美媒解讀大數據：賺錢機會多虧錢風險大_數據分析師考試

誰將從大數據中獲益，以及如何利用大數據獲益等這些事關大數據未來發(fā)展的問題，很多人卻對此知之甚少。

7月31日電（劉世東）大數據是當下最受關注的流行詞之一，有時甚至到了被濫用的地步。然而，誰將從大數據中獲益，以及如何利用大數據獲益等這些事關大數據未來發(fā)展的問題，很多人卻對此知之甚少。美國《連線》雜志網站日前刊文對這一問題進行了探討，指出無論是投行還是傳統制造業(yè)都可以通過大數據賺錢，但在運營大數據項目時無疑也面臨著諸多風險。

公司如何通過大數據賺錢

大數據這一新興的技術可以被用來更精準的剖析股票市場和供應鏈等復雜系統。投行成為最早一批應用大數據分析的行業(yè)之一，這一點都不令人意外。畢竟，那些以賺錢為業(yè)務的管理者通常更樂于利用技術去節(jié)省和創(chuàng)造財富。

在投行的日常業(yè)務中，為了對投資機會或股票購買進行精準的推薦，有新聞簡報，財務報表等大量文檔需要處理。如果人工進行處理，工作量過于龐大。因此投行分析師們往往會簡化他們的分析模型的假設前提，并使用電子表格來完成絕大部分工作。大數據技術可以處理巨量信息，這可以使投行減少（因簡化分析）所面臨的風險，并做出更佳的分析和預測。

通過大數據平臺，股票經紀人和投資經理們可以處理巨量非系統性的信息，以確定哪些公司最值得投資。非系統性公共信息，如公司新聞，產品評論，供應商數據，價目單變化，可以整合為“大數據”統一來處理，建立起數學模型，幫助經紀人決定買入或售出哪些股票。

有些利用大數據進行投資預測的企業(yè)，往往通過云平臺來削減先期成本，先從少量的服務器開始，在獲益后，逐步提高投入。例如，一位數量分析師從一家大型投行辭職后，在不到半年的時間內，使用非常有限的投入，便創(chuàng)立了一個已實現盈利的大數據交易系統。

即便在傳統制造業(yè)領域，大數據也可以提升預測能力。歐洲某大型汽車制造商，建立了一個分析鋼材交易成本的內部系統，并借此確定最佳時機，以更優(yōu)價格買入原材料。這個系統是基于開源Java架構Hadoop創(chuàng)建的，整合了多個供應商的共計15Tb(Terabyte,萬億字節(jié)或太字節(jié))的數據，在兩年內為該公司節(jié)省了1600萬美元。

這一項目之所以能成功主要有兩個原因：公司有足夠的信息為所有供應商建模；該項目節(jié)省的成本超過了實施這個項目的費用。

公司為何因為大數據虧錢

然而，并不是所有大數據項目都會這樣成功。有時公司在大數據項目上也會虧錢，失敗概率和成功的概率相差無幾。大數據項目失敗的早期征兆各不相同，最常見的問題有：

起步太高：大數據并不需要一筆巨大的預算，如果你懷著巨大的投入將帶來巨大回報的預期開啟一個大數據項目，那往往會產生問題。在開啟項目前，明智的做法是，在小范圍內測試對（大數據）技術有限的投入是否真能帶來預期的收益。如果測試的結果是肯定的，一個項目隨后總是可以擴大規(guī)模，并達到可以帶來更大收益的規(guī)模經濟。

低估人力投入：在開始實施一個大數據系統前，問自己一個簡單的問題：這個項目在沒有持續(xù)的人力支持的情況下是否可以運作？如果答案是“不可以”，那么停止該項目。創(chuàng)建一個無法在有利潤的情況下維持的項目，往往意味著數百萬的損失。

試圖突破自然語言處理的限制：大數據有個經常被贊揚的功能是，利用“自然語言處理”（NLP），將眾多領域的大量數據處理成可讀性強的敘述性文字。這一想法確實很令人興奮，但對于那些想要對此進行嘗試的公司來說，實際情況往往不如人意。“自然語言處理”如今仍存在許多重大限制，這主要是因為人工智能還不夠先進－－而且在10年內，這一情況可能不會改變。

現代大數據具備節(jié)約成本的巨大潛力，在過去，這種有如魔法般的潛力會令數據處理者感到驚奇。但是，在投入時間和資源到大數據項目之前，首先要確認你的項目是有錢可賺的。