大數(shù)據(jù)意味著如何掙大錢還是損失慘重

大數(shù)據(jù)無疑是現(xiàn)在最引人矚目的詞匯。但是，誰堅持認為可以從這項技術(shù)中獲利——而且如何獲利？
    過去10年中，在經(jīng)歷了通信業(yè)和投資銀行業(yè)的幾個早期大數(shù)據(jù)項目后，我總結(jié)這個新興技術(shù)最適合用在像股票市場和供應(yīng)鏈這樣的復雜系統(tǒng)中，獲得更精準的解析。尤其是投資銀行，這是最先采用大數(shù)據(jù)分析的行業(yè)之一。畢竟，那些專職賺錢的高管們熱衷于省錢和創(chuàng)造財富。
    在投資銀行，為了更準確的推薦投資或買入股票，需要處理的文檔（比如新聞、資產(chǎn)負債表等）數(shù)量太大而不能全人工處理。因此，合伙人傾向于簡化分析過程，使用電子表格文檔去完成大多數(shù)工作。而采用大數(shù)據(jù)技術(shù)處理大量信息可以有效性的降低風險，和以前相比，公司可以更好的進行分析和預測。

    公司如何運用大數(shù)據(jù)賺錢呢？
    通過大數(shù)據(jù)平臺，股票市場的交易員和投資組合證券d經(jīng)理可以處理大量的非結(jié)構(gòu)化數(shù)據(jù)，來識別最值得投資的公司。
    非結(jié)構(gòu)化的公眾信息，包括公司新聞、產(chǎn)品評論、供應(yīng)商數(shù)據(jù)和價格表變更，可以以大數(shù)據(jù)的形式進行整合并建立數(shù)學模型，幫助交易員決定買入或賣出哪支股票。
    一些按照上述方式運用大數(shù)據(jù)進行投資預測的企業(yè)，為了減少項目的前期投入使用云服務(wù)，比如Amazon的網(wǎng)絡(luò)服務(wù)（AWS），從少量的服務(wù)器開始，獲利后再擴大規(guī)模。我認識一個從大型投資銀行辭職的定量分析師，他可以在6個月內(nèi)、用有限的資金創(chuàng)建一個可盈利的大數(shù)據(jù)交易系統(tǒng)。
    甚至在制造業(yè)，使用大數(shù)據(jù)可以提升預測能力。一個我曾經(jīng)擔當顧問的歐洲主要汽車制造商，建立了一個內(nèi)部系統(tǒng)進行鋼鐵價格的可行性分析，確定在最合適的時間、以更優(yōu)惠的價格購買原材料。該系統(tǒng)采用開源Java框架Hadoop,整合多個供應(yīng)商的數(shù)據(jù)庫、總量達到15Tb的信息，兩年節(jié)省了1.6億美元。
    該項目成功的兩個原因是：首先，該公司有足夠的信息對所有供應(yīng)商進行建模；其次，該項目節(jié)省的原材料成本大大超過了建立系統(tǒng)的費用。
    公司如何運用大數(shù)據(jù)賠錢呢？
    但是，不是每個大數(shù)據(jù)項目運用這種方法都會成功。有時，公司運用大數(shù)據(jù)，賠錢和賺錢的概率相差無幾。大數(shù)據(jù)失敗的早期情況并不相同，但最普遍原因如：
    開始時步子邁得太大：大數(shù)據(jù)不需要大預算。如果懷著投資多等于回報大的想法開始一個項目，往往會失敗。在項目開始前，明智的做法是，分析在該技術(shù)上以有限的投入、在小范圍內(nèi)是否可以帶來預期的收益。如果是，該項目隨時可以擴大規(guī)模，保證規(guī)模越大利潤越高。
    低估人力需求：開始實施系統(tǒng)前，問自己一個簡單的問題：沒有恒定的人力支持，該大數(shù)據(jù)項目能夠運作嗎？如果答案是“不”，那么馬上停止。建立一個不能以盈利模式進行維護的系統(tǒng)，意味著數(shù)百萬的損失。
    嘗試推進自然語言處理：大數(shù)據(jù)的一個潛在承諾是，通過自然語言處理（NLP），將各領(lǐng)域的數(shù)據(jù)變得可讀可寫。這種想法是令人興奮的——但在實際應(yīng)用中沒有進展。目前的自然語言處理有嚴格的限制，因為人工智能還不夠先進——再過10年也可能不行。
    現(xiàn)代大數(shù)據(jù)意味著可以節(jié)省費用，和過去的數(shù)據(jù)處理器相比簡直是魔法。但在最初建立大數(shù)據(jù)項目時判斷是否真的可以盈利，將不會浪費你的時間和資源。只有傻瓜才會冒進。
    數(shù)據(jù)科學家Marco Visibelli從IBM辭職后創(chuàng)立了Kuldat公司，該公司運用大數(shù)據(jù)，對銷售和市場前景進行可行性分析并呈現(xiàn)可能的結(jié)果。