎn)生問題。在開啟項(xiàng)目前，明智的做法是，在小范圍內(nèi)測試對(duì)（大數(shù)據(jù)）技術(shù)有限的投入是否真能帶來預(yù)期的收益。如果測試的結(jié)果是肯定的，一個(gè)項(xiàng)目隨后總是可以擴(kuò)大規(guī)模，并達(dá)到可以帶來更大收益的規(guī)模經(jīng)濟(jì)。

低估人力投入：在開始實(shí)施一個(gè)大數(shù)據(jù)系統(tǒng)前，問自己一個(gè)簡單的問題：這個(gè)項(xiàng)目在沒有持續(xù)的人力支持的情況下是否可以運(yùn)作？如果答案是“不可以”，那么停止該項(xiàng)目。創(chuàng)建一個(gè)無法在有利潤的情況下維持的項(xiàng)目，往往意味著數(shù)百萬的損失。

試圖突破自然語言處理的限制：大數(shù)據(jù)有個(gè)經(jīng)常被贊揚(yáng)的功能是，利用“自然語言處理”（NLP），將眾多領(lǐng)域的大量數(shù)據(jù)處理成可讀性強(qiáng)的敘述性文字。這一想法確實(shí)很令人興奮，但對(duì)于那些想要對(duì)此進(jìn)行嘗試的公司來說，實(shí)際情況往往不如人意?！白匀徽Z言處理”如今仍存在許多重大限制，這主要是因?yàn)槿斯ぶ悄苓€不夠先進(jìn)－－而且在10年內(nèi)，這一情況可能不會(huì)改變。

現(xiàn)代大數(shù)據(jù)具備節(jié)約成本的巨大潛力，在過去，這種有如魔法般的潛力會(huì)令數(shù)據(jù)處理者感到驚奇。但是，在投入時(shí)間和資源到大數(shù)據(jù)項(xiàng)目之前，首先要確認(rèn)你的項(xiàng)目是有錢可賺的。