下一波的数据分析将会减少对基础设施和更多的利用数据中的模式。
大数据正在发生一些大的变化。多年来,挑战是足够好的数据创建模型从华尔街趋势交通路由。但由于大量的数以十亿计的传感器和电子交易的数据,数据不再是供不应求。
事实上,有太多的数据源源不断地涌入,公司需要找出如何处理它。需要不同的技能,是谁在这里开始被称为经济学家。
在过去的几十年里,这是在人的手中的主要技能是科学数据。他们必须建立这些系统,使找出方法来挖掘和利用数据。华尔街的宽客以拼凑市场数据模型市场波动。虽然有一些经济学、金融和数学专家,真正的重点在那个世界是,现在仍然是,应用软件知识。现在,或多或少,解决了问题,而定量分析永远是必要的,在某种程度上这是一个解决问题。
下一步是建立在基础设施数据科学家发明了,这是经济学家真正的入口点。经济趋势开始在更高层次的抽象,这将是特别重要的地方,人工智能。而不是开发模型基于有限的数据集,经济学家倾向于看广泛的数据系统地制定经验关系。实际上,他们正在寻找所有可能的组合在一个基于模式识别的技术,而不是试图构建一个模型基于高定义模式。(这是一个伟大的经济学家在《哈佛商业评论》(Harvard Business Review)的影响。
这个数据更多的是一种自上而下的方法,而不是自底向上看如何构建模型,它是特别重要的人工智能是有原因的。首先,它是一种反复核查偏见在训练集的比较结果在不同的应用程序或市场。经济学家非常擅长这种事情,这就是为什么数据驱动的公司如亚马逊、谷歌、微软和超级雇佣大批毕业生,经济学博士。
这是很重要的第二个原因是,经济学家倾向于从一个中立的立场,允许数据告诉这个故事而不是试图适应数据先入为主的故事线。结果而不是专注于生产更快的使用现有的数据,经济学家会深入数据来发现趋势和异常,然后他们会更深的了解驱动器。
挑战不再是找到一个方法来收集数据。现在关注如何更有效地使用数据,这可以包括从广泛的趋势非常狭窄的细分市场,可以利用,杠杆或结合其他领域创造完全不同的东西。
这预示着芯片的世界,因为所有这些都需要大量的数据处理引擎和更多的智能传感器。这是一个全新的方式使用,处理能力和数据生成,随着时间的推移影响将是巨大的,在现有的和新的市场中某个地方,巨大数量的数据。
|
|
|
|
|
|
|
|
|
|
留下一个回复